英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料
海上交通网络:从历史定位数据到
无监督海上交通监控
Virginia Fernandez Arguedas, Giuliana Pallotta, and Michele Vespe
摘要
庞大的海上交通量及其对经济、环境、安全和安全的影响，需要一个非监督系统来监控海上交通。本文提出了一种从历史自动报告定位数据，特别是从自动识别系统数据自动生成综合海上交通表示的方法。该方法建立了一个两层网络来表示监控区域内的海上交通，其中，外层表示网络的基本结构，内层表示网络的精度和粒度。该方法在波罗的海交通密度高的特定场景中进行了测试。实验结果表明，存储数据减少了99%以上，但精度下降很小。最后，提出了一种轻量级、结构化的海上交通流表示方法，为实时自动海上交通监测、异常检测和态势预测奠定了基础。
关键词 海上交通表示；海上监视；异常探测；交通监控；AIS
介绍
海洋覆盖了地球表面71%的面积，其巨大的扩张阻碍了人们对它的监测和监视，即对沿海和公海的监视。如此巨大的活动场所有众多活动参与，这些活动对安全、安全、经济和环境都有很大的影响。由于海监工作的覆盖范围很广，而且监测活动也很多样，例如不定期的迁徙、海盗活动、渔业管制或交通监察等，海监工作相关的研究课题极具挑战性。
海上监视的主要目标是实现对海上活动的自动监视、分析和理解，通常称为海事态势感知(MSA)。2009年，欧盟委员会将海上态势感知定义为“对可能影响欧盟及其成员国的安全、经济或环境的海事领域相关活动的有效理解” [3]。在加强海上监察方面，我们采用了不同的技术，例如船舶定位系统或气象及海洋传感器。也正因为如此，海上监视系统需要大量的异构数据源。这些数据源的融合使海上情况的实时图像得以创建，并有效的扩大了现有的知识。
对于MSA，需要海上知识获取、发现、表示和理解系统来提供一个通用的框架(1)来获取、聚合和表示异构数据;(2)分析来自单个传感器或来自组合和异构信息源的数据;(3)将调查结果置于背景中，全面了解海上的情况，从而提供新的可能性，以应付各种挑战，例如非法移民、海盗、走私或非法捕鱼等。其目的是使数据收集、汇总和知识发现过程自动化，为用户(例如业务当局)在最少或没有人为监督的情况下监测大型和偏远的海洋地区提供一种可能。
本文提出对海上交通大数据进行分析、建模和表示，以增强MSA，生成有效的表示，支持实时海上交通监测和早期海上异常检测。我们提出了一种分析历史自动报告定位数据的方法来建立基于网络的海上交通流表示。该方法是在[14]中提出的系统基础上建立起来的。本文介绍了两个新特性。首先，对语义路由和路由进行区分和分离，将同源、同向、不同行为的海上交通进行分离，以提高表示精度。其次，提出了一种检测血管行为变化的新方法。基于Douglas和Peucker[10]的新方法简化了海上交通网络，提高了表示精度和数据存储压缩。这两点创新使得自动生成真实导航路线的数据驱动表示这个目标得以实现。数据驱动的算法确保了对场景的导航特性、海洋特性、区域和有特殊导航要求的区域(即海洋保护区)的水深测量的适应性。对真实航行特性的考虑和适应，将使建立一个实时支持、协助海上监管，及早发现异常，在困难的气象情况下提供导航和导航的海上交通网络成为可能 。
论文的其余部分组织如下。第二部分给出了所分析的场景。第三节审查了关于海上交通表示的文献。第四部分详细介绍了所提出的海上交通知识发现与表示系统。第五至第七节将介绍过程的各个阶段和中间结果。第八节给出并分析了实验结果。在第九章中，本文总结了本文的研究结论、存在的问题和未来的研究方向。
2. 波罗的海海上交通分析
波罗的海是世界上海上交通最密集的地区之一。它的海域总面积为404.354平方公里，被9个国家包围，人口约9000万。自90年代中期以来，海运经历了一个巨大的[23]增量，有预测说[20]在未来几年将有一个巨大的增长。这种增长主要与三个因素有关:(1)芬兰湾沿岸油库的扩建和建设;(2)区域经济增长[25];(3)[5]区域游船的增长。日益增多的船舶增加了发生事故的危险，威胁着波罗的海生态系统及其人口的安全、保障和经济。
为了加强安全，必须监测波罗的海的海上交通。目前，有各种各样的传感器来辅助实现海上交通监测[4]。其中，自动报告定位传感器可以不断访问和更新船舶定位数据。目前使用的主要船舶自运系统有自动识别系统(AIS)、远程识别跟踪系统(LRIT)和船舶监控系统(VMS)。这些系统被设计出来用于不同的目的，因此，由于覆盖范围、延迟或控制机构的差异而具有不同的技术规范。这类系统的技术规格由国际层面管理，而相关的追踪功能则以更新率、空间覆盖、传输之间的数据延迟、资讯的可用性、符合规格的船只[4]的数量和类型为特征。在现有的自动报告定位系统中，AIS系统在空间覆盖范围、船舶覆盖范围和信息传输频率方面都是海上交通监控的可靠信息来源。现有两种AIS系统，即地面AIS系统和卫星AIS系统。它们的主要区别在于它们的空间覆盖率和探测概率。地面AIS在传感器的覆盖范围内提供了良好的跟踪能力。然而，卫星AIS系统实际上提供了全球的空间覆盖，从而损害了由于消息冲突而在繁忙地区发现的概率。此外，卫星AIS依赖于星群内的卫星数量，受地面站能见度的影响会有数据延迟。最后，尽管存在数据持久性的问题，但陆地和卫星AIS的互补性提高了空间覆盖。
波罗的海拥有200多个商业港口，管理着8亿多吨货物和9100万名乘客，其海上交通的复杂性为分析海上交通带来了复杂和挑战。在本文中，所分析的区域包括53至63度的纬度和13至29度的经度。该研究包括连接斯德哥尔摩或塔林等城市的最大航线;它通过数据分析揭示了波罗的海天然气和石油开采和航运的影响，或者它通过数据分析确定了海洋保护区的位置。处理后的历史自动报告数据包括2014年6月15日至2014年8月15日两个月的陆地AIS信息。图1描绘了所有在波罗的海的AIS信息，以供分析之用。我们的分析就是基于这些数据的。
文献综述
在文献中，已有几种方法基于自动报告数据实现海上交通表示。这些技术可以分为两大类，即时空网格技术和时空网格技术。一方面，空间网格技术通常将监测区域划分为一个空间网格，其网格的特征是交叉血管[6]、[17]的运动特性。空间网格技术是一种快速检测和可视化低水平海上情报层的方法。然而，这种技术存在两个主要缺点。一是监测区域规模增大，计算量大，影响全球范围的海上交通分析。其次，聚合和操作使得结构化异常的检测(例如跟踪出现/消失或开始/停止航行)难以实现。另一方面，基于时空数据挖掘技术，提出了多种方法对海上交通原始数据中固有的运动模式和船舶行为进行检测和建模。Su和Chang[24]提出了一种基于VMS数据提供的空间信息对渔船进行聚类的方法。这项工作的扩展在[16]中提出。Chang[8]研究了提取船舶交通模式的方法，这些模式可以支持分析沿海AIS数据的高风险点识别。他们提出的方法是使用基于密度的聚类和基于角度阈值的泛化轨迹检测转弯。后来一种基于共享最近邻居的改编版本被提出用来聚类向同一方向移动的船只。 聚类过程通过分析船舶的位置和方向来识别海上交通路线[22]。在[21]中，提出了一种向量方法，其中轨迹被设想为一组连接节点的线。作者提出了一种基于时空信息的轨迹自动检测方法，并将其聚类成不同的路径。在[14]中，该方法将航路和航路点作为海上交通的初始结构进行检测，然后提出了一种综合和组合航路的方法来构建能够代表海上交通的网络。通过对多佛海峡海上交通的初步分析，得到了一种基于轻型结构的精确描述。Chen等人基于[21]中描述的航路提取方法，提出了一种提取台湾海峡西部主航道的方法。这种方法的主要优点在于能够进行全球海上交通分析、检测基于航路的异常和进行船舶航路预测。然而，这些技术并不是用来检测与血管相互作用有关的异常，这仍然是一个公开的挑战。最后，IALA[1]创建了“IALA航道风险评估计划”(IWRAP)[2]，其主要目标是为用户提供工具，以量化船舶在特定地理区域的航行风险。IWRAP提供了一种监督的方法来帮助分析人员在人工选择的路线上的接地和碰撞方面的风险，在人工选择的路线上，AIS数据被分析，信息被提供给评估风险的分析人员。
本文提出了一种基于时空数据（历史自动报告定位数据）分析技术的海上交通流无监督的表示方法。提出的基于网络的表示法提供了一种简单、结构化、精确的表示法。计算机网络分析的热潮已经在不同的领域产生了跨学科的影响，海洋领域是最近的应用领域之一。在[11]一书中，探讨了海上网络的概念以及港口、码头等海上节点的连通性。据我们所知，这是文献中对海洋网络进行广泛分析的最新例子。它们以基于图形的方式表示预定义节点集之间的流量流，而网络则派生为运输连接的地形图。在[7]中，航运网络的分析是通过网络表示来分析的，其中得出了网络连通性的主要指标。本论文提出的策略首先利用学习方法推导出兴趣点;然后，通过连接这些点的实际航路中间轨迹来估计它们之间的平均中间路径。其优点是减少了海上航线的存储需求，同时又不会丢失节点之间连接的真实地理映射。
4. 海上交通知识发现与表示系统
海上交通知识发现和代表性系统旨在分析船舶历史定位自我报告数据提取和模型导航模式以综合代表海上交通,提供了一个简单而精确的表示。所建议的方法探测船只的行为变化，作为发现船只所遵循的实际路线的第一步。该方法是完全自动化和数据驱动的，在实际导航数据上建立模型。
该方法基于AIS系统自动定位数据进行分析。AIS数据的融合提供了一个实时的MSP，可以显示当前船只的位置。然而，历史AIS定位数据需要基于模式识别和时空数据挖掘的复杂知识发现过程，才能揭示波罗的海潜在的航行模式。我们的目标是根据真实的海上数据，综合反映波罗的海的航行模式，自动生成一个海上交通网络。三是未来海上交通网络的应用领域。第一，向业务当局提供自动监测波罗的海海上交通和支持早期异常探测能力的手段。第二，向船舶提供最新的航行路线和当前的交通情况，尽量减少碰撞和搁浅的风险(波罗的海的主要风险之一)。第三，为决策者提供事后评估政策对海上交通影响的基本工具。
图2显示了海上交通知识发现和表示系统。 我们的系统包括四个阶段的连续过程。首先，必须检测到研究区域内的航路点（入口/出口和港口）作为我们海上交通网络的第一个节点。其次，提出了基于语义路由的船舶聚类算法。第三，对检测到的语义路由进行分解。从同一起点驶往同一目的地的船只在执行相同的路线/语义路线时往往遵循非常不同的路线，将不同的线路划分为不同的航线，。为海上交通模型增加了精度。最后，通过对时空信息内在行为模式的外推，建立了基于航路点和航路分析的海上交通网络。
波罗的海的AIS系统覆盖范围很大，为海上监测系统提供了大量的数据。数据通常存储在数据库中，需要一个预处理阶段来消除冗余信息。预处理消除了重复的信息，因为存在多个AIS接收器存储船舶的报告信息;它丢弃在时间和空间上都太接近彼此的来自同一船舶的信息。预处理的优点是消除了由于平台不同而导致的重复消息，并减少了要处理的数据。
在接下来的章节中，详细介绍了海上交通知识发现与表示系统的各个阶段。算法1给出了系统的伪代码。
5. 路点检测和路由提取
考虑到我们感兴趣的区域，在第二节中定义，创建海上交通网络的第一步是确定路径点，包括入口、出口和港口区域。入口和出口路径点定义了监控区域的入口，因此它们依赖于其地理定义。另一方面，港口识别本地港口、海上平台和固定区域，因此，它们是参考点，相对于监测区域是不变的。基于胎面花纹[21]的路点检测方法。在这种方法中，当船只进入/离开感兴趣的区域时，会创建入口/出口门并动态更新，生成“出现”/“消失”事件(对应船只状态从“发送”到“丢失”的转换，反之亦然)。相反，端口通过速度门控检测。
海上交通随着时间的推移而变化，这意味着需要创建进化的航路点。因此，使用基于增量密度的空间聚类过程(参考[13]和[12])创建、扩展和逐步合并端口和出入口门，其中聚类参数是根据特定的流量密度、强度和感兴趣区域的规律性设置的(参考表I)。基于密度的聚类方法因为集群数量不需要预先设置，可以检测出任意形状的簇，已在海上应用方面显示出了其便利性。
语义路线由此而来，一旦我们获得了一些活动的航路点，我们就开始看到从一个航路点到另一个航路点的船程。语义路由一旦观察到最少的传输次数，就会变得活跃。此外，语义路由的管理是动态的，因为它们遵循了路径点的演化。更具体地说，如果创建、扩展和合并了端口和入口/出口门，就会更新语义路由对象。DBSCAN也用于路由，它是一个后处理工具，用于过滤路由检测中的异常值和噪声点。给定一个特定的点p，如果给定半径eps的邻域基数大于某个邻域内点数量的最小阈值，则这些点的密度可从p到达，且属于同一簇。此外,如果有第三点o, p和q 经o密度可达，则两个点p和q 密度相关。点之间相互密度相关属于同一集群中,和点密度相关集群中的任何点也是集群的一部分。集群中的所有的点都定义了一个语义路由。在这个过程的最后，那些没有密集连接到其他点的点不属于任何簇，因此，它们被认为是噪声。图3给出了集群过程的图形定义。基于FREAD[21]的路线检测方法。
最后，将检测到的航路点作为海上交通网络生成的主要节点(参见第VII节)。在分析区域内，共检测到1315个航路点，区分了入口、出口和港口区域。图4给出了海上交通这样的端口定义为5827间语义路线,连接现有的路径点,由其方向性(从X港到Y港的路线不同于从Y港到X港的路线)。这样的区别有利于避免碰撞和尊重现有的交通分离方案。
考虑到感兴趣区域内同时存在大量的语义路由，选择了最长、最密集的语义路由对系统的各个阶段进行评价。所选的10条语义路由是7个表示入口点的路径点组成，包括2个入口和5个端口;同时，子集提供6个路径点作为出口，包括5个出口点和1个端口。在论文的最后，在第八部分，对所有的语义路线和港口进行了分析，以提供波罗的海的最终海上交通网络。此
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[238986]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
