一种基于海量船舶轨迹数据的细粒度网格海上交通密度计算方法

摘要/Abstract

摘要：

在“一路一带”的战略构想下，对于海上贸易的关注逐渐升温。海上运输是海上贸易的承载，掌握细粒度的海上交通密度，对于提取热点航道热点区域、分析全球贸易走势、推断海上交通连通性及相关的异常检测等具备重要的意义。提出了一种面向海量船舶轨迹数据的细粒度网格海上交通密度计算方法，该方法将全球划分为001°*001°的标准化细粒度网格，一方面为了适应细粒度网格对全球船舶真实轨迹数据特点设计了针对性的预处理方案，处理了异常点和停泊点；另外一方面设计并实现了一种面向该网格的利用海量轨迹数据对信息发送数目、信息发送间隔、经过船舶数目、经过船舶时间等多维交通密度特征进行量化计算的方法，具备良好的拓展性。最后采用2014年2个月共计8亿余条数据对该方法的性能、准确性进行了评估验证，证明了该方法的切实可行性。

关键词: AIS, 细粒度, 交通密度

Abstract:

The attention to maritime trades is heating up with the strategic plan of “One Belt, One Road”. Maritime transport is significant for maritime trades, and thus getting a finegrained maritime traffic density is of great importance for extracting hot spots, analyzing global trade trends, inferring maritime traffic connectivity and handling maritime anomaly detection. We propose a finegrained gridbased maritime traffic density calculation method for massive ship trajectory data, which divides the global area into a standard finegrained grid of 0.01 * 0.01 degrees. On the one hand, in order to be adaptive to the granular characteristics of global ship real trajectory data, we design a corresponding pretreatment solution to deal with abnormal points and mooring. On the other hand, we design and implement a calculation method for multidimensional traffic density features utilizing mass trajectory data of the grid, including dynamic data count, message sending interval, vessel count, and the sum of crossing time, which shows good scalability. Experiments on more than 800 million records of two months in 2014 verify the desirable performance, accuracy and feasibility of the proposal.

Key words: AIS;finegrained, traffic density

宁建强，黄涛，刁博宇，赵瑞莲，毕经平. 一种基于海量船舶轨迹数据的细粒度网格海上交通密度计算方法[J]. J4, 2015, 37(12): 2242-2249.

NING Jianqiang,HUANG Tao,DIAO Boyu,ZHAO Ruilian,BI Jingping. A fine grained grid-based maritime traffic density
algorithm for mass ship trajectory data [J]. J4, 2015, 37(12): 2242-2249.

