CN115309948A - 一种基于运动轨迹自动识别的渔船作业方法 - Google Patents

Abstract

本发明公开了一种基于运动轨迹自动识别的渔船作业方法，包括以下步骤：a、对AIS数据进行处理，得到船舶运动轨迹数据，根据船舶运动轨迹数据构建新特征用于表现不同渔船的特征差异，再使用Douglas Peucker算法对船舶运动轨迹数据进行压缩，降低数据量；b、对船舶运动轨迹数据进行数据分箱得到文本网格区域，再将船舶的轨迹映射到文本网格区域内，然后提取文本网格区域中渔船轨迹的网格序列；c、对网格序列进行文本特征处理，获得具有特征分布得到数据集；d、使用基于五折交叉验证的LightGBM模型对数据集进行渔船作业方式的识别。e、根据渔船作业方式对船舶交通安全进行监测，以保障船舶安全。本发明可以有效提高船舶作业行为分类的准确率，保障了船舶作业安全。

Description

一种基于运动轨迹自动识别的渔船作业方法

技术领域

本发明涉及渔船作业识别领域，特别涉及一种基于运动轨迹自动识别的渔船作业方法。

背景技术

船舶自动识别系统（AIS，Automatic Identification System）作为一种新型的数字助航系统和设备，在船舶交通信息采集与分析、船舶航行监测中发挥了重要作用。随着AIS 系统的普及，通过 AIS 数据实现船舶运动轨迹精准识别与分类，可以有效弥补传统雷达识别和视频识别的不足，有力的提升船舶交通安全监测性能，保障船舶安全。在渔船作业行为识别问题上有两个主要问题。首先，由于 AIS 数据获取方便，易于存储，使得数据增长极快，原始数据包含大量噪声和冗余信息，需要一种有效的数据压缩方法。其次，不同类型的船舶往往具有相似的地区分布，传统船舶分类方法中利用数据时序特性的研究较少，只是将数据视为一条独立的轨迹处理，未针对不同阶段的船舶特性进行处理。

发明内容

本发明的目的在于，提供一种基于运动轨迹自动识别的渔船作业方法。本发明合理利用了AIS 数据的时序特性，有效提高了船舶作业行为分类的准确率，从而可以根据准确的渔船作业方式对船舶交通安全进行监测，保障了船舶安全。

本发明的技术方案：一种基于运动轨迹自动识别的渔船作业方法，包括以下步骤：

a、对AIS数据进行处理，得到船舶运动轨迹数据，根据船舶运动轨迹数据构建新特征用于表现不同渔船的特征差异，再使用Douglas Peucker算法对船舶运动轨迹数据进行压缩，降低数据量；

b、对船舶运动轨迹数据进行数据分箱得到文本网格区域，再将船舶的轨迹映射到文本网格区域内，然后提取文本网格区域中渔船轨迹的网格序列；

c、对网格序列进行文本特征处理，获得具有特征分布的数据集；

d、使用基于五折交叉验证的LightGBM模型对数据集进行渔船作业方式的识别；

e、根据渔船作业方式对船舶交通安全进行监测，以保障船舶安全。

上述的基于运动轨迹自动识别的渔船作业方法，所述AIS数据包括渔船 ID、经度、纬度、上报时间、速度和航向信息。

前述的基于运动轨迹自动识别的渔船作业方法，步骤a中的处理是使用3-sigma算法来判断异常值，在3-sigma算法设定下，如果数据超过3倍的标准差，则将该数据视为异常数据；对于速度和方向数据，如果判断为异常值则使用多项式差值进行修改；对于经纬度异常选用最近邻插值的方法进行数据修复。

前述的基于运动轨迹自动识别的渔船作业方法，所述的数据分箱是将船舶运动轨迹数据中的经度和纬度分别分箱后再进行排序组合，从而将海域划分出多个经纬度网格区域，同时将速度进行分箱，划分出速度网格区域。

前述的基于运动轨迹自动识别的渔船作业方法，所述文本特征处理是将渔船轨迹经过的网格序列作为sentences传入skip-gram模型对网格序列做embedding得到向量V，向量V即为基于Skip-gram模型的文本特征。

