摘 要

随着中国对外开放的大门越来越大，内河航运业也迅速发展，提高海事管理部门对内河船舶航行安全的监管能力迫在眉睫。本文对近年来在船舶航行轨迹异常点检测方面的技术方法和小波变换在时间序列异常点检测上的运用进行文献调研，总结研究思路和建模方法等，建立了一个基于聚类和小波变换相结合的模型。首先使用聚类对内河船舶AIS数据进行整体处理，排除掉无益于研究的噪声点，然后对船舶航行轨迹进行分析，再使用db3小波对AIS数据进行小波变换。深入探讨聚类和小波变换在内河船舶航行轨迹异常点检测的可行性以及应用，研究结果为海事主管机关提供监管方法，以更有效的监管船舶 ，保障水上交通安全。

关键词：内河船舶、航行轨迹、聚类、小波变换、异常点检测

Abstract

As China's opening door to the outside world grows, and the inland shipping industry has also developed rapidly, it is imminent to improve the maritime administration's ability to monitor the safety of inland navigation.Established a model based on the combination of clustering and wavelet transform.First, use clustering to process the inland ship AIS data as a whole to eliminate outliers that are not conducive to research.Then fit the ship's trajectory, and then use db3 wavelet to perform wavelet transform on the AIS data.In-depth discussion on the feasibility and application of clustering and wavelet transform in the detection of abnormal points in the navigation trajectory of inland ships. The research results provide supervisory methods for maritime authorities to monitor ships more effectively and ensure the safety of water traffic.

Key Words：Inland ships, sailing track,clustering, wavelet transform, outlier detection

目 录

第1章 绪论 1

1.1 选题背景及意义 1

1.2 研究现状 1

1.2.1 轨迹异常点检测研究现状 1

1.2.2 基于小波变换的时间序列研究现状 3

1.3 研究内容及技术路线 5

1.3.1 研究内容 5

1.3.2 研究技术路线 6

第2章 AIS信息概述 6

2.1 AIS信息 6

2.2 AIS信息数据挖掘方法 7

第3章 基于聚类与小波变换的航行轨迹异常点检测建模 9

3.1 DBSCAN聚类算法 9

3.2 小波变换 10

3.2.1 离散小波变换 10

3.2.2 多尺度分析 11

3.2.3 常用小波函数 12

3.3 基于聚类与小波变换的航行轨迹异常点检测模型 13

第4章 实例分析 15

4.1 DBSCAN聚类结果分析 15

4.2 小波变换结果分析 16

第5章 总结与展望 21

5.1 总结 21

5.2 展望 22

参考文献 22

致 谢 23

第1章 绪论

1.1 选题背景及意义

近年来，随着中国经济的不断发展，内河航运市场也越来越繁荣。内河船舶因其运量大、运费低等优势而成为了许多行业的首选运输方式，航运公司因此加大对内河船舶建造、大型化的投入，以促进经济发展。由此，导致的一个无法避免的问题便是在内河以及港口水域船舶交通流越来越复杂，交通流密度越来越大，其中部分或个别船舶如果不按照规定航路方向以及避碰规则航行，则会导致内河和港口水域通航安全形势变得十分严峻，稍加不慎就会造成十分严重的后果。如发生在吴淞口的上海11·24“宁高鹏666”轮与“金虹18”轮的碰撞事故，扬州12·14“BERANI”轮和“金沙机6688”轮碰撞事故等都造成人员伤亡和财产损失。

船舶自动识别系统（Automatic Information System，AIS）系统提供了非常丰富的水上交通信息，如船舶动态信息、静态信息以及与航行安全相关的信息等；其中，利用AIS系统提供的船舶位置信息可以获得船舶航行的航迹数据，掌握船舶航行的动态，一旦船舶航迹点发生异常，则在排除噪声干扰的前提下可视为船舶的行为发生了异常。因此，如何运用基于AIS信息的船舶航行轨迹数据，通过某些检测技术检测出其中的异常点，进而监测船舶的异常行为，这对提高海事主管机关对船舶的监管能力有着十分重要的意义，一方面可提早发现船舶航行安全隐患，找出不利于航道正常运行或可能造成船舶交通事故的可疑船舶，采取有效干预措施，避免船舶间发生碰撞，从而保障生命和船舶安全；另一方面有助于减少海事主管机关的对船舶的监管盲目性，提高人员执法的效率，进一步保障水上船舶交通安全。

1.2 研究现状

1.2.1 轨迹异常点检测研究现状

目前很多公司随着用户的增加都掌握着大量的数据，利用这些数据挖掘里面有用的信息是重要任务之一。在很多领域中，检测与分析异常数据对其安全性、稳定性以及管理高效性具有重要意义。比如在计算机领域，出现一个异常数据就可能对整个系统算法的安全造成重大威胁。Hawkins^[1]在1980年对异常点的定义： “异常点就是在数据集中与大部分数据差别较大的数据，使人怀疑这些数据并非因随机偏差产生，而是由其他不同的机理产生的数据”。船舶航行轨迹异常点，就是在整个船舶航行轨迹中，与正常的航行活动规律出入较大的点，对于AIS信息而言，即在某个规则下，AIS船舶航迹数据库中不在规则之内的数据。造成这些异常点的原因有：①船位异常，如船舶开往水深不足、航道外的水域，船舶出现在禁航区等； ②船舶行为的异常，如船舶在进行避碰操作中所采取的不恰当转向等；③船舶轨迹聚集异常，如部分船舶不按照规定的航道进出港而从自认为更安全、更快捷的路线航行。

在国内，船舶航行轨迹异常检测的方法有很多，这一方面的研究方法主要集中于贝叶斯网络、基于统计学的研究方法、预测、关联规则等。