傳統(tǒng)的道路數(shù)據(jù)獲取方法成本高、更新慢等無法適用于海洋航道的獲取，從眾源軌跡數(shù)據(jù)中提取道路或航道信息具有成本低、更新快等特性，然而，由于船舶軌跡數(shù)據(jù)噪聲多、數(shù)據(jù)量大、不同區(qū)域分布不均使得航道邊界提取面臨較大挑戰(zhàn)。針對該問題，提出一-種基于大規(guī)模船舶軌跡數(shù)據(jù)進行航道邊界提取的方法。首先對大規(guī)模的船舶軌跡數(shù)據(jù)進行并行化去噪、插值、軌跡分段;然后，基于并行化及基于Geohash編碼的空間聚類，將軌跡數(shù)據(jù)化簡為多個方形區(qū)域的點集數(shù)據(jù);其次，對其進行窗口劃分，對傳統(tǒng)的NiBlack方法進行擴展，提出SpatialNiBlack算法，對方形區(qū)域進行航道識別;最后，提出一種新的提取算法del-alpha-shape，基于航道識別結(jié)果獲得航道邊界。理論分析與實驗結(jié)果表明，所提方法在最大密度值是200，最小密度值是10，窗口長和寬分別為5和5時，可同時達到86. 7%的準(zhǔn)確率和79.4%的召回率。實驗結(jié)果表明，該方法可以從大規(guī)模的軌跡數(shù)據(jù)中提取有價值的航道邊界，是一種有效的航道提取方法。

　　由于傳統(tǒng)道路數(shù)據(jù)依靠人工測量、高分遙感影像等采集方式，具有價格昂貴、更新慢等特點，使得道路信息的快速獲取和更新成為一直以來亟待解決和廣受關(guān)注的問題。傳統(tǒng)道路信息提取的難點在于人工測量及高分遙感影像的獲取昂貴，以及基于圖像的準(zhǔn)確道路檢測與識別技術(shù)。其中，人工測量在采集信息時耗時耗力，而且受到地理環(huán)境和自然條件等限制，會帶來安全問題和時間成本大問題。高分遙感影像通過衛(wèi)星進行高清影像數(shù)據(jù)采集，需要對數(shù)以百萬量不同級別的移動物體長期且頻繁地進行數(shù)據(jù)采集和處理，由于成本高昂難以推廣使用。尤其是，基于圖像的識別檢測技術(shù)對已建設(shè)的陸地道路路網(wǎng)識別是一種常用的方式，但海洋航道不同于陸地道路，該方法無法基于海洋影像識別航道與非航道區(qū)域。近年來，隨著移動傳感器、物聯(lián)網(wǎng)、云計算、大數(shù)據(jù)等技術(shù)的發(fā)展，產(chǎn)生了海量的時空軌跡大數(shù)據(jù)，并能夠?qū)ζ溥M行處理和分析。通過對眾多在道路上行駛的移動物體產(chǎn)生的時空軌跡大數(shù)據(jù)進行分析，提取其中的道路信息成為一- 種受關(guān)注的技術(shù)。與陸地上的道路相比，海上沒有人為建筑的航道，且受氣候洋流事故等各種外部因素影響動態(tài)變化，情形更加復(fù)雜。與陸地道路信息采集相比，利用傳統(tǒng)的人工測量等方法采集航道信息代價更為高昂，而利用來自船舶自動識別系（ Automatic Identification System， AIS） 的眾源船舶軌跡數(shù)據(jù)提取航道的信息，如果可行其一定具有 低廉、更新快等特性，不失為一種可以探索且較有前景的途徑;但是，眾源船舶軌跡數(shù)據(jù)具有海量、地理范圍大、數(shù)據(jù)質(zhì)量差、數(shù)據(jù)密度在不同區(qū)域差異明顯等特征1，這給海上航道的獲取和更新提出了更大的挑戰(zhàn)，本文提出了基于眾源船舶軌跡數(shù)據(jù)進行航道信息提取的-。整套方法，所瞄準(zhǔn)的主要挑戰(zhàn)及本文貢獻包括：