基于大地距离计算相似度的海上目标轨迹预测

doi:10.11772/j.issn.1001-9081.2022101639

《计算机应用》唯一官方网站 ›› 2023, Vol. 43 ›› Issue (11): 3594-3598.DOI: 10.11772/j.issn.1001-9081.2022101639

• 多媒体计算与计算机仿真 • 上一篇

基于大地距离计算相似度的海上目标轨迹预测

赵一鉴¹^,², 林利³, 王茜蒨¹^,²^,⁴(), 闻鹏⁵, 杨东⁵

^1.北京理工大学光电学院, 北京 100081
^2.信息光子技术工业和信息化部重点实验室(北京理工大学), 北京 100081
^3.中国人民解放军32011部队, 北京 100094
^4.北京理工大学长三角研究院, 浙江嘉兴 314033
^5.航天恒星科技有限公司, 北京 100095

收稿日期:2022-11-02 修回日期:2023-01-06 接受日期:2023-01-31 发布日期:2023-04-12 出版日期:2023-11-10
通讯作者: 王茜蒨
作者简介:赵一鉴（1998—），女，河南洛阳人，硕士研究生，主要研究方向：光电成像、数据处理
林利（1976—），男，河北沧州人，高级工程师，硕士，主要研究方向：信息通信、航天信息处理
王茜蒨（1970—），女，江苏徐州人，教授，博士，主要研究方向：光电成像和检测 qqwang@bit.edu.cn
闻鹏（1986—），男，陕西汉中人，高级工程师，硕士，主要研究方向：大数据及数据仓库应用
杨东（1985—），男，山东聊城人，高级工程师，硕士，主要研究方向：人工智能应用。

Trajectory prediction of sea targets based on geodetic distance similarity calculation

Yijian ZHAO¹^,², Li LIN³, Qianqian WANG¹^,²^,⁴(), Peng WEN⁵, Dong YANG⁵

^1.School of Optics and Photonics，Beijing Institute of Technology，Beijing 100081，China
^2.Key Laboratory of Photonic Information Technology，Ministry of Industry and Information Technology （Beijing Institute of Technology），Beijing 100081，China
^3.32011 Troops of the PLA，Beijing 100094，China
^4.Yangtze Delta Region Academy of Beijing Institute of Technology，Jiaxing Zhejiang 314033，China
^5.Space Star Technology Company Limited，Beijing 100095，China

Received:2022-11-02 Revised:2023-01-06 Accepted:2023-01-31 Online:2023-04-12 Published:2023-11-10
Contact: Qianqian WANG
About author:ZHAO Yijian， born in 1998， M. S. candidate. Her research interests include photoelectronic imaging， data processing.
LIN Li， born in 1976， M. S.， senior engineer. His research interests include information communication， aerospace information processing.
WANG Qianqian， born in 1970， Ph. D.， professor. Her research interest include photoelectronic imaging and detection.
WEN Peng， born in 1986， M. S.， senior engineer. His research interest include applications of big data and data warehouse.
YANG Dong， born in 1985， M. S.， senior engineer. His research interest include applications of artificial intelligence.

摘要/Abstract

摘要：

目前基于相似度的移动目标轨迹预测算法一般根据数据的时空特性进行分类，无法体现算法自身的特点，为此提出一种基于算法特征的分类方法。轨迹相似度算法通常需要先计算两点之间的距离，再开展后续计算，而常用的欧氏距离（ED）只适用于目标在小区域范围内移动的问题。针对现有基于相似度的轨迹预测算法无法适用于移动范围比较大的海上目标轨迹预测的问题，提出使用大地距离代替ED进行相似度计算。首先，对轨迹数据进行预处理和分段；其次采用离散弗雷歇距离（FD）作为相似性度量；最后，利用模拟数据和实际数据进行测试。实验结果表明，当海上目标移动范围较大时，采用ED算法可能会得到不正确的预测结果，而所提算法可输出正确的目标轨迹预测结果。

关键词: 轨迹相似度, 轨迹预测, 欧氏距离, 大地距离, 弗雷歇距离

Abstract:

