DBScanSD论文笔记

DBSCANSD论文笔记

这篇文章主要是针对海上态势聚类的计算，是对DBScan算法的改进。

一、绪论部分

自动识别系统（Automatic Idenficationn System, AIS）是一种通过与附近船舶、AIS基站和卫星交换数据来识别和定位船舶的自动跟踪系统。国际海事组织要求使用了AIS系统的船只在靠近港口的时候使用一定的航道，但是现在还不能检测出这些船只是否遵循这样的航道。

这篇文章就是想要解决这样的问题。它在对船只进行聚类的时候，使用IMO规则。第一步就是，调整基于密度的聚类方法的参数，来找到和IMO定义的主要路线接近的簇；与此同时，这个方法还会考虑一些非空间的因素，例如船只的航向和航速。第二步则是提取这些簇的中心，在这里称之为GV（Gravity Vector,重力矢量）。这一方法同时还可以帮助找到一些不遵循IMO规则的轨迹。

这个方面上，以前做过的一些工作主要也是基于聚类的方法，但是它们有一个共同的痛点，就是它们都没有考虑船的速度和航向。这个工作考虑了这一点，并且将IMO规则纳入了考虑（主要创新点）。它主要是针对DBSCAN算法做出了一些自己的改进。

二、算法部分

首先这篇论文提出了一个问题：船只在不同的区域上，常常会采用不同的行动方式。例如，一艘船在中心海域上，常常会移动得比较快；而在靠近港口的海域上，它移动的速度就会偏慢一些。因此，有人提出了一个模型，叫做Stops and Moves，它通过船速来定义一艘船的状态。在这个框架中，也提出了相似的方法，使用一个0.5海里/小时的阈值来定义现在这艘船所处的状态。在聚类的时候，并非单纯地对船只的轨迹进行聚类，而是划分为两个集合，分别是停止集合和运动集合，从而聚类出运动的船的簇，以及停止船的不规则区域。

2.1 表示轨迹数据

定义COG为过地航向，SOG为过地速度。

定义：一个轨迹，是一个有穷集合 $T=(x_1,t_1),(x_2,t_2),...,(x_m,t_m)$，其中$x_i$是<经度，纬度， C O G , S O G COG