隋远 段然 王维圳

（1.南京莱斯网信技术研究院有限公司 江苏省南京市 210000 2.北京金交规划设计有限公司 北京市 100000）

1 引言

水上交通监管的核心是对船舶行为的监管，随着人类经济的发展，以及人类对海洋、江河、湖泊的开发和利用，水上交通活动日益繁忙、复杂，传统基于人工监管的方法在日益复杂的环境下变得越来越被动。在国际海事组织(IMO)和国际航标协会(IALA)等组织努力下，船舶自动识别系统（AIS）概念正式提出并强制船只安装使用，我国的通航船舶也基本得到安装，并累积了长时段、大范围的海量AIS 数据[1]，如何从海量的数据中获取有用信息，用于替代或辅助人工对海上船舶行为进行监控，已经成为当前水上交通研究和应用领域所面临的重要问题[2][3]。

机器学习研究的主要内容是关于在计算机上从数据中产生模型的算法，即学习算法。利用学习算法可以从经验数据中产生模型，从而改善系统自身的性能[4]。在水上交通监管领域，也开展了众多利用机器学习方法对船舶历史航迹数据训练的研究，主要包括贝叶斯网络、神经网络算法和密度聚类算法等。贝叶斯网络是一种推理模型，它通过条件概率来度量事件发生的可能性，已经被广泛用于异常行为检测。神经网络是一种应用类似于大脑神经突出联结结构进行信息处理的算法，具有良好的非线性学习能力。密度聚类算法从样本密度的角度来考察样本之间的可连接性，在水上交通监管领域主要用来聚类出水域范围内船舶的主要航行轨迹。……