CN108694301B - 一种水上交通态势分析模型建立方法 - Google Patents
一种水上交通态势分析模型建立方法 Download PDFInfo
- Publication number
- CN108694301B CN108694301B CN201810827096.7A CN201810827096A CN108694301B CN 108694301 B CN108694301 B CN 108694301B CN 201810827096 A CN201810827096 A CN 201810827096A CN 108694301 B CN108694301 B CN 108694301B
- Authority
- CN
- China
- Prior art keywords
- ship
- situation
- situation function
- function
- water traffic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种水上交通态势分析模型建立方法,包括:基于场的概念,将数据空间中每个数据点视为多维数据空间中辐射能量的粒子,并构建水上交通系统中相互影响的对象在数据空间中任一点的势函数;基于所述势函数和船舶的最大尺度辐射强度,构建船舶尺度态势函数;基于所述势函数和船舶的最大速度辐射强度,构建船舶速度态势函数;根据所述船舶尺度态势函数和所述船舶速度态势函数,构建水上交通运动态势函数。应用本发明实施例提供了水上交通态势分析模型建立方法,对水上交通态势进行量化分析,进而揭示水上交通态势的时空演化规律,提高水上通航效率。
Description
技术领域
本发明涉及水上交通模型搭建技术领域,尤其涉及一种水上交通态势分析模型建立方法。
背景技术
水上交通态势是对水上交通系统运行状态的一种宏观描述,水上交通态势作为水上交通系统要素的数量、尺度、分布、运动状态及其相互作用的综合表征。水上交通系统是由人、船(货)、环境(自然环境、交通环境)、管理等交通要素构成的有机整体。由于水上交通系统要素的具有时空变化的特性,水上交通系统要素的耦合关系和耦合程度也是动态变化的,水上交通系统的运行会随着时间而变化,因空间的不同而差异,水上交通系统的外在表现即为系统的态势。
伴随经济的快速发展,港口货物吞吐量、船舶尺寸和数量增长较快,受潮汐变化的影响,水上交通流分布不均衡,绝大部分流量均集中于高峰时段,高峰时段交通拥堵明显。水上交通态势时空变化明显,且不同空间的交通态势分布差异性较大,水上交通态势具有明显的时空变化特征。
不均衡交通流极易造成特定水域交通拥挤,直接影响航道的通航效率。因此,迫切需要明晰感潮水上交通态势动态演化机理,以实现对水上交通态势进行量化分析,进而揭示水上交通态势的时空演化规律,实现对重点水域的交通态势进行感知监测。
发明内容
本发明实施例的目的在于提供一种水上交通态势分析模型建立方法,通过对船舶的速度、尺度构建水上交通的运动态势函数,考虑了船舶运动的相互影响,依此建立的模型,可以定量的反应真实的交通态势情况,有助于真实把握交通演化情况,提高水上通航效率,化解水上交通拥堵问题。具体技术方案如下:
为达到上述目的,本发明实施例提供了一种水上交通态势分析模型建立方法,包括:基于场的概念,将数据空间中每个数据点视为多维数据空间中辐射能量的粒子,并构建水上交通系统中相互影响的对象在数据空间中任一点的势函数;基于所述势函数和船舶的最大尺度辐射强度,构建船舶尺度态势函数;基于所述势函数和船舶的最大速度辐射强度,构建船舶速度态势函数;根据所述船舶尺度态势函数和所述船舶速度态势函数,构建水上交通运动态势函数。
本发明的优选实施方所述基于所述势函数和船舶的最大尺度辐射强度,构建船舶尺度态势函数的步骤,包括:基于所述势函数和船舶尺度大小,构建船舶长度态势函数。
本发明的优选实施方所述基于所述势函数和船舶的最大速度辐射强度,构建船舶速度态势函数的步骤,包括:基于所述势函数船舶速度的大小,构建船舶速度态势函数。
本发明的优选实施方所述势函数的具体表达为:
其中,SDi为第i艘船舶的最大尺度辐射强度,σ为影响因子,Dismin为辐射稳定距离,Dismax为有效辐射距离。
其中,SSi为第i艘船舶的最大速度辐射强度,σ为影响因子,Dismin为辐射稳定距离,Dismax为有效辐射距离。
其中,SMi为第i艘船舶的最大运动势场辐射强度,σ为影响因子,Dismin为辐射稳定距离,Dismax为有效辐射距离。
本发明的优选实施方式中,所述根据所述船舶尺度态势函数和所述船舶速度态势函数,构建水上交通运动态势函数的步骤,包括:
根据所述船舶尺度态势函数、所述船舶速度态势函数,以及传播尺度大小和船舶速度的乘积,构建水上交通运动态势函数;
所述水上交通运动态势函数的具体表达为:
其中,最大运动势场辐射强度SMi=Lengthi·Speedi,其中,Lengthi为第i艘船舶的船长,Speedi为第i艘船舶的速度。
