恶劣气象海况下船舶航线的多变量多目标优化建模

气象航线优化是一种复杂的多变量多目标问题。为解决该问题,提出一种可行的船舶气象航线优化方法,以航线转向点和每段航速为优化对象,以船舶特性和动态规避恶劣气象海况为约束条件,以最少航时和最低油耗为优化目标,建立船舶多变量、多动态约束、多目标的气象航线优化模型,并以强度帕累托多目标遗传进化算法为理论基础,构建基于气象海况影响因子的加权惩罚适应度评估模型,优化解的选择空间,实现对该问题的有效求解。试验结果证明:通过同时对航路和航速进行优化,不仅可规避时空动态变化的恶劣气象海况,而且可得到各种用户偏好情况下的气象航线,对实现船舶的智能航行具有重要的意义。     

依据轨迹数据的船舶交通密度计算方法

研究基于轨迹数据的船舶交通密度计算方法,利用精准的船舶交通密度计算结果提升海上交通规划水平。利用AIS设备采集船舶航行轨迹数据,利用均匀参数化方法对所采集的航行轨迹数据重采样处理。将通过重采样处理获取的航行轨迹数据,划分为静止轨迹数据点以及移动轨迹数据点,依据数据点间的欧式距离,以及船舶航行方向、航行速度的相似性,选取基于密度的DBSCAN聚类算法完成轨迹数据聚类。依据船舶航行轨迹数据聚类结果,选取多维密度方法,通过更新船舶经过总数、船舶经过总时间等参数,计算船舶交通密度。实验结果表明,该方法可以依据船舶航行轨迹数据,精准计算船舶交通密度,为海上交通规划提供有效支撑。     

物联网环境下船舶航行大数据异常属性划分

由于人工记录、手动测量等方式存在信息不及时、不准确以及局限性的问题,无法获取到实时、全面的航行数据,降低了大数据异常属性划分结果的有效性,因此提出物联网环境下船舶航行大数据异常属性划分方法。在物联网环境下利用离散度函数,加权处理船舶航行大数据属性特征。通过密度选择法,确定船舶航行大数据异常属性划分的初始聚类中心。利用属性加权快速聚类算法,结合离散度函数与初始聚类中心,完成船舶航行大数据异常属性划分。实验证明,所提出方法可有效划分船舶航行大数据异常属性。在不同大数据规模下,该方法异常属性划分的加速比均较大,即异常属性划分速度较快。     

北极航线的海冰风险计算与航段安全评估

为保障船舶在北极航线的航行安全，研究基于多源冰情数据的海冰风险评估流程。根据海冰密集度、海冰厚度、海冰类型等遥感冰情数据，基于极地操作限制评估风险指数系统(Polar Operational Limit Assessment Risk Indexing System, POLARIS)改进不同冰级船舶的海冰风险指数计算方法，建立北极航线的航段安全评估模型，以呈现北极海冰对不同冰级船舶和不同航段的危险程度。结果表明：该流程能够融合多源冰情数据，反映不同冰级船舶在某一位置点的海冰风险数值，全面显示北极航线上各航段的海冰风险程度。研究成果可为北极航行的船舶操作与航线优化提供参考。     

基于船舶–流场耦合作用的内河航段船舶航行虚拟辅助驾引

[目的]为进一步提高船舶航行的安全性,对船舶辅助驾驶决策相关内容开展研究。[方法]针对选取的两段内河典型航段,基于实时数字航道流场信息,考虑航行规则约束,模拟船舶–流场耦合作用下的复杂流场航段虚拟辅助驾引。模拟南京和东流航段的虚拟辅助驾引,给出相应的安全驾驶方案,在航行过程中对船舶速度、位置和航向等信息进行实时追踪。[结果]仿真结果表明,基于Fluent二次开发的船舶–流场耦合作用的算法可有效解决船舶多自由度运动耦合和船舶–流场多物理场耦合的解耦问题;遇见弯道或分汊时,操小舵角长距离航行可以在避免降速和较大横移的同时实现船舶的安全航行。[结论]该算法可以有效对接数字航道流场信息,开展复杂流场环境下内河航段船舶航行的过程模拟,结果可为内河航段船舶智能航行决策提供数据支撑。     

船舶物流运输中的最优航线选取模型设计

为了解决传统船舶最优航线选取模型最优航线选取效率低、精准度差的难题,提出船舶最优航线选取模型研究。依据海上运输环境信息,通过全局航线规划算法对船舶运输安全区域进行划分,以此为基础,采用Dijkstra算法对船舶安全航线进行获取,以得到的船舶安全航线为依据,采用离散点法对船舶最优航线进行选取,实现船舶最优航线选取模型的构建。通过实验结果显示,与传统船舶最优航线选取模型相比较,构建的船舶最优航线选取模型极大地提升了最优航线选取效率与精准度,充分说明构建的船舶最优航线选取模型具备更好的性能。     