The existing similarity-based moving target trajectory prediction algorithms are generally classified according to the spatial-temporal characteristics of the data， and the characteristics of the algorithms themselves cannot be reflected. Therefore， a classification method based on algorithm characteristics was proposed. The calculation of the distances between two points is required for the trajectory similarity algorithms to carry out the subsequent calculations， however， the commonly used Euclidean Distance （ED） is only applicable to the problem of moving targets in a small region. A method of similarity calculation using geodetic distance instead of ED was proposed for the trajectory prediction of sea targets moving in a large region. Firstly， the trajectory data were preprocessed and segmented. Then， the discrete Fréchet Distance （FD） was adopted as similarity measure. Finally， synthetic and real data were used to test. Experimental results indicate that when sea targets move in a large region， the ED-based algorithm may gain incorrect prediction results， while the geodetic distance-based algorithm can output correct trajectory prediction.

Key words: trajectory similarity, trajectory prediction, Euclidean Distance (ED), geodetic distance, Fréchet Distance (FD)

中图分类号:

TP301.6

赵一鉴, 林利, 王茜蒨, 闻鹏, 杨东. 基于大地距离计算相似度的海上目标轨迹预测[J]. 计算机应用, 2023, 43(11): 3594-3598.

Yijian ZHAO, Li LIN, Qianqian WANG, Peng WEN, Dong YANG. Trajectory prediction of sea targets based on geodetic distance similarity calculation[J]. Journal of Computer Applications, 2023, 43(11): 3594-3598.

图/表 6

图1 目标的运动轨迹

Fig. 1 Trajectories of moving target

图2 轨迹分段算法流程

Fig. 2 Flow of trajectory segmentation algorithm

图3 基于FD算法的轨迹预测流程

Fig. 3 Flow of trajectory prediction using FD algorithm

图4 模拟数据仿真结果

Fig. 4 Test results of synthetic data

图5 实际数据测试结果

Fig. 5 Test result of real data

图6 ED和大地距离两种算法预测的不同结果

Fig. 6 Different prediction results of Euclidean distance and Fréchet distance algorithms

