基于全球AIS的多源航迹关联数据集

AIS全球卫星定位系统在航海领域中的应用研究导言：航海是人类长久以来的重要交通方式，随着科技的发展和创新，卫星定位系统被广泛应用于航海领域。

其中，AIS（自动识别系统）全球卫星定位系统作为一项重要的技术，为船舶定位和导航提供了可靠的辅助手段。

本文将深入探讨AIS在航海领域中的应用研究，包括原理、功能和优势。

一、AIS全球卫星定位系统的原理AIS是船舶自动识别系统（Automatic Identification System）的简称。

它采用无线电波通信方式，通过卫星定位技术实时追踪船舶位置和相关信息，将其传输到管理中心和其他船只。

AIS系统由发射器和接收器两部分组成。

发射器将船舶信息发送到周围的接收器或卫星，接收器接收信息并将其传输到地面站或其他船舶。

AIS系统通过GPS定位技术，获取船舶的准确位置信息。

二、AIS全球卫星定位系统的功能1. 船舶定位与导航：AIS系统通过卫星定位技术，精确记录船舶的位置和轨迹，为船舶定位和导航提供准确的数据支持。

航海人员可以通过AIS系统了解周边船舶的位置和速度，从而避免碰撞和冲突。

2. 船舶管理与监控：AIS系统可以实时监控船舶的位置、航向和速度，管理人员可以随时了解船舶的状态，并根据需要调整航线。

此外，AIS系统还能够记录船舶的历史轨迹，为事故调查和航线规划提供数据参考。

3. 紧急救援与搜救：AIS系统可以发送SOS信号，向周围船只和海岸站发送求救信息。

当船舶遇到紧急情况或发生意外事件时，AIS系统能够迅速定位并提供帮助，提高搜救效率。

4. 海上交通管理：AIS系统通过实时监控船舶的位置和速度，提供海上交通状况的数据分析和预测。

基于这些数据，交通管理部门可以合理规划航线，避免拥堵和冲突，提高航行效率。

三、AIS全球卫星定位系统的优势1. 实时性：AIS系统能够实时追踪船舶位置和状态，提供实时数据。

这使得航海人员和管理人员能够迅速做出决策，应对紧急情况或调整航线。

摘要在经济快速发展的情况下，航运业迎来了巨大的变化，船舶数量不断地增长，由此产生了很多航运密切的区域。

船舶数量的激增虽然带来了海上贸易的繁荣，但容易产生水上交通安全问题：航线负担过重，航道更加拥挤，由于船舶自身问题和人为因素产生的事故时有发生，对船员和乘客的生命财产安全造成巨大的威胁。

因此，对船舶必须进行有效的监控，及时发现船舶的异常行为，降低水上交通事故的风险。

另一方面，海运是国际贸易最主要的形式，在经济发展中占有重要的地位。

贸易的类型与航线息息相关，通过对航线轨迹变化的分析能够了解航运物流的变化，有利于对国际贸易的未来格局和发展变化进行更深入的理解。

预知船舶航行的动态是船舶异常行为分析和轨迹变化分析的基础性工作，对船舶轨迹进行精准的预测不仅能够及时发现异常轨迹，有利于海上交通监管，还能从船舶航行的角度了解国际贸易的发展变化，是航运交通智能服务的关键技术之一。

研究船舶航行轨迹预测最好能够获取船舶的历史轨迹数据，通过对历史数据的挖掘提取船舶重要的航行特征，发现船舶航行的规律，能够有效提高预测的准确性。

随着AIS系统的应用和推广，船舶轨迹数据的可获得性提高，与船舶轨迹数据挖掘的研究层出不穷，为船舶轨迹预测的研究提供了基础性的条件。

本文的主要工作如下：以大量船舶的历史AIS数据为基础，首先进行数据恢复和数据异常处理工作，最大程度上还原原始轨迹数据；在此基础上，使用轨迹分段和区域划分的两种轨迹聚类算法，从离散的原始AIS数据中得到船舶航线轨迹数据集；接着以航线轨迹数据为基础，使用多种算法对轨迹预测进行建模，并以珠江三角洲的航线数据为基础对预测算法进行验证，结果表明基于朴素贝叶斯的预测算法在船舶轨迹预测问题上具有高达90%以上的预测准确率。

