船舶轨迹的分析与预测方法

发布时间：2023-06-03 19:56

　　近几年,随着海上船舶信息采集技术的发展,船舶轨迹数据积累得越来越多,大量轨迹数据蕴含的信息也逐渐受到关注。在远洋运输市场上,航行时间和油耗都与盈利息息相关,根据船舶轨迹数据和船舶自身属性信息对航线类型进行分类预测从而推断航行时间和油耗,将对船舶营运产生积极影响。针对船舶轨迹数据的分析与预测方法的研究越来越受到重视。传统的聚类、分类等数据挖掘算法的处理对象都是独立的数据,而船舶轨迹数据具有时间和空间上的连续性。目前对于船舶轨迹的数据挖掘大部分都是基于位置点的挖掘,忽略了轨迹数据在时空上的连续性以及不同运动模式(如不同的速度或航向)的划分和识别,不能反映船舶行驶中速度及航向的动态变化。同时,大多数船舶轨迹预测方法主要基于历史船舶轨迹数据,忽视了船舶自身属性及航运市场的动态变化对船舶未来行驶轨迹造成的影响。本文基于船舶轨迹的特点,提出了面向船舶轨迹数据的聚类算法并根据船舶的属性、航运市场状态以及上述聚类得到的船舶轨迹类型对船舶未来的行驶轨迹进行分类预测。本文的研究具体包括如下几个方面:(1)针对海上船舶轨迹的特点,提出一种船舶轨迹聚类的算法。首先对数据信息进行预处理,随后根据速度的变化对轨迹...

【文章页数】：59 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景和意义
    1.2 研究内容和创新点
    1.3 硕士期间主要工作
    1.4 论文组织结构
第二章 轨迹挖掘技术国内外研究现状
    2.1 轨迹聚类技术研究现状
        2.1.1 轨迹聚类技术概述
        2.1.2 轨迹聚类算法研究现状
        2.1.3 轨迹聚类问题分析
    2.2 轨迹预测模型的研究
        2.2.1 船舶轨迹预测研究现状
        2.2.2 轨迹类型预测问题分析
    2.3 本章小结
第三章 船舶轨迹的预处理及聚类算法
    3.1 引言
    3.2 问题分析
    3.3 船舶轨迹聚类算法
        3.3.1 基于AIS数据的预处理方法
        3.3.2 船舶轨迹分段算法
        3.3.3 轨迹相似度计算
        3.3.4 自适应的轨迹密度聚类方法
    3.4 实验分析
        3.4.1 实验设置
        3.4.2 实验分析
    3.5 本章小结
第四章 船舶轨迹类型预测算法
    4.1 引言
    4.2 问题分析
    4.3 改进的多分类的Logistic回归算法
        4.3.1 提高类间的识别度
        4.3.2 针对不平衡数据的改进
    4.4 实验分析
        4.4.1 实验设置
        4.4.2 实验分析
    4.5 本章小结
第五章 结束语
    5.1 论文总结
    5.2 未来的研究工作
参考文献
致谢
攻读学位期间发表的学术论文目录



本文编号：3829940