典型文献
基于多源数据和船舶停留轨迹语义建模的港口目标识别
文献摘要：
港口目标识别是海事船舶监管的重中之重,船舶自动识别系统(Automatic Identification System,AIS)所获取的船舶活动信息,可为港口目标识别提供高时相和高精度的船舶航行数据.为了探究AIS数据在港口目标识别中的应用,提出一种基于多源数据和船舶停留轨迹语义建模的港口目标识别方法.通过数据挖掘和语义信息增强构建船舶停留轨迹语义模型,识别船舶港口停留轨迹;建立基于随机森林的船舶停留方式分类模型,分类船舶泊位停留轨迹和船舶锚地停留轨迹,并利用空间逐级合并方法提取港口泊位和港口锚地;综合船舶泊位停留轨迹、道路、海岸线、水深、土地利用与土地覆盖等数据,顾及情景-领域知识实现港口目标识别.基于2017年96 790艘船舶的超8300万条AIS轨迹记录,应用本文方法识别南海研究区的港口目标.实验结果表明,本文方法对于船舶轨迹停留行为总体分类精度为0.9477,Kappa系数为0.8948.提取出南海研究区447个港口区域,与Google Earth影像叠加验证结果表明,提取结果均位于真实的港口影像内,相较于Natural Earth数据集中包含的南海区域24个港口点位,提取结果的完整性大大增强.因此,基于多源数据和船舶停留语义建模的港口目标识别方法对于港口目标识别具有较高的准确性和完整性.此外,该方法提取的港口区域可为基于遥感影像的港口目标识别提供靶区,从而提高大区域甚至全球范围内港口目标动态识别的效率.
文献关键词：
港口识别;船舶行为分类;船舶自动识别系统;多源数据;语义模型;船舶停留;轨迹挖掘
中图分类号：
作者姓名：
闫兆进;杨慧
作者机构：
中国矿业大学资源与地球科学学院,徐州221116;中国矿业大学煤层气资源与成藏过程教育部重点实验室,徐州221116;中国矿业大学人工智能研究院,徐州221116
文献出处：
引用格式：
[1]闫兆进;杨慧-.基于多源数据和船舶停留轨迹语义建模的港口目标识别)[J].地球信息科学学报,2022(09):1662-1675
A类：
船舶停留,港口目标,港口识别,船舶行为分类
B类：
多源数据,语义建模,海事,船舶自动识别系统,Automatic,Identification,System,AIS,船舶活动,高时相,船舶航行数据,目标识别方法,语义信息,信息增强,语义模型,分类模型,泊位,锚地,逐级,海岸线,水深,土地覆盖,顾及,领域知识,万条,方法识别,船舶轨迹,分类精度,Kappa,港口区,Google,Earth,Natural,南海区,别具,遥感影像,靶区,大区域,内港,动态识别,轨迹挖掘
AB值：
0.240449
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
