基于分层轨迹表示的船舶行为预测聚类
机器学习
2024-03-18 v2 人工智能
摘要
船舶轨迹聚类旨在发现相似的轨迹模式，已广泛应用于水面应用中。大多数传统方法使用预定义的规则和阈值来识别离散的船舶行为。它们以高质量聚类为目标，并在整个序列上进行聚类，无论是原始轨迹还是其子轨迹，都未能表示其演变。为了解决这个问题，我们提出了一种分层船舶行为预测聚类（PC-HiV）。PC-HiV 首先使用分层表示将每条轨迹转换为行为序列。然后，它基于表示预测序列在每个时间戳的演变。通过应用预测聚类和潜在编码，PC-HiV 同时改进了聚类和预测。在真实 AIS 数据集上的实验证明了 PC-HiV 相对于现有方法的优越性，展示了其在捕捉船舶类型（不定期船与班轮）之间以及排放控制区域内行为演变差异的有效性。结果表明，我们的方法在纯度得分上比 NN-Kmeans 和 Robust DAA 分别高出 3.9% 和 6.4%。
引用
@article{arxiv.2403.08838,
title = {Predictive Clustering of Vessel Behavior Based on Hierarchical Trajectory Representation},
author = {Rui Zhang and Hanyue Wu and Zhenzhong Yin and Zhu Xiao and Yong Xiong and Kezhong Liu},
journal= {arXiv preprint arXiv:2403.08838},
year = {2024}
}