[发明专利]船舶交通流预测方法、装置、计算机设备及存储介质

说明书

本发明实施例公开了一种船舶流量预测方法、装置、计算机设备及存储介质，该方法包括获取各个时间段遥感影像各类执法船的数量、环境数据、预测时间以及预测天数，以得到初始数据；将初始数据输入至改进的灰色马尔科夫模型内进行预测，以得到预测结果；改进的灰色马尔科夫模型包括改进的灰色预测模型以及改进的马尔科夫模型；改进的灰色预测模型是通过各个时间段遥感影像上各类执法船的数量、结合每日的环境数据作为样本集构建形成的；改进的马尔科夫模型是通过改进的灰色预测模型所预测的数值的误差范围以及样本集数量构建形成的。本发明实现使用不等时间间距的数据进行预测，可同步预测多种不同类型的船舶数量，考虑了环境因素，预测的准确率高。

技术领域

本发明涉及船舶流量预测方法，更具体地说是指船舶流量预测方法、装置、计算机设备及存储介质。

背景技术

目前，国内外学者关于交通流量预测的理论方法很多，用于船舶流量预测的方法主要包括灰色预测模型、回归模型、BP(反向传播，Back Propagation)神经网络预测模型、卡尔曼滤波预测模型、趋势外推预测方法、马尔科夫模型、灰色马尔科夫模型等，其中，采用灰色马尔科夫模型时，马尔科夫预测模型中的转移概率矩阵可有效地反映随机因素的波动程度，可以弥补建模数据波动性给传统和优化灰色预测模型带来的局限性。采用构建的灰色马尔科夫预测模型，大大提高了模型的预测精度和预测能力，改善了模型的稳定性，拓展了其适用范围。

在交通流量预测方面，灰色马尔科夫模型更具优势，研究者大多直接利用灰色马尔科夫模型，或对灰色马尔科夫模型进行改进，或将灰色马尔科夫模型与其他理论模型相结合，来预测道路交通流及道路交通事故数量等。比如利用灰色马尔科夫模型对现有道路断面或交叉口进行短时交通流量预测，能满足短时交通流量预测的精度要求。而利用灰色马尔科夫模型对船舶交通流量进行预测的研究仍处于探索阶段。

基于灰色马尔科夫模型的船舶交通流预测的步骤如下：首先运行灰色模型，选取各月平均船舶交通流量数据作为预测的原始时间序列，利用灰色模型进行预测，获取预测的各月平均船舶交通流量；其次运行马尔科夫模型，此过程首先进行状态划分，对比预测的各月平均船舶交通流量与原始数据，利用各月份两者之间相对误差的大小等间距的划分为多个状态，再建立状态概率转移矩阵，再利用状态概率转移矩阵计算下一时刻灰色模型预测值所处的状态，对灰色模型预测的值进行修正，修正后即可得出灰色马尔科夫预测结果。

但是上述的方式所使用的数据为等时间间距的数据，仅限于对单一数据进行预测，不能设置具体的预测时间，只能在返回的预测数据列中通过计数的方式找到想要预测的时间点，操作不便捷，再者船舶在航行中会受到交通环境、港口布局、港口水域条件、港口的交通流组织与调度等各种因素的影响。现有技术在预测船舶流量时，仅考虑了船舶流量这一单一变量，预测准确率低。

因此，有必要设计一种新的方法，实现使用不等时间间距的数据进行预测，可针对多种不同类型的船舶数量进行同步预测，且考虑了环境因素，预测的准确率高。

发明内容

本发明的目的在于克服现有技术的缺陷，提供船舶流量预测方法、装置、计算机设备及存储介质。

为实现上述目的，本发明采用以下技术方案：船舶流量预测方法，包括：

获取各个时间段遥感影像中各类执法船的数量、环境数据、预测时间以及预测天数，以得到初始数据；

将所述初始数据输入至改进的灰色马尔科夫模型内进行预测，以得到预测结果；

其中，所述改进的灰色马尔科夫模型包括改进的灰色预测模型以及改进的马尔科夫模型；所述改进的灰色预测模型是通过各个时间段遥感影像上各类执法船的数量、结合每日的环境数据作为样本集构建形成的；所述改进的马尔科夫模型是通过所述改进的灰色预测模型所预测的数值的误差范围以及样本集数量构建形成的且用于修正所述改进的灰色预测模型所预测的数值。