一种基于高斯混合模型的船舶航迹聚类方法

作     者：甄荣 石自强 ZHEN Rong;SHI Ziqiang

作者机构：集美大学航海学院福建厦门361021 内河航运技术湖北省重点实验室武汉430063 武汉理工大学智能交通系统研究中心武汉430063 

基　　金：国家自然科学基金(52001134) 福建省自然科学基金(2020J01661) 内河航运技术湖北省重点实验室基金(NHHY2020001) 福建省教育厅中青年科技项目(JAT190293) 集美大学博士科研启动基金(ZQ2019014) 

出 版 物：《船舶工程》 (Ship Engineering)

年 卷 期：2021年第43卷第11期

页      码：139-143页

摘      要：文章提出一种基于高斯混合模型(GMM)的船舶航迹聚类表达方法。设计区域船舶自动识别系统(AIS)数据选取方法,从AIS数据中选取特定区域的信息。分析数据挖掘中高斯混合模型聚类的方法和原理,通过运用GMM方法和期望最大(EM)算法,对厦门港船舶AIS信息中包含的航迹点进行聚类处理。研究结果表明,聚类得到的船舶航迹簇分布与实际海上交通环境下表现的船舶行为是一致的,同时能获得船舶轨迹点数据分布均值和协方差等数理分布的参数。该方法有助于从机器学习的角度理解海上交通环境和船舶行为,能为海上交通环境中船舶行为的智能识别、理解和监控提供参考。

主 题 词：海上交通 高斯混合模型 期望最大算法 船舶航迹聚类 船舶行为 

学科分类：08[工学] 081203[081203] 081105[081105] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.13788/j.cnki.cbgc.2021.11.24

馆 藏 号：203107101...