CN110990504B - 一种基于航向和航速变化率的船舶轨迹压缩方法 - Google Patents

一种基于航向和航速变化率的船舶轨迹压缩方法 Download PDF

Info

Publication number
CN110990504B
CN110990504B CN201911110829.6A CN201911110829A CN110990504B CN 110990504 B CN110990504 B CN 110990504B CN 201911110829 A CN201911110829 A CN 201911110829A CN 110990504 B CN110990504 B CN 110990504B
Authority
CN
China
Prior art keywords
track
change rate
ship
course
speed change
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911110829.6A
Other languages
English (en)
Other versions
CN110990504A (zh
Inventor
张永兵
孟凡彬
孟科
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
707th Research Institute of CSIC
Original Assignee
707th Research Institute of CSIC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 707th Research Institute of CSIC filed Critical 707th Research Institute of CSIC
Priority to CN201911110829.6A priority Critical patent/CN110990504B/zh
Publication of CN110990504A publication Critical patent/CN110990504A/zh
Application granted granted Critical
Publication of CN110990504B publication Critical patent/CN110990504B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Software Systems (AREA)
  • Navigation (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

本发明涉及船舶轨迹压缩领域，尤其是一种基于航向和航速变化率的船舶轨迹压缩方法，包括如下步骤：步骤1：AIS数据处理：对AIS数据进行质量控制，构建单船AIS时序性数据记录；步骤2：坐标系转换，将经纬度坐标转换为墨卡托坐标系下坐标；步骤3：轨迹压缩模型构建，以航速变化率和航向变化率为指标提取船舶轨迹特征点压缩船舶轨迹数据，应用上述方法实现了对船舶轨迹数据的有效压缩，压缩方法约束指标兼顾船舶位置信息和自身运动特性，保障了压缩前后船舶轨迹特征的一致性，为提高基于船舶轨迹数据的挖掘效率奠定了基础。

