一種基于降維密度聚類的船舶異常軌跡識別方法

李可欣，郭健，王宇君，李宗明，繆坤，陳輝

（1.信息工程大學(xué)，鄭州 450001；2.32022 部隊(duì)，廣州 510000；3.31682 部隊(duì)，蘭州 730000；4.陸軍特種作戰(zhàn)學(xué)院，廣西 桂林 541000；5.31438 部隊(duì)，沈陽 110031）

隨著經(jīng)濟(jì)全球化程度的不斷加深，各類船舶逐漸實(shí)現(xiàn)高速化和大型化，持續(xù)增長的海洋運(yùn)輸需求與日趨飽和的航道容量之間的矛盾日益加劇，影響著海洋航運(yùn)的安全與效率。為了更好地加強(qiáng)對海洋船舶的監(jiān)控與管理，為海事監(jiān)管人員提供更具針對性的解決方案，對大規(guī)模軌跡數(shù)據(jù)中的孤立、偏離、新穎數(shù)據(jù)點(diǎn)等進(jìn)行檢測。實(shí)現(xiàn)對海上船舶異常軌跡的識別與研究，從而實(shí)現(xiàn)對海域的智能高效全監(jiān)控。在智慧海洋態(tài)勢感知與管理方面具有重要的應(yīng)用價(jià)值。

船舶自動(dòng)識別系統(tǒng)（Automatic Identification System, AIS）包含船舶靜態(tài)以及航行運(yùn)動(dòng)動(dòng)態(tài)信息，已經(jīng)成為了海上監(jiān)控管理的主要數(shù)據(jù)來源。由于AIS信息最初是為避免碰撞而設(shè)計(jì)的，缺乏關(guān)于數(shù)據(jù)質(zhì)量的元數(shù)據(jù)，如可靠性、確定性等，這使得利用AIS檢測船舶異常成為一項(xiàng)非常困難的任務(wù)。AIS 數(shù)據(jù)包含地理空間特征、時(shí)序特征等一般數(shù)據(jù)所沒有的特定特征，并且缺乏具有代表性的真實(shí)數(shù)據(jù)集，因此如網(wǎng)絡(luò)流量[1]、網(wǎng)絡(luò)安全[2]等領(lǐng)域的異常檢測方法以及神經(jīng)網(wǎng)絡(luò)[3]、支持向量[4]等有監(jiān)督模式的識別方法不適用該類數(shù)據(jù)。上述方法不僅要花費(fèi)大量的時(shí)間對數(shù)據(jù)進(jìn)行標(biāo)記，類別不均衡也易導(dǎo)致檢測結(jié)果的準(zhǔn)確率降低。

