劉敬一, 高曉倩, 郭 琦, 姚 晨, 裴新宇, 陳金勇

(中國電子科技集團(tuán)公司第五十四研究所, 河北 石家莊 050081)

0 引言

隨著船舶自動識別系統(tǒng)(Automatic Identification System,AIS)的不斷發(fā)展,船舶航跡數(shù)據(jù)呈現(xiàn)爆炸式增長[1-3],這為船舶行為模式特征以及交通航行規(guī)律的挖掘與分析提供了豐富的數(shù)據(jù)支撐[4]。船舶原始航跡數(shù)據(jù)的可靠性和可用性是進(jìn)行上述分析挖掘的前提,因此船舶AIS 異常定位數(shù)據(jù)篩選、剔除等預(yù)處理對船舶行為預(yù)測、異常監(jiān)測和航路規(guī)劃等諸多具體應(yīng)用具有重要意義[5]。

航跡糾纏作為AIS 數(shù)據(jù)的常見異常之一,是進(jìn)行航跡預(yù)處理的難點(diǎn)[6]。 船舶航跡糾纏是指AIS 數(shù)據(jù)中的船位相連之后得到的船舶航跡在時間排序上存在錯位,致使產(chǎn)生糾纏點(diǎn)[7]。 基于AIS 數(shù)據(jù)的船舶航跡糾纏產(chǎn)生的原因概括為2 種:一是船舶定位誤差較大,導(dǎo)致AIS 數(shù)據(jù)中的船位偏離真實(shí)船位;二是AIS 數(shù)據(jù)在傳輸或者解析過程中出現(xiàn)了錯誤,導(dǎo)致船位時序?qū)傩猿霈F(xiàn)較大誤差。

現(xiàn)有船舶航跡糾纏去除方法可以劃分為3 大類:① 基于航跡抽稀的航跡去糾纏;② 基于閾值篩選的航跡去糾纏;③ 基于神經(jīng)網(wǎng)絡(luò)的航跡去糾纏。

基于航跡抽稀的航跡糾纏去除方法是利用下采樣或航跡壓縮的方式,通過減少航跡點(diǎn)數(shù)量實(shí)現(xiàn)糾纏點(diǎn)的去除。 艾佳琪[8]、盛畔[9]、張樹凱等[10]、Zhang 等[11]以及Sang 等[12]學(xué)者們均采用此類方式消除AIS 異常定位點(diǎn)。 上述方法實(shí)用性強(qiáng)、復(fù)雜度較低,但都無法避免在處理過程中會去除一些非糾纏點(diǎn),致使存在丟失船舶重要運(yùn)動特征信息的風(fēng)險,同時采樣間隔設(shè)定一般無法達(dá)到全局最優(yōu),使得無法有效對糾纏進(jìn)行完全去除。

基于閾值篩選的航跡糾纏去除方法是通過設(shè)定不同異常閾值去除糾纏點(diǎn)以及其他噪聲點(diǎn)。 吳建華等[13]、劉磊等[14]、衛(wèi)桂榮等[15]以及聶陽等[16]學(xué)者們根據(jù)AIS 數(shù)據(jù)特性制定了多種數(shù)據(jù)清洗規(guī)則,實(shí)現(xiàn)航跡異常點(diǎn)的篩選與去除。 此類方法較為方便、易操作,但只能去除一些明顯的異常定位點(diǎn)[6],且閾值的設(shè)定不具備普適性和自適應(yīng)性,去糾纏的漏警率和虛警率都很難同時取得較好的效果。

基于神經(jīng)網(wǎng)絡(luò)的航跡糾纏去除方法是利用神經(jīng)網(wǎng)絡(luò),以航跡糾纏樣本訓(xùn)練網(wǎng)絡(luò),自動識別糾纏并進(jìn)行剔除。 王永明[6]提出了基于BP 神經(jīng)網(wǎng)絡(luò)的異常AIS 數(shù)據(jù)甄別方法,較前2 種方法具有較高的去糾纏準(zhǔn)確性,但需要較為完備以及豐富的訓(xùn)練樣本集,較為復(fù)雜且具有參數(shù)和訓(xùn)練樣本依賴,在實(shí)際業(yè)務(wù)中實(shí)用性不強(qiáng)。

