基于AIS数据的船舶行为特征挖掘与预测：研究进展与展望

甄荣, 邵哲平, 潘家财

Advance in Character Mining and Prediction of Ship Behavior based on AIS Data

ZHEN Rong, SHAO Zheping, PAN Jiacai

表1 水上交通要素的内容及方法研究总结

Tab. 1 Summary of research contents and methods of marine traffic element

研究主题 研究内容 研究方法及模型 船舶航迹数据预处理 航迹清洗 数据查询方法[11] 航迹插值 线性插值[12]、三次样条插值[13]、拉格朗日插值[14]、均值插值和向量函数的插值[15]、复合插值[16,17,18]、机器学习的插值方法[19,20] 航迹融合 统计加权方法[22]、基于BP神经网络的方法[23]、基于卡尔曼滤波的方法[24]、时间序列聚类的方法[25]、集成融合方法[26] 航迹压缩 离线压缩方法（DP算法[27]、Dead Reckoning[28]、OLDCAT[29]、扫描-选择-移动算法[30]）、在线压缩方法（改进的滑动窗口[31,32]、在线有向无环图[33]） 船舶交通流参数特征分布分析 交通流特征参数拟合 船舶交通量和速度模型拟合[35]、交通流风险模型的拟合[36]、船舶到达规律模型拟合[38] 交通流特征合成 船舶交通流场方法[39]、密度聚类方法[40] 船舶会遇分析 船舶会遇时空特征 会遇时空特征统计[41,42] 会遇船舶紧迫度 船舶运动几何关系[43]、空间约束和热力图方法[44-45] 、支持向量机-贝叶斯滤波方法[4]