針對AIS 數(shù)據(jù)特性，近年來關(guān)于海上異常檢測的研究方法可以分為基于規(guī)則的異常檢測[5]以及基于學(xué)習(xí)的異常檢測[6]。前者通過明確定義異常行為實(shí)現(xiàn)對異常的檢測，具有可解釋性，但需要基于大量歷史數(shù)據(jù)對規(guī)則進(jìn)行總結(jié)，但對一些隱式規(guī)則難以發(fā)現(xiàn)和描述，實(shí)際可用性較低。后者基于歷史數(shù)據(jù)學(xué)習(xí)一般模式中隱藏的規(guī)則，成為海上異常檢測的主導(dǎo)方法?；趯W(xué)習(xí)的異常檢測方法一般可分為2個(gè)階段：學(xué)習(xí)船舶軌跡的一般模式；檢測偏離模式的偏差。在第1 階段，以聚類分析為代表的無監(jiān)督模式識別得到了廣泛的應(yīng)用，如K–Means 算法[7]、DBSCAN 算法[8]、OPTICS 算法[9]、CURD 算法[10]，ST–DBSCAN 算法[11]、ST–OPTICS 算法[12]等。對于密度聚類通常只考慮空間信息這一問題，張春瑋等[13]構(gòu)建了船舶行為相似度模型，基于DBSCAN 對船舶軌跡行為模式進(jìn)行識別。王永明[14]綜合 K–means 和DBSCAN 算法對船舶軌跡進(jìn)行聚類，以發(fā)現(xiàn)船舶航行軌跡異常。利用專家調(diào)查法和層次分析法對敏感水域的異常行為進(jìn)行檢測和排序。李楠等[15]通過聚類算法找到類簇中心點(diǎn)，利用軌跡信息和飛行距離構(gòu)建異常因子，實(shí)現(xiàn)航空器異常檢測。杜志強(qiáng)等[16]基于卡爾曼濾波，通過距離計(jì)算實(shí)現(xiàn)異常判別。孟祥澤等[17]采用ST–DBSCAN 算法從老年人軌跡中提取行為模式鏈，結(jié)合空間環(huán)境信息構(gòu)建異常分析模型。馮宏祥等[18]通過船舶軌跡更新距離的均值和標(biāo)準(zhǔn)差，實(shí)現(xiàn)對AIS 誤用等多種海上船舶異常的發(fā)現(xiàn)與數(shù)據(jù)處理。上述方法中聚類參數(shù)的選擇往往基于經(jīng)驗(yàn)，由于缺乏異常數(shù)據(jù)的標(biāo)簽，無法對所選參數(shù)的優(yōu)劣進(jìn)行評估，故難以獲取最優(yōu)參數(shù)。李文杰等[19]根據(jù)數(shù)據(jù)及自身分布特性生成候選集，基于參數(shù)尋優(yōu)策略實(shí)現(xiàn)聚類過程的全自動(dòng)化，但是在密度分布差異大的數(shù)據(jù)集上聚類效果差。萬佳等[20]基于KANN–DBSCAN 方法，結(jié)合去噪衰減和多密度聚類，在實(shí)現(xiàn)參數(shù)自適應(yīng)的前提下，提升了方法在密度分布差異大數(shù)據(jù)集上的聚類效果，但是該方法仍需設(shè)置密度閾值，且計(jì)算復(fù)雜度較高。

針對上述問題，本文提出一種基于降維密度聚類的船舶異常軌跡識別方法，將T–SNE 和自適應(yīng)密度聚類結(jié)合，實(shí)現(xiàn)高效可靠的聚類，并根據(jù)聚類結(jié)果提取中心類簇構(gòu)建類簇特征向量；最后根據(jù)不同距離閾值判別軌跡相似度，實(shí)現(xiàn)對異常軌跡的識別。構(gòu)建海洋船舶軌跡異常模式識別模型，可以為智能海洋交通管理與優(yōu)化提供科學(xué)化的數(shù)據(jù)支撐。

1 基于降維密度聚類的船舶異常軌跡識別方法

異常是指數(shù)據(jù)中不符合一般行為規(guī)范的模式。具體到海洋交通領(lǐng)域，異常軌跡一般包括：劇烈變速、劇烈轉(zhuǎn)向、位置漂移等運(yùn)動(dòng)學(xué)異常以及船舶軌跡偏離一般航線、行駛在禁漁區(qū)或禁航區(qū)等規(guī)則異常。結(jié)合軌跡數(shù)據(jù)特點(diǎn)，設(shè)計(jì)基于自適應(yīng)降維密度聚類的船舶異常軌跡識別方法如圖1 所示。首先對AIS 數(shù)據(jù)進(jìn)行預(yù)處理，通過隨機(jī)森林分類器構(gòu)建最優(yōu)多維特征組合；然后通過降維密度聚類生成軌跡聚類結(jié)果；根據(jù)聚類結(jié)果計(jì)算類簇特征向量，通過計(jì)算數(shù)據(jù)集中點(diǎn)與特征向量的位置距離和速度角度距離，生成判斷相似度檢測軌跡異常的距離閾值；最后結(jié)合軌跡段航行距離評估置信度，實(shí)現(xiàn)對軌跡異常的檢測。

