中小型内河港口的吞吐量较小,通常采用内运车(在港口内部从事货物中转的运输车辆)进行装卸船作业。经过港口监管人员长期观察发现,在内运车进行货物中转作业过程中,由于港口道路结构复杂、中转作业类型多样、堆场环境恶劣,以及人为因素不可控等原因,该过程极易发生异常作业情况,这些异常情况和内运车的行驶意图密切相关。如何检测内运车作业行驶轨迹的异常,发现其异常意图,为事后追责提供证据链依据,从而增强内河港口装卸船作业的安全性成为亟待解决的问题。针对上述问题,本文通过对内运车作业轨迹的检测,来判断内运车作业是否符合作业规范。本文的具体研究内容如下:(1)设计了一个特征滤波器。由于成本原因,在内河港口中通常采用民用GPS采集内运车作业轨迹,其轨迹精度存在一定误差,需要对其进行预处理。该滤波器包含轨迹分类、轨迹二次滤波以及轨迹规范化输出三部分,以剔除无效数据、压缩轨迹并规范化输出轨迹数据。(2)提出了一种内运车作业轨迹真实状态序列提取方法。轨迹真实状态代表了内运车作业的行驶意图,对其进行提取是内运车作业轨迹异常检测的关键。该方法首先通过轨迹所属路段判断算法将轨迹匹配到路段,然后利用基于规则和DBSCAN(Density-Based Spatial Clustering of Applications with Noise)的轨迹真实状态提取算法提取轨迹真实状态,最终得到轨迹真实状态序列。在轨迹所属路段判断算法中,首先结合港口路网拓扑定义了一个启发式半径阈值用于搜索轨迹点的候选路段;然后基于多权重因素定义了观测概率、利用最优路径搜索的A*算法定义了转移概率、基于隐马尔可夫模型定义了后向联合概率;最终结合上述概率进行计算,判断轨迹所属路段。在基于规则和DBSCAN的轨迹真实状态提取算法中,首先基于作业规则剔除无效的轨迹临时状态,并将处于作业环节的移动状态添加到轨迹真实状态中;然后对轨迹临时状态进行DBSCAN聚类,通过聚类结果得到轨迹真实状态;最终提取出内运车作业轨迹真实状态序列。(3)设计了一个自适应有限状态机(Adaptive Finite State Machine,AFSM)。该状态机是用于检测内运车作业行驶轨迹是否异常,从而达到监管港口货物的安全的目标。AFSM是在FSM的基础上,加入了作业规则和反馈数据。作业规则的设计结合了港口领域专家经验、内运车作业数据、港口交通实时状态等因素,其目的是过滤作业轨迹真实状态序列中的某些合法状态,以避免这些合法状态对AFSM的结果造成影响。反馈数据的设计是基于动态时间规整的方法,利用相似度计算,判断同一指令下的多趟作业的具体作业区域是否合法,旨在提高AFSM对轨迹异常检测的精度。最后对本文提出的方法和模型进行了实验验证,实验表明基于特征滤波器的轨迹预处理能够有效地剔除低质、无效的轨迹点,并极大地压缩了轨迹数据;通过在不同参数以及算法的比较下,内运车作业轨迹真实状态序列提取方法能够有效地提取内运车作业轨迹真实状态;基于上述流程,AFSM对内运车作业轨迹异常检测的精度达95%～96%。综上所述,本文工作能够有效的检测内运车作业的异常意图,增强货物中转作业的安全,对内河港口的智慧化建设,具有重要的现实意义。