关键词：船舶轨迹数据；数据预处理；轨迹聚类；航行轨迹预测；AbstractWith the rapid development of economy, the shipping industry has been developing rapidly, and the number of ships has been increasing. The surge in the number of vessels at sea has brought prosperity of trade, but it is easy to cause the problem of water traffic safety: route burden, channel congestion caused by the ship's own problems and human factors in the accident, the crew and passengers of the life and property safety threat. Therefore, it is necessary to carry out effective monitoring on the ship, find out the abnormal behavior of the ship in time, and reduce the risk of water traffic accidents. On the other hand, shipping is the most important form of international trade, which plays an important role in economic development. The type of trade is closely related to the route. Through the analysis of the change of the route, we can understand the change of shipping logistics, which is beneficial to the further understanding of the future pattern and development of international trade.To predict the dynamic navigation is the basis of the analysis of ship monitoring and track changes in the work, the accurate prediction of the ship trajectory can not only detect the abnormal trajectory for marine traffic, but also from the ship's point of view to understand the development and change of international trade, shipping and transportation is one of the key technologies of intelligent service.With the application and popularization of the AIS system, the availability of ship trajectory data is improved, which provides the basic conditions for ship trajectory data mining. The main work of this thesis is as follows: in the history of a large number of ships based on the AIS data, the first data recovery and data processing work, to restore the original data on the maximum extent, clean the available data; on this basis, two kinds of trajectory clustering algorithm using trajectory segmentation and region division, get the ship route trajectory data set from the original AIS data in a discrete;Then take the route trajectory data is based on the combination of various methods of trajectory prediction modeling, and to route data in the Pearl River Delta for verification based on the prediction algorithm, the results show that the prediction algorithm based on Naive Bayesian with up to 90% accuracy in the prediction of ship trajectory.Keywords: Ship trajectory data; data pretreatment; trajectory clustering; navigation trajectory prediction;目录第一章绪论 (1)1.1 研究背景 (1)1.2 研究现状 (1)1.2.1 数据恢复 (2)1.2.2轨迹聚类 (2)1.2.3船舶航行轨迹预测 (4)1.3 研究内容 (6)1.4 技术路线 (7)1.5 论文结构安排 (8)第二章相关理论基础 (10)2.1船舶航行轨迹预测 (10)2.2轨迹相似性度量 (10)2.3 总结 (12)第三章 AIS数据采集及预处理 (13)3.1 数据采集 (13)3.2 船舶航线轨迹数据提取 (14)3.2.1 基于船舶航行状态的航线轨迹数据提取 (14)3.2.2 基于船舶航速和采集时间间隔的轨迹数据提取 (15)3.2.3 航线轨迹数据样例 (16)3.3 缺失值处理 (17)3.3.1 问题描述 (17)3.3.2缺失值识别 (17)3.3.3 缺失值插补方法 (18)3.3.4 缺失数据插补 (20)3.3.5 数据实验 (21)3.4 异常数据处理 (24)3.5 总结 (25)第四章基于AIS数据的船舶航线聚类 (27)4.1 航线聚类定义与描述 (27)4.2 航线聚类算法 (27)4.2.1 基于轨迹分段的航线聚类算法 (28)4.2.2 基于航行区域相似度的航线聚类算法 (40)4.3 轨迹聚类结果评价指标 (45)4.4 数据实验 (46)4.4.1 实验数据 (46)4.4.2 模型参数设置 (46)4.4.3实验结果 (48)4.5总结 (50)第五章基于AIS数据的船舶航行轨迹预测 (51)5.1 船舶轨迹预测的定义与描述 (51)5.2 轨迹统计分析 (51)5.3 基于AIS数据的船舶航行轨迹预测算法 (53)5.3.1 基于概率统计的船舶航行轨迹预测算法 (53)5.3.2 基于船舶轨迹相似度的船舶航行轨迹预测算法 (57)5.3.3 基于加权KNN的船舶航行轨迹预测算法 (58)5.3.4 基于朴素贝叶斯的船舶航行轨迹预测算法 (60)5.4 实验分析 (63)5.4.1 基础数据 (63)5.4.2 实验设置 (64)5.4.3 实验结果 (66)5.5总结 (69)第六章总结和展望 (70)6.1 工作总结 (70)6.2未来展望 (70)参考文献 (71)攻读硕士学位期间取得的成果 (78)致谢 (79)第一章绪论第一章绪论1.1 研究背景航运是国际贸易最主要的形式，在经济全球化的环境下，航运业得到飞速的发展，船舶越造越大，种类愈来愈多，由此在国内和国际上产生很多航运密切的热点区域，如珠江三角洲。