綜上分析,上述方法在一定程度上可以解決航跡糾纏的問題,但無法兼顧船舶軌跡去糾纏的有效性與業(yè)務(wù)實(shí)用性。 基于此,本文通過分析AIS 定位數(shù)據(jù)特性,在考慮運(yùn)動約束、時空跨度以及定位誤差的情況下,提出基于運(yùn)動屬性約束的船舶AIS 航跡去糾纏方法(A Method for Removing Entanglement of AIS Trajectory Based on the Constraints of Motion Attributes,CoMA),在保障損失最少航跡點(diǎn)的前提下,高效、簡便去除船舶軌跡糾纏,實(shí)現(xiàn)兼顧保留船舶運(yùn)動行為特征以及業(yè)務(wù)實(shí)用性的船舶軌跡處理,彌補(bǔ)現(xiàn)有方法在船舶軌跡去糾纏中存在的系列問題。

1 方法介紹

1.1 船舶航跡糾纏示例

按照AIS 原始定位數(shù)據(jù)進(jìn)行時序的連接后,由于數(shù)據(jù)上報機(jī)制以及其他原因,原始航跡會出現(xiàn)較為明顯的離群點(diǎn)、錯誤點(diǎn)等噪聲,同時也會產(chǎn)生航跡糾纏的問題。 圖1 所示為原始AIS 航跡Tra-A,其在靠近港口的多個位置(圖中I,II,III 處)均出現(xiàn)了航跡糾纏現(xiàn)象。

圖1 船舶航跡糾纏示意Fig.1 Schematic diagram of ship trajectory entanglement

以II 處的航跡糾纏為例,從圖1 中可以看出,該處航跡在P2,P3 和P4 處發(fā)生了糾纏,即正常航行情況下移動目標(biāo)的航跡點(diǎn)順序應(yīng)為P1 →P3 →P4→P2→P5,但原始航跡數(shù)據(jù)中航跡點(diǎn)的順序?yàn)镻1→P2→P3→P4→P5,在P2 和P3,P4 之間出現(xiàn)了異常。 表1 給出了II 處部分連續(xù)航跡點(diǎn)記錄(包含時 間、 航 向、 航 速(SOG)、 經(jīng) 度(LON) 和 緯 度(LAT))。 從表1 中可以看出,該目標(biāo)在第2 組數(shù)據(jù)中的航向穩(wěn)定在138°左右,正常情況下AIS 數(shù)據(jù)中的LON 將逐漸減小,LAT 將逐漸增加。 然而,對比表1中的經(jīng)緯度發(fā)現(xiàn),航跡點(diǎn)(118°6. 335′E,24°23.883′N)出現(xiàn)了LON 增加而LAT 減小的現(xiàn)象,這也是航跡糾纏的典型運(yùn)動屬性變化特點(diǎn)。

表1 Tra-A 航跡糾纏部分航跡點(diǎn)記錄表(部分)Tab.1 Record of partial trajectory entanglement points in Tra-A (part)

1.2 算法設(shè)計(jì)

為有效解決上述航跡糾纏問題,本文提出CoMA 方法,其主要包含3 個核心步驟:① 原始AIS數(shù)據(jù)預(yù)處理。 基于原始的已解碼AIS 定位數(shù)據(jù),按照時間前后順序提取原始船舶航跡,并采用時間間隔與航速約為0 對航跡分割點(diǎn)進(jìn)行確定,得到原始船舶航跡數(shù)據(jù)集。 ② 基于航速約束的糾纏點(diǎn)去除。以原始船舶航跡集中每一條航跡為處理對象,以實(shí)時航行速度確定的最大航行距離為約束,對糾纏點(diǎn)進(jìn)行篩查識別,去除由于定位偏差造成的航跡糾纏點(diǎn)。 ③ 基于航向約束的糾纏點(diǎn)去除。 將經(jīng)過上述處理的航跡點(diǎn)進(jìn)一步在航行轉(zhuǎn)向上進(jìn)行約束,去除由于AIS 設(shè)備時序解譯誤差造成的航跡糾纏點(diǎn)。 通過上述步驟的處理,實(shí)現(xiàn)對船舶航跡的徹底去糾纏。具體流程如圖2 所示。

圖2 CoMA 算法流程Fig.2 The algorithm flowchart of CoMA

1.2.1 數(shù)據(jù)預(yù)處理

原始的已解碼AIS 定位數(shù)據(jù)包含靜態(tài)數(shù)據(jù)、動態(tài)數(shù)據(jù)以及航程信息數(shù)據(jù)。 靜態(tài)數(shù)據(jù)主要記錄船舶的特定屬性信息,如船名、呼號、標(biāo)識碼、船舶長度、船舶寬度和船舶類型等;動態(tài)數(shù)據(jù)主要記錄船舶在航行中的實(shí)時更新信息,如船舶經(jīng)緯度、實(shí)時時間、航向、航速、船舶類型和船首向等;航程信息數(shù)據(jù)主要記錄存在固定航線的行程信息,如吃水、目的地、船舶狀態(tài)和到港時間等。 船舶航跡的生成一般會采用動態(tài)數(shù)據(jù)進(jìn)行時序的連接,并同時記錄船舶的實(shí)時更新信息,本文基于航速、航行狀態(tài)和航跡點(diǎn)位間隔時間進(jìn)行航行軌跡的自動識別與提取,具體步驟為:

① 將原始AIS 記錄文件按照船舶唯一標(biāo)識(MMSI)進(jìn)行規(guī)整,查詢當(dāng)前船舶所有航跡數(shù)據(jù)并按照時間序列進(jìn)行排序;

② 按照MMSI 進(jìn)行航跡點(diǎn)遍歷,直到找到航跡點(diǎn)Ti,其與上一航跡點(diǎn)Ti-1的時間間隔大于閾值θ1,且其行駛速度為0 或接近于0,標(biāo)識Ti為航跡切分點(diǎn);

③ 重復(fù)上述步驟,直到具有當(dāng)前標(biāo)識碼MMSI的航跡時間序列結(jié)束,找到若干切分點(diǎn),按照時間先后將上述分割點(diǎn)重新標(biāo)記為航跡的起點(diǎn)和終點(diǎn),識別并提取原始航跡;

④ 重復(fù)上述步驟,直到全部MMSI 被遍歷,生成原始船舶航跡數(shù)據(jù)集。

上述步驟中涉及2 個閾值,其中時間間隔閾值θ1為自適應(yīng)確定,2 倍標(biāo)準(zhǔn)差是判斷異常值的常用方法之一[17-18],切分點(diǎn)處的時間間隔相對于常規(guī)軌跡點(diǎn)的時間采樣間隔一般較大,即存在異常,因此可根據(jù)當(dāng)前船舶全部航跡點(diǎn)采樣間隔的2 倍標(biāo)準(zhǔn)差進(jìn)行時間間隔閾值的確定,如式(1)所示:

式中,θ1為當(dāng)前未被訪問MMSI 船舶航跡識別提取時間間隔閾值,共存在n個定位采樣間隔;Tm為其中任意一個采樣時間間隔值;Tave為全部航跡點(diǎn)采樣間隔平均值。

行駛速度“接近于0”可根據(jù)船舶航行規(guī)范中對船舶停泊入港以及錨泊等情況下船舶的航行速度的限制來進(jìn)行判定,即當(dāng)航速小于1 n mile/h 則認(rèn)定為其為“接近于0”的狀態(tài)。 由上述給出的步驟可知,原始AIS 數(shù)據(jù)中的“航行狀態(tài)”并未加入約束中,這是由于AIS 原始數(shù)據(jù)此列屬性存在較多空缺值以及錯誤標(biāo)記的情況,此屬性可作為以上2 種判斷條件的補(bǔ)充進(jìn)行分割點(diǎn)識別的驗(yàn)證,如航跡分割點(diǎn)一般應(yīng)對應(yīng)“錨泊”和“停泊”等狀態(tài)屬性。

1.2.2 基于航速約束的糾纏點(diǎn)去除

通過上述步驟獲取了原始船舶航跡,每個航跡點(diǎn)均記錄了當(dāng)前時刻、經(jīng)緯度、航速和航向等信息,在此基礎(chǔ)上首先通過航速和時間間隔的約束對航跡糾纏點(diǎn)進(jìn)行識別與去除。 設(shè)原始船舶航跡為Trai={p1,p2,…,pi,…,pn},在糾纏去除步驟中,默認(rèn)每條目標(biāo)船舶航跡第一個點(diǎn)p1和最后一個點(diǎn)pn為正常航跡點(diǎn),pi為原始船舶航跡Trai的某未被訪問的航跡點(diǎn),loni為其瞬時位置經(jīng)度,lati為其瞬時位置緯度,vi為其瞬時航速,hi為其瞬時航向,ti為其所處時刻。 基于航速約束的糾纏點(diǎn)去除步驟如下:

① 從i= 1 開始(即第一個未被訪問的航跡點(diǎn)),按照pi和pi+1中實(shí)時記錄瞬時航速的最大值Vmax(vi,vi+1)以及航跡點(diǎn)間的時間間隔Δt,計(jì)算最大航行距離dmax=Vmax×Δt;

② 按照兩航跡點(diǎn)pi和pi+1的經(jīng)緯度計(jì)算實(shí)際真實(shí)航行距離;

③ 計(jì)算最大航行距離dmax與實(shí)際真實(shí)航行距離dreal的比值,記為,判斷δ與預(yù)設(shè)閾值θ2的大小;

④ 若δ≤θ2,判斷當(dāng)前第i+1 個航跡點(diǎn)是否為最后一個航跡點(diǎn),若是則完成當(dāng)前航跡的去糾纏處理,若不是則直接進(jìn)行基于航向約束的糾纏點(diǎn)去除處理;

⑤ 若δ>θ2,則認(rèn)為第i+1 個航跡點(diǎn)為航跡糾纏點(diǎn),將其剔除,并判斷當(dāng)前第i+1 個航跡點(diǎn)是否為最后一個航跡點(diǎn),若是則完成當(dāng)前航跡的去糾纏處理,若不是則將第i+2 個航跡點(diǎn)替代為第i+1 個航跡點(diǎn),重復(fù)上述步驟;

⑥ 重復(fù)步驟①~⑤,初步得到基于航速約束糾纏點(diǎn)去除處理后的航跡。

上述步驟中涉及1 個預(yù)設(shè)閾值θ2,即用于衡量實(shí)際航行距離的合理與否。 經(jīng)過大量的實(shí)驗(yàn)驗(yàn)證以及航運(yùn)專家知識,規(guī)定在一般航運(yùn)條件下預(yù)設(shè)閾值θ2取值為0.2 較為合理。

1.2.3 基于航向約束的糾纏點(diǎn)去除

在基于航速約束的糾纏點(diǎn)去除后,能夠同時剔除傳統(tǒng)航跡預(yù)處理工作中存在的較明顯的空間離群點(diǎn),并解決了由于定位偏差造成的小范圍內(nèi)密集航跡點(diǎn)區(qū)域的糾纏情況。 但由于時序誤差造成的航跡糾纏點(diǎn)無法只基于航速約束進(jìn)行剔除,尤其是在保持較高航速的狀態(tài)下,因此還需要再基于航向約束對糾纏點(diǎn)進(jìn)行進(jìn)一步的識別與剔除。 以通過上述步驟處理后的航跡點(diǎn)pi及后續(xù)航跡點(diǎn)為輸入,基于航向約束的糾纏點(diǎn)去除步驟如下:

① 基于pi及pi+1的瞬時位置經(jīng)緯度,按照如下公式計(jì)算船舶實(shí)際航向Hi,i+1;

② 計(jì)算pi及pi+1的瞬時航向hi和hi+1的差值;

③ 當(dāng)Δh>180 時,判斷船舶實(shí)際航向Hi,i+1是否不小于pi及pi+1的瞬時航向中較大值,或者不大于pi及pi+1的瞬時航向中較小值,即Hi,i+1≥max(hi,hi+1)或Hi,i+1≤min(hi,hi+1)是否成立;

④ 當(dāng)Δh≤180 時,判斷船舶實(shí)際航向Hi,i+1是否在pi及pi+1的瞬時航向范圍之內(nèi),即min(hi,hi+1)≤Hi,i+1≤max(hi,hi+1)是否成立;

⑤ 若上述航向約束成立,判斷當(dāng)前第i+1 個航跡點(diǎn)是否為最后一個航跡點(diǎn),若是則完成航跡的全部去糾纏處理,若不是則繼續(xù)從第i+1 個航跡點(diǎn)開始重復(fù)上述操作;

⑥ 若上述航向約束不成立,則認(rèn)為第i+1 個航跡點(diǎn)為航跡糾纏點(diǎn),將其剔除,并判斷當(dāng)前第i+1 個航跡點(diǎn)是否為最后一個航跡點(diǎn),若是則完成航跡的全部去糾纏處理,若不是則將第i+2 個航跡點(diǎn)替代為第i+1 個航跡點(diǎn),重復(fù)上述步驟;

⑦ 重復(fù)步驟①~⑥,直到全部航跡點(diǎn)被訪問,完成當(dāng)前原始航跡Trai的去糾纏處理。

全部原始航跡按照前述步驟進(jìn)行處理后,最終得到去糾纏后的航跡數(shù)據(jù)集合,可為后續(xù)船舶運(yùn)動行為及模式深入分析提供準(zhǔn)確的數(shù)據(jù)基礎(chǔ)。

2 算法實(shí)例驗(yàn)證

為了驗(yàn)證CoMA 方法在航跡去糾纏方面的有效性和優(yōu)勢性,基于真實(shí)的南海區(qū)域船舶AIS 定位數(shù)據(jù)以及模擬航跡數(shù)據(jù),從定性和定量2 個方面驗(yàn)證CoMA 方法的有效性;并采用傳統(tǒng)的航跡抽稀、航跡壓縮方法以及擴(kuò)展卡爾曼濾波方法與CoMA 方法進(jìn)行對比,驗(yàn)證CoMA 方法的優(yōu)勢性。

2.1 實(shí)驗(yàn)數(shù)據(jù)介紹

實(shí)驗(yàn)數(shù)據(jù)首先選取我國東南沿海區(qū)域(107°E~123°E,5°N~26°N)中多類型船舶的歷史AIS 數(shù)據(jù),來源于中國 AIS 岸基網(wǎng)絡(luò)的存檔報文記錄,時間范圍是2017 年12 月—2020 年12 月,由于船舶航跡糾纏一般發(fā)生在靠近大陸以及港口區(qū)域,因此將在上述區(qū)域通過數(shù)據(jù)預(yù)處理步驟后,隨機(jī)篩選50 條原始船舶航跡作為實(shí)例數(shù)據(jù)放入實(shí)驗(yàn)數(shù)據(jù)集合中。 同時,為了更精準(zhǔn)地驗(yàn)證CoMA 方法的去糾纏能力,本文通過空間和時間屬性上進(jìn)行加噪處理模擬生成100 條存在糾纏點(diǎn)的原始船舶航跡作為模擬數(shù)據(jù)放入實(shí)驗(yàn)數(shù)據(jù)集合中。

為了測試不同采樣間隔以及航跡長度等因素對CoMA 方法在航跡去糾纏方面的處理效果影響,按照不同處理方式,將前述包含150 條原始航跡的實(shí)驗(yàn)數(shù)據(jù)集合劃分為2 類共計(jì)6 組測試數(shù)據(jù)集,如表2和表3 所示。 表2 給出3 組在相同原始航跡長度條件的不同時間采樣間隔的數(shù)據(jù)集,用于測試CoMA方法在不同采樣間隔影響下的航跡去糾纏處理效果;表3 給出3 組在相同時間采樣間隔條件下的不同航跡長度的數(shù)據(jù)集,用于測試CoMA 方法在航跡長度影響下的航跡去糾纏效果。

表2 不同時間采樣間隔實(shí)驗(yàn)航跡數(shù)據(jù)分組情況Tab.2 Test trajectory data grouping under different time sampling intervals

表3 不同空間長度實(shí)驗(yàn)航跡數(shù)據(jù)分組情況Tab.3 Test trajectory data grouping under different spatial scales

2.2 方法驗(yàn)證

首先采用定性方法對CoMA 方法進(jìn)行驗(yàn)證,選取圖1 所示具有多處糾纏的實(shí)際船舶航跡Tra-A 進(jìn)行去糾纏處理(其也是實(shí)例數(shù)據(jù)中的一條原始航跡),處理結(jié)果如圖3 所示。 由圖中處理結(jié)果可以看出,在區(qū)域II 中,P2 被識別為糾纏點(diǎn)并剔除,并按照原始P1→P3→P4→P5 的時序?qū)υ己桔E進(jìn)行記錄,實(shí)現(xiàn)了航跡的去糾纏。 同樣,在區(qū)域I 和區(qū)域III處的糾纏也得到了較好的處理。 由此可得,CoMA方法可在保證航行整體趨勢不變以及運(yùn)動特征結(jié)構(gòu)最大程度保留的情況下,通過船速、航向等運(yùn)動屬性的雙重約束剔除最少的糾纏點(diǎn)完成航跡的去糾纏處理,由此證明CoMA 方法的有效性。

圖3 Tra-A 去糾纏處理結(jié)果Fig.3 Processing result of removing entanglement for Tra-A

其次,基于實(shí)驗(yàn)數(shù)據(jù)集合對CoMA 方法進(jìn)行定量化驗(yàn)證,采用航跡點(diǎn)損失率/糾纏去除虛警率(FAR)、糾纏去除準(zhǔn)確率(TP)、糾纏去除漏警率(FNR)等作為評價指標(biāo)進(jìn)行驗(yàn)證分析,各評價指標(biāo)的計(jì)算如式(3) ~式(5)所示。 上述指標(biāo)均針對某一航跡進(jìn)行評價,因此6 組實(shí)驗(yàn)數(shù)據(jù)集合采用每組的平均值進(jìn)行驗(yàn)證,得出在不同條件下CoMA 方法的處理效果對比結(jié)果。

式中,FAR表示航跡點(diǎn)損失率/糾纏去除虛警率;TP表示糾纏去除準(zhǔn)確率;FNP表示糾纏去除漏警率;E′表示測試樣本實(shí)際為糾纏點(diǎn),且測試結(jié)果也是糾纏點(diǎn)的航跡點(diǎn)數(shù)量;E″表示測試樣本實(shí)際為非糾纏點(diǎn),且測試結(jié)果是糾纏點(diǎn)的航跡點(diǎn)數(shù)量;Ew表示測試樣本中的全部實(shí)際糾纏點(diǎn);P′表示測試樣本實(shí)際為非糾纏點(diǎn),且測試結(jié)果也是非糾纏點(diǎn)的航跡點(diǎn)數(shù)量;P表示測試樣本全部航跡點(diǎn)數(shù)量。

基于上述評價指標(biāo),CoMA 方法在6 組實(shí)驗(yàn)數(shù)據(jù)集上的驗(yàn)證結(jié)果如表4 所示。 由驗(yàn)證結(jié)果可知,各組平均糾纏去除準(zhǔn)確率均超過95%,同時具有較小的航跡點(diǎn)損失率和漏警率,不僅證明了CoMA 方法的有效性和準(zhǔn)確性,同時也表明CoMA 方法不受時間采樣間隔大小以及航跡長度的影響,在不同條件下均具有較好的魯棒性。

表4 CoMA 方法定量評價結(jié)果Tab.4 Quantitative evaluation results of the CoMA單位:%

2.3 方法對比分析

為了進(jìn)一步驗(yàn)證CoMA 方法的優(yōu)勢性,分別采用傳統(tǒng)的航跡抽稀(Thinning Algorithm,TA)、航跡壓縮方法(MDL)[19]以及擴(kuò)展卡爾曼濾波方法(EKF)[20]與其進(jìn)行對比。 首先選取圖1 所示具有多處糾纏的實(shí)際船舶航跡Tra-A 進(jìn)行定性對比,上述3 種方法的處理結(jié)果如圖4 所示(只詳細(xì)展示了Tra-A 區(qū)域III 的處理結(jié)果進(jìn)行去糾纏效果的直觀對比),由圖4 和圖3 的處理結(jié)果對比可知,本文提出的CoMA 方法在去糾纏效果上明顯好于3 種傳統(tǒng)方法。

圖4 Tra-A 區(qū)域III 傳統(tǒng)方法去糾纏處理結(jié)果Fig.4 Processing result of removing entanglement for Tra-A region III from traditional methods

再次選取在前述定量化驗(yàn)證實(shí)驗(yàn)過程中CoMA方法表現(xiàn)相對較差的實(shí)驗(yàn)組進(jìn)行定量化對比實(shí)驗(yàn),即在不同時間采樣間隔實(shí)驗(yàn)航跡數(shù)據(jù)組中選取L2,在不同空間長度實(shí)驗(yàn)航跡數(shù)據(jù)組中選擇L5,各方法的定量化評價指標(biāo)結(jié)果如表5 所示。

表5 不同條件下多方法處理效果對比Tab.5 Comparison of processing effects of multiple methods under different conditions單位:%

由表5 可得,在不同條件下CoMA 方法的去糾纏處理效果均好于其他3 種方法。 TA 和MDL 的去糾纏原理是減少航跡采樣密度達(dá)到去除異常點(diǎn)的目的,然而這會造成在去除糾纏點(diǎn)的同時將其他非糾纏點(diǎn)去除,從表中可以看出,上述2 種方法的FAR值均較高,利用這2 種方法進(jìn)行航跡的處理會丟失部分關(guān)鍵船舶運(yùn)動特征信息,不利于后續(xù)的深入分析;EKF 方法相較于前2 種傳統(tǒng)處理方法而言,在去糾纏準(zhǔn)確率上表現(xiàn)更好,但由于其在處理過程中會存在計(jì)算成本過高的問題,同時由于其基本原理是對線性過程的近似與逼近,致使其在FNR 上表現(xiàn)較差。 通過上述對比實(shí)驗(yàn),表明CoMA 方法相較于傳統(tǒng)處理方法而言,具有更全面的去糾纏能力,能夠在糾纏點(diǎn)徹底、精準(zhǔn)、高效去除前提下,減少對非糾纏點(diǎn)的損失,從而最大程度地保留船舶運(yùn)動行為特征,可為后續(xù)船舶運(yùn)行等深入分析提供準(zhǔn)確輸入。

3 結(jié)論

本文面向AIS 船舶原始航跡存在的糾纏問題,基于船舶運(yùn)動特征以及時空統(tǒng)計(jì)的基本思想,提出基于運(yùn)動屬性約束的船舶AIS 航跡去糾纏方法,以實(shí)時航行速度和時間間隔約束船舶空間位置合理范圍,以實(shí)時航向約束船舶轉(zhuǎn)向的合理區(qū)間,雙重約束下對航跡糾纏點(diǎn)進(jìn)行去除。 通過實(shí)驗(yàn)驗(yàn)證以及與經(jīng)典航跡預(yù)處理方法的對比得出,本文所提出的基于運(yùn)動屬性約束的船舶AIS 航跡去糾纏方法不受航跡長度以及采樣間隔的影響,能夠更好地實(shí)現(xiàn)在不損失船舶運(yùn)動行為特征的前提下的航跡去糾纏。

雖然本文提出的航跡去糾纏方法能夠保證較為高效和準(zhǔn)確的航跡處理,但在處理過程中仍涉及人為設(shè)定閾值的問題,在后續(xù)工作中可在現(xiàn)有方法基礎(chǔ)上發(fā)展參數(shù)自適應(yīng)的航跡去糾纏策略,進(jìn)一步提升原始AIS 航跡處理的有效性和實(shí)用性,更好地支撐海上航運(yùn)智能分析等服務(wù)。