【技术实现步骤摘要】
本申请涉及地理信息，尤其涉及一种船舶轨迹聚类方法、装置、设备及介质。
技术介绍
1、船舶自动识别系统(automatic identification system，ais)提供的海量数据中蕴含着丰富的轨迹信息，对其进行可靠的特征提取、分析与挖掘有助于获得海域的交通流状况,探索海上交通模式,进而为智能化海上交通监管提供支持。在众多航迹分析任务中，船舶航迹聚类作为一个基础而关键的领域，通过将轨迹数据集划分为多个簇，以提高簇内数据相较于簇间数据的相似性，可以实现数据的有效组织，从而便于根据数据分析的结果为海上交通监管提供可靠的技术支撑。
2、相关技术中，一些轨迹聚类方法在评估船舶轨迹的相似性时，往往侧重于船舶轨迹的几何位置特性，即空间形态特征，主要通过比较各个离散轨迹点的空间位置来确定船舶轨迹之间的相似度，忽略了轨迹数据中潜在的移动模式特征，如速度、方向、转向角度等动态属性。然而，这些动态属性可能含有关于船舶行为和意图的关键信息，对于理解海上交通动态和进行有效的航海管理尤为重要。
3、因此，相关技术不能实现对船舶轨迹的细粒度聚类，聚类结果不准确。
技术实现思路
1、本申请实施例提供一种船舶轨迹聚类方法、装置、设备及介质，用以解决上述相关技术的缺陷，所述技术方案如下：
2、第一方面，本申请实施例提供一种船舶轨迹聚类方法，所述方法包括：
3、从ais数据中提取得到多条船舶轨迹；其中，每条所述船舶轨迹包括多个轨迹点；
4、计算每两条
5、通过训练好的轨迹移动特征提取模型提取每条所述船舶轨迹的船舶移动特征向量，计算所述每两个船舶移动特征向量之间的移动特征相似性距离；
6、基于所述每两条船舶轨迹之间的几何相似性距离和移动特征相似性距离加权计算得到轨迹相似性度量；
7、基于所述每两条船舶轨迹之间的轨迹相似性度量对所有船舶轨迹进行聚类分析，输出船舶轨迹聚类结果，根据所述船舶轨迹聚类结果确定航道信息。
8、在第一方面的一种可选方案中，所述从ais数据中提取得到多条船舶轨迹，包括：
9、获取所述ais数据，根据所述ais数据中离散轨迹点的轨迹编号、时间信息、位置信息筛选得到符合预设条件的离散轨迹点；
10、获取轨迹编号相同的所有离散轨迹点分别得到所述轨迹编号对应的船舶轨迹；
11、提取每条所述船舶轨迹中每两个相邻轨迹点之间的时间间隔，在所述时间间隔大于时间间隔阈值的轨迹点位置处对所述船舶轨迹进行分段，输出分段后的船舶轨迹。
12、在第一方面的一种可选方案中，所述计算每两条船舶轨迹之间的双向豪斯多夫距离，包括：
13、计算第一船舶轨迹中每个轨迹点到第二船舶轨迹中每个轨迹点的第一欧式距离，计算第二船舶轨迹中每个轨迹点到第一船舶轨迹中每个轨迹点的第二欧式距离；
14、基于所述第一欧式距离确定所述第一船舶轨迹到所述第二船舶轨迹的第一豪斯多夫距离，基于所述第二欧式距离确定所述第二船舶轨迹到所述第一船舶轨迹的第二豪斯多夫距离；
15、基于所述第一豪斯多夫距离和所述第二豪斯多夫距离中的最大值确定所述第一船舶轨迹与所述第二船舶轨迹之间的双向豪斯多夫距离；
16、其中，所述第一船舶轨迹和所述第二船舶轨迹为不同的船舶轨迹，所述第一船舶轨迹和所述第二船舶轨迹分别为所述多条船舶轨迹中的任一船舶轨迹。
17、在第一方面的一种可选方案中，所述通过训练好的轨迹移动特征提取模型提取每个所述船舶轨迹的船舶移动特征向量之前，包括：
18、获取每条所述船舶轨迹中每个轨迹点的运动属性；
19、按每条所述船舶轨迹中的轨迹点顺序排列所述每个轨迹点的运动属性，分别生成对应船舶轨迹的轨迹序列；
20、其中，所述运动属性包括每个轨迹点的速度数据和转向率，所述每个轨迹点的速度数据基于所述ais数据提取得到，所述转向率基于所述船舶轨迹中每两个相邻轨迹点的航向数据计算得到。
21、在第一方面的一种可选方案中，所述通过训练好的轨迹移动特征提取模型提取每条所述船舶轨迹的船舶移动特征向量，包括：
22、将每条所述船舶轨迹的轨迹序列输入所述训练好的轨迹移动特征提取模型中，所述训练好的轨迹移动特征提取模型基于每条所述船舶轨迹的轨迹序列提取得到船舶移动特征向量，其中，每个所述船舶移动特征向量的长度相同；
23、所述计算所述每两个船舶移动特征向量之间的移动特征相似性距离，应用公式：
24、
25、其中，d2(o,r)为移动特征相似性距离，g为所述船舶移动特征向量的长度，i为所述船舶移动特征向量中船舶移动特征的序数，o、r为船舶移动特征向量。
