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.

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。

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.

基于航道-船闸系统模型的内河多线船闸调度优化仿真

为了缓解船舶过闸需求和船闸服务能力之间的矛盾,以内河多线船闸为研究对象,利用元胞自动机原理建立了包括顺直段和弯曲段的航道船舶交通流模型,在考虑闸室分配规则、BL排样算法和多闸室并行调度规则的基础上建立了多线船闸调度优化仿真模型,并利用内河航运系统船舶交通组织方法,将船闸与航道两个子模型看成系统模型中的节点和通道,建立了船闸-航道一体的多线船闸系统调度优化模型。以长洲水利枢纽四线船闸为研究对象,根据建立的船舶交通流模型和多线船闸系统调度优化仿真模型对航道船舶交通流时空分布特性、船闸调度优化指标等进行了仿真分析。试验结果表明:船舶上下行平均延误较实际分别降低了10.3%、8.8%,上下行闸室利用率分别提高了7.4%、7.1%。

琼州海峡客滚船运输水域船舶交叉碰撞事故概率研究

文中采用ArcGIS绘制了2023年1月19日琼州海峡水域的船舶AIS轨迹图,分析该水域交通流结构和特征参数.利用Arena构建新海港至徐闻港船舶交叉碰撞仿真模型,经仿真得到06:00—07:00时段、13:00—14:00时段和22:00—23:00时段客滚船与穿越船舶发生碰撞概率较高.

基于GIS的核密度分析方法在海上浮标平台选址中的应用研究

为有效掌握海上浮标平台在选址过程中对海上交通流的影响,优化选址方案,提出一种利用船舶自动识别系统(Automatic Identification System,AIS)数据基于地理信息系统(Geographic Information System,GIS)核密度分析的海上浮标平台选址分析方法。通过建立海上交通流的核密度模型,形成选址水域的船舶交通流核密度估计(Kernel Density Estimation,KDE),得到交通流的特征。设置核密度值范围与相对应的颜色,完成核密度值的图像显示。对得到的各月份核密度图进行处理,用以确定浮标平台的备选范围。结合选址水域通航环境的分析,为海上浮标平台的选址提供建议。实例分析表明,基于GIS的核密度分析方法能较好地为海上浮标平台选址提供参考依据。

基于大数据分析的AIS虚拟航标布设技术

为了进一步改善长江下游重点航段的航标布设方案和航路航法,完善通航环境,探索一种基于大数据分析辅助船舶自动识别系统(AIS)虚拟航标布设优化的方法,并以密集港区临港侧航道、深水复合航道和主航道到港口“最后一公里”航道为例进行应用分析。结果表明,基于电子航道图,针对船舶交通流的船舶轨迹回放、碰撞危险度分析、船舶轨迹线分析、航道门线分析和船舶航标间距分析等方法能够以可视化的手段有效地找到航标布设方案的薄弱位置,为AIS虚拟航标的增设优化提供有力的数据支撑。

面向宽窄交替航道的船舶交通元胞自动机模型

为了提高宽窄交通航道的通行效率,针对宽窄交替的结构特点,以基尔运河为例,根据其航道宽窄段交替结构的特点,建立了双向船舶交通流元胞自动机模型,研究基尔运河的船舶交通流仿真。根据基尔运河的实际结构建立元胞空间,并基于固定闭塞理论和移动闭塞理论建立演化规则。基尔运河的结构导致大型船舶无法在狭窄的区间内同时通过,为了描述该现象,在元胞自动机模型中建立了合适的等待规则。在仿真分析中,主要讨论了不同船舶入流率、大小船舶比例、船舶间安全距离的影响。在仿真结果的基础上,进一步研究了基尔运河船舶交通流改善的瓶颈识别和改进策略。结果表明,基尔运河窄段长度过长是瓶颈所在,其使得运河内船舶大量停泊等待。

基于支持向量机的船舶交通流量预测方法

提升航道和港口资源的高效、合理利用,需精准掌握船舶交通流量情况。为此,本文提出基于支持向量机的船舶交通流量预测方法。该方法以船舶交通流量数据为基础,经预处理后将其作为采用支持向量机的输入量,通过输入量和输出量之间的高维映射,预测船舶交通流量;通过鲸鱼优化算法优化支持向量机的核参数和惩罚项参数;通过迭代寻优获取最优的参数结果,以此保证舰船交通流量预测结果的精准程度。测试结果表明:该方法能可靠完成不同航行环境下的船舶交通流量预测,均等系数均在0.019以下;中心可依据预测结果对船舶进行管理,高效、合理实现港口资源利用,减少船舶等待进港时间。

基于遥感图像的船舶交通流量预测方法

为了保证船舶的安全运行,资源的合理利用,避免海上交通安全事故的发生,提出基于遥感图像的船舶交通流量预测方法。结合主成分分析法、多层元胞更新方法等建立船舶遥感图像的显著模型,获取船舶遥感图像的显著图;通过恒虚警(CFAR)检测方法在船舶遥感图像的显著图上进行遍历,完成船舶的目标检测;依据船舶目标检测结果,统计船舶数量,计算海上船舶的拥堵率,并建立支持向量机(SVM)模型,将船舶的拥堵率作为SVM模型的输入,与输出数据的结果进行映射,实现船舶交通流量的预测。实验结果表明:该方法可准确地预测出船舶交通流量;该方法不受海杂波等干扰的影响,可准确地检测出船舶目标;在云雾和海杂波的环境干扰下,该方法预测船舶交通流量结果的均等系数趋近于0,预测能力较强。

船舶航行诱导系统的概念方案设计探讨

针对“船舶航行诱导”的定义尚未确定,船舶交通流诱导缺乏理论支撑的现状,借鉴道路交通中车辆诱导系统的定义和功能,提出船舶航行诱导系统的概念,并对其架构进行初步设计。对船舶与车辆的尺度和操纵性等参数进行比较,并对船舶交通流与车辆交通流进行定量和定性分析;借鉴道路车辆交通诱导的理念和性质,归纳船舶航行诱导的定义,在此基础上初步设计船舶航行诱导系统的架构。该研究有助于丰富水上智能交通领域的理论基础,为船舶航行诱导系统研究提供参考。

基于PSO的BP神经网络-Markov船舶交通流量预测模型

为对船舶交通流量进行准确预测,结合BP神经网络和Markov算法,构建BP神经网络-Markov预测模型。引入粒子群优化(particle swarm optimization,PSO)算法对模型进行优化,克服利用Markov模型选取白化系数的不足。用该模型预测武汉长江大桥船舶交通流量的月度数据,结果表明:与BP神经网络的预测精度82.439 0%相比,基于PSO的BP神经网络-Markov预测模型的预测精度提高到91.050 8%,该模型的合理性和准确性得到验证。

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。

船舶交通量的BP神经网络-马尔科夫预测模型

为提高船舶交通量的预测精度,在BP神经网络的基础上结合马尔科夫预测模型建立一个新的预测模型.采用通过长江九江大桥的月度船舶交通量数据进行模型训练、验证和预测,求出相对残差值,将相对残差的前8项归一化后划分为3个状态,利用马尔科夫预测模型修正BP神经网络的预测值.该新模型将BP神经网络的相对残差值区间从[-12.9%,12.3%]降低至[-9.9%,5.4%].该模型能提高船舶交通量的预测精度,用于预测船舶交通量是可行的.

优化的长山水道船舶交通流量灰色系统预测模型

为提高长山水道船舶交通流量的预测精度,对灰色系统中的GM(1,1)模型进行优化.在对长山水道船舶交通流量进行分析的基础上,通过改进GM(1,1)模型背景值、改变初始条件、增加新信息优先权、引入残差修正等方法对GM(1,1)模型进行优化.通过该优化模型的预测数据与历史数据的比较验证了该优化模型的准确性和可靠性.最后用该优化模型对长山水道2015—2016年的船舶交通流量进行了预测.