应用本发明实施例提供的一种水上交通态势分析模型建立方法,通过对船舶的速度、尺度构建水上交通的运动态势函数,考虑了船舶运动的相互影响,依此建立的模型,可以定量的反应真实的交通态势情况,有助于真实把握交通演化情况,提高水上通航效率,化解水上交通拥堵问题。
附图说明
图1为本发明实施例提供的水上交通态势分析模型建立方法的流程示意图。
图2为区域平均船舶长度态势图;
图3为区域平均船舶速度态势图;
图4为区域平均水上交通运动态势图;
图5为船舶速度态势空间分布图;
图6为船舶长度态势空间分布图;
图7为水上交通运动态势空间分布图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参见图1,本发明实施例提供了一种水上交通态势分析模型建立方法,包括如下步骤:
S101,基于场的概念,将数据空间中每个数据点视为多维数据空间中辐射能量的粒子,并构建水上交通系统中相互影响的对象在数据空间中任一点的势函数。
需要说明的是,数据场是由于数据对数据空间辐射数据能量而形成的虚拟场。数据场作为描述空间数据辐射的一种形式,是对数据辐射过程的数学抽象和假定。船舶(及其所载货物)作为水上交通系统中的重要组成部分,分散在水上交通空间中运动。船舶与船舶之间相互影响,比如本船的运动改变了他船的水文环境,船舶与船舶之间的船吸效应,船舶间安全领域的侵占,这些影响会导致水上交通系统运行效率及安全状态的变化,而且距离越近影响越明显。水上交通系统中船舶间的相互影响作用,可以运用数据场来进行分析。
可以理解的是,水上交通态势是对水上交通系统运行状态的一种宏观描述,水上交通态势作为水上交通系统要素的数量、尺度、分布、运动状态及其相互作用的综合表征。水上交通系统是由人、船(货)、环境(自然环境、交通环境)、管理等交通要素构成的有机整体。由于水上交通系统要素的具有时空变化的特性,水上交通系统要素的耦合关系和耦合程度也是动态变化的,水上交通系统的运行会随着时间而变化,因空间的不同而差异,水上交通系统的外在表现即为系统的态势。
本发明实施例提供一种确定水上交通态势分析的数据场方法。数据场理论借用物理中场的概念,将数据空间中每个数据点视为多维数据空间中具有一定辐射能量的粒子,每个粒子周围存在一个虚拟辐射场,数据空间中其他数据点将受到该点辐射力的作用,同时该粒子也会受到其他粒子辐射力的作用。在描述数据场的属性时,引入标量函数——势函数。势函数是位置或距离的函数,可以叠加,因此,数域空间中每一个数据对象对场中任何一点的势都有贡献,且贡献的大小与两者间的距离平方成反比。直观上,数据密集区应有较大的势,而数据稀疏区的势也相对较小。
其中,为势函数,||x-xi||对象xi与场点x间的距离,mi≥0为对象xi(i=1,2,…,n)的最大辐射能量,σ∈(0,+∞)为影响因子,用于控制对象间相互作用力程,为数据集D的势函数,为第i个对象的势函数。
可以理解的是,船舶(及其所载货物)作为水上交通系统中的重要组成部分,分散在水上交通空间中运动。船舶与船舶之间相互影响,比如本船的运动改变了他船的水文环境,船舶与船舶之间的船吸效应,船舶间安全领域的侵占,这些影响会导致水上交通系统运行效率及安全状态的变化,而且距离越近影响越明显。水上交通系统中船舶间的相互影响作用,可以运用数据场来进行分析。
S102,基于所述势函数和船舶的最大尺度辐射强度,构建船舶尺度态势函数。
需要说明的是,以交通要素的属性为视角进行特定时空的统计是描述系统态势的常用手段,比如统计特定水域船舶的数量,分析船舶的运行轨迹,也有对船舶进出港或靠离泊时间规律的研究。本发明实施例中,水上交通空间利用方面,对通航水域的占用程度是反映船舶尺度及其聚集程度的重要指标,表征对交通空间的利用或占用程度的强弱,本发明定义船舶尺度态势的概念。船舶尺度态势函数的具体表达为
需要说明的是,因为船舶在水上交通系统中具有尺度,不能紧紧作为质点进行处理,在航海上通常用船长和总吨表征船舶尺度大小。同时,结合数据源的可采集性,本发明选择船长表征船舶尺度大小,即SDi=Lengthi,Lengthi为第i艘船舶的船长。
另外,在本发明的一个具体实现方式中,对船舶安全距离和船舶领域的可以进行设置,将有效辐射距离定义为6倍船长范围,即Dismax=6×Lengthi,将稳定辐射距离定义为2倍船长范围,即Dismin=2×Lengthi。因此,船舶尺度态势函数可改写为:
其中,SDi为第i艘船舶的最大尺度辐射强度,σ为影响因子,Dismin为辐射稳定距离,Dismax为有效辐射距离。
S103,基于所述势函数和船舶的最大速度辐射强度,构建船舶速度态势函数。
另外,基于水上交通活跃程度方面,通航水域内船舶的运动状态反映了水上交通系统的活跃程度,本发明定义船舶速度态势的概念。
具体的,本发明实施例中,将最大速度辐射强度定义为船舶速度的大小,即SSi=Speedi。
