郭乃琨，陈明剑，陈 锐

(1.信息工程大学 地理空间信息学院,河南 郑州 450001;2.92493部队,辽宁 葫芦岛 125001)

近年来，全球卫星导航系统(Global Navigation Satellite System，GNSS)、北斗卫星导航系统(BeiDou Navigation Satellite System，BDS)等卫星导航定位系统迅速发展，已经成为国防军事、国民经济发展中必不可少的基础设施[1]。

随着世界海洋经济的迅速发展，各国海洋贸易中的船舶数量随之剧增，船舶自动识别系统(Auto Identification System，AIS)已被世界各国广泛采用。全球船舶轨迹数量庞大、内容丰富，除了与常见的陆上轨迹一样具有海量性、动态性、时序性特征外，还具有一系列的独特性，陆上轨迹主要反映对象在陆地上的时空变化规律与行为模式，而船舶轨迹主要反映对象在海上的相应规律与模式；船舶轨迹在形成过程中，更多地受到水系的固有约束，并且其数据相比陆上轨迹具有更多的字段，属性维度更高。因此，运用简单、常规的数据分析方法很难从船舶轨迹中分析出全面、有价值的隐含信息。

聚类分析是众多数据分析与挖掘方法中应用最广泛的方法，通过衡量研究对象之间的相似度(距离度量)，将相似度高的对象划分为同类。按照聚类的目标、处理的数据以及具体应用领域的不同，聚类分析可分为基于划分的聚类、基于层次的聚类、基于密度的聚类、基于网格的聚类和基于模型的聚类。其中，基于密度的聚类是近年来在交通流挖掘、商业中心选址、图像分割与识别等诸多领域得到广泛应用的经典聚类算法，其中又以基于密度的对噪声鲁棒的空间聚类算法(Density-Based Spatial Clustering of Application with Noise，DBSCAN)最为常用。……