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

船舶轨迹聚类是海上智能交通系统的关键组成部分，为异常检测和轨迹预测等应用提供了有价值的洞察。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，收集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。调查进一步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，探讨了轨迹聚类在海上环境中的各种应用。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，并显着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船舶轨迹聚类当前能力和未来方向的深入理解。

本文旨在综述船舶轨迹聚类的相关研究，包括轨迹相似度测量和聚类算法，以及这些方法在海事领域中的应用。

本文提出了一种基于距离的船舶轨迹聚类方法，包括数据预处理、轨迹相似度测量和聚类算法。实验结果表明，轨迹压缩技术能够显著提高轨迹聚类的效率和准确性。

本文详细介绍了船舶轨迹聚类的相关算法和应用，并通过实验分析了不同算法组合和预处理方法对轨迹聚类效果的影响。同时，本文还提供了相关数据集和开源代码。

最近的相关研究包括《A Survey on Trajectory Clustering: From Similarity Measures to Applications》、《Trajectory Clustering: A Literature Review》等。