船舶交通数据实时传输可靠性评估系统

为保障船舶交通数据实时传输的可靠性,设计船舶交通数据实时传输可靠性评估系统。从网络条件、节点设备、环境因素与网络管理4个主要方面出发选取评估指标,构建船舶交通数据实时传输可靠性评估指标体系;采用基于三角模糊数的模糊层次分析法计算评估指标的权重值;将各评估指标与对应的权重值形成并进行汇总,由此得到最终船舶交通数据实时传输可靠性评估结果。实验结果显示,该系统能够获取准确的评估结果,且由于不同因素造成的船舶交通数据实时传输故障发生概率下降幅度均达到50%以上,由此说明基于该系统的评估结果能够有效保障船舶交通数据实时传输的可靠性。

考虑引航员拖轮调配的船舶交通组织优化

为解决限制性双向航道的船舶交通组织问题,提高港口通航效率,从应用需求出发,综合考虑了引航员、拖轮、潮汐、安全距离以及单双向航道中的交通冲突因素,以船舶总等待时间最小为优化目标,建立了混合整数规划模型。考虑到模型的特征,提出了改进差分进化算法(improved differential evolution,IDE)来解决该问题。经过不同规模算例的试验,将所得到的船舶调度结果与先到先服务和其他算法结果进行比较验证,模型和算法可以有效地为限制性双向航道提供船舶交通组织方案。

区域船舶交通流量预测ChebNet-LSTM模型

针对船舶交通流量预测模型对船舶流量数据空间特征考虑较少的问题,建立一种由切比雪夫网络(Chebyshev network,ChebNet)和长短期记忆网络(long short-term memory,LSTM)组成的深度学习预测模型ChebNet-LSTM。ChebNet的K阶卷积算子有利于提取船舶流量数据的空间特征,而LSTM用于学习船舶流量数据的时间特征。选取舟山水域中船舶流量不同的3个区域进行船舶流量预测实验。结果表明,所提出的ChebNet-LSTM模型可以有效地提取船舶流量数据的时空特征,在各项评价指标上的表现均优于对比模型,预测精度得到较大提高,可以为水上交通智能航行提供数据支撑。

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。

船舶交通系统模拟技术的开发与研究

概述已研发的船舶交通系统模拟仿真技术及其软件包,内容包括船舶交通的数据搜集、数据库建立、系统建模、系统模拟及避碰模型和应用等,并在船舶交通系统建模的基础上,提出一种新的基于航路的船舶交通系统模拟方法,它可将船舶交通实态观测所得数据通过计算机处理确定航路型状。该方法考虑了船舶交通的随机性,可任意修改航路,使模拟结果更加符合客观实际。系统可输出船舶交通密度图、航迹图、门线图以及各种船舶的交通参数。以大连港为例,通过各航道段水域的观测和研究,验证了模拟模型的可信性。

港口施工航道施工中船舶交通管理与安全保障研究

随着全球贸易的不断扩大,港口作为重要的物流节点,其航道的建设与维护显得尤为重要。航道施工期间,如何有效管理船舶交通并确保安全,是港口管理机构和施工单位面临的重要课题。本文以泉州湾航道二期工程(大坠航道)疏浚施工为例,探讨了港口施工航道施工中的船舶交通管理与安全保障措施,旨在为类似工程提供参考和借鉴。

船舶交通智能感知融合与辅助决策方法综述

船舶交通智能感知与辅助决策是船舶智能交通的核心内容,是保障未来船舶智能航行安全的重大需求。在船舶智能交通系统中,航行信息感知与融合理解发挥着关键作用,通过各种传感技术和信息传输、处理技术,实时获取、分析船舶与环境等相关信息,直接影响着船舶智能航行的态势判断和风险评估能力,同时基于数据融合分析的辅助决策生成效果决定了船舶自主航行能力,关系着船舶交通的安全和效率。船舶智能交通下的感知融合具有多级体系特征,研究者在通信传输、信息交互和数据融合3个层级进行了多方面改进。深入探讨目前船舶智能交通感知与融合理解的发展和面临的挑战,针对船舶智能航行过程中对环境目标的感知融合具有复杂动态的特点,研究网络通信保障、感知信息交互、智能化融合分析3个层级间的相互关联关系,分析面向复杂水域的船舶智能航行感知体系,讨论船舶对航行环境的识别和认知能力提升的潜在空间和应用前景,有助于为船舶航行的自主化、智能化提供技术支持,服务于船舶交通智能化整体水平的提升。

基于Apriori算法的船舶交通事故关联规则分析

为有效分析船舶交通事故的潜在因果关系,预防和控制事故的发生,采用关联规则方法对相关数据进行有效挖掘,制定船舶交通事故关联规则挖掘流程,建立船舶交通事故关联规则分析模型.基于Apriori算法对船舶交通事故数据进行关联规则分析,挖掘事故间的强关联规则.对所挖掘出的强关联规则进行分析,发现事故致因因素间的潜在关系,并提出事故防范对策以保障海上交通安全.

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.

船舶交通流组合预测方法研究

船舶交通流预测的研究能为港口设计及船舶通航安全管理提供基础性数据。基于港口特征、船舶行为和船舶交通流的历史数据,建立了一种改进的船舶交通流变权组合预测模型,较好地解决了现有船舶交通流预测算法中存在的预测精度不高、依赖于经验的不足。以天津港主航道连续9年的历史观测数据为例进行验证,结果表明,改进的组合预测模型能够减小单一模型预测中存在的不确定性,从而提高了整个预测系统的精度及其稳定性。

基于蒙特卡洛方法的受限航道船舶交通拥塞仿真

在分析受限航道船舶交通物理过程的基础上,提出受限水域船舶交通拥塞状态的若干表征参数。利用离散事件仿真思想,构建以"船舶到达-通过航道-船舶离开"为主要逻辑单元的受限航道船舶交通仿真模型,着重研究船舶在航道中航行时船舶间的速度干扰关系。基于蒙特卡洛的思想对受限航道船舶拥塞状态的演化过程进行仿真研究,探讨船舶交通拥塞状态与船舶航行特征之间的内在关联。

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.

基于灰色马尔科夫模型的船舶交通流预测

鉴于船舶交通流预测的复杂性,利用单一的灰色预测方法难以对其做出准确预测,考虑交通流量的波动性,将灰色预测理论和马尔科夫预测方法结合以建立灰色马尔科夫预测模型,利用该模型对长江口河段的船舶交通流量进行预测分析。研究结果表明:灰色马尔可夫链模型的预测结果较单一的灰色预测结果更接近实际值,相对误差较小且具有较高的拟合精度,对于具有一定波动性和随机性的船舶交通流有较高的预测精度,可应用于实际船舶交通流量预测研究中。

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。

桥区船舶交通流可视分析系统

以武汉长江大桥桥区水域为研究对象,针对数据分析能力不足而造成海量AIS(Automatic Identification System)数据不仅无法更好地助力水上交通安全,反而为监管决策带来困扰的现状,研究了多维AIS数据的可视化表达和人机交互方法.提出了以电子航道图为载体的内河船舶交通状态平行坐标图模型,并针对传统网格划分法的不足,采用高斯密度函数为核函数利用二维核密度估计法生成热力图模型.在此基础上研发了船舶交通可视化系统,通过3组实例证明该系统有助于桥区船舶数据的异常分析和船舶行为模式识别,为海事管理人员提供有效的决策依据.

基于AIS的元胞自动机模型的船舶交通流特征参数分析

针对海上交通工程学中的密度-速度(流量)关系图"线性假设"的不严密性,利用基于AIS的元胞自动机船舶交通流模型模拟再现船舶交通流,然后统计出船舶交通流密度-速度(流量)基本关系图,并给出其三相交通流理论的解释;模拟研究发现,船舶交通流包含自由流、同步流和拥挤流三种相态,相态之间的转换也包含自由流与同步流、同步流与堵塞流两种形式;船舶密度-速度之间并非简单的线性关系,船舶密度-流量之间也不是二次抛物线关系,而是不明确的多值关系.模拟方法和结论有助于解释一些复杂的水上交通现象.

回归分析方法在船舶交通事故预测中的应用

随着中国对外贸易量的急剧增加,水路运输、港区作业日益繁忙,船舶流密度不断增大,导致船舶交通事故数量也呈上升趋势.以河北曹妃甸港为例,运用社会科学用统计软件包(SPSS)统计分析软件所提供的回归分析模型预测其未来船舶交通事故数量,获得了较为精确的预测结果.

基于二维矩阵分解的船舶交通流预测

为克服船舶交通流的非线性和非平稳性特点造成的预测精度不高的问题,提出了一种融合二维经验模式分解(Bidimensional Empirical Mode Decomposition,BEMD)和时序正则化矩阵分解(Temporal regularized matrix factorization,TRMF)的船舶交通流预测方法。首先,将传统一维船舶交通流时序数据重整为二维交通流量时序矩阵(天×时段),再利用BEMD将二维交通流量数据分解为高频矩阵和低频矩阵,其中高频矩阵体现突变因素对交通流的影响,低频矩阵体现稳定因素对交通流的影响;接着,采用引入正则时序项的TRMF,分别对高频与低频矩阵进行预测,进而融合得到最终的交通流量预测结果;最后,对比分析BEMD-TRMF、GM(1,1)、ARIMA、BPNN、WNN、LSTM和TRMF预测模型,结果表明BEMD-TRMF模型的平均预测误差约为3%,优于对比模型,达到了较好的预测精度。

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。