买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉重庆邮电大学申请的专利自适应时空间维度船舶频繁活动区域抽取方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116821732B 。

龙图腾网通过国家知识产权局官网在2026-05-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210267539.8，技术领域涉及：G06F18/23213；该发明授权自适应时空间维度船舶频繁活动区域抽取方法是由熊炫睿;张帆;熊炼;贾钰梅;张媛设计研发完成，并于2022-03-18向国家知识产权局提交的专利申请。

本自适应时空间维度船舶频繁活动区域抽取方法在说明书摘要公布了：本发明属于船舶AIS数据聚类技术领域，设计一种自适应时空间维度船舶频繁活动区域抽取方法，用于解决目前频繁活动区域的提取方法仅关注轨迹数据空间信息，而忽略时间信息，导致提取的频繁活动区域不够准确的问题。该方法包括以下步骤：S1对船舶AIS数据进行预处理；S2采用网格密度峰值聚类算法提取单一时空粒度的船舶频繁活动区域；S3多时空粒度的船舶频繁活动区域提取。本发明采用一种自适应时空间维度船舶频繁活动区域抽取方法，在保证船舶AIS数据信息比较完整的前提下，进行聚类分析提取船舶频繁活动区域。本发明相较于传统的船舶频繁活动区域提取方法能够更有效的提取出多时空粒度下的船舶频繁活动区域，实现了多时空粒度下提取船舶频繁活动区域目的，提高了船舶频繁活动区域提取的准确度。

本发明授权自适应时空间维度船舶频繁活动区域抽取方法在权利要求书中公布了：1.一种自适应时空间维度船舶频繁活动区域抽取方法，步骤如下： 步骤1：船舶AIS数据预处理； 步骤S1.1：通过判断船舶航行速度是否为0以及两相邻数据点的采集时间是否大于给定时间阈值，从船舶AIS数据中提取单一轨迹,第i条轨迹表示为： ； 其中，n表示该轨迹中包含的轨迹点数，轨迹点，表示轨迹点采集的时间，，，分别表示船舶i在t时刻的经度、纬度和速度； 步骤S1.2:异常值删除，遍历轨迹数据并删除不符合物理运动规律的异常点，所述异常点包括速度值为负值、经度绝对值超过180°、纬度绝对值超过90°的数值异常点，以及根据相邻轨迹点的时间间隔与空间距离计算得到的航行速度超过预设最大航速阈值的轨迹漂移点; 步骤S1.3：轨迹插值,采用线性插值法填充缺失的数据，方法如下： 设定时间阈值，若，计算插值数量： ； 表示这条轨迹正常采样的平均采样时间间隔，计算插入轨迹点的属性值： ； 表示插入的第个轨迹点； 步骤2：单一时空粒度的船舶频繁活动区域提取; 步骤S2.1：单一时空粒度的船舶频繁活动区域提取，假设船舶轨迹数据集时间跨度为，给定时间粒度，空间粒度，得到下一时刻，； 步骤S2.2：船舶频繁活动区域提取，获取时间段内的数据加入集合中，采用网格密度峰值聚类算法提取船舶频繁活动区域，将研究区域内的经纬度均匀划分为等份，得到个网格对象，以网格内船舶数量为密度统计标准，采用密度峰值聚类算法对网格对象进行聚类分析，网格划分满足有数据的网格数量不小于总划分网格数量的15； 选取网格内真实存在且与网格中其他数据点距离最小的点作为网格对象代表点， 将网格对象密度表示为： ； 式中，表示当前网格，表示统计网格内船舶数量的函数； 将相对距离表示方法由数据点之间的距离改为网格对象之间的距离，表示为： ； 式中，表示为网格对象和网格对象的欧式距离； 采用手肘法和箱型图结合的方法来选取类簇中心，首先计算密度相对距离值： ； 式中，分别为归一化后的网格密度和相对距离，其中归一化方法采用最小最大值归一化方法，表示为： ； 其中为归一化后的数据特征值，为归一化前的数据特征值，为该类数据特征中取值的最大值，为该类数据特征中取值的最小值， 然后将值降序排列，通过手肘法找到拐点，将拐点左侧的网格对象加入类簇中心候选集合，然后结合箱型法对类簇中心候选集合进行筛选，将所有的值加入集合，分别计算集合的上四分位数和下四分位数，其中n为集合长度，定义集合的异常值截断阈值： ； 将值超过阈值的网格对象加入到类簇中心候选集合中，将类簇中心候选集合和类簇中心候选集合的交集做为初步的候选中心，将剩余的网格对象分配到与它最近的高密度邻居的类簇中，得到聚类簇， 对各网格进行统计，计算每一网格在预设时间段内作为其他网格的最近高密度网格的次数；其中，所述最近高密度网格为在所述预设时间段内船舶数量大于其相邻网格的网格；当某一网格作为其他网格的最近高密度网格的次数等于0时，将该网格的网格密度最大值确定为热点区域筛选阈值；成为其它网格的最近高密度网格次数表示为： ； 式中，，频繁活动区域定义为： ； 式中，表示聚类得到的类簇，表示类簇的中频繁活动区域，为最大值函数，将得到的频繁活动区域保存到集合里，并确定时间段内密度最小值和密度最大值， 令，确定下一需要提取频繁活动区域的时间段为：开始时刻，结束时刻，重复步骤S2.2，进行下一时间段内频繁活动区域的提取，直到遍历完时间跨度； 步骤3：多时空粒度的船舶频繁活动区域提取; 步骤S3.1：多时空粒度的船舶频繁活动区域提取，对步骤2中得到的不同时间段的船舶频繁活动区域，将连续相邻时间段内的船舶频繁活动区域进行融合，得到更大时间粒度的船舶频繁活动区域； 步骤S3.2：确定融合开始时刻，计算下一时刻，； 步骤S3.3：确定频繁活动区域融合起点时间段，确定下一个融合的时间段，； 步骤S3.4：如果时间段和的频繁活动区域存在交集，计算在时间段内网格密度最小值min_density,网格密度最大值max_density，将,,a,min_density,max_density加入集合S，得到在时间段的频繁活动区域，否则进行下一时间段频繁活动区域的融合，，返回步骤S3.3； 步骤S3.5：当步骤S3.4中两时间段内频繁活动区域存在交集时，向时间轴继续延伸，，重复步骤S3.4，直到遍历完时间跨度； 步骤S3.6：进行下一时间段频繁活动区域的融合，，返回步骤S3.3； 步骤S3.7：直到遍历完时间跨度，结束频繁活动区域融合，得到多时空粒度下的船舶频繁活动区域集合S。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆邮电大学，其通讯地址为：400065 重庆市南岸区崇文路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。