1.一种基于北斗卫星传输数据的渔船轨迹异常检测方法，其特征在于，其算法流程包括以下几个步骤：步骤a)、对渔船历史轨迹数据库中的轨迹进行行为识别，挖掘出渔船航行轨迹和作业轨迹，并分别建立渔船行为识别模型和渔船状态行为模型；

步骤b)、通过北斗卫星接收渔船轨迹数据，截取渔船轨迹快照中最近时刻的轨迹段，利用渔船行为识别模型对该轨迹段进行轨迹行为识别；

步骤c)、根据渔船轨迹行为识别结果，使用相应的渔船状态行为模型对渔船轨迹状态特征进行异常检测，同时使用TRAOD算法对渔船轨迹位置进行异常检测；

步骤d)、将上述渔船轨迹状态特征异常趋势分值和TRAOD轨迹位置异常趋势分值进行加权累加，与异常阈值进行比较，最终判断渔船状态；

所述步骤a)包括以下具体步骤：

步骤a1)、使用DBSCAN算法和时空距离度量方式对渔船历史轨迹数据集中的轨迹点进行聚类，得到不同渔船行为的轨迹段；

1.1根据时间距离度量TD(i，j)、空间距离度量SD(i，j)、速度距离度量VD(i，j)、方向距离度量DIR(i，j)，得到两个轨迹点Pi和Pj间的时空距离度量D(i，j)如式(1)所示：D(i，j)＝W[TD(i，j) SD(i，j) VD(i，j) DIR(i，j)]T       式(1)式中W为权重矩阵，T表示转置；

时间距离度量

式中timei、timej分别表示轨迹点Pi、Pj的时间；

空间距离度量

式中loni和lati分别代表轨迹点Pi的经纬度，lonj和latj分别代表轨迹点Pj的经纬度；

速度距离度量

式中Speedi、Speedj分别表示轨迹点Pi、Pj的速度；

轨迹点Pi和Pj之间方向距离度量DIR(i，j)为在同一时刻相同时间邻域内轨迹点方向改变次数之差；

上述公式中max(*)和min(*)分别表示当前轨迹数据集下相应距离度量的最大距离和最小距离；

1.2基于时空距离度量D(i，j)，通过DBSCAN算法对渔船历史轨迹数据库中的轨迹点进行聚类，得到不同渔船行为的轨迹段；

步骤a2)、使用K-Means算法对步骤a1)中得到的轨迹段进行二次聚类，以轨迹段平均轨迹速度为距离度量将相同行为模式的轨迹段聚成一个簇，从而得到渔船停泊、航行和作业三种轨迹；

步骤a3)、提取步骤a2)中获得的渔船航行轨迹和作业轨迹，使用支持向量机建立渔船行为识别模型；

步骤a4)、提取步骤a2)中获得的渔船航行和作业两种轨迹段中各轨迹点的状态特征信息，并使用一类支持向量机分别建模，得到各状态特征组件模型，进而得到渔船状态行为模型；

状态特征信息包括瞬时角加速度、平均角加速度、瞬时航速、平均航速和加速度。

2.如权利要求1所述的一种基于北斗卫星传输数据的渔船轨迹异常检测方法，其特征在于，所述步骤b)包括以下具体步骤：步骤b1)、北斗指挥机接收北斗短报文数据，并对其进行解析，获得渔船状态信息，并将其存入渔船历史轨迹数据库；渔船状态信息包括渔船经纬度、航向、航速等；

步骤b2)、截取渔船当前时刻邻近的若干个轨迹点，获得渔船当前时刻轨迹段；

步骤b3)、使用步骤a3)中的渔船行为识别模型识别渔船轨迹行为。

3.如权利要求1所述的一种基于北斗卫星传输数据的渔船轨迹异常检测方法，其特征在于，所述步骤c)包括以下具体步骤：步骤c1)、根据步骤b)得到的渔船行为识别结果，使用相应的渔船状态行为模型对步骤b)渔船当前时刻轨迹段的状态特征进行检测，各状态特征的异常趋势分值均采用公式(5)计算获得：式中OPS(TR)表示轨迹TR中某状态特征异常轨迹点数量，PS(TR)表示轨迹TR中所有轨迹点数量；其中轨迹点某状态特征异常由相应渔船状态行为模型确定，将当前轨迹点某状态特征输入渔船状态行为模型后，若模型将当前轨迹点与历史轨迹点归为一类，则该轨迹点为正常轨迹点；否则，该轨迹点为异常轨迹点；

步骤c2)、使用TRAOD算法对渔船轨迹段进行轨迹位置特征异常检测；

假定轨迹段S1＝s1e1，S2＝s2e2，其中st和et(t＝1，2)分别为轨迹段的起点和终点，且轨迹段S1为两条轨迹段中较短的一条，则根据式(6)、式(7)和式(10)获得垂直距离d⊥、平行距离d//和角距离dθ，进而根据公式(11)得到两条轨迹段之间的距离dist(S1，S2)；

d//(S1，S2)＝MIN(l//1，l//2)    式(7)l//1＝MIN(||pss2||，||pse2||)     式(8)l//2＝MIN(||pes2||，||pee2||)      式(9)dist(S1，S2)＝w⊥·d⊥(S1，S2)+w//·d//(S1，S2)+wθ·dθ(S1，S2)     式(11)式中l⊥1和l⊥2为轨迹段S1两个端点s1和e1到轨迹段S2所在直线的垂直距离，ps和pe分别为端点s1和e1在轨迹段S2所在直线的投影，||pss2||、||pse2||、||pes2||和||pee2||表示相应线段长度，||S1||为轨迹段S1的长度，θ(0°≤θ≤180°)为轨迹段S1与S2之间较小的交叉角，MIN(a，b)取a、b中较小的值；w⊥、w||、wθ分别为垂直距离d⊥、平行距离d||和角距离dθ的权重；

基于上述轨迹段距离dist(S1，S2)，异常轨迹段定义如下：若轨迹段S的非邻近轨迹数量与历史轨迹数据库中总轨迹数量之比大于阈值p，则轨迹段S被定义为异常轨迹段；

邻近轨迹定义如下：若轨迹TR中与轨迹段S的距离小于阈值D的轨迹段中轨迹点数量大于轨迹段S中轨迹点数量，则轨迹TR为轨迹段S的邻近轨迹；此处的距离计算可根据公式(11)获得；

最终渔船轨迹位置特征的异常趋势分值计算公式如下：

其中OP(TR，D，p)表示轨迹TR的异常轨迹段集合，len(*)表示相应轨迹或轨迹段中的轨迹点个数。

4.如权利要求1所述的一种基于北斗卫星传输数据的渔船轨迹异常检测方法，其特征在于，所述步骤d)包括以下具体步骤：步骤d1)、针对渔船轨迹状态行为模型中各状态特征的异常趋势分值设置组件权重；

组件权重的设置准则是：根据已有的正常轨迹和异常轨迹各状态特征的异常趋势分值，统计各状态特征的异常检测精度，精度高的状态特征对应组件模型增大组件权重，精度低的状态特征对应组件模型减小组件权重；

步骤d2)、使用加权累积和算法对各状态特征以及轨迹位置特征的异常趋势分值进行加权累加，获得渔船轨迹最终的异常趋势分值；

步骤d3)、将渔船最终的异常趋势分值与用户定义的轨迹异常阈值进行比较，若渔船异常趋势分值大于异常阈值，当前渔船被判断为异常，否则，当前渔船为正常状态。