计算机应用

作者：徐垚, 李卓然, 孟金龙, 赵利坡, 温建新, 王桂玲

单位：1. 中电科海洋信息技术研究院有限公司 岸基信息系统部, 北京 100041;2. 大规模流数据集成与分析技术北京市重点实验室(北方工业大学), 北京 100144;3. 北方工业大学 计算机学院, 北京 100144

关键词：轨迹数据,自动识别系统,时空大数据,Delaunay三角网,航道提取

基金：国家自然科学基金资助项目（61832004，61672042）；北京市自然科学基金资助项目（4172018）；中电科海洋信息技术研究院有限公司高校合作课题项目（402054841879）；北方工业大学毓优团队培养计划项目（107051360018XN012/020）。

传统的道路数据获取方法成本高、更新慢等无法适用于海洋航道的获取，从众源轨迹数据中提取道路或航道信息具有成本低、更新快等特性，然而，由于船舶轨迹数据噪声多、数据量大、不同区域分布不均使得航道边界提取面临较大挑战。针对该问题，提出一种基于大规模船舶轨迹数据进行航道边界提取的方法。首先对大规模的船舶轨迹数据进行并行化去噪、插值、轨迹分段；然后，基于并行化及基于Geohash编码的空间聚类，将轨迹数据化简为多个方形区域的点集数据；其次，对其进行窗口划分，对传统的NiBlack方法进行扩展，提出SpatialNiBlack算法，对方形区域进行航道识别；最后，提出一种新的提取算法del-alpha-shape，基于航道识别结果获得航道边界。理论分析与实验结果表明，所提方法在最大密度值是200，最小密度值是10，窗口长和宽分别为5和5时，可同时达到86.7%的准确率和79.4%的召回率。实验结果表明，该方法可以从大规模的轨迹数据中提取有价值的航道边界，是一种有效的航道提取方法。

来源：2019年第1期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第1期