基于全球AIS的多源航迹关联数据集使用说明多源航迹关联数据集（Multi-source Track Association Dataset, MTAD）是依托国家自然科学基金、中国科协青年人才托举工程、山东省泰山学者人才工程，以全球AIS航迹数据为基础，由全球AIS航迹数据经栅格划分、自动中断和噪声添加处理步骤构建的，旨在解决智能关联算法研究对数据的迫切需求和多雷达协同观测航迹数据获取困难，填补航迹关联数据集的空白。

该数据集目前已被用作海军“金海豚”杯竞赛科目3“大差异海上目标航迹关联”的专用数据集。

对全球AIS航迹数据进行栅格划分得到的全球栅格是MTAD数据集构建的基础，数据集中的所有场景均从全球栅格中抽取产生。

在全球地图中根据所有栅格中的MMSI数量绘制热力图，对MMSI数量进行可视化，结果如图1所示。

从图1中可以看出，在重要港口地带，MMSI数量较多，在远海区域，MMSI数量较少。

各航迹在全球各个海域均广泛分布，为数据集的构建提供了丰富的航迹资源。

图 1 MMSI数量热力图MTAD数据集结构如图2所示，包括训练集和测试集两大部分，训练集和测试集均由航迹信息表和关联映射表组成，均为csv格式文件，根据场景名称进行区分。

该数据集共有航迹百万余条，其中训练集包含5000个场景样本，测试集包含1000个场景样本，每一个场景样本由几个到几百个数量不等的航迹构成，涵盖多种运动模式、多种目标类型和长度不等的持续时间。

蓝色航迹表示信源二，从图中可以清楚的看出航迹的多源现象和中断现象。

图3（b）对应的航迹信息表的属性包括{批号、信源号（9001、9002，随机设置）、时间（一天内的绝对秒）、经度（度）、纬度（度）、航速（米/秒）、航向（度）}，在csv文件中的对应表示为{batch、source、time、lat、lon、vel、cou}。

图3（c）对应的关联映射表的属性包括{开始时间-结束时间-真值批号-信源号-航迹批号}，在csv文件中的对应表示为{t_s、t_e、mmsi、source、batch}。

《高频地波雷达与AIS船只目标航迹关联方法研究》篇一高频地波雷达与S船只目标航迹关联方法研究一、引言随着现代航运业的快速发展，船舶的监控与导航系统变得越来越重要。

其中，高频地波雷达（High Frequency Surface Wave Radar）与自动识别系统（Automatic Identification System，简称S）在船只监控中起到了关键作用。

