CN113607170B - 空海目标航迹偏离行为实时检测方法 - Google Patents
空海目标航迹偏离行为实时检测方法 Download PDFInfo
- Publication number
- CN113607170B CN113607170B CN202110877457.0A CN202110877457A CN113607170B CN 113607170 B CN113607170 B CN 113607170B CN 202110877457 A CN202110877457 A CN 202110877457A CN 113607170 B CN113607170 B CN 113607170B
- Authority
- CN
- China
- Prior art keywords
- track
- target
- real
- geohash
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000011897 real-time detection Methods 0.000 title claims abstract description 13
- 230000005856 abnormality Effects 0.000 claims abstract description 32
- 238000004364 calculation method Methods 0.000 claims abstract description 32
- 230000002159 abnormal effect Effects 0.000 claims abstract description 18
- 238000012544 monitoring process Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 claims description 2
- 230000006399 behavior Effects 0.000 description 6
- 238000004088 simulation Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 101000606504 Drosophila melanogaster Tyrosine-protein kinase-like otk Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开的一种空海目标航迹偏离行为实时检测方法,计算效率高,可扩展性强,实现简单。本发明通过下述技术方案实现:根据集合重合性原理,计算目标实时轨迹网格集合与目标正常轨迹网格集合之间的相似性,对参与计算的空海目标实时轨迹序列长度、目标轨迹点GeoHash编码长度和异常告警门限值进行设置;根据设定的编码长度,去除重复编码,得到参与计算的典型轨迹Geohash集合;实时轨迹Geohash集合获取,统计每个集合元素对应的实时轨迹点数;根据目标典型轨迹Geohash集合和目标实时轨迹Geohash集合,进行异常指标值计算;根据设定的异常告警门限值,判定目标出现航路偏离异常,并输出异常告警门信息。
Description
技术领域
本发明涉及目标状态估计领域,实现对空海目标偏离正常航线行为的实时自动检测。
背景技术
随着无线传感网络、全球卫星导航***等设备在航空、航海领域的大量使用,产生了海量的空海目标航迹数据(如飞机飞行轨迹、船只航行轨迹等),全球空海目标航迹数据每天以GB级别递增,各种目标相互混跌、合法行驶目标与非法活动目标并存,给空海目标监视带来了巨大的压力。在海事领域,在空管领域,为空中目标划定了可供正常飞行的航路,给海面目标也划定了可供正常航行的航路;但在执行任务过程中往往存在典型的活动轨迹,因此,海上一般采用自动操舵控制航向,其中,航迹保持***根据定位信息测定航迹偏离程度,通过计算确定出最有效舵角与舵角执行时间,使船舶能最快、最省燃料地回到设定的航线上。实施雷达引导的航空器,在高空风的影响下,实际航迹可能偏离预期。当处于自动航迹跟踪模式显示状态下,船体是否偏离了计划航线是无法根据ECDIS的显示界面分辨的,这是因为自动航迹跟踪模式是一种始终将本船显示到计划航线上的显示方式,但本船实际位置可能不在航线上。航迹检查飞行中,即使修正了偏流,但由于空中风的变化以及仪表设备、领航计算的误差等其他因素的影响,飞机仍可能偏离预计航线产生产偏航。飞行航迹偏离过大,即1000英尺AFE以下,出现偏离正常稳定飞行状态的不可控制的变化。
目前,目标航迹偏离行为识别包括在线实时和离线非实时两种,判定方法可细分为基于统计挖掘的方法、基于距离的方法和基于机器学习的方法三大类。基于统计挖掘的方法主要面向离线非实时场景,旨在发现大规模数据中的异常目标,而后两类方法主要面向在线实时场景,侧重于目标异常情况的实时判定和告警。基于距离的方法,主要通过计算目标实时特征向量与正常模式下特征向量之间的距离来判断目标是否出现异常。基于机器学习的方法,主要利用决策树、支持向量机、贝叶斯网络等模型,自动学习复杂的数据结构、已有的异常和正常模式。
