隨著我國與世界各國貿(mào)易合作不斷加強(qiáng),港口區(qū)域船舶密度不斷提高,致使港口區(qū)域交通狀況復(fù)雜度上升和船舶通航風(fēng)險(xiǎn)增加�？茖W(xué)準(zhǔn)確的船舶交通流預(yù)測(cè)模型能為海事機(jī)關(guān)和港航部門,進(jìn)行港口基礎(chǔ)設(shè)施建設(shè)以及港口交通流組織提供數(shù)據(jù)支持和理論依據(jù)。同時(shí),對(duì)減少港口水域海上交通事故發(fā)生具有十分重要的意義�；谠麢C(jī)和概率模型的港口水域交通流預(yù)測(cè)模型應(yīng)用元胞自動(dòng)機(jī)理論和概率模型對(duì)整個(gè)港口區(qū)域進(jìn)行交通流預(yù)測(cè)。該模型通過對(duì)港口歷史AIS數(shù)據(jù)挖掘結(jié)合港口實(shí)際通航條件,將整個(gè)港口區(qū)域劃分為航道內(nèi)和航道外兩個(gè)區(qū)域。針對(duì)兩個(gè)區(qū)域不同交通流特點(diǎn)應(yīng)用上述兩種交通流預(yù)測(cè)模型分別進(jìn)行港口水域交通流預(yù)測(cè),并將兩部分集成到統(tǒng)一交通流預(yù)測(cè)平臺(tái),進(jìn)行兩個(gè)預(yù)測(cè)體系交互。本文主要工作如下:（1）通過對(duì)歷史數(shù)據(jù)處理結(jié)合實(shí)際通航條件將港口區(qū)域劃分為航道內(nèi)和航道外兩個(gè)區(qū)域。對(duì)歷史數(shù)據(jù)處理主要是進(jìn)行航跡聚類,通過航跡聚類再結(jié)合實(shí)際港口區(qū)域航道劃分,將海圖上一些航跡類劃分為航道區(qū)域,并在聚類結(jié)果上進(jìn)行航道繪制,海圖除該區(qū)域以外區(qū)域統(tǒng)一劃分為航道外區(qū)域。（2）對(duì)于航道內(nèi)區(qū)域應(yīng)用元胞自動(dòng)機(jī)理論進(jìn)行交通流預(yù)測(cè)建模,具體過程包括:由船舶行為確立元胞狀態(tài)、根據(jù)船... 

【文章來源】：集美大學(xué)福建省

【文章頁數(shù)】：74 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

網(wǎng)格化效果圖

集美大學(xué)碩士學(xué)位論文基于元胞機(jī)和概率模型的港口水域交通流預(yù)測(cè)42（2）錨地東山灣灣內(nèi)由眾多島嶼環(huán)繞構(gòu)成天然防波屏障，灣內(nèi)錨地避風(fēng)條件良好。港灣水域有2#、3#、4#三個(gè)錨地，還有檢疫錨地、10萬噸級(jí)油船專用錨地、15萬噸級(jí)原油船錨地和兩個(gè)5萬噸級(jí)散貨船專用錨地。其具體分布如圖（5-2）所示。圖5-2東山灣水域錨地現(xiàn)狀分布示意圖5.1.2交通流特征漳州海事局對(duì)古雷港區(qū)近5年進(jìn)出港船舶統(tǒng)計(jì)數(shù)據(jù)如表（5-1）所示，2014年由于古雷港區(qū)PX項(xiàng)目的試運(yùn)行，其進(jìn)出港船舶數(shù)目約為2013年的1.7倍。由于該項(xiàng)目在試運(yùn)營期間的爆炸事故，2016年進(jìn)出港船舶比2015約減少了30%，2017年逐步恢復(fù)進(jìn)出港船舶數(shù)目與2016年持平。該統(tǒng)計(jì)數(shù)據(jù)為大型船舶統(tǒng)計(jì)數(shù)據(jù)不包含進(jìn)出港漁船。在該港區(qū)存在許多漁船作業(yè)，比如在古雷航道6#浮標(biāo)南側(cè)水域常有漁船穿越古雷航道進(jìn)入灣內(nèi)漁港或在此水域進(jìn)行捕魚作業(yè)。表5-1古雷港區(qū)交通流年數(shù)據(jù)年份20132014201520162017進(jìn)出港船次（艘次）205934673088204820605.2港口交通流預(yù)測(cè)應(yīng)用python語言進(jìn)行交通流預(yù)測(cè)平臺(tái)底層算法搭建，借助現(xiàn)有的mesa庫實(shí)現(xiàn)航段以及區(qū)域的模型構(gòu)建。Mesa庫是基于Agent的模型模塊化框架，可用于進(jìn)行模型構(gòu)建、數(shù)據(jù)分析和模型可視化，其不同功能模塊組件保持分離，以實(shí)現(xiàn)對(duì)復(fù)雜系統(tǒng)的計(jì)算機(jī)仿真實(shí)現(xiàn)。平臺(tái)構(gòu)建中涉及許多上文所說的數(shù)據(jù)前期處理，包括：數(shù)據(jù)插值、航跡聚類、初始船位轉(zhuǎn)

