海上目标多源轨迹数据关联综述

船舶自动识别系统、船舶远程识别与跟踪系统、卫星导航定位系统、导航雷达、星载雷达等海上目标监控系统互相补充,极大地增加了海上移动目标监控的广度和质量。然而,同一个移动目标在不同系统中具有不同的标识和轨迹,需要进行有效的数据融合,关联多源轨迹数据,建立各系统中移动目标的对应关系,才能形成统一的海上态势,为移动目标跟踪、轨迹数据挖掘等提供支持。本文介绍和总结了海上目标多源轨迹的常见数据源;剖析与比较了可用于移动轨迹数据关联的最近邻、概率数据关联、联合概率数据关联和多假设跟踪4种量测/航迹关联方法,和基于统计方法或模糊数学的2类航迹/航迹关联方法,以及相关工作进展;总结了常见的算法评估方式;最后讨论了现有方法适用场景问题,及其进一步的研究方向。     

大规模航运数据下“一带一路”国家和地区贸易网络分析

在“一带一路”沿线的65个国家中,46个国家拥有登记在案的港口,同时海上航运贸易占国际贸易总量的75%以上。为了充分了解“一带一路”沿线国家和地区航运贸易情况,评估国家、区域之间贸易往来关系,本文选取了2016年“一带一路”国家和地区船舶历史运动轨迹,首先基于规则判定的方法挖掘船舶停港事件,并以港口为主要节点,港口间货运往来事件为连接形成“一带一路”国际航运贸易网络。在此基础上,对贸易网络进行如下网络结构分析：① “一带一路”贸易网络基本属性统计,包括网络连通性、度分布、平均最短路径;② 网络节点中心度计算,主要采用Eigenvector Centrality评估分析贸易网中节点中心度;③ 结合社会网络挖掘中社区挖掘的概念,使用Fast Unfolding算法对贸易网络进行社区发现。可以看出,“一带一路”沿线国家和地区贸易往来错综复杂,港口之间呈现小世界网络特性;土耳其、俄罗斯、中国等国的港口影响力靠前;并且形成五大贸易社区,这些社区的分布和地理位置分布基本吻合,但仍然有部分国家受特殊贸易行为的影响,所属社区有所打破区域限制。本文旨在通过航运大数据构建贸易网络,在网络分析基础上,更好地评价节点影响力,更清晰地分析贸易网络结构,为“一带一路”战略更好地实施提供帮助。