聚类Clustering方法定位船舶站点

背景

现有船舶的航线中采样的数据库，采样的总时长为3个月，仅采样航速静止（小于1节）的数据，关键有效数据主要有经纬度/实时吃水量。

思路

基于站点附近轮船有停靠且航行速度慢，故取样点多的基础认识，计划使用聚类方法定位LNG站点位置，并基于船舶吃水量的变化判断站点的属性：进口/出口/停泊。

Step 1: 数据预处理

基于原始数据文件中的关键数据，分别对应经度(long)、纬度(lati)、吃水量(draft)。数据中相邻若干行两两之间若基于经纬度计算得到的距离小于5千米，则将这些数据视为同一个坐标点，位置信息存在取样误差，位置信息（经度、维度）取均值得到；若相邻行计算距离大于5km，则两个数据视为不同的有效坐标点。至此，位置信息处理完毕，后续基于吃水量变化情况判断船只行为。如果吃水量变大，则船只货物增多，标记为1，表示进站；反之如果吃水量减小，则船只货物减少，标记为-1，表示出站；若吃水量不变，则船只货物不变，标记为0，即船只正常航行或停泊。本段具体代码如下所示，

for i in range(len(df)):  

    cur_pt = [df.loc[i, attr] for attr in attr_list]

    # 5000m / 5km
    if haversine_distance(cur_pt,temp_pt) < 5: # not include into data, the position of adjacent line (in df) is so close, that regard it as the sam