张黎翔, 朱怡安, 陆伟, 文捷, 崔俊云

(1.西北工业大学 计算机学院, 陕西 西安 710072; 2.西安财经大学 信息学院, 陕西 西安 710100;3.交通运输部水运科学研究所, 北京 100088)

轨迹大数据[1]记录移动对象随时间变化的活动情况,并客观反映移动对象个体或群体的活动规律,当前研究人员针对轨迹大数据的研究主要包括:轨迹分类与聚类[2-3]、轨迹预测[4]、轨迹模式挖掘[5]等。

船舶自动识别系统(automatic identification system,AIS)通过GPS或北斗导航系统获得船舶位置、航速、航向等动态信息与船舶静态资料,并按照国际电信联盟标准通过甚高频广播对外发送。船舶AIS设备的普及,使AIS数据成为当前船舶交通流分析、海事监管、事故分析的主要数据来源,为船舶轨迹大数据获取、分析与应用提供了条件[6-7]。

AIS数据报文并不具备可靠性,在受到各种障碍物和电磁干扰的情况下,AIS数据传输过程中经常会出现丢失和错误。并且AIS数据包中的位置数据来源于GPS或北斗等定位设备,也可能因定位设备问题而出错。错误的位置数据被获取进入海事或航运管理信息系统,可能使管理部门对当前海事交通状态产生误判,甚至可能对碰撞、触礁或搁浅等海损事故无法及时做出预判,酿成重大损失。

针对AIS异常点的检测与修复方法的研究主要分为两大类:基于单船单航迹的方法[8]和基于航迹聚类的方法[9-10]。前者依据船舶自身位置、速度与航向等数据判断异常点并进行修复,其优点在于不需要航线历史数据;其缺点在于异常点判别依赖于判别模型,且大量连续位置数据丢失情况异常点修复困难,Zhang等[11]通过模型对异常点进行检测取得一定的成果,但仅当异常漂移点的平均速度超过最大速度时才视为异常点。……