基于DBTCAN算法的船舶轨迹聚类与航路识别

为解决船舶轨迹聚类算法效率不高,检测精度低,丢失轨迹局部特征等问题,将具有噪声的基于密度的空间聚类(density-based spatial clustering of applications with noise,DBSCAN)算法由传统的点聚类推广为线聚类,提出一种可以直接对完整船舶轨迹进行聚类的具有噪声的基于密度的轨迹聚类(density-based trajectory clustering of applications with noise,DBTCAN)算法。该算法采用Hausdorff距离作为船舶轨迹之间的相似度度量,可以对不同长度的船舶轨迹进行聚类。针对DBTCAN算法需要人工确定输入参数的问题,提出一种参数自适应确定方法。选取渤海海域的船舶自动识别系统(automatic identification system,AIS)数据进行实验,结果表明,该算法能够在大量复杂的船舶轨迹中找到相似的轨迹并对其进行聚类,聚类结果与实际交通流情况一致。本文的研究成果可以为相关部门进行航线规划和海上交通监管提供依据。

基于级联失效的航路网络中关键航路识别算法

民航运输的飞速发展与空域资源的日益稀缺这一矛盾日益凸显。许多突发事件都会影响网络的运行效率,如危险天气、军航活动等会占用空域,阻断部分航路,而这可能引发级联失效造成网络的大面积瘫痪。找到对网络影响最大的关键航路,加强对其的管制与维护,是缓解这一矛盾的关键之一。基于此,提出了一种基于级联失效理论的确定关键航路的算法并给出算例,结果表明算法对于识别关键航路具有良好的效果。

基于FCM-SVM方法的时空航路网交通状态识别研究

识别时空航路网络交通状态,分析交通态势时空特性,可为管控航路交通拥挤提供科学依据.选取航段交通流量、交通密度和交通拥挤度作为评价参数,建立FCM航段交通状态等级划分模型,划分航路网航段交通状态等级;构建基于数据驱动的SVM航路网交通状态识别模型,计算路网交通拥挤指数,识别交通拥挤态势和拥挤瓶颈;采用雷达实测航迹数据对模型进行了验证,实验结果表明,模型符合实际,状态准确率较高,可用于航路网交通拥挤态势识别与监控.