基于非负矩阵分解方法的海上交通特征

杨家轩， 吴京霖， 姜大鹏

(大连海事大学 a.航海学院; b.辽宁省航海安全保障重点实验室， 辽宁 大连 116026)

随着计算机技术和通信技术的快速发展，各领域的信息暴增，人类社会已进入大数据高速发展的时代，如何从大量的数据中发现潜在的特征，把握区域事件的发展规律已成为相关学者研究的焦点。近年来,航运信息的发展为海上交通领域积累了海量的数据，其中以船舶自动识别系统(Automatic Identification System, AIS)为主的船舶历史数据扮演着重要角色。AIS的广泛应用不仅提高船舶航行的安全性,而且其数据能较好地反映港口水域船舶海上交通信息，分析大量的位置信息、航线数据和AIS 数据等，尤其是AIS数据，不仅数据量大，而且数据之间存在相互关联。[1]结合数据挖掘技术，在海上交通工程的基础上，将船舶位置空间、时间、船型和船速等属性有机融合进行联合聚类，以识别重点水域,发现典型特征，为实现智能水域监管和海上安全保障提供理论基础。

在对交通特征的研究中，时空数据的耦合特性逐渐受到关注。文献[2]利用信息采集软件和数据挖掘技术对大量的AIS数据进行分析，识别特定水域的船舶会遇态势，并分析该水域船舶会遇空间分布和时间分布。文献[3]引入k-means算法对数据设定时间维度上兴趣时间段的约束条件，提取兴趣位置点，实现对车与地理位置关系的挖掘。文献[4]根据船舶交通特点将船舶领域概念引入DBSCAN算法中，对比船舶簇的速度和交通流的速度，识别出拥挤区域。……