仿射传播和谱聚类的船舶轨迹聚类-IndexCopernicus.PDFVIP

第 ３９卷 第 １期 河 南 科 技 大 学 学 报 （自然 科 学 版 ） Ｖｏｌ．３９ Ｎｏ．１ ２０１８年　 ２月 ＪｏｕｒｎａｌｏｆＨｅｎａｎＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ） Ｆｅｂ． ２０１８ 文章编号：１６７２－６８７１（２０１８）０１－００３５－０６　 ＤＯＩ：１０．１５９２６／ｊ．ｃｎｋｉ．ｉｓｓｎ１６７２－６８７１．２０１８．０１．００７ 仿射传播和谱聚类的船舶轨迹聚类 １ａ １ａ １ｂ，２ １ｂ，２ 李雨潇 ，吴传生 ，刘　文 ，李欢欢 （１．武汉理工大学 ａ．理学院；ｂ．航运学院，湖北 武汉 ４３００６３；２．内河航运技术湖北省重点实验室，湖北 武汉 ４３００６３） 摘要：针对谱聚类算法中常用的Ｋｍｅａｎｓ算法对特征向量空间进行聚类初始值敏感等问题，提出了一种新的 基于仿射传播（ＡＰ）的谱聚类算法。首先，利用动态时间规整（ＤＴＷ）距离度量各船舶自动识别系统（ＡＩＳ）轨 迹之间的结构相似性，得到距离矩阵；其次，使用快速 ＡＰ聚类算法改进传统谱聚类算法，基于指定的类别数 对内河桥区水域船舶 ＡＩＳ轨迹数据进行实例验证。仿真实验结果表明：本文算法在不增加时间复杂度的基础 上，比传统谱聚类算法有更高的鲁棒性，且实验准确率提高５．２４％。 关键词：轨迹聚类；动态时间规整距离；谱聚类；相似性度量；仿射传播聚类 中图分类号：Ｏ２９；ＴＰ３９１ 文献标志码：Ａ ０　引言 船舶自动识别系统（ａｕｔｏｍａｔｉｃｉｄｅｎｔｉｆｉｃａｔｉｏｎｓｙｓｔｅｍ，ＡＩＳ）有识别船只、协助追踪目标、简化信息交流 等作用。庞大的海上交通信息蕴含在 ＡＩＳ数据库中，因此，如何合理地利用数据挖掘技术，对船舶 ＡＩＳ 轨迹进行聚类分析是当今研究的重点。挖掘轨迹间的相似性和识别异常特征有助于研究船舶交通流的 特征规律，同时，可为海事部门管理工作者监控和规范船舶的运行、预测船舶航行位置、制定有效的通航 ［１］ 方案、保障水上交通的畅通与安全提供参考 。 ［２］ 聚类是一个无监督或半监督的学习过程，其应用十分广泛 。轨迹聚类与传统聚类相比，差异明 显、复杂度高，主要区别为线聚类和点点聚类。现阶段轨迹聚类的方法有很多，包括基于空间或时间的 ［３］ 聚类算法、基于路网的聚类算法、语义轨迹聚类算法等 。主要可归纳为两种：一种是提出合适的轨迹 之间的相似性度量，利用聚类算法实现整条轨迹的聚类；另一种是基于轨迹自身的几何特征，将轨迹进 行划分，以轨迹子段作为目标进行聚类。 文献［４］提出了基于路网感知的轨迹聚类算法，根据真实的路网信息对轨迹进行分割，使用基于密 度的具有噪声的聚类（ｄｅｎｓｉｔｙｂａｓｅｄｓｐａｔｉａｌｃｌｕｓｔｅｒｉｎｇｏｆａｐｐｌｉｃａｔｉｏｎｓｗｉｔｈｎｏｉｓｅ，ＤＢＳＣＡＮ）算法对轨迹片段 聚类，找出移动对象的代表轨迹。文献［ ５］针对农业机械田间作业产生的大量时空数据，使用 ＤＢＳＣＡＮ 算法对农业机械作业的轨迹图像点聚类，有效地区分出农机作业班次内的有效作业轨迹。文献［６］综 合考虑航线长度、位置和形状等因素，采用航线缓冲区度量航线的相似度，通过凝聚的层次聚类方法对 航线轨迹进行聚类，提取出南海主要航线。虽然国内外在轨迹聚类和轨迹相似性度量研究方面取得了 良好的进展，但针对 ＡＩＳ数据聚类的研究工作才刚起步。如文献［７－８］都是使用 ＤＢＳＣＡＮ算法对 ＡＩＳ 轨迹进行聚类，不同的是文献［７］使用了结构相似度距离，而文献［８］对相似性度量进行了一定的改进， 结合了 Ｈａｕｓｄｏｒｆｆ距离与结构相似度这两种距离度量方法。目前，大部分 ＡＩＳ轨迹聚类都是采用 ＤＢＳＣＡＮ算法，能较好地对船舶轨迹进行聚类，但该算法对需要人为指定的邻域大小参数 ｅ比较敏感， 随着数据量的增大，算法所耗费的时间呈指数级增长，且当空间聚类的密度不均匀、聚类间距相差很大