基于自动识别系统大数据的船舶施工轨迹识别与预测

作者：徐婷; 戴文伯; 鲁嘉俊

来源：水运工程, 2019, (12): 119-126.

DOI：10.16233/j.cnki.issn1002-4972.20191202.016

• AIS数据
• 数据挖掘
• ARIMA模型

针对疏浚监控管理工作很难全天覆盖所有船舶、无法做到实时监控的问题,分析某绞吸挖泥船的AIS(自动识别系统)高频数据,包括疏浚船舶动态的航行轨迹、速度、航向等数据。对船舶施工轨迹辨识和预测进行研究,提出利用DBSCAN聚类算法粗略识别出施工区域,利用LOF(局部异常因子)算法去除航行轨迹中非施工状态下的轨迹,并利用时间序列ARIMA模型对船舶施工轨迹进行预测。结果表明,DBSCAN聚类算法结合LOF算法进行施工轨迹辨识方法合理可行,ARIMA模型进行施工轨迹预测的方法具有精确度高、实时性、易实现的特点。

• 单位
  中交疏浚技术装备国家工程研究中心有限公司