基于多目标峰值DP算法的AIS航迹数据压缩方法

本发明涉及一种更适用于弯曲航迹的压缩算法，尤其是提供一种基于多目标峰值dp(douglas-peucker)算法的ais航迹数据压缩方法，属于船舶智能安全航迹计算。

背景技术：

1、自动识别系统(ais)为海洋智能化提供了海量的数据基础。由于原始ais数据存在冗余，直接使用会造成数据储存空间和计算成本的浪费，因此有必要进行数据压缩；douglas-peucker算法(dp)是一种有效的航迹压缩算法，可以很好地保存航迹的空间特性。但dp算法存在着以下不足：首先，dp算法在压缩多转弯航迹时，航迹复原效果较差。其次，dp算法未考虑船舶的船速和航向，最后dp算法可能会出现压缩后的航迹穿越障碍物的错误结果。

技术实现思路

1、本发明公开一种基于多目标峰值dp算法的ais航迹数据压缩方法，采用峰值采样策略，考虑航迹空间特性、航向、航速三个优化目标，加入障碍物检测机制，实现了一种更适用于弯曲航迹的压缩算法。

2、本发明所述的一种基于多目标峰值douglas-peucker算法的ais航迹数据压缩方法(以下简称：mpdp)，技术解决方案如下：

3、1)坐标系变换后计算点到直线的距离

4、将轨迹点原地理坐标通过公式(1)(2)(3)(4)转换为墨卡托投影的坐标(x,y)：

5、x＝r0×λ (1)

6、y＝r0×q (2)

7、

8、

9、其中λ和分别表示航迹点的经度和纬度；x和y分别表示航迹点的横坐标和纵坐标；表示墨卡托投影中的标准纬度；l表示地球椭圆球体的长半径；e表示地球椭球体的第一偏心率；r0表示标准纬度平行圆的半径；q表示等轴纬度；

10、经墨卡托投影转换后，通过矢量法计算点到直线的距离distance，如等式(5)所示：

11、

12、其中，a表示从线段起点到线段终点的矢量；b表示从线段起点到目标点的矢量；2)多目标峰值douglas-peucker算法

13、该算法任务为从原始航迹的航迹点集合os＝{p1,...pi,...pn}，i∈(1,n)中提取出一个能够反映原始轨迹主要形态特征的关键航迹点集合ks＝{k1,...kj,...km}，j∈(1,m)；

14、多目标峰值douglas-peucker算法(mpdp)压缩步骤如下：

15、step1：设置压缩阈值ε(ε＞0)；采用0.8倍船长作为压缩阈值设置参考区间，对于不同的用户，可根据自身研究中对压缩强度的需求调节压缩阈值；

16、step2：将集合os的起点和终点加入集合ks；

17、step3：更新集合ks：

18、step3-1：以集合ks中的点为分裂点，将集合os划分为m-1个子集；

19、设两个相邻点kj到kj+1对应的os子集为os_subj；以kj到kj+1之间的直线为基线，如果kj与kj+1坐标不同，利用公式(5)计算子集os_subj中的各点到基线的距离，得到距离集合ds，反之当两点地理坐标相同，即船舶处于原地盘旋或往返运动时端点重合时，将点到直线距离改为采用公式(6)计算点到点距离distance′，得到距离集合ds；

20、

21、再利用公式(8)计算子集os_subj中的各点适应度fitness，得到适应度集合fs；

22、其中适应度包含点到直线距离、航向变化率和航速变化率三部分；三者的单位与量纲差别较大，不适合直接进行综合对比分析。需要将各个代价分别进行归一化处理，消除单位和量纲的影响。这里采取min-max标准化(min-max normalization)方法对原始数据的归一化处理，使归一化结果f值映射到[0,1]之间；转换公式(7)如下：

23、

24、其中，f代表需要进行归一化计算的各点的点到直线距离、航向变化率和航速变化率，max和min对应需要进行归一化计算的每一组数据的最大值和最小值。归一化计算后，适应度fitness计算如公式(8)所示：

25、fitness＝α×d+β×η+ω×υ                (8)

26、其中，d为归一化后的点到直线距离，η为归一化后的航向变化率，υ为归一化后的航速变化率；α,β,ω为取值[0,1]的权值系数，用户可根据实际应用中三项优化目标的重要程度，分配其比例关系并令α+β+ω＝1；

27、step3-2：将各点适应度的集合fs中的取得极大值的点，加入到集合es中；将es中航迹点对应的距离逐一与阈值ε进行比较，如大于阈值ε将该点储存在集合ks中；

28、设置峰值个数阈值th_n，当搜索到极值点集es中个数大于th_n时，对极值点集es再次求取峰值，直至满足阈值要求；所保留的极值点为距离集中变化最大的峰值设置th_n取值为3至6的整数；

29、设置峰值压缩层数阈值th_l，当压缩层数小于阈值th_l时，采用多峰值保留策略进行多个航迹点保留；当压缩层数大于阈值th_l时，将取得适应度集合fs最大值处航迹点的点到直线距离与压缩阈值ε进行比较，如果大于ε则仅保留这一个航迹点，储存至集合ks中；设置th_l取值为1至3的整数；

30、step4：假设在所有子集os_sub的距离集合ds中距离最大值为dmax，如果dmax≥ε重复step3，否则跳转至step5；

31、step5：检查压缩后航段导通性：首先令计数器i＝1，判断集合ks中航迹点ki与ki+1之间的航段是否存在障碍物，如果存在障碍物则不可以通行，令压缩阈值ε＝0，将ki与ki+1使用step3增加新的航迹点加入集合并返回上一步判断，反之当不存在障碍物可以通行时再判断ki+1是否为终点，如果ki+1不是终点则令i＝i+1，并返回上一级判断，反之ki+1是终点，则跳出循环完成压缩全过程；

32、需要补充说明的是：定义临界距离集合e，用以储存当轨迹点加入关键路径集合ks时，所对应ds中的距离；当完成障碍物检测后，选择更新后的临界距离集合e中的最小值作为推荐压缩阈值εnew。

33、本发明的积极效果在于：提供了一种更适用于弯曲航迹的新压缩算法，采用峰值采样策略，考虑航迹空间特性、航向、航速三个优化目标，加入障碍物检测机制，通过模拟航迹实验及真实航迹实验对比了经典dp算法与mpdp算法；结果显示mpdp算法在保持与dp算法相近的高压缩率情况下，长度损失率、同步欧式距离、航速平均偏差和航向平均偏差均得到优化，并且可以成功避开障碍物。其中对于多转弯航迹或盘旋航迹优化效果最为明显，长度损失率、同步欧式距离和航速平均偏差的优化率可达40％以上。

技术特征：

1.一种基于多目标峰值douglas-peucker算法的ais航迹数据压缩方法，包括以下步骤：

技术总结
本发明提供一种基于多目标峰值DP算法的AIS航迹数据压缩方法，采用峰值采样策略，考虑航迹空间特性、航向、航速三个优化目标，加入障碍物检测机制，通过模拟航迹实验及真实航迹实验对比了经典DP算法与MPDP算法；结果显示MPDP算法在保持与DP算法相近的高压缩率情况下，长度损失率、同步欧式距离、航速平均偏差和航向平均偏差均得到优化，并且可以成功避开障碍物。其中对于多转弯航迹或盘旋航迹优化效果最为明显，长度损失率、同步欧式距离和航速平均偏差的优化率可达40%以上。

技术研发人员：王红波,周正,张英剑,张展硕,袁啸宇
受保护的技术使用者：吉林大学
技术研发日：
技术公布日：2024/1/13