题名 基于数据挖掘的海上交通流数据特征分析
被引量：21
1
作者
郑滨 陈锦标 夏少生 金永兴
机构
上海海事大学商船学院
出处
《中国航海》
CSCD
北大核心
2009年第1期60-63,90,共5页
文摘
将基于数据挖掘的聚类分析和图形化属性分析方法引入海上交通流数据特性分析领域。阐述了数据挖掘的基本思想与方法,并着重介绍了使用开源数据挖掘工具WEKA对某海上航道的交通流数据进行的数据挖掘实验。实验综合使用聚类分析和图形化属性分析两种方法得到该航道的特性信息,其结果证明利用数据挖掘方法可得到有价值的交通特性信息,并能为海上交通的有效管理提供有力的决策依据。
关键词
水路运输 海上交通流 数据挖掘 聚类分析 图形化属性分析 算法
Keywords
waterway transportation marine traffic flow data mining clustering analysis graphical property analysis algorithm
分类号
U666.132
[交通运输工程—船舶及航道工程]
题名 基于AIS数据的海上交通流区域自动识别
被引量：9
2
作者
刘虎 李伟峰
机构
浙江海洋大学港航与交通运输工程学院 大连海事大学航海学院
出处
《中国航海》
CSCD
北大核心
2016年第4期87-90,132,共5页
基金
国家高技术研究发展计划("八六三"计划)子课题(2009AA045003)
文摘
为解决挖掘船舶自动识别系统(Automatic Identification System,AIS)数据时需手动选择研究海域或数据及数据量较大的问题,提出结合航迹聚类和概率密度估计的交通流区域自动识别方法。通过分析航迹结构特征,构建航向航程模型;采用Pearson相关系数度量航向航程模型的相似性,并进行航迹聚类。运用核密度估计(Kernel Density Estimation,KDE)推算聚类航迹的概率密度,自动识别交通流区域,并进一步提取通航分道区域。以渤海海峡为例进行验证,识别效果良好。
关键词
航迹簇 航向航程模型 核密度估计(KDE) 自动识别 海上交通流 区域
Keywords
track cluster course-route model Kernal Density Estimation（KDE） automatic recognition marine traffic flow
分类号
U692
[交通运输工程—港口、海岸及近海工程]
题名 海上交通流特征分析系统的设计与实现
3
作者
袁福华
机构
呼伦贝尔职业技术学院
出处
《舰船科学技术》
北大核心
2016年第14期118-120,共3页
文摘
海洋运输业在国民经济中占据了重要的地位,港口的吞吐量随着船舶运输而增长,导致海洋交通流特征复杂。本文运用大数据挖掘进行海上交通流特征分析,从系统功能需求和数据库等方面进行系统设计,利用Visual Studio2012进行系统开发实现,利用实测数据进行验证系统的有效性。
关键词
海上交通流 特征数据库设计 海量数据挖掘
Keywords
marine traffic flow characteristics database design massive data mining
分类号
U692
[交通运输工程—港口、海岸及近海工程]
