技术详细介绍
当前海洋交通环境日益复杂,而在正常的船舶航行活动之外,还存在着船舶安全事故频发、利用船舶从事非法活动等异常情况。随着船舶自动识别系统(AIS)等现代化设备的不断应用,人们获得了大量蕴含海上交通特征的海洋交通数据,但其数据规模庞大,不便于直接分析。因此如何从这些数据中及时发现异常信息就变得极为重要。本系统为自选课题,在前期大规模海洋交通数据异常轨迹检测算法研究的基础上,对主要算法进行了实现和功能演示,提供初步的基于AIS数据的异常检测能力。 1、提出了基于距离的海上异常检测模型,提出了海上正常交通模式提取模型,根据速度阈值,确定移动和停止两种不同的船舶航迹,使用重力向量(GV)和停止采样点(SSP)分别表示移动轨迹提取结果和停止区域提取结果,通过并行运算的方式提升模型的检测效率。 2、选取琼州海峡地区的AIS数据作为输入数据集。首先验证正常交通模式提取模型,提供了改进模型和原模型的对比实验。目前有关AIS数据的挖掘处理可用算法不多,其数据规模庞大,不便于直接分析。在前期大规模海洋交通数据异常轨迹检测算法研究的基础上,对主要算法进行了实现和功能演示,提供初步的基于AIS数据的异常检测能力。本软件可应用于地理、民航、交通网络、环境、气象预测、抗灾防灾、多媒体以及“数字地球”、“数字城市”等领域。
当前海洋交通环境日益复杂,而在正常的船舶航行活动之外,还存在着船舶安全事故频发、利用船舶从事非法活动等异常情况。随着船舶自动识别系统(AIS)等现代化设备的不断应用,人们获得了大量蕴含海上交通特征的海洋交通数据,但其数据规模庞大,不便于直接分析。因此如何从这些数据中及时发现异常信息就变得极为重要。本系统为自选课题,在前期大规模海洋交通数据异常轨迹检测算法研究的基础上,对主要算法进行了实现和功能演示,提供初步的基于AIS数据的异常检测能力。 1、提出了基于距离的海上异常检测模型,提出了海上正常交通模式提取模型,根据速度阈值,确定移动和停止两种不同的船舶航迹,使用重力向量(GV)和停止采样点(SSP)分别表示移动轨迹提取结果和停止区域提取结果,通过并行运算的方式提升模型的检测效率。 2、选取琼州海峡地区的AIS数据作为输入数据集。首先验证正常交通模式提取模型,提供了改进模型和原模型的对比实验。目前有关AIS数据的挖掘处理可用算法不多,其数据规模庞大,不便于直接分析。在前期大规模海洋交通数据异常轨迹检测算法研究的基础上,对主要算法进行了实现和功能演示,提供初步的基于AIS数据的异常检测能力。本软件可应用于地理、民航、交通网络、环境、气象预测、抗灾防灾、多媒体以及“数字地球”、“数字城市”等领域。