基于距离的船舶轨迹聚类综述：数据预处理、方法、应用与实验评估
图像与视频处理
2024-07-22 v2 计算机视觉与模式识别
摘要
基于距离的船舶轨迹聚类作为海洋智能交通系统的关键组成部分，为异常检测和轨迹预测等应用提供了宝贵的洞察。本文综述了最常用的基于距离的船舶轨迹聚类方法，这些方法包含两个主要步骤：轨迹相似度测量和聚类。首先，我们使用相关关键词进行了彻底的文献综述，以收集和总结相关研究论文和数据集。随后，本文讨论了数据预处理的主要方法，这些方法为后续分析做好了准备。综述进一步详细介绍了测量船舶轨迹相似度的领先算法以及当今领域内主要的聚类技术。此外，探讨了轨迹聚类在海洋环境中的各种应用。最后，通过实验分析评估了不同算法组合和预处理方法的有效性，重点关注其对基于距离的轨迹聚类算法性能的影响。实验结果表明，各种轨迹聚类算法都有效，并且显著突出了轨迹压缩技术对轨迹聚类效率和准确性的显著性提升。这种全面的方法确保了对当前能力及其在基于距离的船舶轨迹聚类中的未来方向的深入理解。
引用
@article{arxiv.2407.11084,
title = {A Survey of Distance-Based Vessel Trajectory Clustering: Data Pre-processing, Methodologies, Applications, and Experimental Evaluation},
author = {Maohan Liang and Ryan Wen Liu and Ruobin Gao and Zhe Xiao and Xiaocai Zhang and Hua Wang},
journal= {arXiv preprint arXiv:2407.11084},
year = {2024}
}