CN109447880B - 水上路网抽取方法和系统 - Google Patents

Abstract

本发明涉及水上智能交通领域，特别涉及一种水上路网抽取方法，包括：获取船舶在水上通行的轨迹点；从轨迹点中选择特征点加入特征点候选集；使用DBScan算法对特征点候选集中的点进行聚类，获得船舶轨迹的聚类结果；根据聚类结果将聚类后形成的各个簇绘制在海图上形成路网。本发明还提出一种水上路网抽取系统。本发明利用数据挖掘聚类算法，并将最终的聚类结果展示在海图上，实现水上路网动态构造，为实时检测船舶异常轨迹奠定基础，为水上航线的可视化呈现提供支持。

Description

水上路网抽取方法和系统

技术领域

本发明涉及水上智能交通领域，特别涉及一种水上路网抽取方法和系统。

背景技术

随着水上通航量的迅猛增长以及交通环境日益复杂，船舶在通行过程中产生的时空轨迹也越来越多，如何对船舶异常轨迹进行有效的监控与管理，以便及时发现异常轨迹，是实现水上智能交通的关键技术之一，而及时发现异常轨迹的前提为获得船舶典型的路网结构。

但是传统的水上交通调查方法费时费力，且效率低下，无法准确全面的绘制水上路网结构。

发明内容

本发明的实施方式旨在至少解决现有技术中存在的技术问题之一。为此，本发明的实施方式需要提供一种水上路网抽取方法和系统。

本发明实施方式的水上路网抽取方法，其特征在于，包括：

步骤1，获取船舶在水上通行的轨迹点；

步骤3，从轨迹点中选择特征点加入特征点候选集；

步骤4，使用DBScan算法对特征点候选集中的点进行聚类，获得船舶轨迹的聚类结果；

步骤5，根据聚类结果将聚类后形成的各个簇绘制在海图上形成路网。

一种实施方式中，获取的轨迹点内包括有海上移动业务标识、经度、纬度、航速、航向和时间戳中的一种或多种AIS数据。

一种实施方式中，步骤3包括：

步骤31，设置特征点候选集，将轨迹的起始点Pb和终点Pe加入特征点候选集；其中，每条轨迹以Si表示，i＝1-N，N为轨迹数量；

步骤32，对轨迹Si中的其他点，按以下公式计算航速变化率和航向变化率：

步骤33，将航速变化率大于预设的航速变化率阈值k1的轨迹点或航向变化率大于预设的航向变化率阈值k2的轨迹点添加到候选集；

步骤34，重复步骤32和步骤33直至Si中再无其他轨迹点。

一种实施方式中，步骤4包括：

步骤41，从特征点候选集中随机选取一点p，检索p点的所有密度可达点；若p点为核心点，则新建一个簇；

步骤42，若p点为边界点且p点无密度可达点，则依据DBScan算法选取下一个点，重复步骤41至步骤42直至无点可检索。

一种实施方式中，该方法还包括：

步骤2，对获取的轨迹点进行预处理。

本发明还提出一种水上路网抽取系统，其特征在于，包括：

轨迹点获取模块，用于获取船舶在水上通行的轨迹点；

特征点候选集模块，用于从轨迹点中选择特征点加入特征点候选集；

聚类模块，用于使用DBScan算法对特征点候选集中的点进行聚类，获得船舶轨迹的聚类结果；

路网形成模块，用于根据聚类结果将聚类后形成的各个簇绘制在海图上形成路网。

一种实施方式中，获取的轨迹点内包括有海上移动业务标识、经度、纬度、航速、航向和时间戳中的一种或多种AIS数据。

一种实施方式中，特征点候选集模块包括：

设置单元，用于设置特征点候选集，将轨迹的起始点Pb和终点Pe加入特征点候选集；其中，每条轨迹以Si表示，i＝1-N，N为轨迹数量；

计算单元，用于对轨迹Si中的其他点，按以下公式计算航速变化率和航向变化率：

添加单元，用于将航速变化率大于预设的航速变化率阈值k1的轨迹点或航向变化率大于预设的航向变化率阈值k2的轨迹点添加到候选集；

确定单元，用于重复计算单元的计算过程和添加单元的添加过程直至Si中再无其他轨迹点。

一种实施方式中，聚类模块包括：

建簇单元，用于从特征点候选集中随机选取一点p，检索p点的所有密度可达点；若p点为核心点，则新建一个簇；

重复单元，用于确定若p点为边界点且p点无密度可达点，则依据DBScan算法选取下一个点，重复步骤31至步骤32直至无点可检索。

一种实施方式中，该系统还包括：

预处理模块，用于对获取的轨迹点进行预处理。

本发明实施方式的水上路网抽取方法和系统，利用数据挖掘聚类算法，并将最终的聚类结果展示在海图上，实现水上路网动态构造，为实时检测船舶异常轨迹奠定基础，为水上航线的可视化呈现提供支持。

