[发明专利]一种基于船舶轨迹和蚁群算法的船舶路径规划方法

权利要求书

1.一种基于船舶轨迹和蚁群算法的船舶路径规划方法，其特征在于：该方法包括如下步骤，

步骤一：获取AIS数据；

步骤二：对AIS数据进行预处理；

步骤三：对数据进行聚类，并提取出代表航线；

步骤四：在代表航线之上应用本方法提出的蚁群算法，获得最优路径；

获取船舶AIS数据，为CSV文件或者EXCEL文件，将数据导入mysql数据库中，并设计好表结构；设计为四个表，分别为初始AIS数据表、清洗后的AIS数据表、轨迹字段表以及代表航线表；

对AIS数据进行预处理；首先处理格式错误的数据，从数据库中读取数据，首先对数据进行遍历，检查每条数据的数据长度、数据格式，是否符合定义，不符合定义的予以删除；之后检测漂移数据，AIS数据漂移会导致相邻轨迹点的距离出现波动，不能正确表现出时间和位置的变化关系，会对之后进行的轨迹分离和聚类造成很大干扰，对漂移数据进行处理；采用平均速度与角度监督的方法检测和清理漂移数据；通过当前轨迹点和前一个轨迹点的航程与间隔时间计算出平均速度；通过当前轨迹点与前一个轨迹点以及后一个轨迹点计算出转向角度；之后综合轨迹全部轨迹点全部的速度与转向角度；设定相应的速度与转向角阈值；若两个相邻轨迹点之间轨迹的平均速度小于该阈值，且当前轨迹点的瞬时速度也小于设定的瞬时速度阈值，则认为该点未发生漂移；否则将该点定义为漂移数据，进行删除；遍历所有轨迹点，清洗全部数据；在清洗完成之后，对轨迹数据进行插值操作填补因为清洗或其他原因造成的数据缺失；采用一种插值与轨迹分离相结合的方法进行插值；设定两个参数，T_a和T_b,分别为插入时间阈值和分割阈值，设连续的数据点P_a和P_b，并设其采样时间为t_Pa和t_Pb，若T_a|t_Pa-t_Pb|T_b，则进行插值操作，此处计算前k个点和后k个点的欧氏距离，来决定插值点的位置，插值点的速度信息则为该段轨迹的平均速度；若T_b|t_Pa-t_Pb|,则将该轨迹拆分为两条轨迹；

对清洗后的数据进行划分，对每条轨迹进行聚类；采用轨迹划分保留子轨迹特征并提高聚类速度；设置转向角和速度变化率阈值，计算各个相邻子轨迹的转向角和速度变化率，与预设阈值进行比较，若小于预设阈值，则说明该点不是特征点，不进行轨迹划分，若大于预设阈值，则该点是特征点，需要在此进行轨迹划分，将划分后的子轨迹存入相应集合中；继续遍历传播轨迹数据，看是否还有未进行轨迹划分的数据，若存在，继续进行划分操作；

计算出计算轨迹相似度；轨迹相似度基于船舶位置、船舶航向、船舶航速几个维度的信息；计算出子轨迹的水平距离d_//，垂直距离d_⊥，航向距离d_θ以及速度距离d_speed；并对其进行归一化处理，定义相应的权重；权重规则定义为：

(1)四个维度的权值均大于0

(2)四种权值相加为1即w_//+w_⊥+w_θ+w_speed＝1

综合距离计算公式为：D(T_i,T_j)＝w_//d_//(T_i,T_j)+w_⊥d_⊥(T_i,T_j)+w_θd_θ(T_i,T_j)+w_speedd_speed(T_i,T_j)；

对船舶轨迹进行聚类；采用的算法为DBSACAN聚类算法；聚类对象对轨迹字段；因此对DBSCAN做出改进，使其聚类对象为已划分的轨迹字段；重新定义ε邻域以及核心对象数量MinPts；

(1)轨迹字段的ε邻域

给定轨迹字段L_i，以及轨迹字段集合D(L_i∈D)，N_ε为轨迹字段L_i的ε距离内的所有轨迹字段的集合；表达式定义如下：

(2)核心轨迹字段

给定轨迹字段L_i，以及轨迹字段集合D，L_i∈D；表达式定义如下：

|N_ε(L_i)|≥MinPts

以改进的DBSCAN算法对轨迹段进行聚类；以相似性度量计算方法计算轨迹段之间的距离；获得聚类簇集合；

提取代表轨迹，首先计算出当前计算轨迹字段的平均航向；平均航向计算方法为该轨迹字段聚类簇中所有轨迹点航向的平均值；用一个垂直于该轨迹字段聚类簇平均航向的扫描线来扫描该簇内所有字段；取扫描间隔为每段子轨迹的平均长度；每次扫描记录与每段子轨迹相交点，计算这些点的平均坐标，作为代表轨迹的坐标，并将其存入代表轨迹集合中；经过此步骤，就将面状的聚类簇提取为线状的代表航线；

通过AIS数据库，选择航行区域内的船舶AIS数据，以此数据为计算基础，得到航行区域内部的代表航线；对船舶AIS数据直接做聚类运算以及航线提取计算，采用单船多日轨迹或同起终点船舶多日轨迹作为聚类依据，该区域内的船舶轨迹数据进行聚类操作，得到该区域内的航线数据，以及船舶在此航线上的速度、时间信息，并将其存入数据库中；

使用改进的适用于船舶路径规划的蚁群算法来计算最佳路径；

在得到目标区域内部的航线数据后，计算出每条代表航线的距离以及每条航线的平均速度；并以此建立本区域内港口与港口之间的距离矩阵；该距离矩阵内的参数为距离和平均速度的加权求和内容；计算规则如下：

D_ij＝w_dd_ij+w_ss_ij

其中w_d+w_s＝1

使用最大最小蚁群算法对该距离矩阵进行求解。