为了提高大型船舶轨迹的停留检测效率,提出一种基于网格的停留轨迹检测方法,通过对矢量轨迹进行网格化提高运算效率,以轨迹点总停留时间作为网格密度解决轨迹点采样时间不均的问题。为了验证方法的实用性,采用真实样例轨迹数据进行检测...为了提高大型船舶轨迹的停留检测效率,提出一种基于网格的停留轨迹检测方法,通过对矢量轨迹进行网格化提高运算效率,以轨迹点总停留时间作为网格密度解决轨迹点采样时间不均的问题。为了验证方法的实用性,采用真实样例轨迹数据进行检测和分类实验。实验结果表明:在检测效果方面,该方法检测正确率均高于88%且召回率均高于80%,能够满足停留检测的需求;在分类效果方面,其整体分类结果较为准确,能够有效区分锚泊和靠泊两种情况;在检测效率方面,该算法优于基于密度的噪声应用空间聚类(Density-Based Spatial Clustering of Applications with Noise, DBSCAN)检测方法和基于空间关系的检测方法,且更适用于大数据量的处理。展开更多
文摘为了提高大型船舶轨迹的停留检测效率,提出一种基于网格的停留轨迹检测方法,通过对矢量轨迹进行网格化提高运算效率,以轨迹点总停留时间作为网格密度解决轨迹点采样时间不均的问题。为了验证方法的实用性,采用真实样例轨迹数据进行检测和分类实验。实验结果表明:在检测效果方面,该方法检测正确率均高于88%且召回率均高于80%,能够满足停留检测的需求;在分类效果方面,其整体分类结果较为准确,能够有效区分锚泊和靠泊两种情况;在检测效率方面,该算法优于基于密度的噪声应用空间聚类(Density-Based Spatial Clustering of Applications with Noise, DBSCAN)检测方法和基于空间关系的检测方法,且更适用于大数据量的处理。