集美大學(xué)碩士學(xué)位論文基于元胞機(jī)和概率模型的港口水域交通流預(yù)測(cè)46舶行為，在船舶執(zhí)行元胞自動(dòng)機(jī)更新規(guī)則時(shí)統(tǒng)計(jì)相應(yīng)的船舶行為。同時(shí)該預(yù)測(cè)結(jié)果是接入真實(shí)交通流預(yù)測(cè)所得，將該水域獲取的某一時(shí)刻AIS數(shù)據(jù)進(jìn)行坐標(biāo)裝換航跡分析后進(jìn)行分類，并將其實(shí)時(shí)位置坐標(biāo)轉(zhuǎn)換為系統(tǒng)坐標(biāo)，將與之對(duì)應(yīng)ShipAgent()放置在對(duì)應(yīng)網(wǎng)格點(diǎn)進(jìn)行交通流預(yù)測(cè)。設(shè)置預(yù)測(cè)時(shí)常為6000個(gè)時(shí)間步長(zhǎng)，即100分鐘，系統(tǒng)運(yùn)行結(jié)束后將統(tǒng)計(jì)結(jié)果根據(jù)不同會(huì)遇態(tài)勢(shì)、會(huì)遇位置和會(huì)遇時(shí)間繪制船舶交通流預(yù)測(cè)結(jié)果統(tǒng)計(jì)圖如圖（5-5）所示。圖5-5交通流預(yù)測(cè)結(jié)果統(tǒng)計(jì)由圖（5-5）可以得出對(duì)于定線制雙向航道，航道內(nèi)船舶發(fā)生最多的會(huì)遇行為是船舶對(duì)遇行為，對(duì)遇行為在該航道相對(duì)集中位置為網(wǎng)格編號(hào)1000-3000處以及網(wǎng)格編號(hào)4900-5100處，網(wǎng)格4000附近因接入交通流坐標(biāo)轉(zhuǎn)換后屬于該區(qū)域船舶數(shù)量相對(duì)較少導(dǎo)致該區(qū)域交通流分布相對(duì)離散，因此該區(qū)域船舶會(huì)遇統(tǒng)計(jì)較少。追越行為因制定追越判斷條件較為嚴(yán)格，故追越行為在該航道交通流預(yù)測(cè)中相對(duì)分散，按時(shí)間軸分布相對(duì)離散。根據(jù)該研究水域設(shè)置敏感水域?qū)?yīng)網(wǎng)格編號(hào)2000-3000，故敏感水域會(huì)遇行為集中分布在該區(qū)域，并在設(shè)定時(shí)間步長(zhǎng)內(nèi)時(shí)間參數(shù)對(duì)該行為影響較校交叉行為是根據(jù)概率模型進(jìn)行航跡推演得到航道外船舶穿越航道時(shí)間和穿越位置的基礎(chǔ)上，根據(jù)預(yù)定機(jī)制和穿越規(guī)則形成的船舶行為，由圖可得該區(qū)域預(yù)測(cè)時(shí)間段內(nèi)網(wǎng)格編號(hào)1000-3000處會(huì)有穿越船在對(duì)應(yīng)時(shí)間點(diǎn)進(jìn)行穿越。為驗(yàn)證預(yù)測(cè)結(jié)果的準(zhǔn)確性，對(duì)接入AIS數(shù)據(jù)中初始船舶位置、初始船舶速度、概率模型推導(dǎo)穿越船穿越點(diǎn)和穿越時(shí)間進(jìn)行人為改變，并重新定義敏感水域劃分將敏感水域按錨地進(jìn)出口和航道交匯處分為3段區(qū)域，改變后的預(yù)測(cè)結(jié)果統(tǒng)計(jì)如圖（5-6）所示。

