基于AIS数据的海上交通流区域自动识别

，

(1.浙江海洋大学 港航与交通运输工程学院，浙江 舟山 316022； 2.大连海事大学 航海学院，辽宁 大连 116026 )

基于AIS数据的海上交通流区域自动识别

刘虎1，李伟峰2

(1.浙江海洋大学港航与交通运输工程学院，浙江舟山316022； 2.大连海事大学航海学院，辽宁大连116026 )

为解决挖掘船舶自动识别系统(Automatic Identification System, AIS)数据时需手动选择研究海域或数据及数据量较大的问题，提出结合航迹聚类和概率密度估计的交通流区域自动识别方法。通过分析航迹结构特征，构建航向航程模型；采用Pearson相关系数度量航向航程模型的相似性，并进行航迹聚类。运用核密度估计(Kernel Density Estimation, KDE)推算聚类航迹的概率密度，自动识别交通流区域，并进一步提取通航分道区域。以渤海海峡为例进行验证，识别效果良好。

航迹簇；航向航程模型；核密度估计(KDE)；自动识别；海上交通流区域

Abstract: To study a particular region or traffic flow with Automatic Identification System(AIS) data which are normally picked up manually and is inconvenient due to the scale of the database, a method for automatically identifying the intersectional region of the traffic flow is proposed based on track cluster and probability density estimation. The features of the track structure are analyzed and the course-route model of the track is built; the structural similarity of the course-route models is measured with the Pearson Correlation Coefficient and grouped into track clusters. The probability density of track clusters is calculated by means of Kernel Density Estimation(KDE), and the traffic flow region and traffic lanes are identified. The method is verified with the data of the Bohai Strait.

Keywords: track cluster； course-route model； Kernal Density Estimation(KDE); automatic recognition； marine traffic flow

交通流理论[1]是运用物理学和数学定律来描述交通特征的交通工程学基础理论。建立一个复杂程度适宜、精度满足要求、操作方便的交通流模型对海上交通工程研究具有重要的意义。基于船舶自动识别系统(Automatic Identification System, AIS)数据的海上交通流研究是当前海上交通工程研究领域的重点。AIS设备能提供一定地理范围内的船舶种类、位置、航向和航速等信息。通常采集整月或整年的AIS数据进行大量运算，据此绘制航迹分布图、确定交通流位置和分布区域[1]、统计海上交通特征、分析船舶行为[2-3]及研究船速或航向的位置分布[4-5]。以上研究主要集中在交通流特征统计方面，存在需手动选取研究海域数据及数据量巨大等问题。……