如何使用大规模船舶轨迹数据进行航道边界提取方法的资料说明

　　传统的道路数据获取方法成本高、更新慢等无法适用于海洋航道的获取，从众源轨迹数据中提取道路或航道信息具有成本低、更新快等特性，然而，由于船舶轨迹数据噪声多、数据量大、不同区域分布不均使得航道边界提取面临较大挑战。针对该问题，提出一-种基于大规模船舶轨迹数据进行航道边界提取的方法。首先对大规模的船舶轨迹数据进行并行化去噪、插值、轨迹分段;然后，基于并行化及基于Geohash编码的空间聚类，将轨迹数据化简为多个方形区域的点集数据;其次，对其进行窗口划分，对传统的NiBlack方法进行扩展，提出SpatialNiBlack算法，对方形区域进行航道识别;最后，提出一种新的提取算法del-alpha-shape，基于航道识别结果获得航道边界。理论分析与实验结果表明，所提方法在最大密度值是200，最小密度值是10，窗口长和宽分别为5和5时，可同时达到86. 7%的准确率和79.4%的召回率。实验结果表明，该方法可以从大规模的轨迹数据中提取有价值的航道边界，是一种有效的航道提取方法。

　　由于传统道路数据依靠人工测量、高分遥感影像等采集方式，具有价格昂贵、更新慢等特点，使得道路信息的快速获取和更新成为一直以来亟待解决和广受关注的问题。传统道路信息提取的难点在于人工测量及高分遥感影像的获取昂贵，以及基于图像的准确道路检测与识别技术。其中，人工测量在采集信息时耗时耗力，而且受到地理环境和自然条件等限制，会带来安全问题和时间成本大问题。高分遥感影像通过卫星进行高清影像数据采集，需要对数以百万量不同级别的移动物体长期且频繁地进行数据采集和处理，由于成本高昂难以推广使用。尤其是，基于图像的识别检测技术对已建设的陆地道路路网识别是一种常用的方式，但海洋航道不同于陆地道路，该方法无法基于海洋影像识别航道与非航道区域。近年来，随着移动传感器、物联网、云计算、大数据等技术的发展，产生了海量的时空轨迹大数据，并能够对其进行处理和分析。通过对众多在道路上行驶的移动物体产生的时空轨迹大数据进行分析，提取其中的道路信息成为一- 种受关注的技术。与陆地上的道路相比，海上没有人为建筑的航道，且受气候洋流事故等各种外部因素影响动态变化，情形更加复杂。与陆地道路信息采集相比，利用传统的人工测量等方法采集航道信息代价更为高昂，而利用来自船舶自动识别系（ Automatic Identification System， AIS） 的众源船舶轨迹数据提取航道的信息，如果可行其一定具有 低廉、更新快等特性，不失为一种可以探索且较有前景的途径;但是，众源船舶轨迹数据具有海量、地理范围大、数据质量差、数据密度在不同区域差异明显等特征1，这给海上航道的获取和更新提出了更大的挑战，本文提出了基于众源船舶轨迹数据进行航道信息提取的-。整套方法，所瞄准的主要挑战及本文贡献包括：