圖1 基于DR–DBSCAN 的軌跡異常識別分析Fig.1 Analysis of trajectory anomaly identification based on DR-DBSCAN

1.1 AIS 數(shù)據(jù)預(yù)處理

1.1.1 數(shù)據(jù)清洗

由于軌跡數(shù)據(jù)本身具有的多源異構(gòu)性以及數(shù)據(jù)質(zhì)量差等特點(diǎn)，需要對原始數(shù)據(jù)進(jìn)行處理，軌跡數(shù)據(jù)處理通常需要解決以下3 個(gè)問題：過濾清洗，去除由于采樣頻率、采樣精度、人為失誤等產(chǎn)生的噪聲數(shù)據(jù)；降低計(jì)算量；提高軌跡數(shù)據(jù)的精度。

對軌跡數(shù)據(jù)進(jìn)行缺失值刪除、插值等預(yù)處理操作后，對軌跡基礎(chǔ)信息進(jìn)行分析計(jì)算構(gòu)建多維特征，根據(jù)MMSI 號將軌跡點(diǎn)分為完整軌跡段。船舶軌跡的集合M_traj、具體某一艘船舶的完整軌跡M_traji以及船舶軌跡點(diǎn)信息P可表示為：

式中：x、y為軌跡點(diǎn)經(jīng)緯度信息；d為根據(jù)經(jīng)緯度計(jì)算的地理空間距離；t為此段軌跡航行的總時(shí)間；v為AIS 報(bào)告的船舶速度；C為AIS 報(bào)告的船舶航向；H為AIS 報(bào)告的船舶艏向；Acal為根據(jù)H計(jì)算的角度變化；Arep為根據(jù)C計(jì)算的角度變化量；vrep為根據(jù)時(shí)間距離計(jì)算的航跡平均速度。

1.1.2 多維特征構(gòu)建

數(shù)據(jù)集所選取的特征屬性離散性或相異性越高，數(shù)據(jù)的聚類效果則越好。原始軌跡數(shù)據(jù)包含經(jīng)緯度、航行速度、航行方向等信息。為了更充分地挖掘軌跡特征，計(jì)算軌跡的航行距離、平均航行速度、加速度、轉(zhuǎn)向角等特征，避免偏離數(shù)據(jù)干擾，每個(gè)特征指標(biāo)分別取平均值、最大值、最小值、中值構(gòu)建軌跡特征數(shù)據(jù)集。由于特征之間也存在干擾，利用隨機(jī)森林分類器對軌跡數(shù)據(jù)進(jìn)行分析，對多維特征軌跡進(jìn)行評估，構(gòu)建最佳特征組合，避免特征間的相互干擾，提高計(jì)算精度和計(jì)算效率。

1.1.3 軌跡分段和靜止點(diǎn)提取

停止點(diǎn)一般是船舶的運(yùn)動(dòng)狀態(tài)或行為模式發(fā)生變化的點(diǎn)，可以反映出停泊區(qū)、捕魚區(qū)、低速作業(yè)區(qū)等停止區(qū)域，具有重要的分析意義。從清洗后的AIS數(shù)據(jù)中提取同時(shí)滿足計(jì)算速度和報(bào)告速度均為靜止?fàn)顟B(tài)的軌跡點(diǎn)，構(gòu)建靜止軌跡點(diǎn)，并依據(jù)靜止點(diǎn)對完整軌跡段進(jìn)行劃分。

根據(jù)保留的特征屬性信息，軌跡劃分的流程分為2 步：首先計(jì)算相鄰軌跡點(diǎn)的距離、轉(zhuǎn)向角以及速度；然后根據(jù)設(shè)定的速度閾值和最小軌跡長度，以靜止點(diǎn)以及發(fā)生較大轉(zhuǎn)向的點(diǎn)作為斷點(diǎn)對軌跡段進(jìn)行劃分，篩除長度不符合要求的軌跡段，根據(jù)原始數(shù)據(jù)計(jì)算構(gòu)造多維特征的時(shí)序子軌跡段特征。保留時(shí)序位置的子軌跡段集合S_traj_sequence可表示為：

