题目：SPARK下面向AIS数据的流聚类算法研究与实现

背景资料：

随着我国海运事业的不断发展，我国海运船队规模已稳居世界第三位，海运船舶呈现出高速化、智能化的趋势。面对海运发展新形势，进一步按照国防安全船队、经济安全船队和商业船队三项要求加强海运船队建设，提升海运协同创新服务能力至关重要。同时，随着我国经济的发展，进出我国港口、航道的船舶流量也在不断增加。为了适应吞吐量快速增长的大型船舶需要，加强海上生命安全、提高航行的安全性和效率，建设一套良好的数字助航系统迫在眉睫，AIS系统（船舶自动识别系统）便应运而生。

同时，依托新时代的发展，人工智能大数据领域迎来了空前的发展机遇，我国在国家战略层面上也开始了全面的部署和规划。2017年7月8日，国务院关于印发《新一代人工智能发展规划的通知》，基于大数据平台发展高可用、高效率，高可靠的算法来解决日常生活、工业建设以及国防科技等领域的问题就非常重要了。

海上航行船舶流量巨大，高精度高可用的数字助航系统的引导辅助不仅能够避免发生碰撞同时可以保障航行效率。由于航行船只的状态是实时运动的，所以数字助航系统对于实时数据的处理分析要及时准确。聚类分析作为数据挖掘的一种重要研究方法，在金融股市交易、网络监控日志、电话通信业务等领域有着广泛应用。但是现有的数据流聚类技术普遍忽略不确定性特征，而AIS数据具有很强的实时性的特点，导致聚类结果与实际情况出现偏差，实际应用的参考价值低。

因此，基于大数据平台的AIS数据的流聚类算法的研究对于船舶航行的风险分析和控制具有重要意义。

目的和意义：

本文的研究目的在于吸收和借鉴已有的数据流聚类算法，如D-Stream和基于密度峰值的聚类算法，并基于AIS数据流的特点，设计船舶轨迹高效聚类算法。在SPARK环境下实现所设计的算法，使之能获得较高的效率与聚类精度，并利用实测数据予以验证和分析。

本文的设计意义：

船舶自动识别系统(AIS)由舰船飞机之敌我识别器发展而成，配合全球定位系统(GPS)将船位、船速、改变航向率及航向等船舶动态结合船名、呼号、吃水及危险货物等船舶静态资料由甚高频(VHF)频道向附近水域船舶及岸台广播，使邻近船舶及岸台能及时掌握附近海面所有船舶之动静态资讯，得以立刻互相通话协调，采取必要避让行动，对船舶安全有很大帮助。