船舶行为预测模型

聚类精度提升3.9%

对船舶轨迹进行分层行为序列表示，在预测演化中同步完成聚类，有效捕捉不同类型船舶在排放控制区附近的行为差异。

张蕊 · Hanyue, Wu · Zhenzhong, Yin · 肖竹 · Qixuan, Cheng · 刘克中

IEEE Transactions on Intelligent Transportation Systems 2024

参数信息

聚类纯度提升（相对 NN-Kmeans）

3.9 %

聚类纯度提升（相对 Robust DAA）

6.4 %

技术优势

聚类纯度提升

在真实 AIS 数据上，PC-HiV 的聚类纯度比 NN-Kmeans 高 3.9%，比 Robust DAA 高 6.4%，说明行为划分更准确。

捕捉行为演化

模型在每个时间戳预测行为演化，从而捕捉不同船舶类型（如不定期船与班轮）在排放控制区附近的行为差异。

同步优化聚类与预测

通过预测聚类和潜在编码，PC-HiV 同时提升聚类和预测性能，避免分步处理的信息损失。

应用场景

• 海事智能监控：利用行为聚类识别异常轨迹，加强排放控制区附近的船舶监控。
• 交通轨迹挖掘：从大规模 AIS 轨迹中提取行为演化模式，支撑交通流分析。
• 海洋数据分析：联合预测与聚类提升纯度，为海事数据分析提供高质量行为标签。