基于时空密度的船载AIS数据聚类分析方法研究

doi:10.3969/j.issn.1674-0696.2018.10.18

重庆交通大学学报（自然科学版） ›› 2018, Vol. 37 ›› Issue (10): 117-122.DOI: 10.3969/j.issn.1674-0696.2018.10.18

基于时空密度的船载AIS数据聚类分析方法研究

李永攀1,2，刘正江1，郑中义1

(1. 大连海事大学航海学院，辽宁大连 116026；2. 舟山海事局船舶交通管理中心，浙江舟山 316000)

收稿日期:2017-05-02 修回日期:2017-10-16 出版日期:2018-10-08 发布日期:2018-10-08
作者简介:李永攀(1981—)，男，河南开封人，博士研究生，主要从事海上交通安全方面的研究。E-mail: liyongpan@dlmu.edu.cn。通信作者：刘正江(1959—)，男，江苏如皋人，教授，博导，主要从事海上交通安全方面的研究。E-mail: liuzhengjiang@dlmu.edu.cn。

Clustering Analysis Method of Shipborne AIS Data Based on Spatio-Temporal Density

LI Yongpan1, 2, LIU Zhengjiang1, ZHENG Zhongyi1

(1. Navigation College, Dalian Maritime University, Dalian 116026, Liaoning, P. R. China; 2. Vessel Traffic Management Center, Zhoushan Maritime Safety Administration, Zhoushan 316000, Zhejiang, P. R. China)

Received:2017-05-02 Revised:2017-10-16 Online:2018-10-08 Published:2018-10-08

摘要/Abstract

摘要： 船载AIS数据包含位置、时间和其他属性，属于典型的时空数据，对其开展时空聚类分析有助于挖掘海上交通特征。结合AIS数据的具体特征，提出时间切片化方法，有效约简AIS数据并处理报告间隔不等的问题。在DBSCAN算法基础上综合考虑时间和空间要素，提出船载AIS数据时空聚类算法，并对实际数据开展分析。该方法能更好顾及船舶交通流的时空耦合特征，识别隐含的时空模式，为主管机关开展船舶交通管理、优化通航秩序、保障航行安全等提供一种新途径。

关键词: 交通运输工程, 时空密度, 聚类分析, DBSCAN算法, 船载AIS

Abstract: Shipborne AIS data contains location, time and other attributes, which belongs to typical spatio-temporal data. And the spatio-temporal clustering analysis on shipborne AIS data contributes to the data mining of maritime traffic characteristics. Considering the specific characteristics of AIS data, a time slicing method was proposed to effectively simplify the AIS data and deal with the problem of different report intervals. Based on DBSCAN algorithm, combining time and space attributes, a spatio-temporal clustering algorithm of shipborne AIS data was put forward, and the actual AIS data was taken for a case study. The proposed method can better take account of the spatial-temporal coupling characteristics of ship traffic flow and identify the hidden spatio-temporal pattern, which provides a new way for the competent authorities to carry out ship traffic management, optimize navigation order and ensure navigation safety.

Key words: traffic and transportation engineering, spatio-temporal density, clustering analysis, DBSCAN algorithm, shipborne AIS

中图分类号:

U675.79

李永攀1,2，刘正江1，郑中义1. 基于时空密度的船载AIS数据聚类分析方法研究[J]. 重庆交通大学学报（自然科学版）, 2018, 37(10): 117-122.

LI Yongpan1, 2, LIU Zhengjiang1, ZHENG Zhongyi1. Clustering Analysis Method of Shipborne AIS Data Based on Spatio-Temporal Density[J]. Journal of Chongqing Jiaotong University(Natural Science), 2018, 37(10): 117-122.

