考虑导航行为序列的船舶轨迹聚类方法 吴莎曦 张丽华 周银飞 魏帅 陈长林

《Journal of Marine Science and Engineering》：Ship Trajectory Clustering Method Considering Navigation Behavior Sequences Shaxige Wu, Lihua Zhang, Yinfei Zhou, Shuai Wei and Changlin Chen

　　

摘要

现有的船舶轨迹聚类方法常常忽略了导航行为（如航向和速度变化）对聚类性能的影响。为了解决这一局限，本文提出了一种新的船舶轨迹聚类方法，该方法明确考虑了导航行为序列。首先，对船舶轨迹进行预处理，并通过滑动窗口计算每个轨迹点的关键运动参数，包括船舶的转角速率（ROT）和加速度。其次，通过整合各种运动参数，对轨迹点对应的导航行为进行分类，并将分类结果作为衡量不同轨迹之间行为距离的核心依据。然后，基于豪斯多夫距离（Hausdorff distance）来测量轨迹之间的空间距离。最后，采用自适应的基于密度的空间聚类算法（DBSCAN），该算法结合行为距离和空间距离，实现了考虑导航行为的船舶轨迹聚类。在大连港和烟台港数据集上的实验结果表明：(1) 与传统DBSCAN方法及多维基于密度的轨迹聚类算法（MD-DBTCAN）相比，所提出的方法能够获得更细粒度的聚类结果；(2) 与传统DBSCAN方法相比，所提出的方法能够有效区分直线航行轨迹和频繁转向的轨迹；与MD-DBTCAN方法相比，所提出的方法能够区分常规的直线航行轨迹和频繁加速及减速的轨迹。