[发明专利]一种基于大数据建模的海上船舶流量预测方法

说明书

技术领域

本发明涉及海上交通实况分析及海上交通安全领域。尤其涉及一种基于大数据建模的海上船舶流量预测方法。

背景技术

水上交通运输由于其运量大，能耗低，污染少等优点，近年来越来越引起人们的关注和重视。随着我国运输业的快速发展，船舶数量快速增长，船舶吨位和速度不断提升，使得水域上船舶分布越来越密集，船舶互撞和船撞桥等水上交通事故频繁发生，已严重威胁到船舶航行安全及江河生态环境，航运管理部门急需对河道上的航运情况进行实时的监控，以便于从宏观和微观上掌握特定水域内水上交通的实际状况、基本特征和一般规律。

海上船舶流量监测的方法主要有人工监测、红外成像系统、雷达成像和AIS系统。

人工监测至今仍是海事管理部门最为常用的方法，主要包括，定点定期统计与甚高频喊话统计两种。其中定点定期统计一般选取狭窄水道、港口的入口处或沿岸的建筑物，利用目测手段观测和记录来往通过某水道或门线的船舶参数。其缺点明显，在夜间和能见度差的条件下难以进行，并且受到测量距离的限制，有些地方如钻井平台距离岸边很远，无法到现场观测。

红外成像系统,是对的一种重要补充。它主要利用热红外辐射来产生被观察场景的红外辐射图。常规意义上的红外成像，分为主动式与被动式两种，主动式即传感器提供红外光源，检测红外反射图像，被动式则是直接监控对象由于热源自动向外发射的红外光源。通常意义的红外监控，仅为主动式，被动式尚未被广泛采用红外成像系统。这也就导致用于监测海上交通流量的红外成像系统是一种基于半人工辅助的监控系统，目标的获取，需要人来辅助完成，无法做到完全自动化。

雷达成像系统己经广泛应用于船舶交通管理系统中,成为船舶检测方法中最主要的方法。然而作为一种测量无线电回波的技术手段,它必然存在一定的盲区,易受到波浪、。建筑物、群山等障碍物的影响,从而限制了它的作用范围。另外雷达容易受到各种干扰回波的影响,当检测范围增大的时候,盲区也随之增大。且雷达采集到的模拟信号,无准确物理含义,无法直接处理，很大程度上需要依靠人的经验判别。

AIS系统是现代船舶的标准设备，以自组织时分多址方式，自动广播本船的静态信息和动态信息。它的监管是被动式的，即要求船舶安装了自动识别系统(AIS)且设备正常工作才可完全发挥作用。对于我国复杂的航道环境，不是每艘船都会积极主动的安装该设备，当船舶没有装备自动识别系统时，VTS系统则检测不到，导致丢失部分船舶信息，就不能完整准确的体现航道的整体状况。

有鉴于此，急需一种可以实现准确海上船舶流量预测的系统或方法，以提高海上船舶航行的安全性，减少财产损失，改善江河生态环境。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供一种基于大数据建模的海上船舶流量预测方法，通过将基于相似度的特征融合问题转化为最优值求解问题的方法，综合不同船舶GPS数据与海上环境数据，解决了现有技术的问题。

技术方案：为实现上述目的，本发明采用的技术方案为：一种基于大数据建模的海上船舶流量预测方法，其特征在于，该方法包括以下步骤：将预测区海面进行区域划分(以1海里作为标准，进行区域划分)，在每个区域内均匀布置8-12个区域传感器；建立定量特征和定性特征；

所述定量特征基于船舶提供的数据；所述定性特征基于区域传感器提供的数据；通过块坐标求解最优解的方法将多种数据源的定量特征和定性特征的数据融合，求解获得海洋交通流量的预测。

进一步的，所述定量特征包括若干子特征，每个子特征分别对应一种类型船舶的数据；对每一种类型船舶的数据建立历史GPS数据矩阵X和实时GPS数据矩阵Y；对于航线的物理信息，建立矩阵Z；对所述矩阵X、矩阵Y和矩阵Z进行分解，两两共享进行矩阵分解后得到的相同的特征因子；获得各航线上实时船舶流量信息；

其中，矩阵X的每一个条目为一条航线在一个时间段内的平均速度和速度方差，矩阵Y的每一个条目为一个区域在一个时间段经过的总船舶数量；矩阵Z的每一行表示一条航线，每一列表示一个物理属性。

进一步的，在分解中，将矩阵X和矩阵Y直接合并，作为同一个矩阵进行分解。

进一步的，所述定性特征根据接收到的区域传感器数据计算出环境属性变量，数据化环境属性变量，对每个区域内的所有传感器数据进行处理，获得单个区域内各种环境属性均值与方差。

进一步的，所述特征融合表达式如下：