Assessment of Traffic Safety State of Ship Based on Unascertained Measure

Using the theory and method of unascertained measure, an unascertained measure model and the related confidence rule are established to assess the safety state of ship. Thus, the dangerous factors in the hull system can be identified, and the accident possibility, loss, and injury degree can be forcasted. An application result shows that the the proposed method is effective in assessment of the traffic safety of ships, and it is more simple in computation than the fuzzy synthetic evaluation method. The proposed method can provide a scientific basis for realizing shipping transportation security and formulating preventive measures.

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。

船舶拥堵水域通行能力预测技术

针对船舶交通流量大、水域繁忙情况下,通行能力预测难度过高的问题,提出船舶拥堵水域通行能力预测技术。利用船舶坐标位置以及航行速度,确定船舶状态,建立船舶航行队列模型。依据船舶领域模型确定船舶航行对应的椭圆形区域,作为船舶拥堵水域的领域。确定船舶领域内,影响航道容量的相关因素。设置船舶密度、船舶航行速度等水域通行能力影响指标,作为长短时记忆网络的输入。长短时记忆网络通过遗忘门、输入门以及输出门3个门控单元,选择保留或遗忘输入的数据,输出船舶拥堵水域通行能力预测结果。实验结果表明,该技术能够有效预测船舶拥堵水域通行能力,提高航道利用率,保障水域交通安全性。

考虑负载和时延的船舶无线网络节点流量控制

针对船舶无线网络稳定性较差,易出现负载失衡、信息传输时延高的问题,研究考虑负载和时延的船舶无线网络节点流量控制方法。此方法利用有向图优化船舶无线网络结构与节点分层结构;计算船舶无线网络节点负载占用率与可用率,提取负载均衡的节点通信路径;使用基于RTT的拥塞流量分配算法,以缩短延时为目标,考虑负载和时延的船舶无线网络节点流量控制。实验结果显示:此方法使用后,船舶紧急业务、关键业务、普通业务在无线网络中分组投递率提升,解决了负载失衡问题;紧急业务端到端时延低于100 ms,关键业务与普通业务端到端时延低于1 000 ms,流量控制效果较好。

内河船舶机会性互联的复杂网络模型及其时变特性

针对内河船舶间出现时空邻近的机会性现象开展建模及实证研究。在社会网络分析方法的基础上,提出了1种考虑时序特征的网络分析方法,将大尺度时间跨度上的网络聚类转化为小尺度跨度上的网络聚类,进而分析内河船舶在有限水域内的动态行为;考察船舶间形成邻近关系网络的时变特征,利用复杂网络表示船舶社会网络随时间的演化特性,并借助复杂网络模型对内河水域内存在较多互相熟识船舶的现象给出统计解释。基于长江下游200 km河段1个月的AIS数据,按时隙划分得到网络模型的序列,由此表现船舶间发生单跳数据交换关系的互联形态。实证结果表明:①船舶联网瞬时的度分布可用高斯分布拟合,拟合度在96%以上;②随着时间尺度的增加船舶社会网络的小世界特性和无标度特征愈加明显,网络形态在空间维度上呈现簇团情形,局部密集的组团网络由大部分静止和少量运动船舶连接起来,网络密度随时间缓慢增加至0.1左右,相对平均路径长度稳定在0.2~0.3之间,平均赋权集聚系数呈现缓慢下降的趋势最后趋于0.4~0.5,离散度较快趋向于1,并实现整体上的连通;③度值较高的船舶节点,其平均速度在不同时隙的船舶社会网络中分时段呈现相关性;④相对于船舶密度的增加,船舶在1 d内的平均友邻时间以指数形式递增,而船舶的重复相遇近似服从负指数分布。上述结果表明,内河船舶航行中数据交换关系的建立或断开是由物理空间中船舶间邻近关系的时变性决定的;内河船舶的历史交互行为对未来交互行为具有记忆性并产生影响。

基于起点-终点数据的成山角船舶交通流特征分析

文中提出了一种基于起点-终点(origin-destination,OD)数据的船舶AIS(automatic identification system)轨迹聚类模型.该模型通过对船舶AIS轨迹的OD数据聚类,得到起点标签和终点标签的OD类别组合,从而将行为相似的船舶轨迹划分到同一个簇中,实现船舶AIS轨迹的有效聚类,并识别噪声轨迹.在此基础上,分析了成山角定线制水域船舶航行偏好、OD位置特点和船舶的群体性活动规律等交通流特征.

船舶流量智能交通检测系统设计

以避免船舶AIS数据内噪声对船舶流量检测干扰,准确、实时实现船舶流量智能交通检测,设计船舶流量智能交通检测系统。采集模块采集海上航线船舶AIS数据,使用逻辑分析模块内的船舶交通流状态空间模型,获取当前海上航线船舶交通流空间状态,卡尔曼滤波算法将上一个航线船舶交通流空间状态作为观测向量,同时抑制船舶交通流空间状态观测向量内干扰噪声,建立船舶流量智能交通检测模型,不断更新海上航线船舶流量空间状态转移矩阵,推理当前时刻船舶交通流量空间状态,得到船舶流量智能交通检测结果。实验表明,该方法具备较强的船舶AIS数据获取能力,可准确获得海上航线船舶流量状态,并有效检测不同时刻船舶流量,应用效果较好。

基于多维度融合注意力的舰船网络异常流量检测

舰船网络通信系统的正常运行是保障舰船安全航行的基础。针对现有舰船网络通信系统访问流量异常检测模型检测精度不高和实时性不强的问题,提出一种基于多维度融合注意力的轻量级舰船网络服务器异常流量检测算法。利用Bidirectional Encoder Representation from Transformers(BERT)作为特征编码器,将捕获的流量数据包映射到深度特征空间;利用深度可分离卷积(Depth-Separable Convolutional, DSC)网络和长短时记忆(Long Short Term Memory, LSTM)神经网络捕获深度编码特征的空间编码特征和时间维度的编码特征;提出一种多维度融合注意力模块,将空间和时间维度的编码特征进行特征融合;利用多维度融合特征进行正常与异常流量的分类。通过在自建的舰船流量异常数据集上进行测试,结果表明所提出模型能够有效检测出舰船网络通信系统的异常访问流量,在保持检测精度的同时,降低了检测时间开销。

基于改进DP算法的船舶轨迹自适应压缩方法

文中通过结合滑动窗算法.考虑船舶轨迹几何特性与船舶转向角动态因素,自适应分割船舶轨迹中的弯曲段与直线段部分,并自适应选取各自对应的压缩阈值.实现对轨迹数据的压缩.在保留更多重要特征点的前提下,提高了轨迹压缩率.利用尹公洲水域的船舶轨迹数据,通过对比改进压缩方法与传统方法,验证了文中方法能够在保留较多轨迹特征点的前提下,对轨迹数据进行大幅度压缩.

基于VMD-BP-GA模型的脆弱航段船舶短时交通流预测

【目的】针对繁忙航段船舶交通流易受外界环境扰动的难题,提出一种可用于识别船舶交通流脆弱性的预测模型,旨在通过脆弱性辨识,确定最薄弱的航段。【方法】首先采用变分模态分解(VMD)模型将船舶交通流参数序列分解为多个模态分量,然后结合反向传播神经网络(BP)和遗传算法(GA),通过构建约束模型并不断更新各个分量的中心和带宽,实现单个分量的预测,通过应用VMD-BP-GA模型对船舶交通流进行精准预测,并验证其合理性和有效性。【结果】在繁忙航段,本研究提出的VMD-BP-GA模型精准预测船舶交通流脆弱性的方法,相较于传统模型表现出更低的预测误差值,其中在航段流量预测方面,本研究模型的平均绝对误差(MAE)最低达到2.095%,均方根误差(RMSE)最低达到2.610%,平均百分比误差(MAPE)最低达到2.114%;在航段密度预测方面,本研究模型的MAE、RSME、MAPE最低分别为0.129%、0.162%、2.112%;并实现了时空两个维度的船舶交通流预测。【结论】本研究模型成功实现对船舶交通流脆弱性的识别和最薄弱航段的确定,具有高效的预测性能,能够精准并快速地预测船舶交通流,可为船舶通航安全保障提供了理论和实践指导。

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。

广西沿海主要航路规划及通过能力研究

广西北部湾是发展海洋运输业、港口物流业的重要水域。基于2020年海上船舶自动识别系统(AIS)数据,绘制了北部湾水域习惯航路,并借助数理统计方法,对广西北部湾水域习惯航路上21个船舶交通流门线的船舶交通量与交通密度进行分析并提出航路规划建议,同时对航路通过能力进行计算并提出合理化建议。结果表明,北部湾水域船舶航路总体呈现“五干十六支”的基本格局,船舶交汇区内船舶数量大、交通流复杂,需加强重点水域和特殊水域通航风险研究和管理。广西北部湾沿海船舶航路通过能力可满足水域船舶通航现状需求及2035年港口吞吐量规划的需求。研究结果可为广西北部湾海上船舶航路规划、海域使用管理和海洋生态环境保护提供决策支持。

基于大数据统计的船舶通信网络流量估计数学模型设计

估计船舶通信网络流量,可以更好地了解网络性能,有助于优化网络配置,提高船舶通信网络的性能和可靠性,确保船舶航行过程中的通信畅通。为此,设计基于大数据统计的船舶通信网络流量估计数学模型,以提升网络流量估计效果。利用C-C算法计算船舶通信网络流量的延迟时间,通过G-P算法计算船舶通信网络流量的嵌入维数;依据延迟时间与嵌入维数,转换原始船舶通信网络流量时间序列数据,得到多维船舶通信网络流量时间序列数据;利用Map机制为各节点上的极限学习机分配数据子集,建立船舶通信网络流量估计数学模型;通过Reduce机制,汇总全部网络流量估计数学模型,得到最终的网络流量估计结果。实验证明,该模型可有效确定延时时间与嵌入维数,分别为5 min与6维;该模型可精准估计船舶通信网络流量。

双江口水库对下游梯级水库群发电-航运联合调度影响研究

选取岷江流域为研究对象,按双江口水电站投产前后划分2种情景,构建SWAT水文模型和水库群联合调度模型,对比分析双江口水电站对下游梯级水库群发电与航运的影响。研究结果显示,在双江口水电站运行后,下游梯级电站入库流量显著提升,有效增加了水库兴利库容。目标水库群在每年枯水期平均发电量增加了50.59亿kW·h,其中双江口水库枯水期平均发电20.36亿kW·h,经济效益增幅超过16亿元;目标水库群年平均发电量提高了139.58亿kW·h,其中双江口水库年均发电108.69亿kW·h,经济效益增幅超40亿元。此外,岷江高场站的航运流量在不同保证率下也有所提升:90%保证率下提升了15.48%,95%保证率下提升了13.11%,98%保证率下提升了7.74%。研究结果为大型水库群枯水期联合调度及航运优化提供了重要的决策支持和理论指导。

多船会遇场景下基于循环神经网络的船舶航速预测

为进一步提高复杂环境下的船舶航速预测精度,提出一种在多船会遇场景下基于循环神经网络(recurrent neural network,RNN)的船舶航速预测模型。从船舶自动识别系统(automatic identification system,AIS)数据中提取构成多船会遇场景的船舶航行动态信息(时间、航速等),采用插值法进行等时间间隔化处理,并构建基于RNN的船舶航速预测模型。采用长江口外水域的AIS数据,分别在不同会遇场景下进行实例验证。实验结果表明:在案例1和案例2场景下,RNN模型预测结果的平均绝对误差、均方误差、均方根误差、平均绝对百分比误差均比长短期记忆神经网络模型和支持向量机模型的小,说明RNN模型的预测精度比其他两种模型的高。

智能船舶整装产业生态分析

为满足国际市场对船舶行业日益提高的要求,提升智能船舶相关产业的核心竞争力和可持续发展能力,以智能船舶为核心,对其可衍生的相关产品进行分析。研究表明,智能船舶整装产业生态环境的良好与否对产业发展有重要影响,需加强产业协同、技术创新和市场拓展,促进产业生态的良性循环和关联企业间的协同与合作,推动船舶行业和水上交通运输业的转型升级。

基于轨迹图片特征距离的船舶轨迹聚类

为了进一步优化海上交通管理,针对基于多维属性的船舶轨迹聚类算法难以设置权重参数、运行时间长的问题,提出了一种基于轨迹图片特征距离的船舶轨迹聚类算法。该算法利用船舶自动识别系统(AIS)数据,根据轨迹点的位置、航速和航向绘制轨迹图片,通过深度残差网络提取轨迹图片特征,采用主成分分析技术降低特征维度,基于欧式距离实现轨迹间的距离度量,并通过基于密度的含噪数据空间聚类算法(DBSCAN)对降维后的船舶轨迹图片特征聚类。实验结果表明,论文所提算法能够在降低运行时间的情况下,对实验水域轨迹进行有效聚类,反映的船舶交通流特征符合实际情况。

基于Kubernetes的海量船舶交通信息数据存储系统设计

针对Kubernetes在异构云平台的多租户和复杂负载挑战,该文设计了层次化资源模型和时序数据指标,结合公平算法,实现高效船舶交通信息数据存储系统,提升资源管理与调度效率,为大规模数据存储提供有效解决方案。

黄浦江河口水域通航安全管理研究

通过介绍蕴藻浜及蕴藻浜警戒区水域通航环境,全面收集该水域的通航环境要素,精细化分析蕴藻浜警戒区船舶流构成及其日均流量,剖析蕴藻浜警戒区及周边水域2020—2022年发生的险情事故及其根本原因。从人、机、环、管四个方面提炼该水域船舶通航管理存在的安全风险,并从航法优化、交通组织、立体监管新模式和全过程海事监管等方面提出相应对策建议。

基于自适应过滤法的香港地区货运海船交通量预测

为准确预测香港地区货运海船月交通量,建立了基于自适应过滤法的香港地区货运海船交通量预测模型.建模所用的统计数据来源于香港特别行政区海事处网站.首先直接使用自适应过滤法建模,进而使用数据标准化的自适应过滤法建模.比较这两个模型发现,后者的均方差更小、平均相对误差更小,两者预测时间序列与样本时间序列的灰色绝对关联度接近,这意味着后者的离散性、精度均优于前者,预测时间序列与样本时间序列折线的几何相似性与前者接近.因此,用数据标准化的自适应过滤法模型预测了未来8个月香港地区货运海船交通量.