船舶交通流速度离散特性研究

为更深刻地理解船舶交通流运行特性,以速度离散度研究为切入点,提出描述船舶交通流速度离散特性的两种指标,根据交通流基本图理论,对速度离散度在船舶交通流基本图上的分布及其与船舶交通流三参数之间的关系进行定量分析。结果表明:随着船舶流量、密度和速度的增加,速度离散度的分布趋于稳定,在低流量、高速度离散度区间内,速度离散度随着船舶流量的增加逐渐降低,在低速度离散度区间内,速度离散度随着船舶流量增加逐渐升高;基于改进的K-means-FCM算法,使用船舶交通流流量、密度、速度和速度离散度作为分类指标,对船舶交通流进行聚类分析,得到4个聚类中心与指标值的分布范围。基于试验结果,抽象总结船舶交通流运行状态图,将船舶交通流划分自由态、同质态、稳定态和异质态等4种状态。该研究对更好地认识船舶交通流特性起到一定的作用。

西江航道船舶流的概率分布特性

为了提高内河航道通过能力,分析了船舶交通流的到船分布和船头间距分布特性。以西江航道2004年日到船统计量为样本,运用数理统计方法,给出了日到船分布与船头间距分布的假设检验,运用时间保证率方法将实测数据点与概率分布的理论值进行了比较。比较结果表明其相对误差均在5%以内,说明内河航道日到船艘数服从正态分布,日船头间距近似为爱尔朗分布。

基于场方法的船舶交通流分析

为大范围、高精度地研究船舶交通流特征,引入场方法对船舶交通流进行分析.该过程基于理想的网格布置,以AIS船舶交通流数据为样本值,运用Delaunay剖分进行三角插值,得到船舶交通流流场分布图.与实际交通流情况的对比分析表明,场的形式能够较好地表征船舶交通流分布特征和航行水域安全状态;采用船舶交通流流场分析结果,可以提高船舶航行安全预警和海事安全监管的有效性.

PSO-无偏灰色马尔科夫模型在船舶交通流量预测中的应用

为提高船舶交通流量的预测精度,利用具有全局搜索能力的粒子群算法(Particle Swarm Optimization, PSO)对无偏灰色马尔科夫模型进行优化,构建船舶交通流量预测的PSO-无偏灰色马尔科夫模型。该模型可综合考虑预测中的残差序列、状态区间、状态转移概率,自适应选取最优白化系数,用以准确表征船舶交通流量的发展趋势。以东营港2012—2017年船舶交通流量季度统计数据为例,选取前21个季度数据对模型进行训练,后2个季度数据对预测结果进行分析,与传统的无偏灰色模型和无偏灰色马尔科夫模型相比,该模型能显著地提高船舶交通流量的预测精度,其拟合精度和预测精度分别为91.439%和95.959%,验证后该模型具有科学性与有效性。

基于SARIMA模型的船舶交通流量预测研究

为提高船舶月交通流量预测精度,更合理地为港口规划和发展提供决策依据,选用季节性差分自回归滑动平均(seasonal autoregressive integrated moving average,SARIMA)模型对船舶月交通流量建立了预测模型,并利用Eviews软件,以2007年1月-2015年12月荆州港船舶交通流月均流量统计数据为样本进行了实证分析.对船舶月交通流量时间序列样本数据进行平稳化预处理,消除其趋势成分和季节因素;基于平稳化后的数据建立了SARIMA模型并对模型进行参数检验及最优模型选取;并利用所获得的最优模型SARIMA(2,0,0)(1,1,1)12对2008年1月-2016年3月荆州港船舶交通流月均流量进行预测,并将预测结果与AR(1)模型、季节指数模型的预测结果进行对比分析.对比分析结果表明,SARIMA的预测精度更高,更能反映船舶月交通流量的变化情况,利用该模型对船舶月交通流量进行建模预测具有较好的实用性.

基于文化萤火虫算法-广义回归神经网络的船舶交通流量预测

为了给海事部门提供科学准确的船舶交通流量预测,本文提出一种基于文化萤火虫算法(CFA)来优化广义回归神经网络(GRNN)的算法(CFA-GRNN),对船舶交通流量进行预测分析.介绍了基于自动识别系统(AIS)的航道交通流量统计方法.利用快速排斥试验和跨立试验来判断船舶轨迹是否穿过航道某一断面的观测线,并将AIS数据中的经纬度数据转换为墨卡托平面坐标系数据.研究了GRNN的实现原理,CFA以GRNN输出均方差为适应度函数,以GRNN的输入层和隐含层中的权值、隐含层和输出层中的权值、隐含层的阈值及输出层的阈值为编码进行优化,进化目标是得到最合适、最优的神经网络结构.利用AIS收集统计到并经过预处理后的数据,应用CFA-GRNN对舟山螺头通航的船舶进行交通流量预测,并对试验结果和误差进行了统计分析.结果表明:CFA-GRNN与GRNN和萤火虫优化广义回归神经网络相比,泛化性能好,不易陷入局部最优,预测结果精度更高.本研究对船舶交通流量进行预测分析有着十分重要的理论和实际意义.