對子軌跡段的多維特征進(jìn)行處理，將多點(diǎn)二維信息轉(zhuǎn)化為單點(diǎn)二維信息，子軌跡段特征集合S_traj_features可表示為：

1.2 降維密度聚類

1.2.1 算法原理

由于海上航行相較于陸上交通具有更高的自由度，不同海洋區(qū)域船舶航行規(guī)律具有較大差別，因此很難提前確定聚類數(shù)目。由于AIS 數(shù)據(jù)本身具有不確定性，報(bào)告數(shù)據(jù)中包含許多錯(cuò)誤軌跡構(gòu)成的噪聲點(diǎn)，因此本文基于DBSCAN 算法，同時(shí)針對DBSCAN 算法超參數(shù)難以確定的問題，提出一種充分利用數(shù)據(jù)分布特性的基于多維特征降維的聚類方法（Dimensionality Reduction-Density-Based Spatial Clustering of Applications with Noise, DR-DBSCAN）。引入T–SNE 作為數(shù)據(jù)特征提取模塊，借助多流形聚類[21]的思想，從高維數(shù)據(jù)中提取和構(gòu)建更高質(zhì)量和更具魯棒性的數(shù)據(jù)特征低維有效表示。該方法的處理流程如圖2 所示。

圖2 DR–DBSCAN 算法流程Fig.2 DR-DBSCAN algorithm flow chart

對于多維特征數(shù)據(jù)集，常采用維數(shù)約減的方法降低特征間的復(fù)雜關(guān)系，減少噪聲。常用的手段有特征刪除、特征選擇以及特征抽取。前2 種手段往往容易導(dǎo)致信息丟失，PCA 和T–SNE 都屬于特征抽取的方法，在原始特征的基礎(chǔ)上通過空間映射創(chuàng)建新的特征，能更好地挖掘特征間的深層聯(lián)系。PCA 是一種線性降維方法，計(jì)算復(fù)雜度低但是特征表征效果較差；T–SNE 屬于非線性方法，計(jì)算復(fù)雜度高但對特征映射效果較好。隨機(jī)森林是一種由多個(gè)決策樹組成的機(jī)器學(xué)習(xí)模型，具有很好的數(shù)據(jù)集適應(yīng)能力，對高維數(shù)據(jù)、離散或連續(xù)型數(shù)據(jù)都能很好的處理，魯棒性強(qiáng)。因此，本文將2 種方法結(jié)合，在提高計(jì)算效率的同時(shí)充分挖掘特征間的相關(guān)關(guān)系，使得在聚類時(shí)能充分利用數(shù)據(jù)特征間的關(guān)系；然后利用隨機(jī)森林模型學(xué)習(xí)聚類標(biāo)簽，并判斷樣本類型。

在DR–DBSCAN 算法中，具體步驟如下：

1）將輸入的多維特征數(shù)據(jù)通過局部PCA 方法進(jìn)行投影，再利用快速T–SNE 模型將PCA 處理后的數(shù)據(jù)轉(zhuǎn)化為低維嵌入。

2）計(jì)算低維嵌入層數(shù)據(jù)的平均成對距離作為eps候選集設(shè)置的基數(shù)構(gòu)建候選集，并將數(shù)據(jù)劃分為訓(xùn)練集和測試集。

3）分別將低維嵌入層數(shù)據(jù)和訓(xùn)練集數(shù)據(jù)代入DBSCAN 模型中進(jìn)行聚類，提取集群的聚類標(biāo)簽，去除聚類簇?cái)?shù)不符合設(shè)置最小聚類簇?cái)?shù)的數(shù)據(jù)。

4）分別用嵌入層及其訓(xùn)練集的聚類標(biāo)簽訓(xùn)練隨機(jī)森林分類器。

5）將測試集代入步驟4 中訓(xùn)練的2 個(gè)分類器，經(jīng)過K 折交叉驗(yàn)證得到聚類參數(shù)最優(yōu)值，輸出聚類結(jié)果。

