王维刚， 初秀民， 蒋仲廉， 刘 磊

(1.武汉理工大学 a.智能交通系统研究中心； b.能源与动力工程学院；c.国家水运安全工程技术研究中心,武汉 430063； 2.东南大学 交通学院,南京 211189)

随着我国经济的不断发展，内河水运日益繁忙，船舶交通流量越来越大，通航饱和度逐渐升高，航道通过能力趋于饱和，内河通航水域海事安全监管面临的挑战越来越大。[1]船舶自动识别系统(Automatic Identification System，AIS)能为水路交通安全研究提供海量的基础数据，在不同的研究方向都有广泛的应用。[2]随着智能航运的发展，AIS等数据呈现出指数级的递增趋势,开展船舶轨迹分类算法研究，有助于提高数据处理效率，为航运大数据的信息融合和综合利用奠定基础。通过基于AIS的船舶轨迹快速分类，有助于开展船舶运动模式识别和航行风险分析等，从而推动水路运输和海事安全监管向智能化、信息化方向发展。[3]

在船舶轨迹分类研究方面：PAN等[4]提出一种基于AIS数据的轨迹聚类模型，采用该模型分析航线，实现在没有先验知识的情况下自动对具有轨迹特征的不同航运路线进行分类。LI等[5]结合轨迹映射和聚类方法探索从AIS中获取的大数据，提出一种改进的基于密度的噪声应用空间聚类(Density-Based Spatial Clustering of Applications with Noise，DBSCAN)算法，采用该算法聚类空间点，从而获得最优聚类。彭祥文等[6]利用云计算并结合聚类算法对船舶历史数据进行轨迹聚类分析，构建船舶航行正常轨迹模型，相比传统算法，能提升聚类效率。刘磊等[7]对轨迹间的平均距离、航速距离和航向距离进行融合，提出船舶轨迹间综合距离的概念，结合K最邻近(K-Nearest Neighbor，KNN)分类器进行内河船舶轨迹分类，效果较好。……