高频地波雷达能够提供广阔的覆盖范围和较高的分辨率，而S则能够提供船只的详细信息。

然而，如何有效地将高频地波雷达探测到的船只目标与S数据进行航迹关联，成为了一个重要的研究课题。

本文将重点研究高频地波雷达与S船只目标航迹关联方法。

二、高频地波雷达与S系统概述高频地波雷达是一种利用高频电磁波探测地表附近目标的技术。

其优点是探测范围广、分辨率高，能够在复杂海洋环境中对船只进行准确监测。

然而，由于高频地波雷达只能提供船只的位置信息，无法直接获取船只的详细信息。

S系统则是一种通过船舶自动发送其航行状态、位置、身份等信息，供其他船舶和岸基设施接收的系统。

S系统为船舶提供了实时的信息交互平台，使船舶之间的避碰和海上交通管理变得更加便捷。

三、航迹关联方法研究（一）数据预处理在进行航迹关联之前，需要对高频地波雷达和S数据进行预处理。

预处理的目的是去除噪声、修正误差、提取有效信息等。

对于高频地波雷达数据，需要进行信号处理和目标识别；对于S 数据，需要进行数据清洗和格式化处理。

（二）航迹初始化在完成数据预处理后，需要利用高频地波雷达探测到的船只目标信息进行航迹初始化。

航迹初始化包括设定航迹起始点、预测航向和航速等参数。

这一步骤对于后续的航迹关联至关重要。

（三）航迹关联算法航迹关联算法是高频地波雷达与S船只目标航迹关联的核心。

常见的航迹关联算法包括最近邻法、概率数据关联法、联合概率数据关联法等。

这些算法主要通过计算雷达探测到的目标与S船只目标之间的相似度或距离，实现航迹的关联。

《基于AIS数据的船舶行为异常检测》篇一基于S数据的船舶行为异常检测一、引言随着全球航运业的快速发展，船舶的航行安全与效率问题日益受到关注。

自动识别系统（S）作为一种重要的船舶导航与通信技术，为船舶航行提供了实时的数据支持。

然而，由于船舶的航行环境复杂多变，船舶行为可能受到多种因素的影响，如天气、海况、船员操作等，导致船舶行为出现异常。

因此，基于S数据的船舶行为异常检测成为了航运安全领域的重要研究方向。

本文旨在探讨基于S数据的船舶行为异常检测方法，以提高船舶航行的安全性和效率。

二、S数据与船舶行为分析S数据主要包括船舶的航行状态信息、船舶的静态信息以及船舶之间的通信信息等。

通过对S数据的分析，可以获取船舶的航行轨迹、航速、航向等行为特征。

这些特征对于判断船舶行为是否正常具有重要意义。

在船舶行为分析方面，可以从航行轨迹、航速、航向等方面进行。

例如，通过分析船舶的航行轨迹，可以判断船舶是否偏离了预定的航线；通过分析航速和航向的变化，可以判断船舶是否在遇到紧急情况时采取了紧急制动等操作。

三、船舶行为异常检测方法基于S数据的船舶行为异常检测方法主要包括统计方法、机器学习方法以及深度学习方法等。

1. 统计方法：通过分析船舶的历史行为数据，建立正常的行为模型。

当船舶的行为数据偏离正常模型时，即可判断为异常行为。

这种方法简单易行，但对于复杂多变的航行环境可能存在误判和漏判的情况。

2. 机器学习方法：利用机器学习算法对S数据进行训练，建立船舶行为的分类模型。

通过将实时的S数据输入到模型中，可以判断船舶的行为是否正常。

这种方法具有较高的准确性和鲁棒性，但需要大量的训练数据和计算资源。

3. 深度学习方法：利用深度学习算法对S数据进行特征提取和分类。

相比于机器学习方法，深度学习可以更好地处理复杂的航行环境下的数据，提高异常检测的准确性和效率。

四、实验与分析本文采用某航运公司的S数据进行了实验。

首先，对S数据进行预处理，包括数据清洗、格式转换等。

摘要珠江口水域作为“21世纪海上丝绸之路”的重要节点，是中国国家安全的天然屏障与战略通道。

AIS(Automatic Identification System)数据包含了大量的船舶信息和航行时空信息，是进行区域水上交通态势评估的重要数据。

基于AIS 数据，挖掘船舶在珠江口水域的水上交通特征，为优化水域运输网络、提高运输效率、打击水上犯罪及预防交通事故等提供理论支持。

当前研究主要强调水上交通的空间特征，大多忽略了水上交通的时间特征，且鲜有对珠江口水域船舶轨迹时空特征、轨迹异常检测及港口空间信息等方面进行挖掘。

为此，本文基于AIS数据，利用时空划分、线密度分析、矩阵分解、GIS技术、聚类分析及复杂网络等计算机技术和方法，分析了珠江口水上交通时空特征，识别了水域重点区域，检测了离群轨迹点，分析了港口的层次结构。

主要内容及结论如下：(1)水上交通时空特征挖掘及可视化。

基于时空划分、线密度分析、时空统计分析及矩阵分解等方法分析水域交通时空特征。

研究发现：一级航道有1条，二级航道有3条。

按航线数量将各区域划分为繁忙区、较繁忙区和不繁忙区；按航线量变化曲线将各区域划分为双峰型、单峰型和平稳型；按航线量随时间变化情况将各区域划分为全天繁忙型、晚上繁忙型和上午繁忙型。

(2)重点区域识别及轨迹异常检测与可视化。

基于层次聚类及DBSCAN聚类等算法挖掘重点区域及检测异常轨迹。

研究发现：大型港口、出海/入海口为重要区域；不同船舶类型的停泊点的空间分布主要受该区域的自然环境、地理位置及经济发展水平影响；利用聚类算法能有效检测到离群轨迹点，及时找出空间位置及船速异常的船舶。

(3)港口空间信息挖掘。

基于复杂网络分析港口空间信息。

研究发现：港口度，点强度及中心性值均较大为香港港、广州港，较小的为珠海港、虎门港及佛山港等；珠江口水域港口可划分为五个层次，香港港、广州港及深圳的蛇口港处于第一层次，是珠江口的枢纽港，且不同层次港口的中心性差距明显。