1.2.2 算法分析及評價(jià)

為了更好地驗(yàn)證所提出算法的性能，綜合考慮內(nèi)部和外部聚類評估標(biāo)準(zhǔn)構(gòu)建算法評價(jià)體系。外部評價(jià)指標(biāo)是指基于已知標(biāo)簽或模型，將聚類結(jié)果與其進(jìn)行比較。選取的數(shù)據(jù)集均為有標(biāo)簽數(shù)據(jù)，為了對聚類結(jié)果進(jìn)行準(zhǔn)確評價(jià)，引入外部聚類指標(biāo)F1分?jǐn)?shù)、調(diào)整蘭德系數(shù)（Adjusted Rand index,ARI）、歸一化互信息（Normalized Mutual Information,NMI）作為評價(jià)指標(biāo)，計(jì)算公式如下。

F1分?jǐn)?shù)是精確率和召回率的調(diào)和平均數(shù)，F(xiàn)1越高則模型越穩(wěn)健，公式見式（7）。

式中：P為精確率；R為召回率。

ARI的取值范圍為[?1,1]，相比蘭德系數(shù)具有更高的區(qū)分度，值越大則表示聚類結(jié)果越吻合，計(jì)算式見式（8）。

式中：RI為蘭德系數(shù)，取值范圍為[0,1]，表示聚類標(biāo)簽和真實(shí)標(biāo)簽的比值情況。

NMI值用來衡量2 個(gè)數(shù)據(jù)間的相關(guān)性，在聚類中用于度量2 個(gè)聚類結(jié)果的相近程度，NMI值越大則表示劃分越準(zhǔn)確，公式見式（9）。

式中：H(X)、H(Y)分別為聚類標(biāo)簽和真實(shí)標(biāo)簽的信息熵，即出現(xiàn)的概率；MI(X,Y)為互信息，是聯(lián)合分布與乘積分布的相對熵。

內(nèi)部評價(jià)指標(biāo)是根據(jù)數(shù)據(jù)集的固有特征來對算法結(jié)果進(jìn)行評估。引入聚類性能內(nèi)部評價(jià)指標(biāo)包含輪廓系數(shù)（Silhouette Coefficient，SC）和Davies–Boulding指數(shù)（DBI）。輪廓系數(shù)結(jié)合了凝聚度和分離度，取值為[?1, 1]，其值越大越好，輪廓系數(shù)的計(jì)算式見式（10）。

式中：為a(i)簇內(nèi)不相似度；b(i)為簇間不相似度。

DBI指數(shù)又稱分類適確性指標(biāo)，DBI越小說明聚類效果越好，計(jì)算式見式（11）。

式中：m(CI)和m(Cj)為樣本間平均距離；d(μi,μj)為簇中心點(diǎn)距離。

1.3 船舶軌跡異常識別

1.3.1 類簇特征向量提取

在利用DR–DBSCAN 算法對軌跡進(jìn)行聚類后，類簇可以代表船舶的一般運(yùn)動(dòng)模式。通過構(gòu)建類簇特征向量來提取類簇特征，避免使用每個(gè)類簇的所有軌跡點(diǎn)進(jìn)行計(jì)算所產(chǎn)生的巨大運(yùn)算量，導(dǎo)致軌跡數(shù)據(jù)異常檢測的效率降低。類簇特征向量表達(dá)式可表示為式（12）。

