基于神經網絡的異常船舶航跡特征因子模型

牟紅梅，胡 青*

(1.大連海事大學信息科學技術學院，大連 116026；2.船舶導航系統國家工程研究中心，大連 116026)

船舶自動識別系統(automatic identification system,AIS)數據蘊含著大量船舶信息，是對于船舶的位置和時間的記錄序列，通過這些信息可以了解船舶的航行軌跡，這對船舶航行狀態分析、海上安全等具有一定的意義。因海上航行所受環境因素等影響較大，易采集到錯誤的AIS數據，從而導致對船舶行為的錯誤判斷。通過航跡再現，可以準確地看出錯誤AIS數據導致的船舶異常行為。但也存在一些不法分子或者違法船舶為掩飾自身船舶的真實航跡，而采取偽造航行數據的違法行為，目前存在船舶向外播發自行偽造的船舶軌跡信息去掩蓋自身船舶真實的航行軌跡現象。AIS中的船舶軌跡數據之間存在著直接的關系，通過對數據中的關系進行挖掘，并采用神經網絡對其關系進行學習，從而創建基于神經網絡的異常船舶航跡特征因子模型，對偽造船舶數據進行識別。

目前中外對于異常船舶行為的分析主要集中于兩種異常：運動異常、位置異常。主要包括：①速度異常：不明原因的高速，長時間的低速；②軌跡異常：位置異常、追蹤中斷、航向異常、目的地異常；③范圍異常：超出路徑范圍。目前對于船舶異常軌跡主要的判斷方法有：特征閾值設定、聚類分析方法、統計分析方法、神經網絡建模以及基于預測的異常檢測方法。

特定閾值設定法是目前使用較多的異常判斷方法，通過分析船舶各項特征量值取值及邏輯關系。……