参考文献

［1］Hu Xiaowen,Yang Dongyuan. The urban rapid road traffic flow density estimation ［J］. Journal of Transportation Systems Engineering and Information,2008,1(3):7982. （in Chinese）
［2］Tang Cunbao, Shao Zheping,Tang Qiangrong,et al. The ship track distribution algorithm based on AIS ［J］. Journal of Jimei University(Natural Science Edition),2012,17 （2）:109112.（in Chinese）
［3］Martineau E,Roy J. Maritime anomaly detection:Domain introduction and review of selected literature［R］. 2010460.Quebec:Defence Research and Development Canada Valcartier,2011.
［4］Transformation density［EB/OL］.［20150506］.http://baike.baidu.comview1173046.htm.
［5］Balmat J F,Lafonta F,Maifret R, et al. MAritime RISk assessment （MARISA）, a fuzzy approach to define an individual ship risk factor［J］. Ocean Engineering,2009,36(15):12781286.
［6］Yuan Changfeng,Liu Deqin,Cui Xianguo,et al. Based on the analysis of population GIS population density spatial distribution of Beijing ［J］. Journal of Yangtze University Natu
Table 3World top ten port information in 2014表32014年世界十大港口信息港口排名港口名称位置信息发送总数11月12月信息发送间隔11月12月1宁波-舟山港30°00′N 122°6′E1 997 3833 157 5435001972上海港31°14′N 121°29′E1 471 7631 954 3676751 0523新加坡港1°15′N 103°49′E980 9242 106 4761 0423494天津港38°59′N 117°42′E745 3141 583 2043029995唐山港39°36′N 118°11′E308 755573 1173782 6986广州港23°06′N 113°36′E1 008 5912 405 7515471657苏州港31°87′N 120°55′E653 4071 285 5865321 0008青岛港36°04′N 118°11′E530 127924 0434272699鹿特丹港51°54′N 4°30′E249 3963 133 4521 33617010大连港38°5′N 121°39′E131 554298 1514852 025ral Science Edition:Medical Volumes,2004,1（4）:4042. （in Chinese）［7］Cai Xinmei. AIS application and development ［J］. Mechanical and Electrical Equipment,2011,28 （2）:2830.（in Chinese）
［8］Tang Cunbao,Shao Zheping,Wu Jiansheng,et al. Based on the research of AIS information density distribution algorithm and implementation ［J］. Journal of Guangzhou Maritime College,2012,20 （3）:710. （in Chinese）
［9］Beaudreau T. AIS analysis of maritime traffic density［R］.201013.Alaska:BOEM（Bureau of Ocean Energy Management）,2010.
［10］HaratiMokhtari A, Wall A, Brooks P, et al. Automatic identification system （AIS）:Data reliability and human error implication［J］.Journal of Navigation，2007,60(3):373389.
［11］Mapping UK shipping density and routes technical［R］.1066.UK:Marine Management Organization, 2014.
［12］Zhu Feixiang, Zhang Yingjun,Gao Zongjiang. Data mining research based on the ship’s behavior ［J］. Navigation of China, 2012,35（2）:5054.（in Chinese）
［13］Scheepens R,Willems N,van de Wetering H,et al. Interactive density maps for anomaly detection［J］.IEEE Computer Graphics and Applications, 2012,32(1):5666.
［14］Baldacci A,Fabiani A. Contactbased AIS coverage estimation and distribution［R］.NURCMR Technical Report,2008001.2008．
［15］Baldacci A,Carthel C. Maritime traffic characterization with the automated identification system［J］. NURCMR Technical Report, 2009．
［16］Mazzarella F,Vespe M,Damalas D. Discovering vessel activities at sea using AIS data:Mapping of fishing footprints［C］∥Proc of the 17th International Conference on Information Fusion(FUSION), 2014:17.
［17］SuperMap［EB/OL］.［20140206］.http://www.supermap.com/cn/.
附中文参考文献：
［1］胡小文，杨东援. 城市快速道路交通流密度的估计［J］. 交通运输系统工程与信息，2008，1(3):7982．
［2］唐存宝,邵哲平,唐强荣,等. 基于 AIS 的船舶航迹分布算法［J］. 集美大学学报(自然科学版),2012,17（2）:109112.
［6］袁长丰,刘德钦,崔先国,等. 基于人口 GIS 的北京市人口密度空间分布分析［J］. 长江大学学报自然科学版:医学卷,2004,1（4）:4042．
［7］蔡新梅. AIS 应用与发展［J］. 机电设备,2011,28（2）:2830．
［8］唐存宝,邵哲平,吴建生,等. 基于 AIS 信息的船舶密度分布
算法的研究与实现［J］. 广州航海高等专科学校学报,2012,20（3）:710．
［12］朱飞祥，张英俊，高宗江.基于数据挖掘的船舶行为研究［J］. 中国航海, 2012,35（2):5054.

[1]	谷文俊, 张晟恺, 邱晓梦, 李亚康, 宋伟. 基于双模态的小角散射图像结构表征技术研究[J]. 计算机工程与科学, 2023, 45(08): 1443-1452.
[2]	曾祥俊, 叶晓庆, 刘盾. 基于细粒度观点挖掘和Kano模型的用户满意度分析研究[J]. 计算机工程与科学, 2023, 45(04): 701-710.
[3]	胡慧君, 杨雨烟, 易洋, 刘茂福. 基于细粒度信息感知BERT-EEP的情绪分类方法[J]. 计算机工程与科学, 2023, 45(04): 751-760.
[4]	马冬梅, 黄欣悦, 李煜. 基于特征融合和注意力机制的图像语义分割[J]. 计算机工程与科学, 2023, 45(03): 495-503.
[5]	牛淑芬, 张美玲, 周思玮, 闫森. 面向移动终端的密文可验证属性基可搜索加密方案[J]. 计算机工程与科学, 2022, 44(11): 1941-1950.
[6]	魏登萍, 陈浩稳, 谢徐超, 袁远, 高文强. 负载自适应的存储池数据重构策略[J]. 计算机工程与科学, 2021, 43(02): 211-217.
[7]	马长林，谢罗迪，司琪，王梦. 基于情感从属和最大熵模型的细粒度观点挖掘[J]. J4, 2015, 37(10): 1952-1958.
[8]	薛红1，薛军2，邱斌1 . 连锁零售供应链多级库存协同决策研究[J]. J4, 2015, 37(07): 1318-1324.
[9]	钱雪忠，宋建生. 基于UML图和不同粒度切片的回归测试研究[J]. J4, 2012, 34(11): 124-129.
[10]	夏〓飞，窦〓勇，雷国庆. 基于FPGA的非编码RNA基因检测算法加速器研究[J]. J4, 2011, 33(12): 153-158.
[11]	邬贵明，窦勇，王淼. Cholesky分解细粒度并行算法[J]. J4, 2010, 32(9): 102-106.
[12]	殷蔚华徐书华黄本雄. 通信信号瞬时参数的提取方法研究[J]. J4, 2007, 29(3): 119-121.
[13]	肖道举彭碧涛孙百勇陈晓苏. 基于SOAP的细粒度访问控制模型[J]. J4, 2004, 26(4): 27-29.