CN112967526B - 一种基于ais数据的海上交通流基本图绘制方法 - Google Patents

一种基于ais数据的海上交通流基本图绘制方法 Download PDF

Info

Publication number
CN112967526B
CN112967526B CN202110137041.5A CN202110137041A CN112967526B CN 112967526 B CN112967526 B CN 112967526B CN 202110137041 A CN202110137041 A CN 202110137041A CN 112967526 B CN112967526 B CN 112967526B
Authority
CN
China
Prior art keywords
channel
ship
traffic flow
ais data
interval
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
Application number
CN202110137041.5A
Other languages
English (en)
Other versions
CN112967526A (zh
Inventor
陈均豪
刘轶华
程云龙
涂波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Maritime University
Original Assignee
Shanghai Maritime University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Maritime University filed Critical Shanghai Maritime University
Priority to CN202110137041.5A priority Critical patent/CN112967526B/zh
Publication of CN112967526A publication Critical patent/CN112967526A/zh
Application granted granted Critical
Publication of CN112967526B publication Critical patent/CN112967526B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G3/00—Traffic control systems for marine craft
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Ocean & Marine Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computing Systems (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于AIS数据得海上交通流基本图的绘制方法，包含如下步骤：选定研究航道并建立航道坐标系；AIS数据获取与清洗；船舶经纬度坐标转换；确定航道中船舶的平均船长和船宽，并统计船舶进入航道时的横坐标值；航道细分；绘制船舶在航道的时空轨迹图；计算海上交通流特征参数；确定海上交通流的关键特征参数；绘制海上交通流基本图。本发明实现了基于大量AIS数据的海上交通流基本图构建，为港航部门或相关研究人员分析和管理海上交通提供一种新途径，并在海上交通流研究中进行了具体的实践应用。

Description

一种基于AIS数据的海上交通流基本图绘制方法
技术领域
本发明涉及一种基于AIS数据的海上交通流基本图绘制方法。
背景技术
海上交通安全形势日趋复杂，使得对航道内交通态势的分析与研判能力提出了更高的要求。船舶交通流理论的研究起源于道路交通流理论，两者间的研究方法和手段具有一定互通性，借鉴道路交通流理论研究海上交通特征参数具有扎实的理论基础。根据海上交通的AIS(Automatic identification System船舶自动识别系统)数据，研究人员很便利地得到某一水域内船舶航行的历史数据(包括船舶的时空分布)，其空间检测器的水上交通AIS数据资源为海上交通研究提供便利。
目前，由于船舶与车辆的特征及水路交通环境具有本质区别，水上交通宏观基本图目前尚未展现全貌，尤其是关于阻塞密度获取方面还没有很好的手段。
发明内容
本发明的目的在于提供一种基于AIS数据的海上交通流基本图绘制方法，实现了对大量AIS数据的挖掘，提取数据中的海上交通流信息，使用算法在历史AIS数据中挖掘出航道中的交通流参数，尤其是海上交通流的自由流速和阻塞密度，最后结合道路交通流理论对海上交通流基本图进行绘制，为港航部门或相关研究人员分析和管理海上交通提供一种新途径。
为了达到上述目的，本发明提供一种基于AIS数据的海上交通流基本图绘制方法，包含以下步骤：选定研究航道并建立航道坐标系；AIS数据获取与清洗；船舶经纬度坐标转换；确定航道中船舶的平均船长和船宽，并统计船舶进入航道时的初始横坐标值；航道细分；绘制船舶在航道的时空轨迹图；计算海上交通流特征参数；确定海上交通流的关键特征参数；绘制海上交通流基本图。
所述选定研究航道并建立航道坐标系的方法包含：选择不受交通限速水域的航道，确定航道的走向、基准点和经纬度范围，选定航道基准点，以航道走向为X方向，垂直于航道走向为Y方向，建立平面直角坐标系。
所述AIS数据获取与清洗的方法包含：提取每条AIS数据中包含的经纬度坐标，仅保留经纬度坐标在航道经纬度范围内的AIS数据，并去掉重复数据。
所述船舶经纬度坐标转换的方法包含：以基准点作为航道直角坐标系的原点，将航道数据库中船舶AIS数据的经纬度坐标转化为直角坐标系中的纵坐标X值和横坐标Y值，其中，X值表示船舶距基准点的纵向距离，Y值表示船舶距基准点的横向距离；
记基准点经纬度坐标为
Figure BDA0002927092730000021
船舶在航道中AIS数据点的经纬度坐标为
Figure BDA0002927092730000022
利用墨卡托航法计算航程：
Figure BDA0002927092730000023
Figure BDA0002927092730000024
Figure BDA0002927092730000025
DMP＝MP2-MP1 (4)
Figure BDA0002927092730000026
Xi＝S*cosθ (6)
Yi＝S*sinθ (7)
其中，S为航程；
Figure BDA0002927092730000027
为纬度差；Dλ为经度差；MP2为AIS数据点所在的纬度渐长率；MP1为基准点所在的纬度渐长率；DMP为纬度渐长率差；C为航向；θ为基准点与AIS数据点所连直线与航道走向的夹角；Xi为AIS数据点在航道坐标系对应的X值，Yi为AIS数据点在航道坐标系对应的Y值。
所述航道细分的方法包含：每次以0.5倍平均船长递增确定细分航道的宽度，并以一倍平均船宽移动细分航道，对船舶进入航道时所对应的初始横坐标集进行区间划分，确定每个细分宽度对应进入航道时船舶数量最为频繁的区间，获取对应区间的AIS数据点，计算这些数据点落在区间的概率，将数据点落在区间的占比大于85％时对应的细分宽度作为最佳航道的细分宽度，并以该区间数据作为后续处理船舶交通流工作的数据基础，表征上述分航道的交通流情况。
判断AIS数据点是否在对应区间的方法包含：
用AIS数据点在航道坐标系的Y值Yi、航段区间长度Lh和区间中点处的Y值Ym三者的关系判断，取AIS数据点偏离航段区间中线的距离为ΔY：
ΔY＝|Yi-Ym| (8)
若满足
Figure BDA0002927092730000031
则该AIS数据点在所选航段内；反之，则该数据点偏离该航段。
绘制船舶在航道的时空轨迹图的方法包含：以时间序列为横轴，以船舶在X方向上的距离为纵轴，绘制航道船舶的时空轨迹图。
所述计算海上交通流特征参数的方法包含：借鉴道路交通流理论，以固定时间间隔，利用船舶在航道的时空轨迹图求解交通流特征参数；
有关船舶交通流流量q、船舶交通流密度k和船舶交通流速度v的计算公式如下：
Figure BDA0002927092730000032
Figure BDA0002927092730000033
Figure BDA0002927092730000034
其中，d(A)为在dt时间间隔内航道中所有船舶航行的总距离；t(A)为所有船舶航行的总时间为；|A|为航道长度与时间间隔dt围成的面积；计算在dt时间间隔内航道中所有船舶航行的总距离d(A)、所有船舶航行的总时间t(A)和航道长度L与时间间隔dt围成的面积|A|的公式如下：
Figure BDA0002927092730000035
t(A)＝N×dt (13)
|A|＝L×dt (14)
其中，ti为第i艘船舶在航道中航行的时间；N为dt时间间隔内航道中船舶的数量；L为所在航道的长度；vi(i＝1，2，...，N)为航道中每艘船舶在dt时间间隔内的平均速度；dt时间间隔内航道中每艘船舶的平均速度vi的计算公式如下：
Figure BDA0002927092730000041
其中，xi0为dt时间间隔结束时第i艘船舶在航道所处的X值；xi1为dt时间间隔结束时第i艘船舶在航道所处的X值。
