A Survey of Distance-Based Vessel Trajectory Clustering: Data Pre-processing, Methodologies, Applications, and Experimental Evaluation

船舶轨迹聚类是海运智能交通系统的重要组成部分，为异常检测和轨迹预测等应用提供有价值的洞见。本文全面调查了最普遍的基于距离的船舶轨迹聚类方法，包括两个主要步骤：轨迹相似度测量和聚类。首先，我们使用相关关键词进行了彻底的文献综述，汇总和总结了相关的研究论文和数据集。然后，本文讨论了数据预处理的主要方法，以准备数据进行进一步分析。调查继续详细介绍了测量船舶轨迹相似度的主要算法和当今领域中使用的主要聚类技术。此外，还探讨了轨迹聚类在海事背景下的各种应用。最后，本文通过实验分析评估了不同算法组合和预处理方法的有效性，重点关注它们对基于距离的轨迹聚类算法性能的影响。实验结果证明了各种轨迹聚类算法的有效性，并显著突出了轨迹压缩技术对轨迹聚类的效率和准确性的重要贡献。这种全面的方法确保了对当前能力和未来方向进行深入了解的能力。

本论文旨在综述现有的基于距离的船舶轨迹聚类方法，以提供有关异常检测和轨迹预测等应用的有价值的见解。

本文提出了一种全面的船舶轨迹聚类方法，包括数据预处理、轨迹相似性度量和聚类算法等步骤，并通过实验分析不同算法组合和预处理方法的效果。

本文深入探讨了船舶轨迹聚类的各种应用，强调了轨迹压缩技术对轨迹聚类效率和准确性的显着提升。

最近的相关研究包括：《A Survey of Trajectory Clustering: From Similarity Measures to Applications》、《Maritime Trajectory Data Mining: A Survey》等。