参考文献

［1］ PALLOTTA G, VESPE M, BRYAN K. Vessel pattern knowledge discovery from AIS data: a framework for anomaly detection
and route prediction［J］. Entropy, 2013, 15(6): 2218-2245.
［2］肖潇，邵哲平，潘家财，等.基于AIS信息的船舶轨迹聚类模型及应用［J］. 中国航海，2015，38(2):82-86.
XIAO Xiao, SHAO Zheping, PAN Jiacai, et al. Ship trajectory clustering model based on AIS data and its application［J］.
Navigation of China, 2015, 38(2): 82-86.
［3］ CHEN J, LU F, PENG G. A quantitative approach for delineating principal fairways of ship passages through a strait［
J］. Ocean Engineering, 2015, 103: 188-197.
［4］周丹，郑中义.基于AIS数据的船舶领域影响因素分析［J］. 上海海事大学学报，2016，37(2):7-11.
ZHOU Dan, ZHENG Zhongyi. Analysis of influencing factors of ship domain based on AIS data［J］. Journal of Shanghai
Maritime University, 2016, 37(2): 7-11.
［5］甄荣，邵哲平，潘家财，等.基于AIS信息的航道内船舶速度分布统计分析［J］.集美大学学报(自然科学版)，2014(04):274-278.
ZHEN Rong, SHAO Zheping, PAN Jiacai, et al. Statistical analysis of distribution of ship speed within the fairway based on
AIS data［J］. Journal of Jimei University (Natural Science), 2014, 19(4): 274-278.
［6］潘家财，姜青山，邵哲平.船舶会遇的时空数据挖掘算法及应用［J］.中国航海，2010，33(4):57-60.
PAN Jiacai, JIANG Qingshan, SHAO Zheping. Ship encounter data mining algorithm［J］. Navigation of China, 2010, 33(4): 57
-60.
［7］孟范立.利用AIS数据挖掘建立船舶到达规律模型［J］. 舰船科学技术，2016(10):28-30.
MENG Fanli. The use of AIS data mining to establish the ship arrives law model［J］. Ship Science and Technology, 2016
(10): 28-30.
［8］潘家财，邵哲平，姜青山.数据挖掘在海上交通特征分析中的应用研究［J］.中国航海，2010，33(2):60-62.
PAN Jiacai, SHAO Zheping, JIANG Qingshan. Application of data mining technology in analysis of marine traffic
characteristics［J］. Navigation of China, 2010, 33(2): 60-62.
［9］唐存宝，邵哲平，唐强荣，等.基于AIS的船舶航迹分布算法［J］. 集美大学学报(自然科学版)，2012，17(2):109-112.
TANG Cunbao, SHAO Zheping, TANG Qiangrong, et al. Vessel track distribution algorithm based on AIS［J］. Journal of Jimei
University (Natural Science), 2012, 17(2): 109-112.
［10］宁建强，黄涛，刁博宇，等.一种基于海量船舶轨迹数据的细粒度网格海上交通密度计算方法［J］. 计算机工程与科学. 2015，37(12):
2242-2249.
NING Jianqiang, HUANG Tao,DIAO Boyu, et al. A fine grained grid-based maritime traffic density algorithm for mass ship
trajectory data［J］. Computer Engineering and Science, 2015, 37(12): 2242-2249.
［11］刘涛，胡勤友，杨春.水上交通拥挤区域的聚类分析与识别［J］.中国航海，2010，33(4):75-78.
LIU Tao, HU Qinyou, YANG Chun. Clustering analysis and identification of traffic congested waters［J］. Navigation of
China, 2010, 33(4): 75-78.
［12］丁兆颖，姚迪，吴琳，等.一种基于改进的DBSCAN的面向海量船舶位置数据码头挖掘算法［J］. 计算机工程与科学，2015，33
(11):2061-2067.
DING Zhaoying, YAO Di, WU Lin, et al. A dock mining algorithm for massive vessel location data based on improved DBSCAN［J
］. Computer Engineering and Science, 2015, 33(11): 2061-2067.
［13］魏照坤，周康，魏明，等.基于AIS数据的船舶运动模式识别与应用［J］. 上海海事大学学报，2016，37(2):17-22.
WEI Zhaokun, ZHOU Kang, WEI Ming, et al. Ship motion pattern recognition and application based on AIS data［J］. Journal
of Shanghai Maritime University, 2016, 37(2): 17-22.
［14］ LIU Bo, DE SOUZA E N, MATWIN S, et al. Knowledge-based clustering of ship trajectories using density-based approach
［C］//2014 IEEE International Conference on Big Data. Washington: IEEE, 2014.
［15］唐建波，邓敏，刘启亮.时空事件聚类分析方法研究［J］.地理信息世界，2013，11(1):38-45.
TANG Jianbo, DENG Min, LIU Qiliang. On spatio-temporal events clustering methods［J］. Geomatics World, 2013, 11(1): 38-
45.
［16］ ESTER M, KRIEGEL H P, SANDER J, et al. A density-based algorithm for discovering clusters in large spatial
databases with noise［C］//Proceedings of 2nd International Conference on Knowledge Discovery and Data Mining (KDD-96).
Portland, Oregon: AAAI, 1996.
［17］张丽杰.具有稳定饱和度的DBSCAN算法［J］.计算机应用研究，2014，31(7):1972-1975.
ZHANG Lijie. Stable saturation density of DBSCAN algorithm［J］. Application Research of Computers, 2014, 31(7): 1972-
1975.
［18］ SANDER J, ESTER M, KRIEGEL H P, et al. Density-based clustering in spatial databases: the algorithm GDBSCAN and its
applications［J］. Data Mining and Knowledge Discovery, 1998, 2(2): 169-194.
［19］ BIRANT D, KUT A. ST-DBSCAN:an algorithm for clustering spatial-temporal data［J］. Data & Knowledge Engineering,
2007, 60(1): 208-221.
［20］ OLIVEIRA R, SANTOS M Y, PIRES J M. 4D+SNN: a spatio-temporal density-based clustering approach with 4D similarity［
C］//2013 IEEE 13th International Conference on Data Mining Workshops. Dallas, TX, USA: IEEE, 2013.
［21］张敏，常鹏.试论AIS在海上交通安全管理中的应用及前景［J］.珠江水运，2012(23):73-75.
ZHANG Min, CHANG Peng. Application and development of AIS on marine traffic safety management［J］. Pearl River Water
Transport, 2012(23): 73-75.
［22］胡菠，王智.水上移动业务标识码资源的管理—国际电联ITU-R M.585-4标准解读［J］.中国海事，2009(3):50-53.
HU Bo, WANG Zhi. Management of maritime mobile service identities: deciphering recommendation ITU-R M.585-4［J］. China
Maritime Safety, 2009(3): 50-53.

[1]	李晶1,2，钟鹏1，吕靖1,2. 基于系统动力学的陆港与城市经济互动研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(07): 1-7.
[2]	李军1，朱云升2. 三角模糊层次分析的综合评价在黄河库区船舶安全评估中的应用[J]. 重庆交通大学学报（自然科学版）, 2021, 40(07): 16-22.
[3]	邓萍1,2，宋莲1，黄承锋1,2. 三峡坝区过闸船舶拥堵成本测算及对坝区货物总价值影响研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(07): 23-30.
[4]	程谦1 ，朱晓宁2 ，卢万胜3. 中长运距城际旅客出行方式选择行为模型——以高铁、民航为例[J]. 重庆交通大学学报（自然科学版）, 2021, 40(07): 39-45.
[5]	连齐才1，李涵1，石小林1，闫章存2. 基于面板数据Mixed logit模型的自动驾驶选择行为分析[J]. 重庆交通大学学报（自然科学版）, 2021, 40(07): 46-52.
[6]	戚春华，王笑男，朱守林，李航天. 基于驾驶员视觉兴趣区域的交通工程设施信息量阈值研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(07): 53-60.
[7]	李升朝，吴越，白雪萌，王玥，张海. 基于TOPSIS与灰色关联的危货车辆违规报警研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(07): 61-66.
[8]	杨庆芳1,2,3，王立强2，郑黎黎1,2,3，孟凡运2. 一种环形交叉口交通排放及燃油消耗模型研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(07): 67-73.
[9]	白翰，张康宇，王修光，燕翔，冯启龙. 合放交通流条件下城市交叉口通行能力研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 12-20.
[10]	张重阳,黄淑萍. 路网抗震可靠性及震后运输调度路径选择研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 43-51.
[11]	郭文文1，计明军2，祝慧灵3，周文杰2. 集装箱码头场桥调度优化模型研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 66-72.
[12]	李广儒，张新，朱庆辉. 基于Adaboost的改进Elman神经网络港口吞吐量预测方法[J]. 重庆交通大学学报（自然科学版）, 2021, 40(05): 1-5.
[13]	孙元广1，茧敏2，金华2，陈绍宽2. 城市轨道交通列车故障救援延误计算与仿真[J]. 重庆交通大学学报（自然科学版）, 2021, 40(05): 6-12.
[14]	王宏刚1,2，白朋1，邹庆茹2，赵玲1. 地铁车辆段股道运用优化模型[J]. 重庆交通大学学报（自然科学版）, 2021, 40(05): 13-18.
[15]	孙延浩1,2，张琦1,2，任禹谋1,2,3，孙鹏举4. 高速铁路列车调度员应急处置能力评价研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(05): 19-25.

基于时空密度的船载AIS数据聚类分析方法研究

Clustering Analysis Method of Shipborne AIS Data Based on Spatio-Temporal Density

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics