[发明专利]一种船舶航路提取以及航迹偏离检测的方法

权利要求书

1.一种船舶航路提取以及航迹偏离检测的方法，其特征在于：

所述计算方法包括如下步骤：

步骤1：获取船舶的历史信息和位置信息；

步骤2：进行处理噪声；

步骤3：构建高斯过程回归模型进行模型训练和学习，通过模型训练得到正常的主航迹线；

步骤4：基于模型训练的主航迹线，判别偏离航线的异常点。

2.根据权利要求1所述的一种船舶航路提取以及航迹偏离检测的方法，其特征在于：所述步骤1的具体步骤为：

通过海面雷达获得船舶的历史信息和位置信息，原始航迹点数据T为N个航迹点(X_i，Y_i，t_i)构成的集合：T＝{(x₁，y₁，t₁)，(x₂，y₂，t₂)，…(x_N，y_N，t_N)}，其中x_i和y_i下标表示航迹序列中第i个时间点上的经度和纬度，t_i对应时间戳，通过高斯投影转换方式将地理坐标转换为大地坐标x*＝[x*₁,x*₂…x*_n]和y*＝[y*₁,y*₂…y*_n]。

3.根据权利要求2所述的一种船舶航路提取以及航迹偏离检测的方法，其特征在于：所述步骤2中，所述噪声处理的具体步骤为：

在每一采样时刻对船舶轨迹的大地坐标进行聚类：

x*＝[x*₁,x*₂…x*_n]

y*＝[y*₁,y*₂…y*_n]

经过坐标转换得到的x*和y*，通过设定聚类个数m进行DBSCAN聚类，可以得到m簇不同的类别，通过对航迹点数据进行DBSCAN聚类处理噪声。

4.根据权利要求3所述的一种船舶航路提取以及航迹偏离检测的方法，其特征在于：所述步骤3的具体步骤为：

DBSCAN聚类后得到m簇，每一簇代表同种类别的多条船舶航路，在每一采样时刻将每簇相对应的原始航迹点数据作为数据集输入构建的高斯过程回归模型进行模型训练和学习：

船舶航迹是连续点构成的集合，轨迹可理解为沿着时间轴的状态信息的随机过程，即将N个时刻的位置分布通过高斯过程模型映射为N维位置空间的一个样本点，而在高斯回归过程中求解N+1维高斯条件边缘分布，获得待测点的后验分布，从而计算出均值μ_*和协方差δ²，通过模型训练得到正常的主航迹线。

5.根据权利要求1～4中任意一项所述的一种船舶航路提取以及航迹偏离检测的方法，其特征在于：所述步骤4中所述异常点的判别方法为：

基于模型训练主航迹线，获取航迹带宽，每一采样时刻获取主航迹线为基准上下浮动一个航迹带宽构成的置信区间，在每一采样时刻超出置信区间范围的航迹点即判别为偏离航线的异常点。