# chengshanjiao-waterway

**Repository Path**: joy_2_0/csj

## Basic Information

- **Project Name**: chengshanjiao-waterway
- **Description**: “成山角水域航迹模式识别与最热航线提取”是一个专注于海上交通航迹数据处理与空间模式分析的开源项目。项目以成山角海域的 AIS 船舶轨迹为核心研究对象，构建了从原始数据清洗、轨迹时间对齐、DTW 相似度计算，到降维聚类、KDE 热度图生成与最热航线提取的完整分析流程。
- **Primary Language**: Python
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2025-09-08
- **Last Updated**: 2025-11-28

## Categories & Tags

**Categories**: Uncategorized

**Tags**: 轨迹聚类, 最热航线提取, 相似度计算, KDE热力分析, CV亮度提取

## README

# 成山角水域航迹模式识别与最热航线提取

本仓库复现并开源“成山角（CSJ）水域”航迹分析的最终研究路线，聚焦 **NewHuman（人工质检后的轨迹）→ 簇对映射（pairs）→ 聚类分组落地 → KDE 热度图 → 最热航线提取 → 边界提取 → 速度场（SOG）解析**。主线仅包含论文采用的实现；探索性方法另见 `explorations/`，不影响主线复现。

## 数据与目录约定
为与脚本保持一致，请严格使用仓库中的路径大小写约定（`Data/` 开头）。本项目仅涉及成山角（CSJ），入口数据放置于：
- `Data/DTW/CSJ/New_Human_Trajectories/`  
  该目录保存 NewHuman 阶段的人为复核文件与映射素材（如 `cluster_*.csv`、`trajectories_area_01.png` 等）。

主线运行过程中，将在：
- `Data/DTW/CSJ/New_Human_Trajectories/cluster_mmsi_pairs.csv` 生成簇对映射；
- `Data/Groups/CSJ/New_Human_Trajectories/MMSI_Cluster_Groups/` 生成各簇样本清单与详细轨迹；
- `Data/Groups/CSJ/New_Human_Trajectories/MMSI_Cluster_Groups/Hottest_Plot_for_CV2/` 输出 KDE 与“最热航线”结果；
- `Data/Groups/CSJ/New_Human_Trajectories/MMSI_Cluster_Groups/SOG/` 输出速度场统计；
- `Data/Groups/CSJ/New_Human_Trajectories/MMSI_Cluster_Groups/Geo_Heatmaps_for_Resultsshowing/` 输出地理底图叠加图件；
- `Data/Groups/CSJ/T-SNE_Optics/Trajectory_Outputs/`（如需边界提取结果可复用该习惯路径）。

## 运行顺序（主线，仅 CSJ）
1. **簇对映射生成**  
   `src/Transform_NewHuman_to_Pair.py`  
   读取 NewHuman 阶段的人为分组素材（如 `cluster_*.csv`），生成 `Data/DTW/CSJ/New_Human_Trajectories/cluster_mmsi_pairs.csv`。

2. **按簇落地 MMSI 列表**  
   `src/Separate_Groups_ByDTW.py`  
   按 `cluster_mmsi_pairs.csv` 写出 `cluster_k_mmsis.csv` 至  
   `Data/Groups/CSJ/New_Human_Trajectories/MMSI_Cluster_Groups/`。

3. **回收簇内详细样本**  
   `src/Separate_Details_Groups.py`  
   将各 MMSI 的明细轨迹整理至  
   `MMSI_Cluster_Groups/Detailed_Trajectories/` 与 `MMSI_Patterns/`，用于后续可视化与统计。

4. **KDE 热度图与最热航线**  
   `src/KDE_CV2_HottestPolt.py`  
   对簇内轨迹做 KDE，生成热度图，并在非启发式策略下提取“最热航线”（已用于论文最终结果）。  
   输出至 `.../Hottest_Plot_for_CV2/`。

5. **地理底图叠加（用于展示）**  
   `src/Hottest_Plot_for_ResultsShowing.py`  
   将热度/航线结果叠加至地理底图，输出至  
   `.../Geo_Heatmaps_for_Resultsshowing/`。

6. **边界提取（质检/补充）**  
   `src/ExtractBoundary.py`  
   对轨迹分布进行 Canny / Laplacian / Sobel 边缘提取，生成航迹边界，便于观察分布形态。

7. **速度场（SOG）统计与可视化**  
   `src/SOG_Grid.py`  
   在经纬网格上统计簇内 SOG 的均值/范围，刻画主干通道的速度结构（与热度带相互印证）。

> 可选（质检/交互）：  
> - `src/Trajectories_Drawn_ByGroups_PNG.py` 快速出图用于人工核查；  
> - `src/Trajectories_Drawn_ByGroups_Folium.py` 生成交互式地图用于局部放大与核对。

## 仅作存档的探索性实现
- `explorations/KDE_CV2_HottestPolt2.py`：启发式亮度搜索路径生成（**未用于最终结果**）。  
- `explorations/Transform_Matrix_Lower_Cluster.py`：DTW 相似度矩阵→降维（Laplacian Eigenmaps / t-SNE）→OPTICS 聚类的自动路线。  
- `explorations/Transform_Cluster_Tries.py`：多聚类/降维策略的脚手架与记要。  
- `explorations/Separate_ByMMSI_Improvement.py`、`explorations/Separate_ByMMSI.py`：早期分轨与并行 DTW 路线的实现。  

> 以上探索文件不进入主线复现，不在 README 顶层叙述，作为研究脉络留档。

## 环境依赖
建议 Python 3.9+。安装基础依赖：
```bash
pip install -r requirements.txt
```

## 部分结果展示
![模式的KDE热力图](figures/cluster_3_mmsis_heatmap.png)

![Canny边缘提取轨迹](figures/CSJ_Canny.png)

![所有模式的SOG分布直方图](figures/%E6%89%80%E6%9C%89%E6%A8%A1%E5%BC%8F%E7%9A%84SOG%E5%88%86%E5%B8%83%E7%9B%B4%E6%96%B9%E5%9B%BE.png)

![所有模式的总KDE密度估计图](figures/%E6%89%80%E6%9C%89%E6%A8%A1%E5%BC%8F%E7%9A%84%E6%80%BBKDE%E5%AF%86%E5%BA%A6%E4%BC%B0%E8%AE%A1%E5%9B%BE.png)