基于机器学习的方法是有监督方法,需要采集大量的目标轨迹数据,并人工标注异常和正常数据,构建训练集,以进行模型的训练,学习到的模型可解释性差,甚至还需要配备专用推理硬件,导致其应用场景受限。而基于距离的方法是无监督方法,主要从物理特性出发建模目标特征向量,无需构建数据集和进行训练,原理清晰,部署环境通用,在实际中得到了更加广泛的应用。目前,无论是基于单维特征还是联合多维特征的距离方法,大都基于Hausdorff距离来度量特征距离,需要计算实时特征与每个参考特征之间的距离,时间开销较大,这严重影响着实时判定的效率。
发明内容
为了满足空海目标航迹偏离行为实时检测需求,本发明的目的是针对当前基于距离的检测方法计算效率低的问题,提供一种计算效率高,可扩展性强,实现简单、可解释性好的空海目标航迹偏离行为实时检测方法。
为了实现上述目的,本发明提出的一种空海目标航迹偏离行为实时检测方法,其特征在于包括如下步骤:
初始参数设置:以Geohash编码为基础,面向实时监测场景,将目标的时间轨迹序列转换成Geohash编码集合,根据集合重合性原理,计算目标实时轨迹网格集合与目标正常轨迹网格集合之间的相似性,然后在实施空海目标航路实时异常判定时,根据实际目标轨迹和实际检测需求,对参与计算的空海目标实时轨迹序列长度、目标轨迹点GeoHash编码长度和异常告警门限值进行设置;
经典轨迹Geohash集合获取:基于距离的无监督方法,从物理特性出发建模目标特征向量,根据设定的GeoHash编码长度,对目标典型轨迹点进行编码,并去除重复编码,得到参与计算的典型轨迹Geohash集合;
实时轨迹Geohash集合获取:采用循环遍历的方式,实时获取轨迹Geohash集合,典型轨迹根据设定的GeoHash编码长度,将实时轨迹序列转换成Geohash集合,统计并记录每个集合元素对应的实时轨迹点数;
异常指标值计算:根据目标典型轨迹Geohash集合和目标实时轨迹Geohash集合,进行异常指标值计算;
异常判断:根据设定的异常告警门限值,判断异常指标值是否<设定门限值,根据已观测目标轨迹点落入典型轨迹周边区域的比例来判断是否出现航路偏离情况,将相似性值超过设定阈值的目标判定为航路异常目标,判定目标出现航路偏离异常,并输出异常告警门信息,否则,直接返回,等待新轨迹点的输入。
本发明相比于现有技术具有如下有益效果:
计算效率高。本发明以Geohash编码为基础,面向实时监测场景,将目标的时间轨迹序列转换成简单的Geohash编码集合,根据集合重合性原理,计算目标实时轨迹网格集合与目标正常轨迹网格集合之间的相似性,避免了空间距离的实时更新计算,大大降低计算复杂度,提高实时计算的效率。
实现简单、可解释性好。本发明采用基于距离的无监督方法,从物理特性出发建模目标特征向量,无需构建数据集和进行训练,原理清晰,部署环境通用,具有实现简单、可解释性好、无需标注数据的特点。
可扩展性强。本发明可以很容易的扩展到目标存在多条典型轨迹的情况,通过采用循环遍历的方式,对每条典型轨迹分别应用本发明方法,能够支撑广域范围内大批量空海目标实时监视应用场景,具有较高的工程应用价值。
本发明特别适合于监控目标明确、目标存在预设轨迹或经典轨迹的监控场景。
附图说明
图1是本发明空海目标航迹偏离行为实时检测流程示意图。
图2是本发明仿真实验中空海目标实时轨迹与典型轨迹示意图。
图3是本发明空海目标实时轨迹与典型轨迹间距离变化图。
图4为空海目标轨迹相似性指标随时间的变化情况。
下面结合附图和实施例对本发明进一步说明。
具体实施方式
参阅图1。根据本发明,采用如下步骤:
步骤1:初始参数设置:在实施空海目标航路实时异常判定时,根据实际目标轨迹和实际检测需求,对参与计算的空海目标实时轨迹序列长度、目标轨迹点GeoHash编码长度和异常告警门限值进行设置;
步骤2:经典轨迹Geohash集合获取:根据设定的GeoHash编码长度,对目标典型轨迹点进行编码,并去除重复编码,得到参与计算的典型轨迹Geohash集合;
步骤3:实时轨迹Geohash集合获取:根据设定的GeoHash编码长度,将实时轨迹序列转换成Geohash集合,统计并记录每个集合元素对应的实时轨迹点数;
步骤4:异常指标值计算:根据目标典型轨迹Geohash集合和目标实时轨迹Geohash集合,进行异常指标值计算;
步骤5:异常判断:根据设定的异常告警门限值,判断异常指标值是否<设定门限值,根据已观测目标轨迹点落入典型轨迹周边区域的比例来判断是否出现航路偏离情况。将相似性值超过设定阈值的目标判定为航路异常目标,判定目标出现航路偏离异常,并输出异常告警门信息,否则,直接返回,等待新轨迹点的输入。