船舶交通流建模与仿真研究进展

船舶交通流受到多种因素的影响,难以用精确的数学模型描述,人们常用仿真的方法对其进行研究。通过仿真,可以定量或形象地分析船舶的行为特征和规律,评价航道的通过能力、航行风险、组织和管理等能力。对国内外船舶交通流建模和仿真的进展情况进行分析和总结,回顾了船舶交通流仿真的国内外研究现状,提炼了交通流仿真的核心内容和流程。同时探讨了船舶交通流的建模方法,并分析了船舶交通流仿真的关键技术及典型应用。最后展望了交通流仿真的发展趋势。

一维流体场理论在船舶流研究中的应用

在长江中上游狭水道中的船舶交通流现状要求对交通流理论研究的更进一步深入 ,文中试图把一维流体场的理论应用到船舶流的研究中去 ,找出船舶流的基本函数 ,得出了连续和间断状态下的船舶流方程 。

长江船舶交通流实时采集关键技术研究

实时获取准确的长江在航船舶的交通流状态信息是长江海事监管智能化的基础。在分析长江流域航运监管交通流信息采集需求基础上,设计了多源信息融合的长江在航船舶交通流状态信息采集系统三层构架,其中由IC(Interated Circuitcard)卡子系统、GPS(Global Positioning System)子系统、CCTV(Closed Circuit Television)子系统、雷达子系统、AIS(Automatic Identification System)子系统、RFID(Radio Frequency Identification)子系统以及激光扫描子系统组成信息采集层,依托现有的长江航运信息网络与公共通信网络设施组成信息传输层,由交通流数据库、电子航道图以及信息处理系统组成信息处理层。同时,分析了AIS子系统、RFID子系统以及激光扫描子系统采集船舶交通流信息关键技术,并展望后续研究方向。

点统计法在船舶交通流分析中的应用

随着港口的迅速发展,近几年来船舶交通流量也不断增大,交通流量密集水域事故频发,为了加强交通流量密集水域的船舶交通管理,保障船舶交通安全,防止水域环境的污染,对交通流量密集水域的研究和分析已迫在眉睫。以天津港北航道和主航道交汇水域为例,利用点统计法,对船舶交通流量进行调查与分析,为实施该水域的船舶交通管理措施和通航安全风险评估提供科学依据。

内河航道通过能力计算方法研究

引入交通流理论与船舶领域概念,将航道中连续行驶的船舶视为船舶交通流,对航道通过能力进行了研究。分别给出了航道理论通过能力、可能通过能力与设计通过能力的计算模型和计算方法。对影响航道通过能力的主要因素进行了分析,认为航道等级、船舶吨位、畅行速度、船舶领域尺度是决定航道通过能力的关键因素,水文气象条件、夜航条件以及船舶实载系数影响航道可能通过能力。针对船舶到达航道的不平衡性及其日交通量概率分布规律,提出选取设计交通量的原则和方法,论述了根据航道服务水平确定设计通过能力和航道规模的设计思想。

组合粗糙集和支持向量回归的船舶交通流预测

影响交通流变化的因素众多,为改进传统的船舶交通流预测精度不高,一种结合粗糙集和支持向量回归智能算法的交通流预测模型提出,通过ROSETTA软件进行属性约简预处理,筛选出影响交通流变化的关键影响因素,剔除冗余信息。筛选结果显示外轮进出艘次、对外贸易总额、港口GDP、集装箱标准箱、港口货物吞吐量为输入变量,运用Libsvm软件构建基于遗传算法参数寻优的支持向量回归模型预测2008年和2009年的交通流。算例结果表明,与BP神经网络和SVM模型相比,组合预测模型是有效和实用的预测工具。

长江中下游航道通过能力计算方法

为简便准确计算通过能力,避免采用诸多经验性修正系数,从实测交通流角度出发建立通过能力计算模型.运用人工连续采集法测量长江中游武汉段、长江下游芜湖段过往船舶船速、到达时间、长度、船间距等信息.根据所测数据分析船舶速度、间距、长度等规律,分析可得,芜湖段与武汉段船速、武汉段船间距均服从正态分布,芜湖段船间距服从对数正态分布;结合已有信息对长度、吨位关系进行拟合,结果表明,船长与吨位二次方呈正比;引入设计小时交通量、船舶通航天数概念,建立长江中下游航道通过能力计算模型,并对其进行仿真验证.结果表明,推荐公式所得通过能力略小,误差在允许范围之内,可为计算通过能力提供新算法.

