(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211148065.1 (22)申请日 2022.09.20 (71)申请人 中国人民解 放军海军工程大 学 地址 430033 湖北省武汉市硚口区解 放大 道717号 (72)发明人 胡献君　张春雷　 (74)专利代理 机构 武汉东喻专利代理事务所 (普通合伙) 42224 专利代理师 张英 (51)Int.Cl. G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 一种船舶航行模式提取方法及系统 (57)摘要 本申请公开了一种船舶航行模式提取方法， 其通过对船舶异常行为、 船舶频繁轨迹、 船舶周 期轨迹与船舶共现模式下的船舶轨迹等航行模 式进行提取分析， 能够预测船舶后期运行轨迹与 异常行为发生的概率； 通过预测结构对船舶的运 动趋势与运动规律进行分析， 能够感知态势、 获 取更经济安全的导航信息， 提高了监测船舶航行 过程的全面 性与可靠性。 权利要求书2页 说明书8页 附图4页 CN 115526244 A 2022.12.27 CN 115526244 A 1.一种船舶航行模式提取 方法， 其特 征在于， 包括： 通过船舶自动识别系统获取AIS数据， 对所述AIS数据预处 理； 基于DBSCAN 算法对船舶轨 迹进行聚类分析， 得到船舶聚类结果； 计算所述船舶聚类结果中不同轨迹模式中的类内相似度， 根据类 内相似度设置置信区 间， 将所述置信区间外的船舶轨 迹模式识别为船舶异常行为； 计算所述类内相似度不同的船舶轨迹模式的轨迹特征中心， 计算新的船舶轨迹与不同 的船舶轨迹模式的轨迹特征中心之间的距离， 确定新的船舶轨迹的类别模式， 以判别新的 船舶轨迹是否属于船舶异常行为。 2.如权利要求1所述的船舶航行模式提取方法， 其中， 所述根据类 内相似度设置置信区 间， 将所述置信区间外的船舶轨 迹模式识别为船舶异常行为， 具体包括： 计算船舶轨迹之间的距离分布函数， 所述距离分布函数符合高斯正态分布， 基于高斯 正态分布设置95％置信区间， 将95％置信区间外的船舶轨 迹模式识别为船舶异常行为。 3.如权利要求1所述的船舶航行模式提取方法， 其中， 所述计算所述类 内相似度不同的 船舶轨迹模式的轨 迹特征中心， 具体包括： 将所述船舶聚类结果中不同轨 迹模式设置类别标签； 基于DTW相似性度量 算法计算 不同类别内所有轨 迹之间距离， 生成距离矩阵； 对所述距离矩阵进行统计分析， 将距离矩阵中轨迹距离和最小的行数所代表的轨迹作 为此类别的轨 迹特征中心。 4.如权利要求1所述的船舶航行模式提取方法， 其中， 还包括通过所述AIS数据提取船 舶频繁轨迹： 将预处理后的AIS数据构建频繁 轨迹树， 并生成相邻节点之间的时间差； 根据频繁轨迹树生成轨迹路径， 计算轨迹路径的支持度与轨迹频率， 将支持度大于预 设最小支持度阈值， 且轨迹频率大于预设的轨迹频率的所有轨迹路径保存至频繁轨迹集 中。 5.如权利要求1所述的船舶航行模式提取方法， 其中， 还包括通过所述AIS数据获取船 舶周期轨 迹： 对所述AIS数据做 停留点检测， 将停留点进行分类； 将所述分类后的停留点进行聚类分析得到船舶轨迹的兴趣区域， 基于类Apriori算法 找出所述兴趣区域中周期出现的轨 迹模式。 6.如权利要求1所述的船舶航行模式提取方法， 其中， 还包括通过所述AIS数据获取船 舶共现模式下的船舶轨 迹： 提取所述AIS数据存在时间临近关系和空间临近关系的船舶数据， 计算临近船舶之间 的支持度与置信度， 设置支持度阈值与置信度阈值， 筛选出满足支持度阈值与置信度阈值 的船舶轨 迹， 视为船舶空间共现模式下的船舶轨 迹。 7.如权利要求1 ‑6任一项所述的船舶航行模式提取方法， 其中， 根据所述船舶异常行 为、 船舶频繁轨迹、 船舶周期 轨迹与船舶共现模式下的船舶轨迹， 预测船舶后 期运行轨迹与 异常行为发生的概 率。 8.一种船舶航行模式提取系统， 其特征在于， 包括船舶异常行为提取模块， 所述船舶异 常行为提取模块包括数据 处理子模块、 聚类分析子模块、 船舶异常行为识别子模块与船舶权　利　要　求　书 1/2 页 2 CN 115526244 A 2异常行为判别子模块； 其中， 数据处理子模块， 用于通过 船舶自动识别系统获取AIS数据， 对所述AIS数据预处 理； 聚类分析子模块， 用于对船舶轨 迹进行聚类分析， 得到船舶聚类结果； 船舶异常行为识别子模块， 用于计算所述船舶聚类结果中不同轨迹模式中的类 内相似 度， 根据类内相似度设置置信区间， 将所述置信区间外的船舶轨迹模式识别为船舶异常行 为； 船舶异常行为判别子模块， 用于计算所述类 内相似度不同的船舶轨迹模式的轨迹特征 中心， 计算新的船舶轨迹与不同的船舶轨迹模式的轨迹特征中心之间的距离， 确定新的船 舶轨迹的类别模式， 以判别新的船舶轨 迹是否属于船舶异常行为。 9.如权利要求8所述的船舶航行模式提取系统， 其中， 还包括船舶频繁轨迹提取模块， 用于将预 处理后的A IS数据构建频繁轨迹树， 并生 成相邻节点之间的时间差； 根据频繁轨迹 树生成轨迹路径， 计算轨迹路径的支持度与轨迹频率， 将支持度大于预设最小支持度阈值， 且轨迹频率大于预设的轨 迹频率的所有轨 迹路径保存至频繁 轨迹集中。 10.如权利要求8所述的船舶航行模式提取系统， 其中， 还包括船舶周期轨迹提取模块 与船舶共现模式下的船舶轨 迹提取模块； 所述船舶周期轨迹提取模块， 用于对所述AIS数据做停留点检测， 将停留点进行分类； 将所述分类后的停 留点进行聚类分析得到船舶轨迹的兴趣区域， 基于类Apriori算法找出 所述兴趣区域中周期出现的轨 迹模式； 船舶共现模式下的船舶轨迹提取模块， 用于提取所述AIS数据存在时间临近关系和空 间临近关系的船舶数据， 计算临近船舶之间的支持度与置信度， 设置支持度阈值与置信度 阈值， 筛选出满足支持度阈值与置信度阈值的船舶轨迹， 视为船舶空间共现模式下 的传播 轨迹。权　利　要　求　书 2/2 页 3 CN 115526244 A 3