本发明的附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的实施方式的上述和/或附加的方面和优点从结合下面附图对实施方式的描述中将变得明显和容易理解，其中：

图1是本发明实施方式的水上路网抽取方法的流程示意图；

图2是本发明实施方式的水上路网抽取系统的组成示意图；

图3是本发明实施方式中使用DBScan算法先后生成聚类簇的示意图。

具体实施方式

下面详细描述本发明的实施方式，实施方式的示例在附图中示出，其中相同或类似的标号自始至终表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅可用于解释本发明的实施方式，而不能理解为对本发明的实施方式的限制。

请参阅图1，本发明实施方式的水上路网抽取方法，包括：

步骤1，获取船舶在水上通行的轨迹点。

步骤3，从轨迹点中选择特征点加入特征点候选集。

步骤4，使用DBScan算法对特征点候选集中的点进行聚类，获得船舶轨迹的聚类结果。

步骤5，根据聚类结果将聚类后形成的各个簇绘制在海图上形成路网。

请参阅图2，本发明实施方式还提出一种水上路网抽取系统，包括：

轨迹点获取模块，用于获取船舶在水上通行的轨迹点。

特征点候选集模块，用于从轨迹点中选择特征点加入特征点候选集。

聚类模块，用于使用DBScan算法对特征点候选集中的点进行聚类，获得船舶轨迹的聚类结果。

路网形成模块，用于根据聚类结果将聚类后形成的各个簇绘制在海图上形成路网。

在该实施方式中，水上路网抽取方法以水上路网抽取系统作为步骤的执行对象，或者以系统内的各个模块作为步骤的执行对象。具体地，步骤1以轨迹点获取模块作为步骤的执行对象，步骤3以特征点候选集模块作为步骤的执行对象，步骤4以聚类模块作为步骤的执行对象，步骤5以路网形成模块作为步骤的执行对象。

在步骤1中，轨迹点获取模块获取船舶在水上通行的轨迹点。其中，获取的轨迹点内包括有海上移动业务标识、经度、纬度、航速、航向和时间戳中的一种或多种AIS数据。数据获取的方式可以是从船舶自动识别系统(Automatic Identification System，简称AIS)中获取相应的AIS数据。

进一步地，水上路网抽取方法还包括：

步骤2，对获取的轨迹点进行预处理。

对应地，水上路网抽取系统还包括：

预处理模块，用于对获取的轨迹点进行预处理。

原始轨迹点的AIS数据存在很多数据冗余与噪音，需要通过数据清理等方式进行预处理，转化为校准轨迹。原始轨迹点的AIS数据作为轨迹大数据处理对象，其预处理效果将直接影响轨迹数据分析使用的效果。原始轨迹点的AIS数据清洗主要是为了剔除数据中的噪音点。噪音点是指由软/硬件设备异常导致的错误采样。

为了降低噪声数据对异常检测性能的影响，首先，使用数据异常过滤/阈值过滤等方法清洗数据，再对数据进行校验，判断数据是否丢失以及是否包含错误，并根据历史趋势数据等对轨迹数据进行修正；随后,结合均值/中值滤波器、卡尔曼滤波器、粒子滤波器等技术实现数据的平滑去噪。

其中，数据的平滑去噪介绍分别如下：

●中值或均值滤波：对于一个测量点zi,处理单个噪音点真值的估计是zi和其前n-1个轨迹点的均值或中值。中值滤波处理过程与均值滤波类似，但在处理极端错误值时，中值滤波要比均值滤波具有更强的鲁棒性。在密集轨迹中，均值滤波或中值滤波能够很好地处理单个噪音点。但在处理多个连续噪音点时，均值滤波或中值滤波并不能取得很好的效果。

●卡尔曼滤波：卡尔曼滤波包含测量模型与动态模型，卡尔曼滤波相对中值或均值滤波处理连续噪音点具有一定的优势，对于当前点的估计取决于先前的测量，它可以包含更多的状态向量，例如速度。但是卡尔曼滤波也存在一定的局限性，例如，它的动态模型是线性的，对于移动对象受限于其预定义的路径，很难用卡尔曼滤波来处理。

