题目：内河船舶异常轨迹实时探测方法研究与实现

背景资料：

内河航运是人类交通运输史中最为古老的运输方法之一，也是内陆地区和沿海地区地区进行交流的重要纽带。相较于其他运输方式，内河航运有着运量大、占地少、成本低、能耗少、污染低等优势。目前，全国形成了以长江、珠江、 京杭运河、淮河、黑龙江和松辽水系为主体的内河水运布局。

但随着内河航运的业务日益增加，内河航运的通航环境变得愈加复杂，影响船舶通航的因素不断增加，导致船舶碰撞等事故发生的更加频繁，最终导致人力物力的损耗以及生态环境的破坏，现在如何保障内河船舶航行安全成为了亟待解决的问题。为了保障船与船以及船与基站之间的便捷交流，船舶自动自动识别系统（Automatic Identification System，简称AIS）和全球定位系统（Global Positioning System，简称GPS）得到了普及，如今各地海事局的电子海图系统会接收到海量的AIS数据，但是这些AIS并没有被充分利用。现在如何利用已有的AIS数据进行分析，建立船舶正常轨迹的模型，并最终实现对内河船舶异常轨迹进行实时探测，是目前水上交通领域的研究热点之一。

目的及意义：

本项目的目的是利用大量的电子海图系统收集到的AIS数据建立一个可靠的船舶轨迹数据模型，并利用该轨迹模型实现实时的轨迹检测。

近年来，随着国内内河水运的发展，内河水运交通量一直保持增长，船舶在运行的过程中产生了极为大量的时空轨迹，通过对这些轨迹数据进行挖掘分析，可以帮助河道以及港口管理人员进行船舶行为的管理，并为海事监 管、交通服务 、海事调查 ，企业的航运决策、船队跟踪、 船舶引航以及科 研机构的数据研究提供帮助。

本文希望通过利用已有的AIS数据，依托Spark平台建立一个基于改进的DBSCAN的聚类方法完成对正常船舶行驶轨迹的建模，然后根据已有建模完成对于船舶轨迹的实时异常检测。

目前基于AIS的船舶异常轨迹检测的研究主要集中在海洋船舶领域，而面向内河航行的异常轨迹检测研究相对较少。但是随着内河航运行业的发展以及越来越丰富的AIS数据集，使得我们可以通过云计算平台Spark建立一个高效的船舶正常轨迹模型，并实现对船舶轨迹的实时监测，最终帮助管理人员提前发现船舶异常行为，保证船只的航行安全。

国内外研究现状：