学位论文简介
随着船舶数量的增加和航运交通的日益繁忙，如何进一步提升监管效率和保障船舶航行安全是当前亟需解决的问题。船舶自动识别系统(Automatic Identification System，AIS)数据是海事监管和海上交通状态分析的重要数据支撑。船舶航迹分析是一种基于大量船舶AIS数据的分析方法集合，旨在拟合(还原)出船舶异常缺失轨迹，建立时间与轨迹的预测关系，并基于轨迹集合提取出区域内的航迹。基于AIS数据的船舶航迹分析可以为提升监管效率、航运安全预警、航运时效性分析、港口及其附属设施建设规划、航道设计等提供数据依据。本文主要研究的航迹分析方法主要包含缺失轨迹拟合、轨迹预测和航迹提取三个方面，旨在为海事监管和海上交通状态分析提供更加准确、全面的数据支撑。
当前，现有的研究在上述三个方面取得了一定的进展，但是仍然存在一些问题需要进一步完善。例如，缺失轨迹拟合性能较差、预测轨迹点收敛方向随机、预测误差波动较大、无法提取枢纽交通节点的航迹且航迹噪点数据较多等问题。针对上述问题，本文基于机器学习提出一系列的船舶航迹分析算法，具体如下。
1.针对缺失轨迹拟合问题中，传统缺失轨迹拟合算法的拟合性能较差且误差大问题，本文提出一种基于双向门控循环单元(Gated Recurrent Unit，GRU)网络的缺失轨迹拟合算法。本文算法通过两端缺失轨迹构建出加速度，且基于加速度构建出双向线性表达式，并将表达式与GRU网络结合。本文算法使用双向同时推进的方式训练已知轨迹以逐步缩小待拟合轨迹长度，从而降低拟合误差值。本文从算法性能、轨迹类型和航行场景等多个角度进行多算法对比实验。实验结果表明，本文算法优于同类型算法，且单条货船轨迹最小拟合均方根误差是0.0117。
2.针对轨迹预测问题中，传统轨迹预测算法的预测轨迹点收敛方向随机和关键拐点(前后轨迹运动趋势改变较大的点)的特征学习不足问题，本文提出一种基于GRU网络和注意力机制的船舶轨迹预测算法。本文算法基于船舶航向与航速特征构建出轨迹方向向量(Trajectory Direction Vector，TDV)，以确定轨迹变化趋势的方向，从而缩小轨迹收敛的方向以降低预测误差波动。本文算法将TDV与注意力机制中的权重值相结合，通过提高关键拐点的训练权重，从而提升相邻轨迹的关联性，将权重值与双向GRU网络融合训练并且构建出时间与轨迹点关联的全连接层，从而实现轨迹预测。本文基于算法性能、多时间周期和航行场景等角度进行多算法对比实验。实验结果表明，本文算法优于同类型算法，在120分钟预测任务中误差仅为439.68米，且波动幅度小于50米。
3.针对航迹提取问题中，传统聚类算法的精度不高且噪点较多的问题，本文提出一种基于快速密度聚类和离群因子的航迹提取算法。该算法改进密度聚类算法中的相似度判定条件，使其具有区分航迹方向的功能。此外，本文算法基于层次距离划分的思路改进轨迹点与簇的遍历方式，使其由原有的逐点遍历变成簇之间合并，从而降低运算时间开销。最后，本文算法计算出离群因子并且通过核密度估计出离群度大且低概率分布的轨迹点，通过离群因子与轨迹平面映射的方式实现噪点的剔除功能。本文基于聚类性能、算法运行时间和航迹降噪等角度进行对比实验。实验结果表明，本文算法具有较好的准确性和鲁棒性。相同实验数据下，本文算法聚类结果中的噪点数据比其他算法低14.34%，且其完整性和同质性比其他算法高15%。
主要学术成果
Jin Chen, Hao Chen, Yong Zhao, Xingchen Li. FB-BiGRU: A Deep Learning model for AIS-based vessel trajectory curve fitting and analysis. Ocean Engineering, 2022, Vol.266: Part 3 112898.
Jin Chen, Jixin Zhang, Hao Chen,Yong Zhao,Hongdong Wang. A TDV-Attention based BiGRU network for AIS-based vessel trajectory predic- tion, iScience,2023:3-26, 10.1016
Jin Chen, Hao Chen, Quan Chen, Xin Song and Hongdong Wang.Vessel sailing route extraction and analysis from satellite-based AIS data using density clustering and probability algorithms. Ocean Engineering, 已接收.
Ye Xiao; Xingchen Li; Wen Yao; Jin Chen; Yupeng Hu. Bidirectional Data-Driven Trajectory Prediction for Intelligent Maritime Traffic. IEEE Transactions on Intelligent Transportation Systems, 2022, 1-13.
Jin Chen; Guangyi Xiao; Xu Han; Hao Chen. Controllable and Editable Neural Story Plot Generation via Control-and-Edit Transformer. IEEE Access, 2021, Vol.9: 1.
