Vessel Spatio-temporal Knowledge Discovery with AIS Trajectories Using Co-clustering
Vessel Spatio-temporal Knowledge Discovery with AIS Trajectories Using Co-clustering
复制标题
使用联合聚类利用 AIS 轨迹进行船舶时空知识发现
DOI：
10.1017/s0373463317000406
复制
发表时间：
2017-11
影响因子：
2.4
通讯作者：
Zhang Weiming
中科院分区：
文献类型：
--
作者：
Wang Jiang;Zhu Cheng;Zhou Yun;Zhang Weiming
自动识别系统（AIS）收集的大量数据为研究海上单个船只的运动行为和集体移动模式提供了机会。了解这些行为或模式对海上态势感知应用非常重要。在本文中，我们利用AIS轨迹来发现船舶时空共现模式，该模式在空间、时间和其他维度（如船型、速度、宽度等）上同时区分船舶行为。为此，对现有AIS数据进行处理，生成时空矩阵和时空张量（即多维数组）。然后对矩阵进行稀疏双线性分解，对张量进行稀疏多线性分解。在真实数据集上的实验结果证明了该方法的有效性，并证明了区域、时间和船舶属性之间存在联系。
Large volumes of data collected by the Automatic Identification System (AIS) provide opportunities for studying both single vessel motion behaviours and collective mobility patterns on the sea. Understanding these behaviours or patterns is of great importance to maritime situational awareness applications. In this paper, we leveraged AIS trajectories to discover vessel spatio-temporal co-occurrence patterns, which distinguish vessel behaviours simultaneously in terms of space, time and other dimensions (such as ship type, speed, width etc.). To this end, available AIS data were processed to generate spatio-temporal matrices and spatio-temporal tensors (i.e., multidimensional arrays). We then imposed a sparse bilinear decomposition on the matrices and a sparse multi-linear decomposition on the tensors. Experimental results on a real-world dataset demonstrated the effectiveness of this methodology, with which we show the existence of connection among regions, time, and vessel attributes.
登录
查看更多内容
影响因子：
2.4
作者：
Junier B. Oliva
通讯作者：
Junier B. Oliva
影响因子：
3.9
作者：
Hoyoung Jeung;Man Lung Yiu;Christian S. Jensen
通讯作者：
Hoyoung Jeung;Man Lung Yiu;Christian S. Jensen
DOI：
10.1109/tsmc.2015.2503605
发表时间：
2017-03
期刊：
IEEE Transactions on Systems, Man, and Cybernetics: Systems
影响因子：
--
作者：
F. V. Westrenen;J. Ellerbroek
通讯作者：
F. V. Westrenen;J. Ellerbroek
影响因子：
56.9
作者：
Azriel Rosenfeld
通讯作者：
Azriel Rosenfeld
影响因子：
5
作者：
Weibin Zhang;F. Goerlandt;P. Kujala;Yinhai Wang
通讯作者：
Weibin Zhang;F. Goerlandt;P. Kujala;Yinhai Wang