摘要
随着全球定位系统和雷达技术的发展,越来越多的轨迹数据可以被收集到,其中,飞机、轮船、候鸟等对象产生的轨迹复杂多变,自由度较大.为了帮助识别飞行对象的行为和意图,航迹类型识别具有重要作用.文中提出了一种基于频繁航路模式的航迹分类方法.该方法包含一个频繁航路提取算法和一个卷积神经网络模型.算法首先对轨迹进行压缩,获得关键点;接着通过寻找轨迹自相交点提取闭合航路,然后寻找闭合航路中的频繁航路模式作为模型的分类依据;最后通过图像处理完成航迹类型的识别.文中利用FlightRadar24网站公开的真实航迹数据和模拟数据进行了大量的实验,结果表明,所提方法能有效识别复杂轨迹类型,与不经过轨迹提取的LeNet-5 CNN分类模型相比,所提方法性能更优,在轨迹分类上实现了95％以上的平均准确率.
NETL
NSTL
维普
万方数据