Description

一种基于航向和航速变化率的船舶轨迹压缩方法
技术领域
本发明涉及船舶轨迹压缩领域，尤其是一种基于航向和航速变化率的船舶轨迹压缩方法。
背景技术
为提高基于船舶轨迹数据的数据挖掘效率，降低对计算资源的消耗。数据要素在保证压缩效率的同时，同时需数据压缩前后保障轨迹数据特征的一致性。当前，D-P算法为轨迹压缩的主要算法，但该算法仅考虑了船舶位置信息，采用此方法进行压缩时，容易导致部分数据特征丢失。对此，本专利兼顾位置信息和与船舶自身运动特性相关的航向和航速运动特征，以单位距离内航向变化率和单位距离内航速变化率为船舶轨迹特征点提取指标，提取船舶轨迹特征点进行船舶轨迹数据压缩。
发明内容
本发明的目的是为了克服现有技术的不足，提供一种基于航向和航速变化率的船舶轨迹压缩方法，解决传统算法中未考虑船舶自身运动特性的问题。
本发明采取的技术方案是：
一种基于航向和航速变化率的船舶轨迹压缩方法，其特征在于：包括如下步骤：
步骤1：AIS数据处理：对AIS数据进行质量控制，构建单船AIS时序性数据记录；
步骤2：坐标系转换：为提高压缩精度，将经纬度形式坐标转化为墨卡托坐标系下坐标；
Figure BDA0002272669240000011
Figure BDA0002272669240000012
x＝r0×λ
y＝r0×q
Figure BDA0002272669240000013
其中r0为基准纬度处的半径，a为地球椭球长轴半径，q为等量纬度，e为第一偏心率，
Figure BDA0002272669240000021
为经度，λ为纬度，x2、x1分别为相邻两轨迹点在墨卡托坐标系下的横坐标，y2、y1分别为相邻两轨迹点在墨卡托坐标系下的纵坐标；
步骤3：轨迹压缩模型构建，以航速变化率和航向变化率为指标提取船舶轨迹特征点压缩船舶轨迹数据：
Figure BDA0002272669240000022
Figure BDA0002272669240000023
其中V′为航速变化率，C'航向变化率，Δv为相邻两轨迹点间航速变化量，Δc为相邻两轨迹点间航向变化量，Δs为位置(相邻两轨迹点间距离)变化量，vi、vi+1分别为第i和i+1时刻的船舶航速，ci、ci+1分别为第i和i+1时刻的船舶航向。
进一步的，所述步骤1中对AIS数据进行质量控制包括：删除AIS报文中有属性明显错误以及同一MMSI对应不同船舶类型的数据记录。
进一步的，所述步骤1中构建AIS时序性数据记录为以船舶MMSI为索引，按照报文播发时序拼接AIS数据记录。
进一步的，所述步骤2中包含的坐标系转换，为按照等角正圆柱投影原理，将船舶轨迹对应的经纬度坐标(
Figure BDA0002272669240000024
λ)转化为墨卡托坐标系下位置坐标(x,y)。
进一步的，所述步骤3中的航向变化量定义为相邻两个航迹向间夹角，航速变化量为相邻两个轨迹点对应的航速的差值，航向变化率为航向变化量与对应两个轨迹点间距离的比值，航速变化率为航速变化量与对应轨迹点间距离的比值。
进一步的，所述步骤3中提取船舶轨迹特征点，包括如下流程：首先判断航速变化率与航速变化率阈值间关系，若航速变化率大于航速变化率阈值，则将此轨迹点坐标存入航速轨迹特征点数据库；否则继续判断航向变化率与航向变化率阈值间关系，如若航向变化率大于阈值，则将相应的航迹点坐标存储至航向轨迹特征点数据库，循环遍历至按时序排列轨迹点终点后，将航向轨迹特征点数据库和航速轨迹特征点数据库以MMSI为索引按照时间顺序存储至航迹特征点数据库。
进一步的，所述步骤3中，所述的航向变化率阈值和航速变化率阈值，分别取对应船舶轨迹压缩时域内航向变化率平均值和航速变化率平均值。
本发明的优点和积极效果是：
本发明中，实现了对船舶轨迹数据的有效压缩，压缩方法约束指标兼顾船舶位置信息和自身运动特性，保障了压缩前后船舶轨迹特征的一致性，为提高基于船舶轨迹数据的挖掘效率奠定了基础。
附图说明
图1轨迹特征点提取流程图；
图2航向变化量示意图。
具体实施方式
下面结合实施例，对本发明进一步说明，下述实施例是说明性的，不是限定性的，不能以下述实施例来限定本发明的保护范围。
本发明采取的技术方案是：
一种基于航向和航速变化率的船舶轨迹压缩方法，其特征在于：包括如下步骤：
步骤1：AIS数据处理：对AIS数据进行质量控制，构建单船AIS时序性数据记录；
本实施例中，所述步骤1中对AIS数据进行质量控制包括：删除AIS报文中有属性明显错误以及同一MMSI对应不同船舶类型的数据记录；所述步骤1中构建AIS时序性数据记录为以船舶MMSI为索引，按照报文播发时序拼接AIS数据记录。
步骤2：坐标系转换：为提高压缩精度，将经纬度形式坐标转化为墨卡托坐标系下坐标；
Figure BDA0002272669240000031
Figure BDA0002272669240000032
x＝r0×λ
y＝r0×q
Figure BDA0002272669240000033
其中r0为基准纬度处的半径，a为地球椭球长轴半径，q为等量纬度，e为第一偏心率，
Figure BDA0002272669240000041
为经度，λ为纬度，x2、x1分别为相邻两轨迹点在墨卡托坐标系下的横坐标，y2、y1分别为相邻两轨迹点在墨卡托坐标系下的纵坐标；
本实施例中，所述步骤2中包含的坐标系转换，为按照等角正圆柱投影原理，将船舶轨迹对应的经纬度坐标(
Figure BDA0002272669240000042
λ)转化为墨卡托坐标系下位置坐标(x,y)。
步骤3：轨迹压缩模型构建，以航速变化率和航向变化率为指标提取船舶轨迹特征点压缩船舶轨迹数据：
Figure BDA0002272669240000043
Figure BDA0002272669240000044
其中V′为航速变化率，C'航向变化率，Δv为相邻两轨迹点间航速变化量，Δc为相邻两轨迹点间航向变化量，Δs为位置(相邻两轨迹点间距离)变化量，vi、vi+1分别为第i和i+1时刻的船舶航速，ci、ci+1分别为第i和i+1时刻的船舶航向。
所述步骤3中的航向变化量定义为相邻两个航迹向间夹角，航速变化量为相邻两个轨迹点对应的航速的差值，航向变化率为航向变化量与对应两个轨迹点间距离的比值，航速变化率为航速变化量与对应轨迹点间距离的比值。
所述步骤3中提取船舶轨迹特征点，包括如下流程：首先判断航速变化率与航速变化率阈值间关系，若航速变化率大于航速变化率阈值，则将此轨迹点坐标存入航速轨迹特征点数据库；否则继续判断航向变化率与航向变化率阈值间关系，如若航向变化率大于阈值，则将相应的航迹点坐标存储至航向轨迹特征点数据库，循环遍历至按时序排列轨迹点终点后，将航向轨迹特征点数据库和航速轨迹特征点数据库以MMSI为索引按照时间顺序存储至航迹特征点数据库。其中，所述的航向变化率阈值和航速变化率阈值，分别取对应船舶轨迹压缩时域内航向变化率平均值和航速变化率平均值。

