基于AIS实时数据的航道交通拥堵快速判定方法

针对目前人工判定和事后判定时效性差的问题,研究具有实时性和自动化的判定方法。借鉴国内外道路交通拥堵判定方法,运用交通流参数、标准船舶艘次和船舶领域模型,建立航道交通拥堵快速判定模型,构建船舶自动识别系统(Automatic Identification System,AIS)Spark实时数据处理平台,运用多个实例对该模型进行在线试验验证。试验结果表明,该模型能在线快速、准确地判定航道交通状态,可为水上交通监管部门实时获取航道交通信息、及时管控和疏导航道交通拥堵提供有效的方法。     

船舶避碰决策系统发展研究

概述了船舶避碰决策系统的基本架构及其国内外发展历程,比较了6种典型系统的优缺点,探讨了建立完备高效的船舶避碰决策模型和收集实时精确的船舶避碰数据,根据研究趋势提出了船舶避碰决策模型的优化、船舶避碰数据收集方式的优化和无人艇等方面的研究展望.     

基于AIS数据的船舶安全航行水深参考图

通过挖掘海量AIS数据, 提出了一种新的航道水深信息获取方法, 即构建船舶安全航行水深参考图; 采用数据预处理的方法对历史与在线的AIS数据进行清洗和修补, 生成船舶运动轨迹; 选定船舶航行区域的时间与经纬度, 采用K-means聚类算法对船舶航行过程中的吃水数据进行聚类分析, 得到不同安全航行区域的船舶分类, 运用BP神经网络模型预测并补齐AIS数据中缺失的船舶最大吃水信息; 分割船舶历史轨迹, 当子轨迹的时间间隔在10~20min时, 采用Spline插值方法对船舶轨迹中的丢失数据进行插值; 采用凸包构建同类船舶的安全航行水深区域图, 将不同吃水类型船舶的安全航行水深区域图合并, 得到船舶安全航行水深合并图; 将不同吃水类型的船舶安全航行水深合并图与航道图叠加, 得到船舶安全航行水深参考图。试验结果表明: 当聚类算法参数设置为4时, 聚类后得到4类船舶, 对应的船舶最大吃水范围分别为0.1~4.8、4.8~6.6、6.6~10.0、10.0~13.0m, 对应的至少可通航船舶吃水分别为1.8、2.4、3.3、5.0m, 说明船舶最大吃水与至少可通航船舶吃水呈正相关关系; 构建的船舶安全航行水深参考图在电子航道图中覆盖了86%的航道, 并与航道图的深水部分重合率为80%, 因此, 构建的船舶安全航行水深参考图能反映航道水深的真实情况, 满足不同类别船舶的导航需求。