此外,本发明实施例中,步骤S102和步骤S103可以同时执行,也可以限先执行S103再执行S102,或者先执行S102在执行S103,本发明实施例不做具体限定。
S104,根据所述船舶尺度态势函数和所述船舶速度态势函数,构建水上交通运动态势函数。
水上交通运动程度方面,通航水域内船舶的尺度大小与运动状态的结合,综合反映了水上交通系统的运行状态与运行效率,本发明定义水上交通运动态势。
其中,SMi为第i艘船舶的最大运动势场辐射强度,σ为影响因子,Dismin为辐射稳定距离,Dismax为有效辐射距离,SMi为通航水域内船舶的尺度大小与运动状态的结合所表达的最大运动势场辐射强度。
因此,应用本发明实施例可以将数据场分析方法与水上交通态势分析相结合,提出水上交通态势分析的数据场方法,建立水上交通态势模型,进而分析水上交通态势的演化规律,为水上交通效率的提高提供理论支持。
如图2-图4所示,为应用本发明的其中一种应用实例,针对区域1和区域2,图2为区域平均船舶长度态势、图3为区域平均船舶速度态势、图4为区域平均水上交通运动态势;与图2-图4所对应的区域1中,图5为船舶速度态势空间分布、图6为船舶长度态势空间分布、图7为水上交通运动态势空间分布。
本发明充分考虑水上交通运行的实际情况,充分考虑了船舶间的安全距离,以及船舶对空间的占用和安全空间的预留,量化船舶在三维空间对水域的占用情况,而不是仅把船舶看成孤立的点,进行简单的计数统计,克服了以往的水上交通流分析中的孤立性,将传统的二维甚至一维空间分析拓展到三维空间。
因此,数据场是由于数据对数据空间辐射数据能量而形成的虚拟场。数据场作为描述空间数据辐射的一种形式,是对数据辐射过程的数学抽象和假定。船舶(及其所载货物)作为水上交通系统中的重要组成部分,分散在水上交通空间中运动。应用本发明的实施例,可以明确船舶与船舶之间相互影响,比如本船的运动改变了他船的水文环境,船舶与船舶之间的船吸效应,船舶间安全领域的侵占,这些影响会导致水上交通系统运行效率及安全状态的变化,而且距离越近影响越明显。水上交通系统中船舶间的相互影响作用,可以运用数据场来进行分析。
本发明通过提出水上交通态势分析的数据场方法,以对水上交通态势进行量化分析,进而揭示水上交通态势的时空演化规律,提高水上通航效率。
本发明在进行水上交通态势量化时,分别从速度、尺度和运动等三个视角进行建模,考虑了不同尺度、不同速度情况下的水上交通势场占用,考虑了船舶运动的相互影响,依此建立的模型,可以定量的反应真实的交通态势情况,有助于海事管理机构和航运从业者真实把握交通演化情况,提高水上通航效率,化解水上交通拥堵问题。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (3)
1.一种水上交通态势分析模型建立方法,其特征在于,包括:
基于场的概念,将数据空间中每个数据点视为多维数据空间中辐射能量的粒子,并构建水上交通系统中相互影响的对象在数据空间中任一点的势函数;
基于所述势函数和船舶的最大尺度辐射强度,构建船舶尺度态势函数;
基于所述势函数和船舶的最大速度辐射强度,构建船舶速度态势函数;
根据所述船舶尺度态势函数和所述船舶速度态势函数,构建水上交通运动态势函数;
所述势函数的具体表达为:
其中,SDi为第i艘船舶的最大尺度辐射强度,σ为影响因子,Dismin为辐射稳定距离,Dismax为有效辐射距离;
其中,SSi为第i艘船舶的最大速度辐射强度,σ为影响因子,Dismin为辐射稳定距离,Dismax为有效辐射距离;
其中,SMi为第i艘船舶的最大运动势场辐射强度,σ为影响因子,Dismin为辐射稳定距离,Dismax为有效辐射距离;
所述根据所述船舶尺度态势函数和所述船舶速度态势函数,构建水上交通运动态势函数的步骤,包括:
根据所述船舶尺度态势函数、所述船舶速度态势函数,以及传播尺度大小和船舶速度的乘积,构建水上交通运动态势函数;
所述水上交通运动态势函数的具体表达为:
其中,最大运动势场辐射强度SMi=Lengthi·Speedi,其中,Lengthi为第i艘船舶的船长,Speedi为第i艘船舶的速度。
2.根据权利要求1所述的水上交通态势分析模型建立方法,其特征在于,所述基于所述势函数和船舶的最大尺度辐射强度,构建船舶尺度态势函数的步骤,包括:
基于所述势函数和船舶尺度大小,构建船舶长度态势函数。
3.根据权利要求2所述的水上交通态势分析模型建立方法,其特征在于,所述基于所述势函数和船舶的最大速度辐射强度,构建船舶速度态势函数的步骤,包括:
基于所述势函数船舶速度的大小,构建船舶速度态势函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810827096.7A CN108694301B (zh) | 2018-07-25 | 2018-07-25 | 一种水上交通态势分析模型建立方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810827096.7A CN108694301B (zh) | 2018-07-25 | 2018-07-25 | 一种水上交通态势分析模型建立方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108694301A CN108694301A (zh) | 2018-10-23 |
CN108694301B true CN108694301B (zh) | 2022-05-17 |
Family
ID=63851747
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810827096.7A Active CN108694301B (zh) | 2018-07-25 | 2018-07-25 | 一种水上交通态势分析模型建立方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108694301B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110076142A (ko) * | 2009-12-29 | 2011-07-06 | 서울대학교산학협력단 | 서비스주기율표관리시스템 및 서비스주기율표 생성방법 |
CN106156428A (zh) * | 2016-07-06 | 2016-11-23 | 大连海事大学 | 一种基于样本分析的船舶交通流模拟生成方法 |
CN106875320A (zh) * | 2017-02-10 | 2017-06-20 | 武汉理工大学 | 云环境下船舶航行数据的高效可视分析方法 |
CN107591030A (zh) * | 2017-09-21 | 2018-01-16 | 中华人民共和国天津海事局 | 船舶交通服务水域交通动态风险管理方法 |
CN107886773A (zh) * | 2017-10-19 | 2018-04-06 | 天津大学 | 一种基于信息量的船舶所处会遇态势紧迫度量化分析方法 |
-
2018
- 2018-07-25 CN CN201810827096.7A patent/CN108694301B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110076142A (ko) * | 2009-12-29 | 2011-07-06 | 서울대학교산학협력단 | 서비스주기율표관리시스템 및 서비스주기율표 생성방법 |
CN106156428A (zh) * | 2016-07-06 | 2016-11-23 | 大连海事大学 | 一种基于样本分析的船舶交通流模拟生成方法 |
CN106875320A (zh) * | 2017-02-10 | 2017-06-20 | 武汉理工大学 | 云环境下船舶航行数据的高效可视分析方法 |
CN107591030A (zh) * | 2017-09-21 | 2018-01-16 | 中华人民共和国天津海事局 | 船舶交通服务水域交通动态风险管理方法 |
CN107886773A (zh) * | 2017-10-19 | 2018-04-06 | 天津大学 | 一种基于信息量的船舶所处会遇态势紧迫度量化分析方法 |
Non-Patent Citations (5)
Title |
---|
区域船舶扰动复杂度建模;刘益等;《中国航海》;20170325(第01期);全文 * |
基于GIS和AIS的水上交通宏观态势评估系统;黄亮等;《中国航海》;20170325(第01期);全文 * |
水上交通宏观态势评估模型;杜磊等;《大连海事大学学报》;20160215(第01期);全文 * |
水上交通态势评估建模与可视化研究;李正强;《《中国硕士学位论文全文数据》;20150531;全文 * |
水上交通系统安全模态定义与建模;文元桥等;《中国安全科学学报》;20130615(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108694301A (zh) | 2018-10-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Seibert et al. | A new triangular multiple flow direction algorithm for computing upslope areas from gridded digital elevation models | |
US10606962B2 (en) | Horizontal optimization of transport alignments | |