前述的基于运动轨迹自动识别的渔船作业方法，通过TF-IDF对文本特征进行高频统计，获得具有频率特征的信息。

与现有技术相比，本发明针对AIS 数据冗余问题，使用了Douglas Peucker算法进行数据压缩，从而解决了数据冗余问题，有效的降低了数据挖掘所用时间；本发明针对AIS数据的时序特征，创新的使用数据分箱的方法将实验海域分为多个文本网格区域，在文本网格区域基础上映射渔船轨迹序列，然后提取文本网格区域中渔船轨迹的网格序列，从而利用海域网格结构中渔船的轨迹序列来表征原始轨迹数据，充分挖掘其时序特征。在真实渔船运动轨迹数据集下，实验结果表明，对围网、刺网和拖网三种渔船运动轨迹分类结果的F1-Score 值可达 95.88%，优于主流分类算法，并且提升了一定计算速度，因此本发明可以基于准确的渔船运动轨迹分类结果对渔船围网、刺网和拖网三种作业时的交通安全进行监测，保障船舶的安全作业。

附图说明

图1是本发明流程步骤示意图；

图2是原始数据四分位图；

图3是速度变化时间图；

图4是渔船轨迹图；

图5是Douglas Peucker 算法原理图；

图6a是Douglas Peucker 算法压缩前的渔船轨迹图；

图6b是Douglas Peucker 算法压缩后的渔船轨迹图；

图7是经纬度文本化示意图。

图8a是模型训练时间对比图；

图8b是模型预测时间对比图；

图9a是未轨迹文本化处理前的特征重要程度排序图；

图9b是经本发明轨迹文本化处理后的特征重要程度排序图。

具体实施方式

下面结合附图和实施例对本发明作进一步的说明，但并不作为对本发明限制的依据。

实施例：一种基于运动轨迹自动识别的渔船作业方法，其特征在于：包括以下步骤：

a、对AIS数据进行处理，得到船舶运动轨迹数据，再使用Douglas Peucker算法对船舶运动轨迹数据进行压缩，降低数据量；具体的，原始AIS数据包含脱敏后的渔船 ID、经度、纬度、上报时间、速度、航向信息。其中训练集共有 18329 个渔船样本，测试集包含4034 个剔除了渔船类型信息的渔船样本。渔船 AIS 数据原始属性介绍如下表 1 所示：

表1

本实验使用的 AIS 数据已脱敏处理，数据以 10 分钟为间隔进行采集，由于真实场景下海上环境复杂，经常出现因信号丢失，设备故障等原因导致的上报坐标错误、上报数据丢失、部分设备疯狂上报等问题，这些问题都要在特征预处理阶段进行修改。本实验原始AIS 数据经过分析后发现存在以下几个问题：

1) 数据漂移(经纬度在短时间内突变)；

2) 数据缺失(数据间隔大于 10 分钟)；

3) 数据异常(渔船经度、纬度、速度、角度脱离实际情况)。

这些数据问题都会对实验结果产生影响。针对以上问题，本发明提出以下解决方案：使用3-sigma算法来确定异常值。在3-sigma算法设定下，如果数据超过标准差的3倍，将被认为是异常数据。对于速度和方向数据，如果判断为异常值（速度大于15节，方向角大于360度）采用多项式差分法进行修改；对于经纬度异常值（漂移点）选择近邻内插法进行数据修复。

由于原始数据提供的特征较少，需要根据数据特点构建新特征，通过绘制不同特征的数据箱线图（如图2所示），不同渔船在经度、纬度分布上有较大区别，且拖网渔船分布范围更广；在速度方面，如速度箱线图所示，围网渔船和刺网渔船的速度较快，而拖网渔船速度数据较集中；在航向方面，如航向箱线图所示，刺网渔船和围网渔船航向分布较广，而拖网渔船航向数据较集中。 综上所述，本发明针对图中展示的有区分度的特征构造基于统计的特征，其中包括四分位数、众数、离散系数和标准差等 100 多个特征。在非统计特征方面，本实验选择构建锚点、港口距离、起始位置等特征。与传统方法相比，本发明的特征不仅包含了原始特征及其统计特征还针对渔船的特点提取了更丰富的特征，以多维的方式表现了不同类型渔船的特征差异。