Claims (7)

1.一种基于航向和航速变化率的船舶轨迹压缩方法，其特征在于：包括如下步骤：
步骤1：AIS数据处理：对AIS数据进行质量控制，构建单船AIS时序性数据记录；
步骤2：坐标系转换：为提高压缩精度，将经纬度形式坐标转化为墨卡托坐标系下坐标；
Figure FDA0002272669230000011
Figure FDA0002272669230000012
x＝r0×λ
y＝r0×q
Figure FDA0002272669230000013
其中r0为基准纬度处的半径，a为地球椭球长轴半径，q为等量纬度，e为第一偏心率，
Figure FDA0002272669230000016
为经度，λ为纬度，x2、x1分别为相邻两轨迹点在墨卡托坐标系下的横坐标，y2、y1分别为相邻两轨迹点在墨卡托坐标系下的纵坐标；
步骤3：轨迹压缩模型构建，以航速变化率和航向变化率为指标提取船舶轨迹特征点压缩船舶轨迹数据：
Figure FDA0002272669230000014
Figure FDA0002272669230000015
其中V′为航速变化率，C'航向变化率，Δv为相邻两轨迹点间航速变化量，Δc为相邻两轨迹点间航向变化量，Δs为位置(相邻两轨迹点间距离)变化量，vi、vi+1分别为第i和i+1时刻的船舶航速，ci、ci+1分别为第i和i+1时刻的船舶航向。
2.根据权利要求1所述的一种基于航向和航速变化率的船舶轨迹压缩方法，其特征在于：所述步骤1中对AIS数据进行质量控制包括：删除AIS报文中有属性明显错误以及同一水上移动通信业务标识码MMSI,对应不同船舶类型的数据记录。
3.根据权利要求1所述的一种基于航向和航速变化率的船舶轨迹压缩方法，其特征在于：所述步骤1中构建AIS时序性数据记录为以船舶MMSI为索引，按照报文播发时序拼接AIS数据记录。
4.根据权利要求1所述的一种基于航向和航速变化率的船舶轨迹压缩方法，其特征在于：所述步骤2中包含的坐标系转换，为按照等角正圆柱投影原理，将船舶轨迹对应的经纬度坐标
Figure FDA0002272669230000021
转化为墨卡托坐标系下位置坐标(x,y)。
5.根据权利要求1所述的一种基于航向和航速变化率的船舶轨迹压缩方法，其特征在于：所述步骤3中的航向变化量定义为相邻两个航迹向间夹角，航速变化量为相邻两个轨迹点对应的航速的差值，航向变化率为航向变化量与对应两个轨迹点间距离的比值，航速变化率为航速变化量与对应轨迹点间距离的比值。
6.根据权利要求5所述的一种基于航向和航速变化率的船舶轨迹压缩方法，其特征在于：所述步骤3中提取船舶轨迹特征点，包括如下流程：首先判断航速变化率与航速变化率阈值间关系，若航速变化率大于航速变化率阈值，则将此轨迹点坐标存入航速轨迹特征点数据库；否则继续判断航向变化率与航向变化率阈值间关系，如若航向变化率大于阈值，则将相应的航迹点坐标存储至航向轨迹特征点数据库，循环遍历至按时序排列的轨迹点终点后，将航向轨迹特征点数据库和航速轨迹特征点数据库以MMSI为索引按照时间顺序存储至航迹特征点数据库。
7.根据权利要求6所述的一种基于航向和航速变化率的船舶轨迹压缩方法，其特征在于：所述步骤3中，所述的航向变化率阈值和航速变化率阈值，分别取对应船舶轨迹压缩时域内航向变化率平均值和航速变化率平均值。
CN201911110829.6A 2019-11-14 2019-11-14 一种基于航向和航速变化率的船舶轨迹压缩方法 Active CN110990504B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911110829.6A CN110990504B (zh) 2019-11-14 2019-11-14 一种基于航向和航速变化率的船舶轨迹压缩方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911110829.6A CN110990504B (zh) 2019-11-14 2019-11-14 一种基于航向和航速变化率的船舶轨迹压缩方法

Publications (2)

Publication Number Publication Date
CN110990504A CN110990504A (zh) 2020-04-10
CN110990504B true CN110990504B (zh) 2023-01-17

