海上船舶交通流行為特征提取算法

李子強，趙倉龍

(1.浙江國際海運職業(yè)技術學院 航海工程學院，浙江 舟山 316021；2.江蘇航運職業(yè)技術學院，江蘇 南通 226010)

0 引言

海上交通流數(shù)據(jù)既包括船舶流量、尺寸等宏觀數(shù)據(jù)，又包括航行速度、航跡等微觀數(shù)據(jù)，交通流數(shù)據(jù)的采集對于海事監(jiān)管、港口調(diào)度、航運公司船舶管理有重要意義，采集海上交通流特征信息的意義在于以下幾點：

1)改善水上航運交通

通過分析海上交通流的數(shù)據(jù)特征，可以從統(tǒng)計學等角度揭示水上航道的交通規(guī)律，得到某一時間段、某一港口或航道的交通密度，引導海上監(jiān)管和交通調(diào)度，從而改善水上航線的交通狀態(tài)。

2)助力海上交通學科理論發(fā)展

近年來海上航運交通等相關工程學科得到了廣泛重視，交通流特征是海上交通學科理論的一個重要研究領域。

3)提高海上航運交通的安全性[1]

海上交通流行為特征能夠指導水上交通安全管理部門進行安全措施制定，根據(jù)交通流密度、事故發(fā)生頻次等信息選取合適的海上安全救援點位，一旦海上交通船舶出現(xiàn)事故，可以快速的響應和提供海上救援服務。

4)指導港口和航道規(guī)劃建設

港口、航道的布局建設需要參考海上船舶交通流的密度、航跡等行為特征，不僅要滿足當前貨物吞吐量的要求，也要保證航道、通航效率、泊位等功能要求。

本文研究方向是建立一種海上船舶交通流行為特征的概念模型，基于高斯擬合等數(shù)學算法，建立海上船舶交通流行為特征提取系統(tǒng)。

1 海上船舶交通流行為特征的概念模型及擬合算法

1.1 海上船舶交通流行為特征的概念模型

海上船舶交通流特征包括宏觀和微觀特征等，具體如圖1 所示。

圖1 海上船舶交通流行為特征示意圖Fig.1 Schematic diagram of prevalence of marine ship traffic

船舶交通流包括動態(tài)和靜態(tài)行為特征，要對交通流速度、流量、寬度等要素進行詳細研究。

1)交通流速度

海上船舶交通流的速度可用航跡長度與經(jīng)過該航跡下船舶的航行時間表示，如下式：

式中：n為航跡分段個數(shù)；l為航跡總長度；ti為船舶航行所需的時間。

2)流量

流量表示某航道單位時間內(nèi)通過的船舶總數(shù)，用下式計算：

式中，qi為 某時間間隔內(nèi)通過的船舶數(shù)量。

3)寬度

海上船舶交通流的寬度并不限定為航道的寬度，而是大量船舶在同一區(qū)域或同一航線下形成的交通流寬度，且寬度隨著船舶數(shù)量等信息不斷發(fā)生變化，想要詳細描述船舶交通流的寬度就需要在一定時間內(nèi)進行大量寬度數(shù)據(jù)的擬合。

1.2 海上船舶交通流行為特征的擬合

本文使用的交通流行為特征擬合算法包括灰色理論擬合和高斯擬合2 種，分別如下：

1)灰色理論擬合法[2]

灰色理論擬合法是將離散數(shù)據(jù)進行整理，利用灰色微分方程建立動態(tài)模型，一階灰色微分方程如下式：

圖2 為船舶交通流寬度特征的灰色理論擬合效果圖，其中A 為實際曲線，B 為擬合曲線。

圖2 船舶交通流寬度特征的灰色理論擬合效果Fig.2 Fitting effect of grey theory on width characteristics of ship traffic flow

2)高斯擬合法

高斯擬合法在數(shù)學、統(tǒng)計學等領域有非常廣泛的應用，高斯擬合函數(shù)用下式表示：

定義船舶交通流密度特征矩陣為W=(r1,r2,...,rn)，密度區(qū)間的寬度為m，可得交通流密度分布的高斯均值為：

方差為：

交通流密度函數(shù)為：

圖3 為船舶交通流量的高斯擬合過程示意圖。

圖3 船舶交通流量的高斯擬合過程示意圖Fig.3 Schematic diagram of Gaussian fitting process of ship traffic flow

2 基于深度學習算法的船舶交通流行為特征提取系統(tǒng)的開發(fā)

2.1 海上船舶交通流行為特征提取系統(tǒng)構成

本文針對海上船舶交通流行為建立了一種特征提取系統(tǒng)，基本構成如圖4 所示。

圖4 船舶交通流行為特征提取系統(tǒng)示意圖Fig.4 Schematic diagram of feature extraction system for ship traffic prevalence

該系統(tǒng)的關鍵組成包括：

1)交通流特征庫

系統(tǒng)集成了包括船舶流量、速度、寬度、尺寸等交通流宏觀和微觀特征，并利用灰色理論和高斯擬合算法建立船舶交通流的擬合特征。

2)數(shù)據(jù)查詢

系統(tǒng)為用戶提供多種關鍵字查詢功能，用戶可以根據(jù)需求對船舶交通流某一特征或多個特征進行在線查詢。

3)用戶管理

針對船舶交通流行為特征提取系統(tǒng)用戶開發(fā)了包括登錄權限、密鑰管理[3]、交互系統(tǒng)等功能模塊，提高系統(tǒng)的安全性。

4)交通流建模

系統(tǒng)將導入的交通流數(shù)據(jù)進行統(tǒng)計和擬合，獲取不同尺度、不同噸位船舶的交通流特性，并通過圖形化建模將提取結(jié)果展示給用戶。

2.2 基于深度學習算法的船舶交通流行為特征提取

使用深度學習算法實現(xiàn)交通流行為特征的提取，選用BP 神經(jīng)網(wǎng)絡算法進行數(shù)據(jù)的學習，采用的激勵函數(shù)為s 型函數(shù)，如下式：

基于深度學習算法的海上船舶交通流行為特征提取流程如圖5 所示。

圖5 基于深度學習的船舶交通流行為特征提取流程Fig.5 Feature extraction process of ship traffic prevalence based on deep learning

通過大量船舶數(shù)據(jù)特征提取可知，船舶交通流量特征服從泊松分布[4]，如下式：

式中：k為船舶數(shù)量；λ為航線上船舶的通過率。

在一定時間內(nèi)，船舶數(shù)量低于x的航線通過率如下式：

在一定時間，船舶數(shù)量高于x低于y 的航線通過率如下式：

其他情況，P(X=0)=e?λt。

基于特征提取系統(tǒng)對某航線船舶的流量特征進行了模擬，得到船舶流量仿真曲線如圖6 所示。

圖6 某航線船舶的流量特征仿真曲線Fig.6 Flow characteristic simulation curve of ships on a certain route

3 結(jié)語

海上船舶交通流行為特征對于海上監(jiān)管、船舶調(diào)度等有重要意義，本文介紹了船舶交通流行為特征的基本概念，采用深度學習算法、灰度理論擬合和高斯擬合等算法建立交通流行為特征提取系統(tǒng)，闡述系統(tǒng)原理并進行了交通流量的模擬。