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2 船舶行为聚类研究内容及方法总结

Tab. 2 Summary of research contents and methods of ship behavior clustering

研究主题 研究内容 研究方法及模型 船舶航迹距离计算 船舶轨迹点间距离计算 欧式距离[48]、切比雪夫距离[49]计算方法 船舶轨迹段间距离计算 结构相似度[50]、Hauudorff[51,52]、动态时间弯矩[53]、基于行为特征的方法[54]、基于复合特征的方法[55]、无监督深度学习[56]等距离计算方法 船舶航迹点聚类 基于划分的船舶轨迹点聚类 k-means[57]、k-mediods[58] 基于密度的船舶轨迹点聚类 DBSCAN[59]、密度峰值快速搜索与聚类方法[60] 基于层次的船舶轨迹点聚类 AGNES层次聚类方法[61,62] 船舶航迹段聚类 船舶交通行为模式的提取 密度聚类[63]、层次聚类[64]、谱聚类[65,66]、拉普拉斯特征聚类[5]方法 船舶操纵行为特征的推断 结合DP和DBSCAN的聚类方法[67]、多步子航迹聚类分析和随机邻居嵌入算法[68]、概率图形模型[69]