基于非负矩阵分解方法的海上交通特征  

Research on Maritime Traffic Characteristics with Nonnegative Matrix Decomposition Method

作　　者：杨家轩[1,2] 吴京霖 姜大鹏 YANG Jiaxuan;WU Jinglin;JIANG Dapeng(Navigation College,Dalian Maritime University,Dalian 116026,China;The Key Laboratory of Navigation Safety Guarantee Liaoning Province, Dalian Maritime University, Dalian 116026, China)

机构地区：[1]大连海事大学航海学院,辽宁大连116026 [2]大连海事大学辽宁省航海安全保障重点实验室,辽宁大连116026

出　　处：《中国航海》2020年第4期39-45,共7页Navigation of China

基　　金：国家自然科学基金(51579025);中央高校基本科研业务费项目(3132019365)。

摘　　要：船载船舶自动识别系统(Automatic Identification System,AIS)数据属于典型的时空数据,其所包含的船舶空间、时间和其他维度属性数据中蕴含着大量潜在特征。对海量的AIS数据进行联合聚类分析,利用时空数据间的隐含关系分析并提取出海上交通特征。对研究的数据集进行数据清洗;提取有用的船载AIS数据,对时间、空间和其他属性数据进行切片化标记;选择目标属性数据形成原始矩阵;对原始矩阵进行稀疏约束下的非负矩阵分解,获得时空数据联合聚类的结果,并结合实际进行分析。结果表明:该方法可挖掘出研究水域的船舶行为模式,分析船舶的运动规律,为水上交通安全监管和海上安全保障相关研究提供一种新思路。AIS(Automatic Identification System)data are typical spatiotemporal data,which contains abundant information about ship space,time and attributes in other dimensions.The co-clustering of massive AIS data can extract the characteristics of maritime traffic by using the implicit relationship analysis between spatio-temporal data.The AIS data set for research is cleaned to extract the useful data.The time、space and other attribute data are sliced and marked.The target attribute data are selected to form the original matrix.The non-negative matrix factorization is carried out on the original matrix under the sparse constraint.The results of co-clustering are analyzed against the actual traffic situation.This method can unearth the ship behavior patterns in given waters and help the researches in traffic regulation and safety management fields.

关 键 词：时空分析 联合聚类 非负矩阵分解NMF 稀疏约束 

分 类 号：U675.79[交通运输工程—船舶及航道工程] TP391[交通运输工程—船舶与海洋工程]