在实施空海目标航路实时异常判定时,需要设置的初始参数包括:参与计算的空海目标实时轨迹序列长度m、目标轨迹点GeoHash编码长度Lg和异常告警门限值EL,这些参数可根据实际情况设置。例如,对于参与计算的目标实时轨迹序列长度m,可综合考虑时间监控窗口、目标实时更新速率等因素来确定;对于GeoHash编码长度,若要求目标实时轨迹偏离正常轨迹的平均距离≤3km,则Lg可设置为5。特别地,对于异常告警门限值EL的设定,可按照以下启发式规则进行:
对于完全禁止目标实时轨迹点偏离正常轨迹指定范围的情况,可设置EL值为1;对于允许目标实时轨迹点出现例外的情况,可根据能够接受的例外轨迹点数量占参与计算的目标实时轨迹序列长度m的比例来计算。一般来说,EL可设置为0.8,即允许至多20%例外点出现,也就是说当80%以上的轨迹点落入正常轨迹区域时,则认为该目标没有出现异常。
在经典轨迹Geohash集合获取中,可以根据设定的GeoHash编码长度Lg,对目标典型轨迹点进行编码,并去除重复编码,得到参与计算的典型轨迹Ttypical对应的GeoHash编码集合set(Ttypical):其中,/>为GeoHash编码集合的第i个元素。需要说明的是,空中航路、海上航道、典型航线等信息可以预先设定,也可以从目标的历史航迹数据中总结提取。
GeoHash编码是一种将空间划分为网格的地理编码,其核心思想是,沿着经度和纬度的方向递归交替二分地球经纬度,将二维经纬度坐标转换成一维字符串。本实施例采用Z阶空间填充曲线对目标轨迹进行GeoHash编码。GeoHash编码主要步骤包括二进制编码、组码和Base32编码转换:
1)二进制编码:沿经度和纬度的方向递归交替二分。目标经度落在左区间为0,落在右区间为1,目标纬度落在上区间为0,落在下区间为1。由于经度范围是纬度的2倍,因此一般可以将经度多编码1位,以保持经纬度误差尽量平衡。
2)组码:以最低位为第0位,从低位开始,偶数位放经度,奇数位放纬度,将经度和纬度二进制编码组码成新串。
3)Base32编码:为了存储和使用的简洁性,将组合后的二进制编码以5位为一组,转换成Base32字符串,每个Base32字符串由不含a,i,l,o的0-9,b-z,32个字母组成,字符串的长度即为目标轨迹点Geohash编码长度。需要说明的是,由于每个Base32字符由5个二进制位来表示,因此,组码后的二进制编码位数必须是5的倍数。
GeoHash编码的长度决定了网格的精度,编码越长越精确。GeoHash编码长度与经纬度二进制位数、网格精度的关系如表1所示。
表1 Base32编码对应的经纬度位数及网格精度,
对于目标轨迹,可以用Geohash编码集合来表征:在指定编码长度的情况下,求取每个轨迹点的GeoHash编码,然后对重复元素进行去重,得到其Geohash编码集合。
在实时航迹点Geohash编码计算中,按截止到当前时刻,目标共有m个轨迹点,对目标实时轨迹进行Geohash编码。根据设定的GeoHash编码长度Lg,将目标实时轨迹序
转换成Geohash编码集合set(Tr),并且统计并记录每个集合元素对应的实时轨迹点数ai
其中,为目标的第i个轨迹点,r表示实时轨迹标识,/>为第j个编码集合元素,n为转换后集合元素个数。
在异常指标值计算中,定义目标实时轨迹与目标典型轨迹之间的相似性参数,相似性参数采用如下计算公式:根据该公式,利用目标实时轨迹Geohash编码集合set(Tr)和典型轨迹的Geohash编码集合set(Ttypical),可以计算目标实时轨迹与典型轨迹之间的重合性指标Rs,
其中,ak为第k个集合元素对应的轨迹点数。
在异常判断中,根据设定的异常告警门限值,当以下条件成立时:重合性指标Rs<EL,则判定目标出现航路偏离异常,并输出告警信息,否则,则直接返回,等待新轨迹点的输入。
下面结合仿真实验对本发明的效果做进一步的说明;
参阅图2-图4。在仿真试验中,本发明利用某典型空中目标实测轨迹数据进行实验分析,对目标轨迹数据进行了脱敏处理:通过对其真实轨迹进行偏移作为其正常轨迹,并对正常轨迹进行偏移、重采样等,得到目标实时轨迹。该目标的实时轨迹和正常轨迹如图3所示,其中目标实时轨迹更新速率为2s左右,轨迹点数约为3300;正常轨迹更新速率约为5s左右,轨迹点数为1110点。从图2中可以看出,目标实时轨迹与典型轨迹间存在严重偏离情况。
图3为目标实时轨迹点与经典航迹间距离随时间的变化情况。从图3中可以进一步得出,在开始一段时间内,目标呈现出先远离-再靠近-又远离的运动状态。
本发明基于上述目标航迹偏离行为实时检测步骤,计算目标实时轨迹与典型轨迹间相似性指标,给出其随时间的变化情况,如图4所示。在该仿真实验中,参与计算的目标实时轨迹序列长度m设置为30,GeoHash编码长度Lg设置为5,EL值设置为0.8。从图4中可以看出,当目标实时轨迹开始偏离典型轨迹时,按照设定的门限值0.8,可以很容易判断出目标出现了航路异常;随着目标开始慢慢回归典型轨迹,其相似性指标也逐渐提高,预示着偏离程度越来越小,与目标与典型轨迹的距离变化趋势相吻合。