为了充分利用数据的时序特征，本发明对渔船出海时间与速度之间的关系也进行了探索，通过绘制以时间为基准的速度变化图，如图 3所示；可以看到，拖网渔船在 5-18时的速度较低，在 18 到次日 5 时，速度变换较为频繁，而围网常在 5-20 时之间活动频繁。由此，以时间为单位，构建速度分级特征。

最后，采用 Haversine 距离计算其相对位移，Haversine 距离将海平面一个曲面，通过弧度变化计算经纬度代表的两点之间的距离，使距离间的精度问题得到解决具体Haversine 位移公式如下所示：设任意两点之间的中心角为θ,则：

；

其中d为沿大圆的两点之间的距离（球面距离），r为地球半径。

；

其中

,

是点1的纬度和点2的纬度。

,

是点1的经度和点2的经度，

为半正矢函数。

数据冗余一直是困扰海量 AIS 数据分析的问题。针对不同渔船绘制的渔船轨迹图（如下图4所示），发现拖网的轨迹通常是从一点到另一点；围网的轨迹则会形成一个圈；刺网的轨迹通常由多条直线段构成。刺网和围网，拖网和围网之间轨迹区分度较大，就整体而言，删除部分数据点对于渔船轨迹的构造影响不大，而冗余数据的删除有利于数据的处理，同时可以降低模型运行时间。因此，本发明选择使用轨迹压缩算法进行轨迹点简化，降低数据量。经过初步分析，本方法所用的数据在时间上面分布较均匀，不存在太多断点问题，为此应将轨迹压缩的重点置于轨迹点的简化，在压缩的同时尽量降低计算时间与计算开销。

本方法使用 Douglas Peucker 算法进行轨迹压缩。下面将就渔船在直行阶段到停泊阶段的压缩过程做介绍，Douglas Peucker 算法在渔船行驶阶段的计算如下图5所示。如图 5所示，一条轨迹表示为 T={P1、P2、P3、P4、P5、P6、P7、P8、P9}，其中 P 点由经纬度唯一确定。在直行阶段，由于距离均未高于阈值，故保留起止点，此时有 T1{P1，P2}段。在停泊阶段，首先将起点 P3 和终点 P9 之间的连线作为压缩轨迹基准线，计算 P3 和 P9 之间的点 Pi 到 P3，P9的距离 dis{Pi，P3，P9}。经过计算得到 P5 距离压缩段最远且超出阈值。则以 P5 作为分割点将轨迹 T 分为 T2={P3，P4，P5}和 T3={P5，...，P9}两个子轨迹。同理，可得停泊数据有{ P3，P5，P6，P8，P9}，则最终的压缩轨迹为 T={P1，P2，P3，P5，P6，P8，P9}。

针对实验数据的压缩，绘制了如图6所示的Douglas Peucker压缩算法前后对比图，图6a为压缩前，图6b为压缩后，由上图可知，Douglas Peucker 算法在保留渔船轨迹轮廓的前提下，很好的降低了轨迹数据量。在压缩后，轨迹中的停泊和捕鱼阶段，仍清晰可见，且轨迹中直线区域和转角区域均保留了其关键节点。这证明经过 DP算法压缩后的轨迹，依旧具有区分渔船的辨识性，可以用于后续处理。

b、对船舶运动轨迹数据进行数据分箱得到文本网格区域，再将船舶的轨迹映射到文本网格区域内，然后提取文本网格区域中渔船轨迹的网格序列；所述的数据分箱是将船舶运动轨迹数据中的经度和纬度分别分箱后再进行排序组合，从而将海域划分出多个经纬度网格区域，如图7所示，数据分箱后，渔船经度、纬度表示也从具体数值变为网格号，同时将速度进行分箱，划分出速度网格区域，增加了特征的多样性，更好地表征了渔船特点。

c、对网格序列进行文本特征处理，获得具有特征分布得到数据集；本发明使用Word2Vec 模型将转为网格序列的AIS数据进行处理，Word2Vec 是由 Google 提出用于产生词向量的模型，其中 Skip-gram 模型将当前词语的词向量作为输入，而输出是当前的词语的上下文词语的词向量。其训练不涉及稠密矩阵乘法，使得训练非常的高效。如图7所示，将渔船轨迹经过的网格序列作为sentences传入skip-gram模型对网格序列做embedding得到向量V，向量V代表基于文本模型的轨迹特征。通过TF-IDF对文本特征中的高频特征进行识别，获得具有特征分布得到数据集。TF-IDF 是一种用于信息检索与数据挖掘的常用加权技术。TF-IDF 的本质是一种统计方法，用以评估一个词对整篇文章的重要性，使用TF-IDF模型统计各个渔船最常去的网格对应的向量作为特征，以渔船行驶路径对海域网络进行刻画，可以更好的对渔船进行表征，可充分挖掘渔船、海域之间的关联。通过以上方法进行特征构建，共得到了 173 维的特征，用以区分不同渔船。

具体特征分布如下表2所示：

表2

d、利用数据集对LightGBM模型进行交叉验证划分训练，并使用BO-PSO模型对LightGBM模型调参，得到识别模型，利用识别模型进行渔船运动轨迹的作业行为的自动识别。具体的，由于本发明数据存在样本不平衡问题，为了确保在训练数据中不会出现一个特定的类影响分类结果，本发明使用 5 折交叉验证算法对实验数据进行分批次的训练，5 折交叉验证算法随机将样本数据集划分为 5 个，确保每个训练集都可以作为测试集，最后将每个验证结果取均值，最后使用 LightGBM 模型对数据进行分类。

每次模型训练批次大小为 100，选择五折交叉验证，采用早停止准则设定迭代次数，当准确率稳定时停止训练，并设置为最大训练次数，其他参数设定为默认值，用以进行后续训练。

e、根据渔船作业方式对船舶交通安全进行监测，以保障船舶安全。

为了验证识别模型效果的优劣，使用评价函数对模型效果进行评估，本发明使用准确率（Accuracy）、精确率（Precision）、召回率（Recall）和 F1-Score对模型进行评价。其中，准确率是分类类型识别结果正确的样本数占样本总数的比例；精确率为被正确识别的样本数与被识别到该样本的总数的比例，是衡量类型识别的正确程度；召回率为被正确识别的样本数与应当被识别到样本的总数的比例，是衡量方法结果的完整程度；F1-Score 表示 Precision 和Recall 的调和平均值。

为了验证实验的效果，本文分别从模型运行时间和评价函数两个方面对本发明进行对比。在识别模型运行时间方面，本发明使用三个主流 GDBT(LightGBM、CatBoost 和XGBoost)分类模型，在使用了本方法的特征工程后，读取 20%实验数据进行运行时间上的对比，对比结果如下图8所示，图8a为模型训练时间对比图，图8b为模型预测时间对比图。从图中可以看到，综合训练时间和预测时间，LightGBM 模型在渔船分类算法中耗时最短，说明 LightGBM 模型在大型数据的运行时间上有较好的表现，充分证明了本发明选用LightGBM 模型能够有效降低模型训练时间。

此外，为了验证本方法分类效果，本文使用同一数据对多种模型进行比较，其中包括：

1) PCA+XGBoost+LightGBM：利用 PCA 对经纬度数据进行维度转换使得数据更具可辨性，再利用 Word2Vec 获取渔船轨迹数据的空间关联信息，然后利用 XGBoost 和LightGBM 进行渔船识别。

2) FVID 模型：使用 SMOTE 方法处理少量样本，利用 XGBoost 的特征工程和机器学习方案作为两个关键模块对渔船数据进行识别。

3) XGBoost+LightGBM：利用渔船轨迹 POI 点进行识别，采用了 XGBoost和LightGBM 作为基模型，第二层使用 LightGBM 作为 Stacking 模型，进行渔船分类。

4) Displacement+LightGBM：以位移和速度分级为基础特征，使用 LightGBM进行渔船识别。

5) 基准模型 CatBoost：该模型的提出用于解决数据格式问题，具有较好的log-loss 值。

本发明通过准确率、精确率、召回率和 F1-Score 进行分类结果的对比，以各模型在训练时最高 F1-Score 值为选取标准，试验评价结果如下表3所示：

表3

由表3可知，与其他模型比较，经典基准模型在渔船分类任务中已有十分出色的表现，但在上节对比中可知 CatBoost 在训练中费时较久；在 Accuracy 上，XGBoost+LightGBM 方法与本方法效果接近，但基于 POI 点的方法需要大量先验知识，不易于扩展至其他船舶数据；而本发明的识别模型的 F1-Score 值均优于其他模型，说明在数据量大，特征数量较多的条件下，本发明所用方法能够更好的对AIS 数据进行分类并且取得较好的结果。

最后，为了验证轨迹文本化对于渔船分类是有帮助的，绘制了图9a的轨迹文本化前特征重要程度对比图以及图9b的经过本发明轨迹文本化后的特征重要性排序图。在模型进行迭代的过程中，特征被选中的次数越多，在特征重要程度排序图中出现的位置也会更靠前，其数值也会越高。参照图9a和图9b可知，在轨迹文本化前，各特征被选中的次数较低，在轨迹文本化后，各特征被选中的次数有明显提升（如xy_move在图9a中选择次数为1500次左右，而经过轨迹文本化后，在图9b中可以看出，其选择次数达到3000次左右），且轨迹文本化后，模型迭代选择的特征也会出现变化，如特征xy_bin_tf_emo_3和特征xy_bin1_emb_2在轨迹文本化前，其重要程度较低，在图9a的重要性程度排序中无法进入前10，而经过轨迹文本化后，这两特征在特征重要程度图中居于较前位置，分别为第4和第8，由此证明本发明中将经纬度文本化的方法可以有效选择重要性的船舶特征，从而提高船舶分类的准确性。

综上所述，本发明针对AIS 数据冗余问题，使用了Douglas Peucker算法进行数据压缩，从而解决了数据冗余问题，有效的降低了数据挖掘所用时间；本发明针对AIS 数据的时序特征，创新的使用数据分箱的方法将实验海域分为多个文本网格区域，在文本网格区域基础上映射渔船轨迹序列，然后提取文本网格区域中渔船轨迹的网格序列，从而利用海域网格结构中渔船的轨迹序列来表征原始轨迹数据，充分挖掘其时序特征，可以有效提高船舶作业行为分类的准确率。，因此本发明可以基于准确的渔船运动轨迹分类结果对渔船围网、刺网和拖网三种作业时的交通安全进行监测，保障船舶的安全作业。

Claims (6)

1.一种基于运动轨迹自动识别的渔船作业方法，其特征在于：包括以下步骤：

a、对AIS数据进行处理，得到船舶运动轨迹数据，根据船舶运动轨迹数据构建新特征用于表现不同渔船的特征差异，再使用Douglas Peucker算法对船舶运动轨迹数据进行压缩，降低数据量；

b、对船舶运动轨迹数据进行数据分箱得到文本网格区域，再将船舶的轨迹映射到文本网格区域内，然后提取文本网格区域中渔船轨迹的网格序列；

c、对网格序列进行文本特征处理，获得具有特征分布的数据集；

d、使用基于五折交叉验证的LightGBM模型对数据集进行渔船作业方式的识别；

e、根据渔船作业方式对船舶交通安全进行监测，以保障船舶安全。

2.根据权利要求1所述的基于运动轨迹自动识别的渔船作业方法，其特征在于：所述AIS数据包括渔船 ID、经度、纬度、上报时间、速度和航向信息。

3.根据权利要求1所述的基于运动轨迹自动识别的渔船作业方法，其特征在于：步骤a中的处理是使用3-sigma算法来判断异常值，在3-sigma算法设定下，如果数据超过3倍的标准差，则将该数据视为异常数据；对于速度和方向数据，如果判断为异常值则使用多项式差值进行修改；对于经纬度异常选用最近邻插值的方法进行数据修复。

4.根据权利要求1所述的基于运动轨迹自动识别的渔船作业方法，其特征在于：所述的数据分箱是将船舶运动轨迹数据中的经度和纬度分别分箱后再进行排序组合，从而将海域划分出多个经纬度网格区域，同时将速度进行分箱，划分出速度网格区域。

5.根据权利要求1所述的基于运动轨迹自动识别的渔船作业方法，其特征在于：所述文本特征处理是将渔船轨迹经过的网格序列作为sentences传入skip-gram模型对网格序列做embedding得到向量V，向量V即为基于Skip-gram模型的文本特征。

6.根据权利要求5所述的基于运动轨迹自动识别的渔船作业方法，其特征在于：通过TF-IDF对文本特征进行高频统计，获得具有频率特征的信息。

Images