Family

ID=70084221

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911110829.6A Active CN110990504B (zh) 2019-11-14 2019-11-14 一种基于航向和航速变化率的船舶轨迹压缩方法

Country Status (1)

Country Link
CN (1) CN110990504B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112256026B (zh) * 2020-10-14 2022-11-29 中国船舶重工集团公司第七0七研究所九江分部 一种多约束条件下的船舶航向模型预测控制算法设计方法
CN112762941A (zh) * 2021-01-04 2021-05-07 金陵科技学院 一种基于移动行为特征的轨迹压缩方法
CN113450596B (zh) 2021-05-31 2022-07-15 武汉理工大学 基于船舶轨迹特征点提取的时空dp方法
CN113537386B (zh) * 2021-08-01 2024-05-10 大连海事大学 一种基于改进K-Medoids聚类的船舶典型运动轨迹自适应挖掘方法
CN113613173A (zh) * 2021-08-05 2021-11-05 湖南国天电子科技有限公司 一种单双向功能可选择的船用自动识别仪
CN113870620B (zh) * 2021-10-19 2023-07-21 遨海科技有限公司 一种多ais设备同时开启的船舶识别方法
CN114743406B (zh) * 2022-03-11 2023-04-07 中国电子科技集团公司第五十四研究所 一种船舶轨迹去纠缠方法
CN116527778B (zh) * 2023-06-26 2023-09-26 广州中海电信有限公司 一种船舶ais数据的压缩方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104899263B (zh) * 2015-05-22 2018-01-26 华中师范大学 一种基于特定区域的船舶轨迹挖掘分析与监控方法
CN107592154A (zh) * 2017-09-13 2018-01-16 交通运输部北海航海保障中心天津海事测绘中心 基于北斗短报文的船舶连续轨迹传输压缩方法
CN109001722B (zh) * 2018-05-30 2022-03-15 武汉理工大学 一种基于lstm模型的船舶航迹数据融合方法
CN109708638B (zh) * 2018-12-03 2022-10-25 江苏科技大学 一种船舶轨迹点提取方法
CN109977523B (zh) * 2019-03-20 2021-04-16 武汉理工大学 一种海量船舶ais轨迹数据在线压缩方法及装置

Also Published As

Publication number Publication date
CN110990504A (zh) 2020-04-10

Similar Documents

Publication Publication Date Title
CN110990504B (zh) 一种基于航向和航速变化率的船舶轨迹压缩方法
CN113450596B (zh) 基于船舶轨迹特征点提取的时空dp方法
CN112906830B (zh) 一种基于ais大数据的船舶最优航线自动生成方法
US9651698B2 (en) Multi-beam bathymetric chart construction method based on submarine digital depth model feature extraction
CN104008212B (zh) 一种地理位置信息相关联的物联网时间序列数据存取方法
CN110502596B (zh) 一种基于行人轨迹特征的轨迹在线滑动窗口压缩方法
CN113553682B (zh) 一种数据驱动的多层次船舶航路网络构建方法
CN111291149A (zh) 基于航向偏差的船舶ais时空轨迹分段及模式提取方法
CN113901085B (zh) 一种船舶轨迹动态绘制方法及系统
Sun et al. Vessel AIS trajectory online compression based on scan-pick-move algorithm added sliding window
CN110580388B (zh) 一种基于众源轨迹数据的航道网络提取方法
CN113628291B (zh) 基于边界提取与合并的多形状目标栅格数据矢量化方法
CN109033141B (zh) 一种基于轨迹字典的时空轨迹压缩方法
CN111291776A (zh) 基于众源轨迹数据的航道信息提取方法
CN103761229A (zh) 数据处理方法及装置
CN108959414B (zh) 一种基于机器学习的导航数据点提取缺失道路的方法
CN102469112B (zh) 位置跟踪实现方法、装置及系统
CN115393745A (zh) 一种基于无人机与深度学习的桥梁形象进度自动识别方法
CN112817943A (zh) 一种基于航位推测法的多阈值船舶轨迹简化方法
CN102314798B (zh) 电子地图多边形面要素的形状点的自动简化的方法及装置
CN116989816B (zh) 一种偏航识别方法、装置及电子设备
CN112632399B (zh) 一种基于空间位置的拓扑关系获取方法、装置和存储介质
CN108052629A (zh) 一种基于高精度dem数据的快速海陆判断方法
CN110995849B (zh) 一种矢量数据位置信息的传输与存储方法
CN107976198B (zh) 利用云端结合的道路匹配提升惯导性能的方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant