大数据分析技术在历史航行路线可视化中的应用

随着大数据分析技术的不断发展,船舶航线线路的规划与分析的计算速度得到了质的提升。伴随船舶航线规划的可视化,传统算法无法很好将大数据分析技术分析结果转换为可视化数据进行输出。因此,研究大数据分析技术在历史航行路线可视化中的应用。通过大数据分析技术建立历史航线模型,同时对模型数据的传输信道进行优化计算,保证可视化数据转换过程中的读取稳定。采用DHZA可视化转换对模型数据进行转换输出,实现从架构上的稳定对接与转换。实验证明,大数据分析技术在航线可视化输出中具有一定作用。     

面向重大灾害的船舶应急物流运输线路规划方法

传统船舶物流运输线路规划方法,在重大灾害应急运输应用中,无法有效解决短时间内运输路径船舶运输点位冲突问题,导致短时间内无法完成冲突点交叉的最优路径规划计算,降低应急运输处理效率。因此,提出面向重大灾害的船舶应急物流运输线路规划方法。首先,根据应急运输线路对线路上的突出点位进行冲突点交叉点位评价,获得冲突点交叉评估数据;然后,根据评估数据建立应急物流运输线路规划模型。最后,对线路规划模型数据进行粒子群的最优量计算,获得最优规划线路,完成提出方法设计。通过仿真数据对比,证明提出方法具备短时间内完成运输线路的最优规划效果。     

基于改进A*算法的无人船路径规划研究

针对无人船路径规划过程中存在的规划结果所占内存较大、耗费时间较长、有较大概率生成"死区"的问题,提出基于改进A*算法的无人船路径规划方法.选取栅格法构建无人船行驶环境模型,采用A*算法确定代价函数,判断代价大小,以代价最小的节点作为下一个轨迹点,由此获取最优无人船行驶路径.为改进A*算法,利用无人船转弯半径下限、路径长...     

动态人工势场法的无人船避障路径规划

为了保证无人船安全行驶,设计动态人工势场法的无人船避障路径规划方法。该方法的全局路径规划部分依据航行环境信息构建栅格地图后,采用A^*算法规划无人船的全局路径,并获取无人船的全局路径节点;局部避障路径规划部分将该路径节点作为局部路径的开始节点,利用动态人工势场法规划无人船避障路径。为保证路径规划效果,采用长短记忆循环神经网络和强化学习算法相结合的方式改进动态人工势场法,确保在障碍物运动速度较快时,依旧能够可靠完成无人船避障路径规划。测试结果显示：该方法可完成无人船全局最优路径规划,并有效完成局部避障路径规划,无人船和障碍物的会遇距离和会遇时间分别大于4.26 m和大于15 s,碰撞危险度极低,满足应用标准。     

云计算的船运物流运输中智能航道选取算法设计

船运物流运输过程中,经常碰到航运路线有多条,或受外界因素影响航线需要调整的状况。此时需要航道调度系统对航道数据进行分析计算,给出当下的最优航道选取方案。但是,现有的航道选取算法存在数据分析处理慢,多资源航道数据融合度差的问题。因此,将云计算技术作为算法的核心,提出云计算的船运物流运输中智能航道选取算法设计。通过引入KDUFN-YUN云端航线资源融合算法,完成对航道客观数据与云端数据互通;接着,在云计算的基础上引入最优选取算法,对云计算下融合的航道数据进行最优选取;最后,通过仿真实验证明提出算法的可行性。     

E-Navigation框架下船舶智能航线服务系统设计研究

文中提出一种基于多种通信方式的船舶智能航线服务系统的设计思路,通过通航环境的大数据分析为船舶提供最优航线,在此基础上实现船与船、船与岸之间的计划/实时航线交换,并依据船舶计划航线提供相应的智能导助航信息服务。     

基于大数据的船舶航行最优路径规划算法研究

传统的航行路径规划算法为静态单一条件的最优选择算法,最优路径缺乏客观性,准确度明显下降。针对此问题提出基于大数据的船舶航行最优路径规划算法。引入云计算遗传特征计算算法,对航行相关的全局路径数据进行大数据遗传特征分析,得到具有代表性特征的备选路径;引入大数据蚁群择优算法,对备选路径进行最优路径计算,得到最客观真实的最优航行路径;通过设计多路径仿真实验,证明提出算法具有计算速度快、准确率高、可行性好的特点。     

基于混合蚁群算法的无人船航行路径自主规划

路径规划是无人船自主导航的核心问题。由于无人船当前位置以及目标位置的确定受到障碍物影响,最佳航行路径的获取难度较大。为此,提出基于混合蚁群算法的无人船航行路径自主规划方法。采用栅格法构建无人船工作环境模型,由上至下、由左至右的对栅格完成编号处理,划分安全区域与障碍物区域。构建无人船航行路径自主规划数学模型,设定地形与威胁、航程上限以及路径平滑度等约束条件。针对蚁群算法初始搜索效率差等问题,将其与粒子群算法相结合,提出混合蚁群算法。利用该算法求解无人船航行路径自主规划数学模型。实验结果显示,研究方法具有较高的路径规划准确性,路径长度、平均能耗及路径规划时间指标均较优。     

一种基于流式计算的无人船路径规划算法

为了提高无人船路径规划的效率,利用流式计算高实时性模式,在云端构建流式计算框架,分布式完成路径规划。基于5G通信,云端与无人船之间采用Kafka组件进行消息的传递。在云端,将路径规划分为地图生成、路径搜索和路径平滑三个步骤,通过流式计算集群并行执行任务。为了逃离局部陷阱,在云端增加环境记忆功能。仿真环境下,对比几种传统路径规划算法,所提出算法规划的路径质量更高,执行时间更短。真实环境下的实验验证了算法的可行性和有效性。     

电子商务环境下舰船供应链物流配送最优路径规划方法

传统舰船供应链物流配送最优路径规划方法,普遍采用一种最优计算算法来完成最优量的计算。当计算出的最优量同实际路径发生冲突时,算法无法快速给出当下最优路径解决方案,严重影响物流配送时效。因此,提出电子商务环境下舰船供应链物流配送最优路径规划方法。根据舰船配送货物特征,通过迪杰斯特拉算法对货物配送路径进行多路径规划模型建立,使其模型中的路径能够符合全局配送过程的需要;通过实时优化蚁群算法对模型中的规划路径进行实时最优计算,保证舰船任意状态下的航行路径均为最优路径。对传统路径规划方法所规划的路径与提出方法所规划的路径进行最优路径的二次规划测试,通过二次最优规划所用时间,证明提出方法在路径实时最优规划上优于传统路径规划方法。     

双层规划视角下远距离运输配送路径优化选取系统设计

针对传统冷链物流配送船舶路径优化选取系统存在选取的路径可行性不足的问题,提出基于双层规划的冷链物流配送船舶路径优化选取系统设计。首先架设双层资源计算平台,通过多服务机组云端交互的方式,完成硬件平台的架设;接着,引入双层规划资源算法,对船舶航行相关航线数据进行全局分析,得到均衡要素分析下的可选取路径的合集;最后,通过引入遗传碰撞择优算法,对合集内的路径进行最优值碰撞计算,从得到最优路径完成选取;通过仿真实验,对设计系统的准确性与稳定性进行实验证明,通过对比数据证明所设计的系统满足设计要求。     

基于大数据分析的海上智能航线设计

本文基于大数据分析方法提出了一种船舶智能航线设计方法。通过基础电子海图地理信息数据提取和航行知识专题数据库的标准建设,对船舶航线历史大数据进行分析,计算出港口到港口、任意点到港口、任意点到任意点的最优航线,并以珠江口船舶航线设计为例进行了PC端和手机APP终端的设计。     

一种基于AIS数据的船舶航线自动规划方法

为采用航线自动规划技术设计出最优船舶航行路径,提出一种基于船舶自动识别系统(Automatic Identifi-cation System,AIS)数据和航行区域栅格化地图建立环境模型,结合蚁群算法求解最优航线的航线自动规划方法.对航行区域地图进行栅格化处理,利用海量AIS数据定义可通航栅格和障碍物栅格,结合邻接矩阵...     

内河无人船局部路径规划和循迹控制

提出了内河无人船在水流中的局部路径规划算法,并在直线Line of Sight算法基础上设计了一般曲线路径的LOS循迹控制算法。将此算法结合完成了内河无人船的航行试验,实现了在落潮、涨潮等不同水流条件下的无人自主航行,验证了所提算法的有效性和实用性,对内河无人船的应用研究具有借鉴意义。     

基于大数据的全球汽车船运力分布及需求分析

为准确掌握全球汽车船的运力分布情况,提出一种基于AIS数据的汽车船航线分割方法。采用动态规划算法将汽车船航线分割为贸易区航线、国家航线和港口航线等3个层级,并用靠泊航次数量衡量汽车船的运力。通过分析2020—2022年的AIS数据,发现近几年汽车船的靠泊数量在日本区域最多,由此以日本为研究对象分析其汽车船运力需求。利用AIS数据计算日本境内汽车运输量的分布,并采用克里金插值法对其进行量化分析。结果表明,日本中部地区的汽车船运力需求明显高于南北部地区,且日本汽车的生产地大多靠近出口港,该结论符合业务逻辑。     

多模式船舶分段物流运输最优路径规划模型

传统船舶分段物流运输路径规划模型受到单一计算模式的限制,无法对突发路径规划要素进行有效载入计算,导致船舶运输全程路径出现航线重复、不必要航线距离规划过长的问题。提出多模式船舶分段物流运输最优路径规划模型。针对规划模式单一问题,首先,对船舶物流分段路径进行分段式路径瓶颈模型计算,获得不同运输段的瓶颈点坐标;根据瓶颈点坐标数据,计算各运输段冲突分流点;最后,将各段路径进行融合最优计算,通过阶段式遗传算法,构建最优路径模型。仿真对比实验证明设计模型规划的路径是最佳规划路径。     

基于量子粒子群优化算法的无人艇航线规划

针对目前无人艇主流航线规划算法存在效率低、收敛速度慢或易陷入局部最优等问题,文章将具有较强全局搜索能力的量子粒子群优化(QPSO)算法用于求解无人艇最优航线规划并结合人工势场思想进行针对性改进应用,仿真实验结果表明,该方法寻优能力强、收敛速度快、稳定性好,可较好地适用于不同环境下无人艇航线规划。     

船队规划的动态模型与算法

通过分析船队规划线性模型在实际应用中的优缺点,本文提出了用线性规划与动态规划相结合的算法求解连续若干年间船队最佳发展策略和最优航线配船问题。本方法不仅保留了船队规划线性模型的主要优点,节省计算时间,而且使规划结果中每年每种船型的造(购)船数量一定取整数值,更符合实际使用要求。文中给出了这一动态规划数学模型及其算法,并列出了一个计算实例。     

基于禁忌搜索算法的无人船路径规划

针对传统A^*算法在规划路径过程中存在所拓展路径非全局最优路径的问题,提出一种禁忌搜索算法对其进行优化,将已搜索路径放入禁忌表中进行多次迭代,将迭代结果进行比较产生最优路径。为进一步验证禁忌搜索算法优化的有效性,在阑珊格搭建的海域环境中进行仿真比较,结果表明,相比于A^*算法和人工势场法,禁忌搜索优化算法在无人船路线规划中凭借其全局性能够更准确地规划出最优路径。     

基于深度学习的无人船移动路径自动规划方法

无人船移动路径规划延时较长,容易出现多船碰撞危险,为此提出基于深度学习的无人船移动路径自动规划方法研究。选取深度学习中的U-net模型构建无人船环境,以此为基础,建立无人船移动路径自动规划模型,描述无人船移动路径自动规划问题,结合风险约束条件求解模型,即可获得最佳的无人船移动路径规划结果,从而实现无人船移动路径的自动规划。实验结果显示,无人船碰撞危险度参数较小,表明无人船碰撞危险度较低,充分证实了提出方法的可行性。