一种基于DBSCAN船舶会遇实时识别方法.docVIP

一种基于DBSCAN的船舶会遇实时识别方法 　　摘要： 　　?对海上交通监控中船舶数量众多，且对具有潜在碰撞危险的船舶识别效率不高的问题，提出一种基于DBSCAN（带噪声的基于密度的空间聚类）的船舶会遇实时识别方法。根据海上交通风险监控的研究需求，分析船舶会遇局面的定义。运用墨卡托算法计算船舶之间的距离，采用DBSCAN算法进行船舶会遇聚类识别。基于浙江舟山群岛西南海域航行船舶的AIS数据，对设置不同船舶会遇距离的试验结果进行比较分析，结果表明：当船舶会遇距离为1 n mile时，可以将56艘船划分为7个会遇船舶类，占船舶总数的32.1%，每个会遇船舶类包括2～3艘船。将该方法运用到实际海上交通监控中，可对每个会遇船舶类中的船舶航行动态进行重点关注，降低海上交通监控人员的工作负担，提高海上交通监控的效率。 　　关键词： 　　海上交通监控; DBSCAN; 船舶会遇; 航行风险 　　中图分类号： U698.8 　　文献标志码： A 　　收稿日期： 2017-05-09 　　修回日期： 2017-07-27 　　基金项目： 国家自然科学基金;国家留学基金管理委员会联合培养博士生项目（201608310093）;上海市科学技术委员会地方院校能力建设项目;上海海事大学研究生创新基金（2016ycx077）;上海海事大学优秀博士学位论文培育项目（2017bxlp003） 　　作者简介： 　　甄荣（1990―），男，内蒙古乌兰察布人，博士生，研究方向为海上智能交通，（E-mail）zrandsea@163.com; 　　RIVEIRO Maria （1978―），女，瑞典人，副教授，博导，研究方向为可视化分析及其在海上交通监控中的应用，（E-mail）maria.riveiro@his.se; 　　金永兴（1958―），男，上海人，教授，博导，研究方向为船舶运行品质评估，（E-mail）yxjin@ 　　A real-time identification method to ship encounter based on 　　DBSCAN 　　ZHEN Rong1，2， RIVEIRO Maria2， JIN Yongxing1 　　（1. Merchant Marine College， Shanghai Maritime University， Shanghai 201306， China; 　　2. Informatics Research Centre， University of Skovde， Vstra Gtaland 54128， Sweden） 　　Abstract： 　　Aiming at the problem that there are a large number of ships in maritime traffic monitoring and the recognition efficiency for ships with potential collision risk is low， a real-time identification method to ship encounter based on DBSCAN（density-based spatial clustering of applications with noise） is proposed. The definition of ship encounter situation is analyzed according to the research demand of maritime traffic risk monitoring. The distance between ships is calculated using the Mercator algorithm， and the DBSCAN algorithm is applied to the cluster identification of ship encounter. Based on AIS data of ships sailing on southwest sea area of Zhoushan Islands in Zhejiang Province of China， the test results are compared for different ship-encounter radii. The results show that， when the ship encounter radius is 1 n mile， 56 ships ca