26、在第一方面的一种可选方案中，所述基于所述每两条船舶轨迹之间的轨迹相似性度量对所有船舶轨迹进行聚类分析之前，基于所述每两条船舶轨迹之间的轨迹相似性度量确定所述聚类分析的聚类参数，包括：
27、基于所述多条船舶轨迹中每两条船舶轨迹之间的轨迹相似性度量构建得到轨迹相似性度量矩阵：
28、dn×n＝{d(i,j)|1≤i≤n,1≤j≤n}；
29、基于轨迹相似性度量的数值大小对所述相似性度量矩阵中的每一行按照从小到大的顺序进行排列，输出k邻近矩阵；其中，所述k邻近矩阵的第k列为所有船舶轨迹的第k个邻近距离；
30、基于所述k邻近矩阵确定所述聚类参数，所述聚类参数包括聚类距离半径以及最小聚类轨迹数量；其中，dn×n为所述轨迹相似性度量矩阵，d(i,j)为所述轨迹相似性度量矩阵中第i行第j列的轨迹相似性度量，n为所述船舶轨迹的数量。
31、在第一方面的一种可选方案中，所述基于所述每两条船舶轨迹之间的轨迹相似性度量对所有船舶轨迹进行聚类分析，输出船舶轨迹聚类结果，包括：
32、获取所述聚类分析得到的至少一个轨迹聚类簇，每个所述轨迹聚类簇的船舶轨迹的数量大于或等于所述最小聚类轨迹数量，输出包含所有轨迹聚类簇的所述船舶轨迹聚类结果；
33、所述航道信息包括航道以及所述航道对应的船舶类型分布，所述根据所述船舶轨迹聚类结果确定航道信息，包括：
34、根据每个轨迹聚类簇分别确定一条对应的航道，根据所述训练好的轨迹移动特征提取模型提取得到的每条所述船舶轨迹对应的船舶类型确定每条所述航道上的船舶类型分布。
35、第二方面，本申请实施例还提供一种船舶轨迹聚类装置，包括：
36、数据模块，用于从ais数据中提取得到多条船舶轨迹；其中，每条所述船舶轨迹包括多个轨迹点；
37、轨迹相似性度量模块，用于计算每两条船舶轨迹之间的双向豪斯多夫距离，根据所述双向豪斯多夫距离得到所述每两条船舶轨迹之间的几何相似性距离；
38、所述轨迹相似性度量本文档来自技高网...
【技术保护点】
1.一种船舶轨迹聚类方法，其特征在于，包括：
2.根据权利要求1所述的一种船舶轨迹聚类方法，其特征在于，所述从AIS数据中提取得到多条船舶轨迹，包括：
3.根据权利要求1所述的一种船舶轨迹聚类方法，其特征在于，所述计算每两条船舶轨迹之间的双向豪斯多夫距离，包括：
4.根据权利要求1所述的一种船舶轨迹聚类方法，其特征在于，所述通过训练好的轨迹移动特征提取模型提取每个所述船舶轨迹的船舶移动特征向量之前，包括：
5.根据权利要求4所述的一种船舶轨迹聚类方法，其特征在于，所述通过训练好的轨迹移动特征提取模型提取每条所述船舶轨迹的船舶移动特征向量，包括：
6.根据权利要求1-5任一项所述的一种船舶轨迹聚类方法，其特征在于，所述基于所述每两条船舶轨迹之间的轨迹相似性度量对所有船舶轨迹进行聚类分析之前，基于所述每两条船舶轨迹之间的轨迹相似性度量确定所述聚类分析的聚类参数，包括：
7.根据权利要求6所述的一种船舶轨迹聚类方法，其特征在于，所述基于所述每两条船舶轨迹之间的轨迹相似性度量对所有船舶轨迹进行聚类分析，输出船舶轨迹聚
8.一种船舶轨迹聚类装置，其特征在于，包括：
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
...【技术特征摘要】
1.一种船舶轨迹聚类方法，其特征在于，包括：
2.根据权利要求1所述的一种船舶轨迹聚类方法，其特征在于，所述从ais数据中提取得到多条船舶轨迹，包括：
3.根据权利要求1所述的一种船舶轨迹聚类方法，其特征在于，所述计算每两条船舶轨迹之间的双向豪斯多夫距离，包括：
4.根据权利要求1所述的一种船舶轨迹聚类方法，其特征在于，所述通过训练好的轨迹移动特征提取模型提取每个所述船舶轨迹的船舶移动特征向量之前，包括：
5.根据权利要求4所述的一种船舶轨迹聚类方法，其特征在于，所述通过训练好的轨迹移动特征提取模型提取每条所述船舶轨迹的船舶移动特征向量，包括：
6.根据权利要求1-5任一项所述的一种船舶轨迹聚类方法，其特征在于，所述基于所述每两条船舶...
【专利技术属性】
技术研发人员：金澄，杨敏，安晓亚，张鹏鑫，徐道柱，焦洋洋，
申请(专利权)人：中国人民解放军六一五四零部队，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。