为了验证本发明所提方法的计算高效性,本发明利用上述数据,以实验的方式,对本发明所述方法与基于Hausdorff距离的经典方法的时间效率进行对比分析。采用的实验配置如表2所示:
类型 | 配置 |
操作*** | win7 32位 |
CPU | intel [email protected] |
内存 | 4G |
开发环境 | Scilab 6.1 |
编程方式 | 矩阵编程为主 |
为了减少统计的随机性,本发明进行10次实验并取平均值作为实验结果。经实验,本发明方法全面完成目标航路实时异常判定的平均时间为0.26s,而基于Hausdorff距离的经典方法平均时间为1.5s,可以看出本发明方法具有更高的计算效率,约为经典距离方法的5.7倍。
本发明未详细说明部分属本领域技术人员的公知常识。本领域的普通技术人员将会意识到,上述实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (6)
1.一种空海目标航迹偏离行为实时检测方法,其特征在于,包括如下步骤:
初始参数设置:以Geohash编码为基础,面向实时监测场景,将目标的时间轨迹序列转换成Geohash编码集合;根据集合重合性原理,计算目标实时轨迹网格集合与目标正常轨迹网格集合之间的相似性,然后在实施空海目标航路实时异常判定时,根据实际目标轨迹和实际检测需求,对参与计算的空海目标实时轨迹序列长度、目标轨迹点Geohash编码长度和异常警告门限值进行设置;
经典轨迹Geohash集合获取:基于距离的无监督方法,从物理特性出发建模目标特征向量,根据设定的Geohash编码长度,对目标典型轨迹点进行编码,并去除重复编码,得到参与计算的典型轨迹Geohash集合;
实时轨迹Geohash集合获取:采用循环遍历的方式,实时获取轨迹Geohash集合,根据设定的Geohash编码长度,将实时轨迹序列转换成Geohash集合,统计并记录每个集合元素对应的实时轨迹点数;
异常指标值计算:根据目标典型轨迹Geohash集合和目标实时轨迹Geohash集合,进行异常指标值计算;
异常判断:根据设定的异常告警门限值,判断异常指标值是否<设定门限值,根据已观测目标轨迹点落入典型轨迹周边区域的比例判断是否出现航路偏离异常,并输出异常告警门信息,否则直接返回,等待新轨迹点的输入;
在实施空海航路实时异常判定时,需要设置的初始参数包括:参与计算的空海目标实时轨迹序列长度、目标轨迹点Geohash编码长度/>和异常告警门限值EL;
在实时航迹点Geohash编码计算中,按截止到当前时刻,目标共有个轨迹点,对目标实时轨迹进行Geohash编码,根据设定的Geohash编码长度/>,将目标实时轨迹序转换成Geohash编码集合/>,并且统计并记录每个集合元素对应的实时轨迹点数/>,计算Geohash编码集合/>:
其中,为目标的第/>个轨迹点,/>表示实时轨迹标识,/>为目标实时轨迹序列长度,/>为第/>个编码集合元素,/>为转换后集合元素个数;
在异常指标值计算中,定义目标实时轨迹与目标典型轨迹之间的相似性参数,利用目标实时轨迹Geohash编码集合和典型轨迹Geohash编码集合/>,计算目标实时轨迹与典型轨迹之间的重合性指标/>:
其中,为第/>个集合元素/>对应的轨迹点数。
2.如权利要求1所述的空海目标航迹偏离行为实时检测方法,其特征在于:对于完全禁止目标实时轨迹点偏离正常轨迹指定范围的情况,设置EL值为1;对于允许目标实时轨迹点出现例外的情况,根据能够接受的例外轨迹点数量占参与计算的目标实时轨迹序列长度的比例来计算。
3.如权利要求1所述的空海目标航迹偏离行为实时检测方法,其特征在于:在经典轨迹Geohash集合获取中,根据设定的Geohash编码长度,对目标典型轨迹点进行编码,并去除重复编码,得到参与计算的典型轨迹/>对应的Geohash编码集合/>:
其中,为Geohash编码集合的第/>个元素,/>表示典型轨迹标识。
4.如权利要求1所述的空海目标航迹偏离行为实时检测方法,其特征在于:将空间划分为网格的地理编码,沿着经度和纬度的方向递归交替二分地球经纬度,将二维经纬度坐标转换成一维字符串,采用Z阶空间填充曲线对目标轨迹进行Geohash编码。
5.如权利要求1所述的空海目标航迹偏离行为实时检测方法,其特征在于:Geohash编码包括二进制编码、组码和Base32编码转换;二进制编码:沿经度和纬度的方向递归交替二分,目标经度落在左区间为0,落在右区间为1,目标纬度落在上区间为0,落在下区间为1;组码:以最低位为第0位,从低位开始,偶数位放经度,奇数位放纬度,将经度和纬度二进制编码组码成新串;Base32编码:为了存储和使用的简洁性,将组合后的二进制编码以5位为一组,转换成Base32字符串,每个Base32字符串由不含a、i、l、o的0-9、b-z,共32个字母组成,字符串的长度即为目标轨迹点Geohash编码长度。