参考文献 18

1	刘文，胡琨林，李岩，等. 移动目标轨迹预测方法研究综述［J］. 智能科学与技术学报， 2021， 3（2）：149-160. 10.11959/j.issn.2096-6652.202115
	LIU W， HU K L， LI Y， et al. A review of prediction methods for moving target trajectories［J］. Chinese Journal of Intelligent Science and Technology， 2021， 3（2）：149-160. 10.11959/j.issn.2096-6652.202115
2	石庆研，岳聚财，韩萍，等. 基于LSTM-ARIMA模型的短期航班飞行轨迹预测［J］. 信号处理， 2019， 35（12）： 2000-2009.
	SHI Q Y， YUE J C， HAN P， et al. Short-term flight trajectory prediction based on LSTM-ARIMA model［J］. Journal of Signal Processing， 2019， 35（12）： 2000-2009.
3	PECHER P， HUNTER M， FUJIMOTO R. Data-driven vehicle trajectory prediction［C］// Proceedings of the 2016 ACM SIGSIM Conference on Principles of Advanced Discrete Simulation. New York： ACM， 2016： 13-22. 10.1145/2901378.2901407
4	谢彬，张琨，张云纯，等. 基于轨迹相似度的移动目标轨迹预测算法［J］. 计算机工程， 2018， 44（9）：177-183. 10.19678/j.issn.1000-3428.0051133
	XIE B， ZHANG K， ZAHNG Y C， et al. Trajectory prediction algorithm for mobile target based on trajectory similarity［J］. Computer Engineering， 2018， 44（9）：177-183. 10.19678/j.issn.1000-3428.0051133
5	王爱兵，刘亚朋，夏辉，等. 基于轨迹相似度的行人轨迹预测方法研究［J］. 石家庄职业技术学院学报， 2021， 33（2）：5-8. 10.3969/j.issn.1009-4873.2021.02.002
	WANG A B， LIU Y P， XIA H， et al. On the trajectory similarity and prediction of pedestrian trajectory［J］. Journal of Shijiazhuang University of Applied Technology， 2021， 33（2）： 5-8. 10.3969/j.issn.1009-4873.2021.02.002
6	张春玮，马杰，牛元淼，等. 基于行为特征相似度的船舶轨迹聚类方法［J］. 武汉理工大学学报（交通科学与工程版）， 2019， 43（3）： 517-521. 10.3963/j.issn.2095-3844.2019.03.028
	ZHANG C W， MA J， NIU Y M， et al. Clustering method of ship trajectory based on similarity of behavior pattern［J］. Journal of Wuhan University of Technology （Transportation Science and Engineering）， 2019， 43（3）： 517-521. 10.3963/j.issn.2095-3844.2019.03.028
7	吴玥琳，袁振洲，陈秋芳，等.考虑轨迹相似度的综合客运枢纽出租车合乘方法研究［J］.交通运输系统工程与信息，2020，20（2）：188-195.
	WU Y L， YUAN Z Z， CHEN Q F， et al. Taxi pooling method of urban integrated passenger transport hub with trajectory similarity［J］. Journal of Transportation Systems Engineering and Information Technology， 2020， 20（2）： 188-195.
8	程志华. 通过计算公交线路轨迹相似度检测线路是否调整的方法［J］. 公路交通科技（应用技术版）， 2020（1）： 371-373.
	CHENG Z H. A method of detecting whether the bus line should be adjusted by calculating the similarity of bus line trajectory［J］. Journal of Highway and Transportation Research and Development （Applied Technology）， 2020（1）： 371-373.
9	柳帅. 基于时空和语义相似度的轨迹社区发现方法研究［D］. 沈阳：东北大学， 2015： 10-11.
	LIU S. Research on trajectory community detection based on spatial-temporal similarity and semantic similarity［D］. Shenyang： Northeastern University， 2015： 10-11.
10	廖闻剑，田小虎，邱秀连. 基于轨迹相似度的伴随人员推荐［J］. 计算机系统应用， 2018， 27（4）： 157-161.
	LIAO W J， TIAN X H， QIU X L. Companion recommendation based on trajectory similarity［J］. Computer Systems & Applications， 2018， 27（4）： 157-161.
11	MAGDY N， SAKR M A， MOSTAFA T， et al. Review on trajectory similarity measures［C］// Proceedings of the IEEE 7th International Conference on Intelligent Computing and Information Systems. Piscataway： IEEE， 2015： 613-619. 10.1109/intelcis.2015.7397286
12	SU H， LIU S， ZHENG B， et al. A survey of trajectory distance measures and performance evaluation［J］. The VLDB Journal， 2020， 29（1）： 3-32. 10.1007/s00778-019-00574-9
13	CAI X. Effective algorithms for the closest pair and related problems［D］. Storrs， CT： University of Connecticut， 2020： 8-11.
14	张晓滨，杨东山. 基于时间约束的Hausdorff距离的时空轨迹相似度量［J］. 计算机应用研究， 2017， 34（7）：2077-2079. 10.3969/j.issn.1001-3695.2017.07.034
	ZHANG X B， YANG D S. Hausdorff distance about spatial-temporal trajectory similarity based on time restriction［J］. Application Research of Computers， 2017， 34（7）： 2077-2079. 10.3969/j.issn.1001-3695.2017.07.034
15	郭岩，罗珞珈，汪洋，等. 一种基于DTW改进的轨迹相似度算法［J］. 国外电子测量技术， 2016， 35（9）： 66-71. 10.3969/j.issn.1002-8978.2016.09.016
	GUO Y， LUO L J， WANG Y， et al. Improved DTW algorithm for trajectory similarity［J］. Foreign Electronic Measurement Technology， 2016， 35（9）： 66-71. 10.3969/j.issn.1002-8978.2016.09.016
16	王前东.经典轨迹的相似度量快速算法［J］.系统工程与电子技术，2020，42（10）：2189-2196. 10.3969/j.issn.1001-506X.2020.10.06
	WANG Q D. Fast algorithm of similarity measurement for classical trajectory［J］. Systems Engineering and Electronics， 2020， 42（10）： 2189-2196. 10.3969/j.issn.1001-506X.2020.10.06
17	周振宇，郭广礼，贾新果.大地主题解算方法综述［J］.测绘科学，2007，32（4）：190-191，174，200. 10.3771/j.issn.1009-2307.2007.04.072
	ZHOU Z Y， GUO G L， JIA X G. A review on solution of geodetic problem［J］. Science of Surveying and Mapping， 2007， 32（4）： 190-191， 174， 200. 10.3771/j.issn.1009-2307.2007.04.072
18	EITER T， MANNILA H. Computing discrete Fréchet distance， CD-TR 94/64［R/OL］. ［2022-07-10］..

[1]	吴家皋, 章仕稳, 蒋宇栋, 刘林峰. 基于状态精细化长短期记忆和注意力机制的社交生成对抗网络用于行人轨迹预测[J]. 《计算机应用》唯一官方网站, 2023, 43(5): 1565-1570.
[2]	彭涛, 康亚龙, 余锋, 张自力, 刘军平, 胡新荣, 何儒汉, 李丽. 基于多头软注意力图卷积网络的行人轨迹预测[J]. 《计算机应用》唯一官方网站, 2023, 43(3): 736-743.
[3]	陈学勤, 陶涛, 张钟旺, 王一蕾. 融合成对编码方案及二维卷积神经网络的长短期会话推荐算法[J]. 《计算机应用》唯一官方网站, 2022, 42(5): 1347-1354.
[4]	代雨柔, 杨庆, 张凤荔, 周帆. 基于自监督学习的社交网络用户轨迹预测模型[J]. 计算机应用, 2021, 41(9): 2545-2551.
[5]	高建, 毛莺池, 李志涛. 基于高斯混合时间序列模型的轨迹预测[J]. 计算机应用, 2019, 39(8): 2261-2270.
[6]	孙亚圣, 姜奇, 胡洁, 戚进, 彭颖红. 基于注意力机制的行人轨迹预测生成模型[J]. 计算机应用, 2019, 39(3): 668-674.
[7]	陈虹, 肖越, 肖成龙, 宋好. 基于SIFT算子融合最大相异系数的自适应图像匹配算法[J]. 计算机应用, 2018, 38(5): 1410-1414.
[8]	黄晓冬, 孙亮. 基于鲁棒的余弦欧氏距离度量降维的图像检索方法[J]. 计算机应用, 2016, 36(8): 2292-2295.
[9]	胡伟健, 滕飞, 李灵芳, 王欢. 适应用户兴趣变化的改进型协同过滤算法[J]. 计算机应用, 2016, 36(8): 2087-2091.
[10]	周润物, 李智勇, 陈少淼, 陈京, 李仁发. 面向大数据处理的并行优化抽样聚类K-means算法[J]. 计算机应用, 2016, 36(2): 311-315.
[11]	宋路杰, 孟凡荣, 袁冠. 基于Markov模型与轨迹相似度的移动对象位置预测算法[J]. 计算机应用, 2016, 36(1): 39-43.
[12]	刘磊军, 房晨, 张磊, 鲍苏宁. 基于运动状态改变的在线全球定位系统轨迹数据压缩[J]. 计算机应用, 2016, 36(1): 122-127.
[13]	周治平, 苗敏敏. 改进的马氏距离动态时间规整手势认证方法[J]. 计算机应用, 2015, 35(5): 1467-1470.
[14]	支晓斌, 许朝晖. 鲁棒的特征权重自调节软子空间聚类算法[J]. 计算机应用, 2015, 35(3): 770-774.
[15]	刘磊军, 朱猛, 张磊. 基于迭代网格划分和熵估计的稀疏轨迹预测[J]. 计算机应用, 2015, 35(11): 3161-3165.

基于大地距离计算相似度的海上目标轨迹预测

Trajectory prediction of sea targets based on geodetic distance similarity calculation

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 6

参考文献 18

相关文章 15

编辑推荐

Metrics