提取類簇特征向量表示船舶行為的一般模式，通過計(jì)算訓(xùn)練數(shù)據(jù)集中軌跡點(diǎn)與類簇特征向量的聚類距離，生成距離閾值，根據(jù)特征向量和距離閾值對測試集軌跡點(diǎn)進(jìn)行異常檢測。最后根據(jù)船舶軌跡中異常點(diǎn)的占比來判斷軌跡段是否異常。類簇特征向量提取示意圖如圖3 所示。首先計(jì)算類簇平均航向角；然后根據(jù)平均航向角以及類簇點(diǎn)的經(jīng)緯度范圍構(gòu)建基礎(chǔ)網(wǎng)格；根據(jù)不同基礎(chǔ)網(wǎng)格的經(jīng)緯度跨度，將基礎(chǔ)網(wǎng)格劃分為小網(wǎng)格；計(jì)算每個(gè)網(wǎng)格中的類簇點(diǎn)的平均速度、平均經(jīng)緯度、平均距離以及最大轉(zhuǎn)向角；保存各個(gè)網(wǎng)格的特征向量，構(gòu)建類簇特征向量集合。

圖3 類簇特征向量提取示意圖Fig.3 Feature vector extraction of class cluster

1.3.2 距離判定閾值計(jì)算

對于一個(gè)待檢測的軌跡數(shù)據(jù)P，首先根據(jù)P點(diǎn)的經(jīng)緯度坐標(biāo)，利用半正矢公式計(jì)算P與類簇特征向量的地理距離Dp。

式中：R為地球半徑，此處取地球平均半徑R=6 371.393 km。

保留使得所求地理距離最小的類簇特征向量lGVi，根據(jù)該特征向量對應(yīng)的其他特征分量計(jì)算該軌跡的相對距離d_l、速度轉(zhuǎn)角距離d_sa，見式（14）—（15）。

去除噪聲數(shù)據(jù)和聚類異常數(shù)據(jù)后，通過計(jì)算訓(xùn)練數(shù)據(jù)集中軌跡數(shù)據(jù)與類簇特征向量的距離，生成各個(gè)距離閾值，實(shí)現(xiàn)對異常軌跡的識別與評估。

2 船舶異常檢測實(shí)驗(yàn)分析

2.1 實(shí)驗(yàn)數(shù)據(jù)

本實(shí)驗(yàn)選取2019 年1 月1 日的AIS 數(shù)據(jù)作為訓(xùn)練集，設(shè)置美國西海岸、美國東海岸和墨西哥灣3 個(gè)實(shí)驗(yàn)區(qū)域進(jìn)行分析。

由圖4 可以看出，美西和美東均分布有較多較為重要的港口，這2 個(gè)區(qū)域的客船和貨船占比相對較多，分別為35.45%和28.24%。墨西哥灣北部為佛羅里達(dá)半島，人口密度較大，該區(qū)域的船舶分布較為密集，且游艇占比較大。特殊船舶包含各種水上或水下作業(yè)船舶，如引航、搜救、挖掘、潛水等，墨西哥灣的淺大陸棚區(qū)蘊(yùn)藏大量的石油和天然氣，該區(qū)域特殊船舶占比較高。船舶分布與地區(qū)地理環(huán)境具有很高的相關(guān)性，根據(jù)某地區(qū)的船舶類型分布可以推論該地區(qū)的地理環(huán)境特征。

圖4 實(shí)驗(yàn)區(qū)域船舶類型分布Fig.4 Vessel type distribution in the experimental area

2.2 數(shù)據(jù)預(yù)處理

原始AIS 軌跡數(shù)據(jù)共7 516 408 條，包含船舶13 115 艘。經(jīng)過數(shù)據(jù)清洗和預(yù)處理后的AIS 軌跡數(shù)據(jù)共7 515 892 條，提取靜止點(diǎn)615 977 個(gè)。根據(jù)設(shè)定的速度閾值篩選靜止點(diǎn)以及航向發(fā)生重大變化的點(diǎn)作為斷點(diǎn)對軌跡段進(jìn)行劃分，保留所有軌跡長度在10 以上的軌跡段，得到軌跡段為5 812 條，包含船舶4 740 艘。

為了確保結(jié)果的準(zhǔn)確性與有效性，使用過濾法結(jié)合隨機(jī)森林模型對特征進(jìn)行組合選擇，以得到最佳特征組合。進(jìn)行了多組對比實(shí)驗(yàn)，每組實(shí)驗(yàn)迭代運(yùn)行5次以消除隨機(jī)性，實(shí)驗(yàn)結(jié)果如表1 所示。根據(jù)實(shí)驗(yàn)結(jié)果最終保留經(jīng)緯度、報(bào)告轉(zhuǎn)角以及報(bào)告速度的最大值、最小值、中位數(shù)和均值信息作為最終特征組合。

表1 軌跡特征組合評估Tab.1 Trajectory feature combination evaluation

2.3 聚類分析

由于軌跡數(shù)據(jù)無標(biāo)簽，為了驗(yàn)證聚類方法的精確性和普適性，選取4 個(gè)經(jīng)典的具有不同維度特征的UCI 數(shù)據(jù)集進(jìn)行聚類分析，評估DR–DBSCAN 算法解決實(shí)際問題的能力。綜合考慮內(nèi)部和外部聚類評估標(biāo)準(zhǔn)構(gòu)建算法評價(jià)體系，通過屬性數(shù)以及類別數(shù)的變化，觀察相對變化下算法的聚類性能。數(shù)據(jù)集在不同算法下的聚類指標(biāo)對比信息見表2。

從 3 個(gè)外部聚類指標(biāo)F1、ARI和NMI來看，DR–DBSCAN 在4 個(gè)數(shù)據(jù)集上均有較好得分，明顯優(yōu)于其他幾種算法，但內(nèi)部聚類指標(biāo)DBI評估結(jié)果相對較差。說明本文算法DR–DBSCAN 能深入挖掘數(shù)據(jù)內(nèi)部特征，而不是單純從點(diǎn)跡的空間分布上挖掘信息，因此能在數(shù)據(jù)分布較為離散的情況下，實(shí)現(xiàn)較高的分類準(zhǔn)確度。綜合實(shí)驗(yàn)結(jié)果分析，本文算法DR–DBSCAN 通過數(shù)據(jù)集低維嵌入特征層的構(gòu)建，深入挖掘數(shù)據(jù)集特征分布特性，能夠得到更符合數(shù)據(jù)特性的密度閾值。本文算法相較于一般的密度聚類方法，在實(shí)現(xiàn)參數(shù)自適應(yīng)的同時(shí)能較好地處理多維數(shù)據(jù)集，在幾個(gè)密度分布不均勻的多維數(shù)據(jù)集上均有較好的表現(xiàn)。

異常檢測的實(shí)質(zhì)就是學(xué)習(xí)一般行為模式，發(fā)現(xiàn)與一般模式相異的數(shù)據(jù)。DR–DBSCAN 算法能根據(jù)數(shù)據(jù)特征，擬合數(shù)據(jù)分布特性，構(gòu)建數(shù)據(jù)分布一般模式的類簇，從而可以實(shí)現(xiàn)異常數(shù)據(jù)的識別。

在3 個(gè)試驗(yàn)區(qū)中，美國西海岸區(qū)域包含軌跡數(shù)據(jù)897 條；墨西哥灣區(qū)域包含軌跡2 033 條；美國東海岸區(qū)域包含軌跡數(shù)據(jù)1 027 條。根據(jù)隨機(jī)森林分類器所構(gòu)建的軌跡數(shù)據(jù)特征組合，對3 個(gè)實(shí)驗(yàn)區(qū)域的軌跡段進(jìn)行聚類，去除掉無法聚類的噪聲點(diǎn)或異常軌跡，聚類結(jié)果與船舶類型分布較為類似。根據(jù)每個(gè)區(qū)域的聚類結(jié)果，劃分網(wǎng)格并提取類簇特征向量，計(jì)算距離閾值。3 個(gè)區(qū)域的位置距離閾值分別為美國西海岸2.249 27、墨西哥灣1.805 97、東海岸1.740 78；速度方向距離閾值分別為美國西海岸1.777 7、墨西哥灣1.952 8、東海岸1.705 02。