6.如权利要求1所述的空海目标航迹偏离行为实时检测方法,其特征在于:对于目标轨迹,在指定编码长度的情况下,求取每个轨迹点的Geohash编码,然后对重复元素进行去重,得到Geohash编码集合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110877457.0A CN113607170B (zh) | 2021-07-31 | 2021-07-31 | 空海目标航迹偏离行为实时检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110877457.0A CN113607170B (zh) | 2021-07-31 | 2021-07-31 | 空海目标航迹偏离行为实时检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113607170A CN113607170A (zh) | 2021-11-05 |
CN113607170B true CN113607170B (zh) | 2023-12-12 |
Family
ID=78306367
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110877457.0A Active CN113607170B (zh) | 2021-07-31 | 2021-07-31 | 空海目标航迹偏离行为实时检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113607170B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113932816B (zh) * | 2021-11-16 | 2023-09-22 | 北京中科海讯数字科技股份有限公司 | 基于水声数据综合态势下的航迹优化方法 |
CN116052482B (zh) * | 2023-04-03 | 2023-06-23 | 中航信移动科技有限公司 | 一种航空器轨迹偏航预警的方法、电子设备及存储介质 |
CN116300967B (zh) * | 2023-05-12 | 2023-08-04 | 威海海洋职业学院 | 一种基于rfid的海洋渔船轨迹巡航方法、***及电子设备 |
CN117806356B (zh) * | 2024-02-28 | 2024-07-19 | 南京大学 | 一种基于物联网的飞艇数据传输管理***及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017162084A1 (zh) * | 2016-03-25 | 2017-09-28 | 阿里巴巴集团控股有限公司 | 数据伴随分析方法及装置 |
CN110471938A (zh) * | 2019-06-28 | 2019-11-19 | 安徽四创电子股份有限公司 | 一种面向海量轨迹数据的流式处理与实时检索的方法 |
CN110609881A (zh) * | 2019-08-28 | 2019-12-24 | 中山大学 | 车辆轨迹偏离检测方法、***和存储介质 |
CN111209457A (zh) * | 2019-12-24 | 2020-05-29 | 中国科学院电子学研究所苏州研究院 | 一种目标典型活动模式偏离告警方法 |
CN112100308A (zh) * | 2020-11-02 | 2020-12-18 | 中科星图股份有限公司 | 一种北斗时空轨迹的相似性查询方法 |
-
2021
- 2021-07-31 CN CN202110877457.0A patent/CN113607170B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017162084A1 (zh) * | 2016-03-25 | 2017-09-28 | 阿里巴巴集团控股有限公司 | 数据伴随分析方法及装置 |
CN110471938A (zh) * | 2019-06-28 | 2019-11-19 | 安徽四创电子股份有限公司 | 一种面向海量轨迹数据的流式处理与实时检索的方法 |
CN110609881A (zh) * | 2019-08-28 | 2019-12-24 | 中山大学 | 车辆轨迹偏离检测方法、***和存储介质 |
CN111209457A (zh) * | 2019-12-24 | 2020-05-29 | 中国科学院电子学研究所苏州研究院 | 一种目标典型活动模式偏离告警方法 |
CN112100308A (zh) * | 2020-11-02 | 2020-12-18 | 中科星图股份有限公司 | 一种北斗时空轨迹的相似性查询方法 |
Non-Patent Citations (4)
Title |
---|
