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 ) T=(x_1, t_1), (x_2, t_2), ..., (x_m, t_m) T=(x1,t1),(x2,t2),...,(xm,tm),其中 x i x_i xi是<经度,纬度, C O G , S O G COG