Podobnikar | Methods for visual quality assessment of a digital terrain model | |
Dubois et al. | eHabitat, a multi-purpose Web Processing Service for ecological modeling | |
Talavera et al. | Application of Dempster–Shafer theory for the quantification and propagation of the uncertainty caused by the use of AIS data | |
CN110378297A (zh) | 一种基于深度学习的遥感图像目标检测方法 | |
CN112668461A (zh) | 一种具有野生动物识别的智能监管系统 | |
CN105913199A (zh) | 基于椭球模型的能源、经济和环境协调度计算方法及装置 | |
Busani | Diffusive scaling limit of the Busemann process in Last Passage Percolation | |
Crosby et al. | Embedding road networks and travel time into distance metrics for urban modelling | |
CN108694301B (zh) | 一种水上交通态势分析模型建立方法 | |
Deng et al. | An interactive platform for the analysis of landscape patterns: a cloud-based parallel approach | |
Rios et al. | Interpolation framework to speed up near-surface wind simulations for data-driven wildfire applications | |
CN116518979A (zh) | 一种无人机路径规划方法、系统、电子设备及介质 | |
DE112019007270T5 (de) | Fluidsimulationen unter verwendung eines oder mehrerer neuronaler netzwerke | |
CN113822892B (zh) | 仿真雷达的评测方法、装置、设备及计算机存储介质 | |
CN115908318A (zh) | 电力线弧垂确定方法、装置、设备、介质和产品 | |
Chappell et al. | Using illumination and shadow to model aerodynamic resistance and flow separation: An isotropic study | |
Raith et al. | Visual Eddy Analysis of the Agulhas Current. | |
Shi et al. | Adaptive mapped least squares SVM-based smooth fitting method for DSM generation of LIDAR data | |
Wickramathilaka et al. | Three-dimensional visualisation of traffic noise based on the Henk de-Klujijver Model | |
Hassan et al. | Design of Multi-Criteria Spatial Decision Support System (MC-SDSS) for Animal Production | |
Crawford et al. | On the importance of time for GIS view measures and their use in hedonic property models: Does being temporally explicit matter? | |
Zhang et al. | Fast simulation method for ocean wave base on ocean wave spectrum and improved gerstner model with GPU | |
Niwa et al. | Interactive collision detection for engineering plants based on large-scale point-clouds |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |