基于分段时空约束航迹匹配算法的海上目标信息特征分析算法研究及在围填海监管中的应用
Research on Algorithm for Maritime Target Information Feature Analysis Based on Segmented Spatio-Temporal Constraint Trajectory Matching and Its Application in Sea Reclamation Supervision
摘要: 针对新形势下海洋围填海监管需要,通过对岸基小目标雷达数据和AIS数据原始数据前期处理,建设海上目标原始数据库。在入库数据基础上开展岸基小目标雷达数据和AIS数据融合算法研究,形成24小时为单位的海上目标轨迹融合数据。最后通过对海洋围填海监管高风险区域内海上目标轨迹的特征分析算法研究,甄别异常轨迹船舶,实现对海洋围填海监管高风险区的海上目标连续监管,填补当前山东省海洋围填海监管领域空白。
Abstract: In response to the needs of marine reclamation supervision under the new situation, a raw database of maritime targets has been established through preliminary processing of shore-based small target radar data and AIS data. Based on the data stored in the database, research has been conducted on data fusion algorithms for shore-based small target radar data and AIS data, resulting in 24-hour maritime target trajectory fusion data. Finally, through research on algorithms for analyzing the characteristics of maritime target trajectories within high-risk areas for marine reclamation supervision, ships with abnormal trajectories are identified, enabling continuous supervision of maritime targets in high-risk areas for marine reclamation supervision and filling the gap in the field of marine reclamation supervision in Shandong Province.
文章引用:张莉, 谭萌, 陈烽, 徐晓玮, 崔凤娟. 基于分段时空约束航迹匹配算法的海上目标信息特征分析算法研究及在围填海监管中的应用[J]. 海洋科学前沿, 2024, 11(4): 246-254. https://doi.org/10.12677/ams.2024.114027

参考文献

[1] 秦红星, 杨茜. 改进线性插值的船舶轨迹修复迭代算法[J]. 计算机辅助设计与图形学学报, 2019, 31(10): 1759-1767.
[2] 姜佰辰, 关键, 周伟, 陈小龙. 基于多项式卡尔曼滤波的船舶轨迹预测算法[J]. 信号处理, 2019, 35(5): 741-746.
[3] 马杰, 刘琪, 张春玮, 刘克中, 张煜. 基于AIS的数据时空分析及船舶会遇态势提取方法[J]. 中国安全科学学报, 2019, 29(5): 111-116.
[4] 左小将. 面向船舶轨迹数据的连续查询及分析服务[D]: [硕士学位论文]. 北京: 北方工业大学, 2019.
[5] 胡阳, 张谧, 王玲, 崔鸣, 谢地, 杨婷. 人工智能用于船舶航线优化的有效方案[J]. 科技创新导报, 2019, 16(35): 137+139.
[6] 张春玮, 马杰, 牛元淼, 刘琪. 基于分段时空约束航迹匹配算法的船舶轨迹聚类方法[J]. 武汉理工大学学报(交通科学与工程版), 2019, 43(3): 517-521.
[7] 李卓然. 基于海洋时空大数据的船舶航道分析[D]: [硕士学位论文]. 北京: 北方工业大学, 2019.
[8] 郑振涛. 基于轨迹数据的船舶停留区域提取方法研究[D]: [硕士学位论文]. 北京: 北方工业大学, 2019.
[9] 徐婷, 戴文伯, 鲁嘉俊. 基于自动识别系统大数据的船舶施工轨迹识别与预测[J]. 水运工程, 2019(12): 119-122, 126.
[10] 江玉玲, 熊振南, 唐基宏. 基于轨迹段DBSCAN的船舶轨迹聚类算法[J]. 中国航海, 2019, 42(3): 1-5.
[11] 王立林, 刘俊. 基于多尺度卷积的船舶行为识别方法[J]. 计算机应用, 2019, 39(12): 3691-3696.
[12] 孙梦竹. 舰船轨迹数据挖掘与可视化方法研究[D]: [硕士学位论文]. 昆明: 云南师范大学, 2019.
[13] 徐良坤, 任律珍, 周世波. 船舶AIS轨迹聚类方法研究进展综述[J]. 广州航海学院学报, 2019, 27(2): 7-12, 47.
[14] 刘亚帅, 曹伟, 管志强. 基于网格化的船舶航迹异常检测算法[J]. 雷达与对抗, 2019, 39(1): 19-23.
[15] 关欢欢, 黄海广, 姜思宁. 基于VMS轨迹数据分析的渔业船舶行为划分研究[J]. 中国渔业经济, 2020, 38(2): 119-126.
[16] 郭乃琨, 马壮壮, 岳明桥. 船舶轨迹挖掘与可视化技术分析研究[J]. 电子元器件与信息技术, 2020, 4(3): 137-138.
[17] 曾铮. 船舶航行轨迹分析与应用系统[J]. 舰船科学技术, 2020, 42(2): 64-66.
[18] 杨博辰. 基于AIS的船舶轨迹分析的研究与应用[D]: [硕士学位论文]. 成都: 电子科技大学, 2018.
[19] 靳晓雨. 船舶轨迹的分析与预测方法[D]: [硕士学位论文]. 北京: 北京邮电大学, 2018.
[20] 胡晶. 基于AIS的船舶轨迹分析与应用系统的设计与实现[D]: [硕士学位论文]. 武汉: 华中师范大学, 2015.
[21] 徐思路. 基于船舶轨迹大数据的交通环境时空分析研究[D]: [硕士学位论文]. 大连: 大连海事大学, 2018.
[22] 许贞平. 海洋运输船舶轨迹分析研究[J]. 中国水运(下半月), 2017, 17(2): 16-17.
[23] 郜喆. AIS信息融合和轨迹分析技术的研究[D]: [硕士学位论文]. 大连: 大连海事大学, 2007.