三峡出闸船舶航速分布规律与预测应用

为监控出闸船舶的异常航速、科学调度出闸船舶、提高船舶出闸效率和保障船舶出闸安全,研究了三峡出闸船舶航速分布规律与预测应用问题。以船舶AIS(automatic identification system)统计数据为基础,通过直方图方法分析了船舶离闸距离、船舶尺度与船舶出闸航速之间的关系,在此基础上,利用80%的AIS数据建立了基于BP(back propagation)神经网络的船舶出闸航速预测模型,并以20%的AIS数据对船舶出闸航速预测模型予以验证,最后通过案例阐释航速预测模型的应用。结果表明:该模型预测航速的平均误差为6.7%,对预测航速和实际航速进行单因素方差分析,两组数据并无显著性差异。可见基于BP神经网络的船舶出闸航速预测模型可以应用于船舶出闸航速预测。

基于AIS信息的船舶进出港航速控制模型

为提升近港航道效率及船舶安全,从船舶自动识别系统(Automatic Identification System,AIS)集合的大量的海上交通特征信息中获取能够反映船舶进出港规律的、有效的、潜在的信息,建立船舶进出港航速控制模型.根据海上交通工程理论和数据挖掘技术,将实时采集的港口水域的AIS信息存放在数据库中,再通过ETL(Extract Transform Load)进行处理.该数据库具备统计分析船舶进出港各阶段航速分布的功能.以厦门嵩屿港集装箱码头为例,构建相应的数据库,对12万吨级集装箱船舶进出港的航速进行统计,获得此类船舶在进出港过程中的航速分布规律,并根据航速的概率分布特点给出建议航速,为船舶自动进出港、引航员引导船舶及港口主管部门更好地监管通航环境提供理论依据.