【參考文獻(xiàn)】：
期刊論文
[1]基于組合深度學(xué)習(xí)的快速路車道級(jí)速度預(yù)測(cè)研究[J]. 谷遠(yuǎn)利,陸文琦,李萌,王碩,邵壯壯.  交通運(yùn)輸系統(tǒng)工程與信息. 2019(04)
[2]基于聚類分析和馬爾科夫模型的交通狀態(tài)預(yù)測(cè)[J]. 郭驍煒,陳小妮,于泉,孫瑤.  公路. 2019(08)
[3]PSO-無偏灰色馬爾科夫模型在船舶交通流量預(yù)測(cè)中的應(yīng)用[J]. 馬全黨,江福才,范慶波,朱蓉蓉.  中國航海. 2019(01)
[4]改進(jìn)的考慮前車速度效應(yīng)的交通流元胞自動(dòng)機(jī)模型[J]. 李碩,夏運(yùn)達(dá).  公路工程. 2019(01)
[5]基于改進(jìn)的隱馬爾可夫模型交通擁堵識(shí)別研究[J]. 王忻.  蘭州交通大學(xué)學(xué)報(bào). 2018(05)
[6]基于灰色馬爾科夫模型的船舶交通流預(yù)測(cè)[J]. 劉成勇,萬偉強(qiáng),陳蜀喆,甘浪雄.  中國航海. 2018(03)
[7]基于優(yōu)化的灰色馬爾可夫模型對(duì)船舶流的預(yù)測(cè)[J]. 張曉雷,黃洪瓊.  計(jì)算機(jī)技術(shù)與發(fā)展. 2018(10)
[8]基于集合經(jīng)驗(yàn)?zāi)B(tài)分解和差分進(jìn)化算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的船舶交通流預(yù)測(cè)[J]. 肖進(jìn)麗,李曉磊.  大連海事大學(xué)學(xué)報(bào). 2018(02)
[9]基于小波分析與隱馬爾科夫模型的短時(shí)交通流預(yù)測(cè)[J]. 王川,張寶文.  交通節(jié)能與環(huán)保. 2018(01)
[10]基于ARMA和卡爾曼濾波的短時(shí)交通預(yù)測(cè)[J]. 楊高飛,徐睿,秦鳴,鄭凱俐,張兵.  鄭州大學(xué)學(xué)報(bào)(工學(xué)版). 2017(02)

博士論文
[1]基于元胞自動(dòng)機(jī)的海上航道內(nèi)船舶交通流研究[D]. 齊樂.大連海事大學(xué) 2017
[2]基于隱馬爾可夫模型的車輛行程時(shí)間預(yù)測(cè)方法研究[D]. 歐陽黜霏.武漢大學(xué) 2015
[3]基于元胞自動(dòng)機(jī)的交通流建模及實(shí)時(shí)誘導(dǎo)策略研究[D]. 向鄭濤.上海大學(xué) 2013

碩士論文
[1]交互式多模型的轉(zhuǎn)移概率自適應(yīng)算法研究及應(yīng)用[D]. 孫瀾瀾.西安理工大學(xué) 2019
[2]基于改進(jìn)狼群算法和BP循環(huán)神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測(cè)研究[D]. 邢家龍.北京交通大學(xué) 2019
[3]基于深度學(xué)習(xí)的短時(shí)交通流預(yù)測(cè)研究[D]. 翟冬梅.北京交通大學(xué) 2019
[4]基于隱馬爾可夫新狀態(tài)轉(zhuǎn)移機(jī)制的網(wǎng)絡(luò)風(fēng)險(xiǎn)動(dòng)態(tài)評(píng)估方法[D]. 張曉.燕山大學(xué) 2019
[5]基于AIS數(shù)據(jù)挖掘的船舶領(lǐng)域模型研究[D]. 周田瑞.集美大學(xué) 2018
[6]基于AIS信息的船舶異常行為研究[D]. 黃靚瑩.杭州電子科技大學(xué) 2018
[7]基于卡爾曼濾波的長(zhǎng)江武漢大橋段交通流預(yù)報(bào)[D]. 柳立春.大連海事大學(xué) 2018
[8]基于LSTM和灰色模型集成的短期交通流預(yù)測(cè)[D]. 談苗苗.南京郵電大學(xué) 2017
[9]基于Agent和元胞自動(dòng)機(jī)的港口交通流建模與仿真[D]. 何鑫.大連海事大學(xué) 2017
[10]廈門港主航道VTS決策支持關(guān)鍵技術(shù)研究[D]. 趙一帆.集美大學(xué) 2017



本文編號(hào)：3218924