Bidirectional Mapping Trajectory Similarity Measurement Algorithm Based on Geohash Grid;Zhihao Ji;《2021 6th International Symposium on Computer and Information Processing Technology (ISCIPT)》;全文 * |
一种目标航路实时异常快速判定方法;张海瀛;《舰船电子工程》;第41卷(第12期);全文 * |
基于GeoHash的电磁大数据航迹挖掘;李高云;《电子信息对抗技术》;第35卷(第4期);全文 * |
移动轨迹的异常检测及其聚类研究;胡开喜;《中国优秀硕士学位论文全文数据库信息科技辑》(第4期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113607170A (zh) | 2021-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113607170B (zh) | 空海目标航迹偏离行为实时检测方法 | |
Liu et al. | Predicting aircraft trajectories: A deep generative convolutional recurrent neural networks approach | |
CN103336863B (zh) | 基于雷达飞行航迹观测数据的飞行意图识别方法 | |
CN111159924B (zh) | 用于预测漂移轨迹的方法和装置 | |
Zhang et al. | Enhance the AIS data availability by screening and interpolation | |
CN107340516B (zh) | 基于多普勒速度的联合逻辑快速航迹起始方法 | |
CN113283653B (zh) | 一种基于机器学习和ais数据的船舶轨迹预测方法 | |
Naus | Drafting route plan templates for ships on the basis of AIS historical data | |
CN113516037B (zh) | 海上船只航迹片段关联方法、***、存储介质及设备 | |
CN114090718B (zh) | 基于Bi-LSTM预测与模糊分析的中断航迹关联方法 | |
CN114255616A (zh) | 一种无动力船舶轨迹预测方法、装置、设备及存储介质 | |
Qin et al. | Trajectory prediction based on long short-term memory network and Kalman filter using hurricanes as an example | |
Xu et al. | Trajectory clustering for SVR-based Time of Arrival estimation | |
CN114660561A (zh) | Ais与雷达的航迹关联方法及装置 | |
CN112556698B (zh) | 船舶行为变化及异常识别方法、设备及介质 | |
CN116502777B (zh) | 一种基于Transformer的四维航迹长时预测方法及其装置 | |
Wang et al. | Classification of ship trajectories by using naive Bayesian algorithm | |
Cheng et al. | A uuv target detection method based on informer | |
Zhang et al. | A novel ship trajectory clustering analysis and anomaly detection method based on AIS data | |
CN116543603A (zh) | 一种考虑空域态势和局部优化的航迹补全预测方法及装置 | |
CN116258252A (zh) | 基于注意力机制的飞机轨迹预测方法、储存介质及设备 | |
CN112767445B (zh) | 一种用于视频中船舶目标跟踪的方法 | |
Eljabu et al. | Destination port detection for vessels: An analytic tool for optimizing port authorities resources | |
Sigillo et al. | Sailing the Seaformer: A Transformer-Based Model for Vessel Route Forecasting | |
CN114445395B (zh) | 基于互联网和大数据的配电线路树障智能定位方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |