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.

一种融合纵横时空特征的交通流预测方法

针对现有城市道路交通流预测研究中,上下游交通流时滞特性与空间流动特性挖掘不足、车道级交通流时空特性考虑不充分的问题,提出一种融合纵横时空特征的交通流预测方法。首先,通过计算延迟时间量化并消除上下游交通流断面间的空间时滞影响,增强上下游交通流序列的时空相关性。其次,将消除空间时滞的交通流通过向量拆分数据输入方式传入双向长短时记忆网络,用以捕捉上下游交通流纵向的传递与回溯双向时空关系,同时利用多尺度卷积群挖掘待预测断面内部各车道交通流间多时间步横向时空关系。最后,采用注意力机制动态融合纵横时空特征得到预测输出值。实验结果表明,相较于常规时间序列预测模型,所提方法在单步预测实验中,平均绝对误差、均方根误差分别下降了约15.26%、13.83%,决定系数提升了约1.25%。在中长时多步预测实验中,进一步证明了所提方法可有效挖掘纵横向交通流的细粒化时空特征,并具有一定的稳定性和普适性。

基于ARMA过滤器的时空图卷积网络短时交通流预测

针对大多数现有的时空融合图卷积网络模型在分析交通流数据所采用的过滤器提取空间特征时,可能会导致网络节点特征过于平滑从而丢失原始信息、计算量大等问题,将一种能有效逼近任何所需响应的基于自回归移动平均(ARMA)过滤器的图卷积网络与门控循环单元(GRU)相融合,提出一种基于ARMA过滤器的时空图卷积网络短时交通流预测模型。在该模型中,采用GRU提取交通流数据的时间特征;利用基于ARMA过滤器的图卷积网络提取空间特征;通过平均池化层得到预测结果。在美国加州高速公路公开数据集PeMS04、PeMS07和PeMS08上进行了实验。结果表明,相比于切比雪夫多项式等传统的过滤器,ARMA过滤器能够更好地捕获交通流数据中的空间特征且能有效提升计算效率,在三组数据集上相比于GRU、DCRNN、T-GCN、ASTGCN和MSTGCN等基准模型,新模型的平均绝对误差指标平均降低了26.28%、28.25%、39.59%、26.24%和19.07%,训练时间平均降低了26.54%、95.00%、78.87%、93.58%和89.03%。

基于航道匹配的内河航道交通流特征分析模型

内河航道交通流特征分析通过对海量船舶轨迹数据进行数据建模,提取宏观交通流特征,包括交通流总量、密度、速度等重要指标,对航道总体运行监控,尤其是船闸调度具有重要的数据支撑作用。本文提出了更适合内河航道的基于航道匹配算法的交通流特征分析模型,并对其中的关键技术和模型进行了分析,基于航道匹配的交通流特征分析模型能够比传统的切面模型更加精准、实时,更具备实践业务的指导意义。

内河船舶交通流量的时空分布特征

掌握内河船舶的交通流量特征是进行合理的航道和通航设施规划、设计、运营、管理与控制的前提.根据大量的航道(段)船舶交通流资料,提出了两个不均衡系数来反映内河船舶流量的时空分布特征.其中,具有一定保证率的单位流量不均衡系数能够较好地反映内河船舶流量的时间分布特征,拓展了《船闸总体设计规范》中月运量不均衡系数的内涵;单位流量方向系数则表明船舶单向流量并不一定等于双向流量的一半,研究内河船舶交通问题时,应按船舶航向分别进行讨论.

基于时空特征融合的短时交通流预测

城市道路交通拥堵加大碳排放和空气环境污染问题,短时交通流量预测能够有效缓解交通堵塞。本文提出一种基于时空特征融合的短时交通流预测模型。该模型通过点互信息(PMI)算法对监测站点做相关性分析,确定相关性较高站点,并将其交通数据处理成周期性序列和邻近序列;引入长短时记忆(LSTM)网络提取时间特征构建相关模型,完成时间和空间特征的融合;引进绝对误差序列分析优化模型,得到最终预测结果。本研究以长沙橘子洲大桥作为目标站点,大桥两端各个主要交通路口作为监测站点,利用各个站点的交通流数据集对模型进行验证。研究结果表明:该预测模型优于传统反向传播神经(BP)网络模型和LSTM模型,在平均绝对百分误差(MAPE)指标上,该模型相较于BP和LSTM分别降低3.12%和1.58%,在均方根误差(RMSE)指标上,该模型分别降低了8.45和3.34,为解决交通拥堵和减少碳排放问题提供了一定的参考。

船舶AIS交通流量的跨江桥梁建设期通航风险及对策分析

由于跨江桥梁钢箱梁吊装工艺的特殊性,施工过程中对水域通航产生碍航,为避免产生船舶碰撞事故,本文以虎门二桥所跨坭洲桥梁处为横截面的船舶AIS数据为基础,针对桥梁建设中的水上交通环境在时间上划定阶段性、在空间上划定区块性进行分析,针对性提出临时交通管制、推荐航路航道转换等面向水上交通风险的对策.研究成果为海事监管部门提供了实践性指导意见,减小了对桥梁周围水域航行船舶碍航性及降低警戒力量的投入,所提出的移动安全作业区、航路转换、合理布置警戒力量等通航安全保障措施以期为同类施工作业提供基于情景案例的实践参考.

粤港澳大湾区交通流网络空间结构和边界效应测度

推动港澳与内地交通互联互通和融合发展是粤港澳大湾区高质量发展的重要内容。大湾区由于制度差异对跨境交通产生边界效应,但现有研究中利用真实交通流大数据对边界效应的动态测度研究不足。文章基于粤港澳大湾区高速公路收费数据和跨境交通数据构建大湾区交通流网络,采用复杂网络和边界效应度量方法,研究大湾区交通流网络空间结构及其边界效应的动态变化。结果表明,粤港澳大湾区交通流网络具有独特的广佛、深莞惠“双核心―边缘”结构,疫情后大湾区交通流网络的交通覆盖度和紧密度都有较大提升,港澳车流开始跨越边界向北延伸,粤港澳交通融合加速,形成“两岸互通、全域互联”的空间格局,但整体上香港地区和澳门地区在整体网络的重要性依然较弱。香港地区和内地、澳门地区和内地间的阻碍系数高于内地各县区间的阻碍系数,客车的阻碍系数普遍低于货车的阻碍系数。疫情后全网络的阻碍系数呈现动态下降趋势,边界效应的限制作用降低。文章拓展了交通流网络研究中边界效应的定量研究框架,有助于推动粤港澳大湾区交通融合发展。

北极东北航线船舶交通流时空特征分析

基于2020年北极东北航线AIS数据,运用GIS空间分析平台,以交通流理论为基础,对东北航线船舶交通流的日、月和季节等时间特征和船舶密度、速度等空间特征进行分析。结果表明:①捕捞船占船舶总量的71.5%,是北极东北航线的主要船型。各类船型集中分布在巴伦支海和挪威海东北部的近岸海域,呈团聚状分布,整体呈现出“西多东少”的分布格局。②各类船型以中小型尺寸为主,占74.4%,船舶速度以中低速为主,高速船舶主要为油轮。③各类船型交通量的月、季节变化特征显著,货船、客船和油轮日变化不明显,捕捞船活动受昼夜更替影响较大。④各类船型航迹除分布在摩尔曼斯克港口海域外,货船和油轮航迹跨越整个北极东北航线,捕捞船航迹复杂多变,客船以摩尔曼斯克港至北极点运输路线为主。⑤影响船舶交通流时空特征的因素包含北极环境条件、北极资源分布、港口建设水平和海上交通管制等,其中,北极环境条件中的海冰密度、厚度是最重要因素。

基于“21世纪海上丝绸之路”AIS数据的船舶交通流预测

为探究“21世纪海上丝绸之路”船舶交通流规律,基于2018年“21世纪海上丝绸之路”AIS(Automatic Identification System,船舶自动识别系统)数据,利用时间序列模型分别对货船、油轮和货船-油轮这3种情形下的船舶交通流进行了研究。结果显示,船舶交通流变化规律可以用ARIMA模型(Auto-regressive Intergrated Moving Average Model,即差分自回归移动平均模型),拟合并预测;货船、油轮和货船-油轮这3种情形有相同的最优选择模型ARIMA(1,1,2)。“21世纪海_上丝绸之路”船舶交通流可由前两个时间周期内的交通流数据拟合预测,并且ARIMA(1,1,2)模型对单一船型交通流的预测效果优于对混合船型交通流的预测。

交通流网络的时空特征解析——基于张量分解方法视角

基于非负张量分解方法(NTF方法),依托2004年1月至2012年12月江苏省高速公路网络的三维OD海量交通流数据,展开网络时空特征的解析、提取与挖掘,尝试解决现有数据分析方法无法有效解析交通流网络时空演化的动态性与多维性问题。结果表明:1重构网络对原始网络的空间构型与格局具有很好的重现能力,基本刻画了原始网络的倒"不"字型空间结构;2分解的网络可提取出基本不变型、渐变型和突变型3类时变规律,且每类时间特征有各自耦合对应的局部空间格局,体现内在组织的时空统一性;3倒"不"字型空间结构由分解的沿沪宁线横向子网络叠加过润扬大桥沿扬溧线、过江阴大桥沿京沪线和过苏通大桥沿沈海线的三大纵向子网络等具有明确地理含义的多个局部空间系统共同构成,体现全局由局部组成的特性。

基于AIS海上交通调查的宁波—舟山核心港区船舶定线制

为便于宁波—舟山核心港区船舶定线制的设计,在原始数据的基础上,采用基于船舶自动识别系统(Automatic Identification System,AIS)数据对辖区水域进行海上交通调查,详细分析辖区船舶航路、交叉等数据;结合船舶交通服务(Vessel Traffic Services,VTS)中心的实时数据和船舶进出宁波—舟山核心港区的传统航路,从宏观和微观角度研究该水域船舶交通特性,确定船舶定线制总体设计方案、警戒区设置及定线制水域航道宽度.该定线制实施方案表明,基于AIS海上交通调查而拟定的船舶定线制,可满足当时的设计预期,确保辖区水域船舶通航秩序,有效保障辖区水域航行安全.

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。

结合变种残差模型和Transformer的城市公路短时交通流预测

城市公路交通流的预测受到历史交通流量和相邻车道交通流量的影响,蕴含了复杂的时空特征。针对传统交通流预测模型卷积长短时记忆(ConvLSTM)网络进行交通流预测时,未将时空特征分开提取而造成的特征提取不充分、特征信息混淆和特征信息缺失等问题,对ConvLSTM模型作出改进。首先,提取每个采样时刻的交通流数据的短期时间特征和空间特征,并在特定的维度下将交通流的短期时空特征融合;其次,进行残差映射;最后,将映射后的短期时空特征交由Transformer模型捕捉交通流数据长期的时空特征,并根据所捕捉的长期特征对未来时刻每个采样点交通流进行预测。使用加州城市快速路数据对模型进行验证,以平均绝对误差(MAE)作为模型评价指标时,所提模型相较于Conv-Transformer模型,预测精度提高了18%,验证了所提模型的有效性。

基于公路交通流大数据的节假日旅游流时空分异特征——以云南省2017年7个节假日为例

分析节假日旅游流的时空分异特征有助于获取节假日旅游流的空间行为模式,并为节假日旅游路线组织、旅游应急管理提供重要依据。文章以云南省为案例,选择昆明-大理-丽江-香格里拉、昆明-西双版纳、昆明-石林-弥勒-泸西、昆明-建水-元阳4条旅游运输通道,从时空二元视角获取云南省自驾车和团队旅游流的时空分异特征。结果显示:(1)在7个节假日,昆明-大理-丽江-香格里拉、昆明-西双版纳两条长线运输通道旅游流的集中指数分别为47.38、46.52,昆明-建水-元阳、昆明-石林-弥勒-泸西两条短线旅游运输通道的旅游流集中指数分别为42.41、38.53,均大于完全均衡分布时的集中指数37.8,表明4条旅游运输通道旅游流在7个节假日具有明显的集聚特性,且长线旅游运输通道旅游流的时间集中度均高于短线,自驾旅游流时间的集中度高于团队旅游流。(2)昆明-大理-丽江-香格里拉通道的节假日旅游流规模位居首位,昆明-西双版纳旅游运输通道旅游流受节假日时长的影响较为显著。(3)4条旅游运输通道的节假日旅游流呈现向城镇、重要交通节点及旅游资源富集型通道的聚集特征;昆明-大理-丽江-香格里拉通道的自驾旅游流的基尼系数高达0.86,空间集中度最高。相比自驾游,团队游空间使用曲线呈多峰模式,各相邻波峰呈明显的递减趋势。利用公路交通流大数据能够获取节假日旅游流的时空分异特征,可为节假日旅游管理提供管理启示。

基于特征融合图注意网络的高速公路交通流预测

基于交通网络的实际时空拓扑,提出一种特征融合图注意网络(FF-GAT)模型融合节点获取的多种交通状态信息,预测高速公路交通流。首先,分析节点的车速、交通流和占有率之间的关联特征,并基于多变量时间注意力机制,将车速、交通流和占有率之间的关系融入注意力机制,从而捕捉交通流的不同时间之间的动态时间相关性;其次,将节点划分为不同的邻域集,并通过特征融合图注意网络(GAT)捕获交通流的不同邻域之间的空间相关性;同时,通过特征交叉网络充分挖掘多个异构数据之间的耦合相关性,为预测目标序列提供有效的信息补充。在两个公开交通流数据集上的实验结果表明:在PeMSD8数据集上,与ASTGCN(Attention based Spatial-Temporal Graph Convolutional Network)模型相比,FF-GAT模型的均方根误差(RMSE)降低了3.4%;与GCN-GAN(Graph Convolutional Network and Generative Adversarial Network)模型相比,FF-GAT模型的RMSE降低了3.1%。可见,FF-GAT模型能够通过特征融合有效提高预测精度。

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。

基于注意力机制和ConvLSTM的船舶交通流量预测算法

船舶交通流量预测是港口智能交通系统的关键技术之一,对港口运输的效率和安全起到至关重要的作用。针对现有预测方法难以有效提取船舶交通流量数据中的时空相关性特征信息的问题,提出了一种基于注意力机制和ConvLSTM的预测方法(ACLN)。ACLN首先通过深度的ConvLSTM构建编码网络,有效提取船舶交通流量数据中的时空相关性特征信息;其次通过注意力机制对提取的时空相关特征信息进行重要性关注,使模型在预测的过程中自动关注更重要的特征信息;最后通过多层的ConvLSTM和CNN构建预测网络,对提取的时空特征信息进行解析并输出预测结果。在真实的港口船舶交通流量数据上验证了所提方法的有效性,实验结果表明,所提方法的预测性能明显优于目前公开的预测方法,能够对一定区域进行有效的长短时预测,具有一定的实用价值。

数据挖掘在船舶交通流特征提取中的研究

首先阐述利用数据挖掘进行数据分析的流程,并对每个步骤进行说明;然后利用数据挖掘提取和分析船舶交通量信息、AIS数据获取中的3个关键技术和交通量统计步骤;最后以青岛港为例进行指定时间段内船舶交通流特征提取,实验结果表明本文能高效、准确地挖掘出指定时间段内经过截面的船舶类型和长度分布。