2.4 異常檢測

根據(jù)聚類結(jié)果獲取相應(yīng)區(qū)域的距離閾值，將軌跡點(diǎn)超出閾值范圍的視為異常點(diǎn)。對于一條軌跡，當(dāng)異常點(diǎn)占比超過70%，則該軌跡視為異常軌跡。選取2019 年1 月1 日的AIS 數(shù)據(jù)進(jìn)行異常檢測，經(jīng)過數(shù)據(jù)劃分后，根據(jù)距離閾值判斷異常軌跡點(diǎn)。經(jīng)過距離計(jì)算和異常判定，美國西海岸軌跡數(shù)據(jù)898 條，檢測出異常軌跡57 條，其中速度或方向異常速度的軌跡19 條，位置異常軌跡38 條；墨西哥灣軌跡數(shù)據(jù)2 160條，檢測出異常軌跡60 條，其中速度或方向異常速度的軌跡17 條，位置異常軌跡43 條；美國東海岸軌跡數(shù)據(jù)1 054 條，檢測出異常軌跡45 條，其中速度或方向異常速度的軌跡23 條，位置異常軌跡312 條。

美國西海岸和美國東海岸區(qū)域沿岸為主要航道，美西向東為內(nèi)河流域，向西為大西洋；美東向西為內(nèi)河流域，向東為太平洋，二者內(nèi)河與沿岸區(qū)域航道明顯，大洋區(qū)域軌跡較為離散。墨西哥灣區(qū)域內(nèi)河流域和離港航線分布較為清晰，但在中部區(qū)域軌跡分布較為雜亂。異常檢測通過計(jì)算距離閾值，將超出閾值范圍的判定為異常。位置異?？梢越忉尀榉植济黠@偏離航道的軌跡，或同一艘船舶短時(shí)間內(nèi)位置出現(xiàn)顯著飄移等情況。將行駛方向與一般軌跡不一致或突然發(fā)生較大轉(zhuǎn)向或速度變動(dòng)的軌跡標(biāo)記為速度方向異常；將軌跡方向與周圍軌跡相異的視為方向異常；將軌跡發(fā)生較大轉(zhuǎn)向的可視為轉(zhuǎn)向異常。2 種方向異常都可以由軌跡分布和軌跡形狀進(jìn)行判斷。

3 結(jié)語

本文提出了一種基于降維密度聚類的船舶異常軌跡識別方法。利用隨機(jī)森林分類器對軌跡多維特征的重要性進(jìn)行評估，構(gòu)建軌跡特征的最優(yōu)特征組合?；贒R–DBSCAN 聚類算法對歷史AIS 數(shù)據(jù)進(jìn)行聚類分析，學(xué)習(xí)船舶的一般行為模式構(gòu)建船舶類簇特征向量并計(jì)算距離閾值。在保證聚類精度的前提下，有效提高了聚類效率，減少了調(diào)參過程中對人工的依賴。采用4 種經(jīng)典UCI 數(shù)據(jù)集驗(yàn)證DR–DBSCAN 算法的精確度和有效性，并使用2019 年1 月1 日的真實(shí)航跡數(shù)據(jù)在3 個(gè)不同的實(shí)驗(yàn)區(qū)域進(jìn)行分析，以減少水文地理環(huán)境對方法有效性與準(zhǔn)確性的干擾。結(jié)果表明，該方法能夠有效檢測出船舶的位置異常、速度方向異常，對加強(qiáng)船舶交通行為分析和船舶交通監(jiān)管具有重要意義。由于硬件設(shè)施限制，本文選取數(shù)據(jù)集時(shí)空范圍較小，對多種類型的異常劃分和定義不夠詳細(xì)。未來可以進(jìn)一步修改模型架構(gòu)在更大區(qū)域進(jìn)行驗(yàn)證，更為明確地劃分各種類型的異常，并將模型拓展至陸空交通運(yùn)輸領(lǐng)域，更好地分析判斷不同的軌跡異常行為，為海陸空運(yùn)輸及交通管理提供數(shù)據(jù)支撐。