SARIMA-Markov模型在船舶交通流量预测中的应用

为准确表征月度船舶交通流量的发展趋势,向水上智能交通系统及港口水域的合理布局等提供基础性数据.基于季节性自回归移动平均(seasonal auto regressive integrated moving average,SARIMA)模型、马尔科夫(Markov)模型、粒子群算法(particle swarm optimization,PSO)建立SARIMA-Markov船舶交通流量预测模型,该模型消除了季节成分、趋势性以及因经济、政策等因素导致的前后背景不一致的干扰,充分考虑了近期状况对预测值的影响,运用具有全局搜索能力的粒子群算法求取模型中的最佳白化系数.以通过赤壁长江公路大桥船舶交通流量月度统计数据为样本进行模型训练和预测,通过计算和、仿真,结果表明,SARIMA-Markov模型的拟合精度及预测精度分别为92.084 9%和95.786 1%,提高了船舶交通流量的预测精度.

基于AIS的船舶交通流量统计方法研究

通过构建一个由船载AIS、岸台AIS及相关的应用软件组成的船舶交通流量统计系统,对通过航道某一断面的船舶交通流量进行自动统计,同时针对统计过程中存在的漏统计问题,采用了感知神经网络校验的解决方法.通过开发模拟软件对通过武汉长江大桥的船舶进行了交通流量的自动统计及校验实验,验证了该方法的可行性.

极端水位对长江中游船舶交通流特征的影响

极端水位下长江中游航道通航条件受到影响,通航管理部门通常采取必要管制措施,继而船舶交通流宏、微观特征发生变化。以长江中游太平口水道发生极端低水位,采取上下行间歇性封航措施为例,结合线性速度-密度关系下的船舶交通波模型,解释封航发生及解除后船舶交通流的集结、消散过程。结果表明:因封航产生的船舶交通流最大排队长度、阻塞时间与封航时间成正比。通航管理部门需制定科学详尽的通航计划,最大程度地减小封航影响。

基于集合经验模态分解和灰色神经网络的船舶交通流预测

为提高船舶交通流预测精度,更科学地为海事监管、港口水域规划布局提供参考,结合灰色神经网络模型(grey neural network,GNN)和集合经验模态分解(ensemble empirical mode decomposition,EEMD)对船舶交通流建立了EEMD-GNN组合预测模型,并基于Matlab软件,以2007年1月—2015年12月荆州长江公路大桥断面船舶交通流月流量统计数据为样本进行了实例分析.首先对船舶月流量时间序列样本数据进行EEMD分解以降低序列的非平稳性,然后对EEMD分解后获得的各分量建立GNN模型进行预测,并将各分量预测值进行叠加即得到EEMD-GNN模型的预测结果.最后,将EEMD-GNN模型预测结果与传统GNN模型进行对比分析.对比分析结果表明,EEMD-GNN模型较传统GNN模型的预测精度更高,能更好地反映船舶月交通流量的变化情况.

基于GM跟驰模型的内河限制性航道船舶交通流基本图

为准确掌握内河航道上船舶交通流的运行特征与规律,考虑船舶正常航行时为保持舵效所需的最低航速与最小安全间距,引入最低航速和最大密度2个特征变量,对经典的GM跟驰模型进行局部修正,然后根据锡澄运河现场实船跟驰实验数据,回归拟合了内河船舶交通流的3种速度间距关系,从而构建了新的内河限制性航道船舶交通流基本图模型.结果表明,所提出的船舶交通流基本图模型符合实际,指数模型和对数模型检验的MAPE值小于5%,RMSE值小于0.4,R^(2)值大于0.93.该基本图模型是对经典车辆交通流基本图模型的局部拓展,使之既有交通流的普遍规律,又符合内河船舶的航行特点,建议采用指数模型或对数模型描述内河限制性航道船舶交通流基本图.

基于排队论的元胞自动机在港口交通流的研究

将排队论和元胞自动机相结合研究了单航道2上船舶进港时港口交通流的情况。当船舶进港时,将进港船舶和岸上的监控中心看作排队论的两个基本要素,采用数值模拟手段研究服务效率对整个船舶交通流的影响。数值结果表明:在无安全船距或较短服务时间的条件下,服务比率和平均通过率越大,船舶密度越小。

渤海海峡船舶流的调查与分析

综合考虑渤海海域的船舶流量、船舶种类、船舶尺度,分析该海域船舶航迹分布特征,包括船舶航迹的离散程度及主船舶流的宽度等,给出渤海海峡水域船舶交通流模型,为渤海海峡的船舶交通管理及船舶定线制规划提供参考依据。