●粒子滤波：粒子滤波也同样有测量模型和动态模型，但是粒子滤波不需要卡尔曼滤波那样要求动态模型是线性的，但是一般来说，粒子滤波对于噪声滤波的处理效率不够明显。粒子滤波器在轨迹数据处理中的良好适应性，相对于卡尔曼滤波具有更好的性能优势。

其中，步骤2可以由水上路网抽取系统作为步骤的执行对象，也可以由系统内的预处理模块作为步骤的执行对象。

通过对轨迹点的预处理，可以降低噪声数据对异常检测性能的影响，方便进行后续过程。

步骤3中，特征点候选集模块从经过预处理的轨迹点中选择特征点加入特征点候选集。经过步骤1或步骤2之后，轨迹点在步骤3中会进行一个船舶轨迹分段处理，处理的方式是从轨迹点中选择特征点，使用特征点之间的连线替代原始的基于AIS的船舶通行轨迹。

选取特征点的方法如下：

每条轨迹以Si表示，i＝1-N，N为轨迹数量，步骤3包括：

步骤31，设置特征点候选集，将轨迹的起始点Pb和终点Pe加入特征点候选集。

步骤32，对轨迹Si中的其他点，按以下公式计算航速变化率和航向变化率：

步骤33，将航速变化率大于预设的航速变化率阈值k1的轨迹点或航向变化率大于预设的航向变化率阈值k2的轨迹点添加到候选集。

步骤34，重复步骤32和步骤33直至Si中再无其他轨迹点。

对应地，特征点候选集模块包括：设置单元、计算单元、添加单元和确定单元，各个单元的介绍如下：

设置单元，用于设置特征点候选集，将轨迹的起始点Pb和终点Pe加入特征点候选集。

计算单元，用于对轨迹Si中的其他点，按以下公式计算航速变化率和航向变化率：

添加单元，用于将航速变化率大于预设的航速变化率阈值k1的轨迹点或航向变化率大于预设的航向变化率阈值k2的轨迹点添加到候选集。

确定单元，用于重复计算单元的计算过程和添加单元的添加过程直至Si中再无其他轨迹点。

即步骤3中步骤31至步骤34以特征点候选集模块作为步骤的执行对象，或者以模块内的各个单元作为步骤的执行对象，具体地，步骤31以设置单元作为步骤的执行对象，步骤32以计算单元作为步骤的执行对象，步骤33以添加单元作为步骤的执行对象，步骤34以确定单元作为步骤的执行对象。

通过上述过程，特征点候选集选取完毕，选取特征点候选集的目的在于减少点的数量。对于航速及航向变化不大的点进行剔除，只选取需要关注的特征点进行分析，这样可以减少算法运行的时间。

在步骤4中，采用DBScan算法作为分段轨迹的聚类算法。DBScan算法是一种基于密度的聚类算法，该算法从样本密度的角度来考察样本之间的可连接性，并基于可连接样本不断扩展聚类簇以获得最终的聚类结果。

在步骤4中，聚类相关概念介绍如下：

●密度可达：点q密度可达点p当且仅当点p与点q间有一个直接密度可达链。

●直接密度可达：点q直接密度可达点p当且仅当：

a.q∈N_ε(p)，其中N_ε(p)为点p的ε邻域的点的集合；

b.Card(Nε(p))≥MinPts，其中Card(Nε(N))为集合N的基数。

●ε邻域：点p及点q是数据集中的两个点，点q属于点p的ε邻域当且仅当两点之间的距离不小于ε。

●MinPts为用户给定的阈值用于定义簇的一点的ε邻域至少应有MinPts个点。

a.核心点的ε邻域内至少有MinPts个点；

b.边界点的ε邻域内的点少于MinPts个点。

如图3所示，图3是本发明实施方式中使用DBScan算法先后生成聚类簇的示意图。

具体地，水上路网抽取方法中的步骤4包括：

步骤41，从特征点候选集中随机选取一点p，检索p点的所有密度可达点；若p点为核心点，则新建一个簇。

步骤42，若p点为边界点且p点无密度可达点，则依据DBScan算法选取下一个点，重复步骤41至步骤42直至无点可检索。

对应地，水上路网抽取系统中的聚类模块包括：

建簇单元，用于从特征点候选集中随机选取一点p，检索p点的所有密度可达点；若p点为核心点，则新建一个簇。

重复单元，用于确定若p点为边界点且p点无密度可达点，则依据DBScan算法选取下一个点，重复步骤31至步骤32直至无点可检索。

步骤41和步骤42既可以由聚类模块作为步骤的执行对象，也可以由模块内的单元作为步骤的执行对象，即步骤41可以由建簇单元作为步骤的执行对象，步骤42可以由重复单元作为步骤的执行对象。

所以步骤4中，可以先设定邻域参数(ε,MinPts)。然后DBScan算法先找出各轨迹点的ε邻域并确定特征点候选集。再从特征点候选集中随机选取一个核心对象作为种子，找出由它密度可达的所有轨迹点，这就构成了第一个聚类簇C1。进而根据DBScan算法将C1中包含的核心对象从特征点候选集中去除。再从更新后的特征点候选集中随机选取一个核心对象作为种子来生成下一个聚类簇。上述过程不断重复，直至特征点候选集为空。

综上所述，本发明实施方式的水上路网抽取方法和系统，利用数据挖掘聚类算法，并将最终的聚类结果展示在海图上，实现水上路网动态构造，为实时检测船舶异常轨迹奠定基础，为水上航线的可视化呈现提供支持。

在本说明书的描述中，参考术语“一个实施方式”、“一些实施方式”、“示意性实施方式”、“示例”、“具体示例”或“一些示例”等的描述意指结合所述实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理模块的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的实施方式的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。此外，在本发明的各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (4)

1.一种水上路网抽取方法，其特征在于，包括：

步骤1，获取船舶在水上通行的轨迹点；

获取的轨迹点内包括有海上移动业务标识、经度、纬度、航速、航向和时间戳中的一种或多种AIS数据；

步骤3，从轨迹点中选择特征点加入特征点候选集；

步骤31，设置特征点候选集，将轨迹的起始点Pb和终点Pe加入特征点候选集；其中，每条轨迹以Si表示，i＝1-N，N为轨迹数量；

步骤32，对轨迹Si中的其他点，按以下公式计算航速变化率和航向变化率：

步骤33，将航速变化率大于预设的航速变化率阈值k1的轨迹点或航向变化率大于预设的航向变化率阈值k2的轨迹点添加到候选集；

步骤34，重复步骤32和步骤33直至Si中再无其他轨迹点；

步骤4，使用DBScan算法对特征点候选集中的点进行聚类，获得船舶轨迹的聚类结果；

步骤41，从特征点候选集中随机选取一点p，检索p点的所有密度可达点；若p点为核心点，则新建一个簇；

步骤42，若p点为边界点且p点无密度可达点，则依据DBScan算法选取下一个点，重复步骤41至步骤42直至无点可检索；

步骤5，根据聚类结果将聚类后形成的各个簇绘制在海图上形成路网。

2.如权利要求1所述水上路网抽取方法，其特征在于，该方法还包括：

步骤2，对获取的轨迹点进行预处理。

3.一种水上路网抽取系统，其特征在于，包括：

轨迹点获取模块，用于获取船舶在水上通行的轨迹点；

获取的轨迹点内包括有海上移动业务标识、经度、纬度、航速、航向和时间戳中的一种或多种AIS数据；

特征点候选集模块，用于从轨迹点中选择特征点加入特征点候选集；

特征点候选集模块包括：

设置单元，用于设置特征点候选集，将轨迹的起始点Pb和终点Pe加入特征点候选集；其中，每条轨迹以Si表示，i＝1-N，N为轨迹数量；

计算单元，用于对轨迹Si中的其他点，按以下公式计算航速变化率和航向变化率：

添加单元，用于将航速变化率大于预设的航速变化率阈值k1的轨迹点或航向变化率大于预设的航向变化率阈值k2的轨迹点添加到候选集；

确定单元，用于重复计算单元的计算过程和添加单元的添加过程直至Si中再无其他轨迹点；

聚类模块，用于使用DBScan算法对特征点候选集中的点进行聚类，获得船舶轨迹的聚类结果；

聚类模块包括：

建簇单元，用于从特征点候选集中随机选取一点p，检索p点的所有密度可达点；若p点为核心点，则新建一个簇；

重复单元，用于确定若p点为边界点且p点无密度可达点，则依据DBScan算法选取下一个点，重复步骤31至步骤32直至无点可检索；

路网形成模块，用于根据聚类结果将聚类后形成的各个簇绘制在海图上形成路网。

4.如权利要求3所述水上路网抽取系统，其特征在于，该系统还包括：

预处理模块，用于对获取的轨迹点进行预处理。

Images