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

Maohan Liang, Ryan Wen Liu외 4명|arXiv (Cornell University)|2024. 07. 13.

Maritime Navigation and Safety인용 수 4

한 줄 요약

이 종합 검토는 거리 기반 선박 항로 군집화에 대한 포괄적인 분석을 제시하며, 데이터 사전 처리, 궤적 유사도 측정, 군집 알고리즘을 중심으로 다룬다. 연구는 궤적 압축이 군집화 효율성과 정확도를 크게 향상시키지만, 보간법은 최소한의 이점을 제공함을 입증하며, 스케일러블한 해상 교통 분석을 위한 핵심 기반 기술로 압축 기술의 중요성을 강조한다.

ABSTRACT

Vessel trajectory clustering, a crucial component of the maritime intelligent transportation systems, provides valuable insights for applications such as anomaly detection and trajectory prediction. This paper presents a comprehensive survey of the most prevalent distance-based vessel trajectory clustering methods, which encompass two main steps: trajectory similarity measurement and clustering. Initially, we conducted a thorough literature review using relevant keywords to gather and summarize pertinent research papers and datasets. Then, this paper discussed the principal methods of data pre-processing that prepare data for further analysis. The survey progresses to detail the leading algorithms for measuring vessel trajectory similarity and the main clustering techniques used in the field today. Furthermore, the various applications of trajectory clustering within the maritime context are explored. Finally, the paper evaluates the effectiveness of different algorithm combinations and pre-processing methods through experimental analysis, focusing on their impact on the performance of distance-based trajectory clustering algorithms. The experimental results demonstrate the effectiveness of various trajectory clustering algorithms and notably highlight the significant improvements that trajectory compression techniques contribute to the efficiency and accuracy of trajectory clustering. This comprehensive approach ensures a deep understanding of current capabilities and future directions in vessel trajectory clustering.

연구 동기 및 목표

• 거리 기반 선박 항로 군집화에 대한 체계적인 종합 검토가 부족한 점을 해결하며, 특히 사전 처리, 유사도 측정, 군집화 방법론에 중점을 둔다.
• 특히 압축과 보간법을 포함한 다양한 사전 처리 기법이 군집화 성능에 미치는 영향을 평가한다.
• 실제 AIS 데이터를 사용하여 최신 거리 기반 군집 알고리즘의 벤치마킹 실험 평가를 제공한다.
• 더 높은 군집화 정확도와 계산 효율성을 달성하기 위한 최적의 알고리즘 조합과 사전 처리 전략을 규명한다.
• 선박 항로 군집화 연구 분야에서 표준화된 데이터셋과 벤치마크의 필수성에 주목한다.

제안 방법

• 선박 항로 군집화, 유사도 측정, 군집 알고리즘과 관련된 关련 키워드를 사용하여 체계적인 문헌 검토를 수행하였다.
• 100개 이상의 관련 연구를 분류 및 분석하여 사전 처리 기법, 유사도 지표, 군집화 방법을 요약하였다.
• 다양한 파라미터 설정을 적용하여 Optimal Weighted Distance (OWD), Dynamic Time Warping (DTW), Hausdorff Distance (HD)를 사용해 궤적 유사도를 평가하였다.
• 사전 처리로 Douglas–Peucker 압축과 CSI 보간법을 적용하였으며, 여러 압축 비율(20%, 50%, 80%)과 보간 간격을 테스트하였다.
• 실제 AIS 데이터를 사용한 실험 평가를 수행하였으며, 조정된 Rand 지수(ARI), 실루엣 스코어, 계산 시간을 통해 군집화 성능을 측정하였다.
• 군집화 알고리즘으로 평균 연결법을 사용한 HCA(Hierarchical Cluster Analysis)를 적용하여 다양한 사전 처리 및 유사도 조합에서의 안정성과 정확도를 평가하였다.

Figure 1: Paradigm of vessel trajectory clustering.

실험 결과

연구 질문

• RQ1 특히 궤적 압축과 보간법을 포함한 다양한 사전 처리 기법이 거리 기반 선박 항로 군집화 성능에 어떻게 영향을 미치는가?
• RQ2 해상 환경에서 가장 정확하고 효율적인 군집화 결과를 도출하는 궤적 유사도 측정 방법(OWD, DTW, HD)은 무엇인가?
• RQ3 군집화에서 궤적의 무결성과 계산 효율성의 균형을 이루는 최적의 압축 비율은 무엇인가?
• RQ4 궤적 보간은 군집화 정확도를 향상시키는가, 아니면 굴곡지역이나 회전 지역에서 룬제 현상(Runge phenomenon)으로 인한 잡음으로 인해 성능을 떨어뜨리는가?
• RQ5 유사도 측정 + 사전 처리 + 군집화의 조합된 알고리즘 파이프라인은 종합적인 군집화 효과성에 어떤 영향을 미치는가?

주요 결과

• Optimal Weighted Distance (OWD) 방법은 모든 실험에서 DTW와 HD를 뛰어넘는 일관된 우수성을 보이며, 가장 높은 군집화 정확도를 제공하였다.
• Douglas–Peucker 압축을 50% 압축 비율로 적용할 경우 정확도와 효율성의 최적 균형을 달성하였으며, 궤적의 형태 손실 없이 군집화 지표 향상을 이룬 바 있다.
• 압축은 계산 시간을 크게 감소시켜 알고리즘의 확장성에 강력한 긍정적 영향을 미쳤다.
• CSI를 사용한 보간은 군집화 성능 향상에 기여하지 않았으며, 특히 굴곡지역이나 회전 지역에서 룬제 현상으로 인해 성능이 악화되는 경우가 있었다.
• OWD와 50% 압축을 조합했을 때 실루엣 스코어와 조정된 Rand 지수(ARI)가 가장 높아, 우수한 군집 간 분리도와 내부 밀집도를 나타내었다.
• 광범위하게 사용되고 있음에도 불구하고, 보간은 군집화 결과를 향상시키지 못했으며, 압축보다도 효율성이 떨어져 거리 기반 군집화에 있어서 사전 처리 단계로 권장되지 않는 것으로 나타났다.

Figure 2: Bibliometric analysis of vessel trajectory clustering from 2010-2023.