基于大数据驱动的船舶航行轨迹异常检测研究

船舶安全航行是航海领域重点关注的问题之一,为此研究基于大数据驱动的船舶航行轨迹异常检测方法。该方法利用不同类型传感器获取船舶航行大数据,然后使用船舶观测大数据相似度方程计算船舶航行大数据之间的相似度,得到来自同一船舶的航行大数据;再利用大数据驱动技术中的聚类方法建立船舶正常轨迹模型,获取船舶航行正常轨迹;依据船舶航行正常轨迹,利用大数据驱动技术内的Spark Streaming数据实时计算框架,通过计算船舶航行轨迹点与实际轨迹采样点之间的距离、航向角等,得到船舶航行轨迹异常检测结果。实验结果表明,该方法获取船舶航行实际轨迹精度较高,可有效检测船舶航行轨迹异常,具备较好的应用效果。     

Douglas-Peuker算法在自动生成航线方法中的应用

船舶航行的日益频繁对航线设计提出了更高的要求。为了提高船舶运输的效率和安全性,传统依照纸质地图设计航线的方法已不能满足要求。为了在保障安全和效率的前提下提高航线质量,本文使用电子海图结合AIS系统监控船舶航行状态,实时上传海洋及船舶信息,并使用Douglas-Peuker算法依据海洋实时信息修正航线,提高了船舶航行的安全性。     

人工智能在船舶航行数学建模中的应用

为保障船舶在海上安全航行,提出人工智能在船舶航行数学建模中的应用。使用Maklink图论方法描述海上作业点分布,建立作业点Maklink连接图,生成船舶在作业水域内可航行网络图。建立船舶在海上作业区域航线规划数学模型,并设置约束条件;利用Dijkstra算法求解船舶在海上作业危险区域航线规划模型,得到船舶航行初始航线;利用人工智能算法内的蚁群优化算法对船舶航行初始航线实时优化处理,得到船舶航行最终航线,为船舶穿越海上作业区域实时导航。实验结果表明,该方法可有效生成船舶在作业水域航行网络图,得到初始航线并对初始航线优化处理,应用效果较佳。     

巧借潮汐节能降耗

节能增效是航运公司实现扭亏为赢的重要手段.总结了国内外一些航段的船舶航行资料,对比了顺水、静水、顶水等3种潮汐状态下的能耗及航行时间.实践结果表明,根据船舶航线潮汐规律及油耗分析合理安排航行,多赶在顺潮时航行,可缩短航行时间、降低油耗.     

基于船舶行为特征的武汉大桥水域航线优化

为保障内河桥区水域船舶通航的安全性,提高通行效率,以长江武汉大桥水域为研究对象,基于船舶自动识别系统(Automatic Identification System,AIS)信息对该水域的船舶行为特征进行分析。利用基于欧式距离与最小方差法的聚类方法分析,认为过桥船舶可依据主机功率的不同进行划分。在长江船舶定线制的框架下,结合栅格法与蚁群算法建立武汉大桥水域的航道规划模型,对基于船舶行为特征的船舶航线进行优化。仿真结果表明:该方法在保证船舶安全、高效航行的前提下,能有效帮助海事管理部门对武汉大桥水域船舶航线进行优化。     

巧借潮汐节能降耗

节能增效是航运公司实现扭亏为赢的重要手段。总结了国内外一些航段的船舶航行资料,对比了顺水、静水、顶水等3种潮汐状态下的能耗及航行时间。实践结果表明,根据船舶航线潮汐规律及油耗分析合理安排航行,多赶在顺潮时航行,可缩短航行时间、降低油耗。     

基于数据挖掘的船舶航线自动控制技术

构建船舶航行运动学模型,分析船舶航海过程中的关键参数以及控制参量,通过数据挖掘采集船舶航线自动控制参量和关键数据,采用自适应信息融合方法融合关键数据中的特征.获取特征性路径条件后,采用大数据蚁群优化算法,优化特征性路径条件和自动控制参量,实现船舶航线自动优化控制.结果表明,该技术具备可靠的船舶航线挖掘性能,可获取最佳的...     

基于组合优化算法的船舶信息风险评估

为避免船舶信息风险引发重大船舶航行事故,研究基于组合优化算法的船舶信息风险评估方法。选取通信、环境、管理、人为这4个方面因素共17个指标,构建船舶信息风险评估指标体系,将其作为径向基函数（RBF）神经网络输入层输入数据,经隐含层映射操作后,通过输出层输出评估到的船舶信息风险等级,采用结合模糊C均值聚类算法和遗传算法的组合优化算法,合理选取RBF神经网络隐含层中心向量并寻优获取最佳隐含层基函数宽度和权值向量,提升船舶信息风险评估效果。实验结果表明：该方法可有效评估多艘船舶的信息风险,并可依据评估结果获取何种因素导致船舶信息风险,提出针对性指导建议。     

利用AIS数据挖掘生成船舶航迹点方法研究

由于船舶航行受海上环境的影响而产生航迹误差,为了准确控制船舶航行轨迹,提出利用AIS数据挖掘生成船舶航迹点方法研究。根据AIS数据挖掘算法,提取船舶航行轨迹点数据特征,利用船舶航行轨迹点数据库中航行线路设置信息与目标对象运动信息之间的相似性,挖掘出船舶航迹动力定位数据,将AIS数据挖掘算法映射到船舶海上航行领域中,提取出AIS船舶位置采集点,通过设定阈值得到船舶航行转向点,将所有转向点连接成线,初步生成船舶航行轨迹点,利用船舶轨迹点生成流程,实现船舶航行轨迹点的生成。实验结果表明,基于AIS数据挖掘的船舶轨迹点生成方法在精度和时间上,都可以准确控制船舶航行轨迹。     

基于数据挖掘的船舶海上复杂交通流避障导航建模

船舶在海上航行,由于海洋环境复杂,航道上船舶的航行航速、航向、载重等均存在不同,因此,航行过程中的船舶随时面临着各种风险与障碍物。为了更好地保障船舶安全,必须对各种障碍物进行预判,寻找到最安全科学的航线,为此建立新型的船舶海上复杂交通流避障导航模型——FABP模型。首先将蚁群算法与c均值模糊聚类算法进行融合,得到各种障碍物的聚类中心,然后利用BP神经网络自动寻优能力,根据不同聚类中心的类型,对海上不同类型的障碍物进行预判,得到最优的船舶海上复杂交通流避障航线,最后进行实验仿真,结果表明,本文模型得到的船舶海上复杂交通流避障航线,路途更近,安全性能更高,效率更高。     

基于Spark的船舶航行轨迹聚类方法

依托船舶自动识别系统(Automatic Identification System,AIS)数据,利用云计算并结合聚类算法,对船舶历史数据进行轨迹聚类分析,构建船舶航行正常轨迹模型,为实时检测船舶异常轨迹奠定基础,进而为提高水上交通监管智能化水平提供新方法。针对目前轨迹聚类算法效率低等问题,基于Spark内存计算技术及数据分区思想,提出一种改进的并行子轨迹聚类算法SPDBSCANST(Parallel DBSCAN of Sub Trajectory Based on Spark)。以长江航道武汉段船舶航行数据为例进行试验验证,并通过可视化方式呈现。结果表明,改进后的算法的聚类效率和效果都有明显提升。     

改进QuickBundles算法在船舶轨迹聚类中的应用

对船舶AIS数据聚类进行研究，可以挖掘出船舶航行过程中有效或潜在的信息，对于提高船舶海事交通管理和水路交通运输的智能化水平具有重要意义。传统的聚类算法在面对大量的AIS数据样本时通常表现出很低的执行效率。因而，提出一种改进QuickBundles算法，并对船舶轨迹采样方法和距离度量方式进行改进，选取长江南京航段板桥汽渡水域的船舶AIS数据作为试验依据，最终实现船舶轨迹的有效聚类。试验结果表明，与原QuickBundles算法和DBSCAN算法相比，改进QuickBundles算法在算法执行效率和算法准确性方面优于前两种算法，证明改进QuickBundles算法可有效应用于船舶轨迹聚类。     

“双碳”背景下的船舶主机能效数据分析

在“双碳”背景下,为探究船舶航行中各因素对船舶主机能效的影响,文章利用SPSS软件对主机能效、航行环境、航行姿态等初始数据进行清理分析。采用主成分分析法,根据总变量主成分解释和碎石图提取3个主成分反映原变量信息。再通过系统聚类利用离差平方和（Ward）法对目标船能效数据进行聚类,得到各参数的聚类数,用K均值（K-means）聚类法进行聚类得到船舶航行中各参数的聚类中心,对轴功率、转速及油耗进行Epanechnikov拟合,得到相互关系曲线。该方法对船舶主机能效数据挖掘具有普遍适用性,可为智能能效管理和评估提供辅助决策。     

基于鱼群算法的船舶避浅航线设计

为解决船舶交通服务(Vessel Traffic Services,VTS)值班人员在指导船舶避浅过程中仅凭借经验的弊端,提出一种可行性算法,结合船舶在海上航行过程中的特点,生成可靠的船舶避浅航线。以实现最短航程为目的,建立以避开浅滩区域、控制转弯角度以及减少转向点数目为约束条件的航线设计模型。在模型建立过程中,利用栅格法对船舶航行环境进行栅格化处理,采用人工鱼群算法生成初始航线,结合船舶航行习惯对航线作进一步的优化和调整,从而实现船舶避浅。试验结果表明:与使用经验指导的船舶避浅航线相比,通过该算法生成的航线,符合船舶避浅航线的设计规则,所生成的航线具有经济、可靠的优点。