所述确定海上交通流的关键特征参数的方法包含：绘制海上交通流流量q-速度v-密度k关系散点图，确定海上交通流关键特征参数：自由流速vf和阻塞密度kj；
确定自由流速vf和阻塞密度ki的方法：从流量q-密度k图中，按照相同区间将密度细分，选择每个密度区间上航道最大的流量代表该密度区间的流量情况，将这些点绘制成散点图，将自由流的部分散点进行拟合，从原点出发的流量-密度关系曲线切线的斜率即为自由流速vf；将阻塞流的部分散点进行拟合，顺着散点尾部的走势将其延展直到与横轴相交，交点即为阻塞密度kj。
所述绘制海上交通流基本图的方法包含：确定好海上交通流的自由流速vf和阻塞密度ki后，选择不同的交通流基本关系模型，调节模型剩余的参数，对散点图进行拟合，使得模型的通行能力与实际观察到的通行能力相匹配，对比分析实际拟合效果，选择与实际航道相符的关系模型绘制海上交通基本图；
所述关系模型至少包含：Greeshields模型、Pipes-Munjal模型、Newell非线性模型和LCM模型；
Greeshields模型：
Figure BDA0002927092730000042
Pipes-Munjal模型：
Figure BDA0002927092730000043
参数n为模型中的一个无量纲可调参数，不具有实际物理意义；
Newell模型：
Figure BDA0002927092730000044
Figure BDA0002927092730000045
其中，τ为驾驶员察觉-反应时间，λ为τ的倒数；
LCM模型：
Figure BDA0002927092730000051
其中，v为车辆的空均流速，vf为自由流速，k是交通密度，k*具有以下表达形式：
Figure BDA0002927092730000052
Figure BDA0002927092730000053
其中，Bj表示i号驾驶员对j号驾驶员在紧急情况下刹车时减速度的估计，bi则表示了在紧急情况下i号驾驶员相信自己能够采取的最大减速度，γ则为驾驶员的整体激进度，τ为驾驶员和车辆的整体平均反应时间，l为名义车长；
宏观LCM模型的一般表达形式：
Figure BDA0002927092730000054
本发明实现了对大量AIS数据的挖掘，提取数据中的海上交通流信息，使用算法在历史AIS数据中挖掘出航道中的交通流参数，尤其是海上交通流的自由流速和阻塞密度，最后结合道路交通流理论对海上交通流基本图进行绘制，为港航部门或相关研究人员分析和管理海上交通提供一种新途径。
附图说明
图1为本发明提供的一种基于AIS数据的海上交通流基本图绘制方法的流程图。
图2为航道坐标系与经纬度坐标转化示意图。
图3为基于船舶时空轨迹图求解交通流特征参数的示意图。
图4为本发明实施例中的船舶进航道时的初始Y值分布图。
图5为本发明实施例中的航道中船舶的时空轨迹图。
图6为本发明实施例中的海上交通流流量-速度-密度关系散点图。
图7为本发明实施例中确定交通流自由流速vf和阻塞密度kj的方法示意图。
图8为本发明实施例中使用不同交通流模型对散点拟合的对比示意图。
图9为本发明实施例中LCM模型对散点的拟合对比图。
图10为本发明实施例中使用LCM模型确定的海上交通流基本图。
具体实施方式
以下根据图1～图10，具体说明本发明的较佳实施例。
海上交通流基本图与通过能力、拥堵系数等指标计算紧密相关，它不仅有助于解决港航部门把握航道通过能力这个痛难点，而且对智能船舶自主航行的关键参数研究也具有重要意义。因此，通过选定区域大量AIS历史数据，通过一定算法，绘制出海上交通基本图，为明晰海上交通流特征、展示海上交通基本图全貌提供一种途径，也是目前迫切需要解决的海上交通领域问题。
在本发明实施例中，提供一种基于AIS数据的海上交通流基本图绘制方法，包含以下步骤：
1、选定研究航道并建立航道坐标系。首先需要确定所要研究的航道和航道的经纬度范围，该航道必须为不受交通限速水域且航道具备一定的交通流量。确定好航道后，选定航道基准点，对该航道建立平面直角坐标系，其中以航道走向为X方向，垂直于航道走向为Y方向。
2、AIS数据获取与清洗。首先提取每条AIS数据中包含的经纬度信息，判断每条AIS数据对应的经纬度坐标是否在航道确定的经纬度范围内。若AIS数据对应的经纬度坐标在航道经纬度范围内，则将这些AIS数据保存在对应航道的数据库中；反之，过滤掉这些AIS数据。此处用到的算法是Python的geometry库中的geometry.Point()、geometry.Polygon()和polygon.contains()方法，判断点与面的关系，对数据进行筛选，进而完成航道数据的提取。最后，对航道数据进行清洗和重构处理，去掉重复数据并保存对研究有用的AIS数据类型；
3、船舶经纬度坐标转换。在航道坐标系中，利用墨卡托航法来计算每个AIS数据点与基准点间的距离，再利用三角关系，确定AIS数据点在航道坐标系中的X值和Y值。具体方法如下：记基准点经纬度坐标为
Figure BDA0002927092730000061
船舶在航道中AIS数据点的经纬度坐标为
Figure BDA0002927092730000062
利用墨卡托航法计算航程的相关公式结合三角关系，其一般表达式如下：
Figure BDA0002927092730000063
Figure BDA0002927092730000071
Figure BDA0002927092730000072
DMP＝MP2-MP1 (4)
Figure BDA0002927092730000073
Xi＝S*cosθ (6)
Yi＝S*sinθ (7)
其中，S为航程；
Figure BDA0002927092730000074
为纬度差；Dλ为经度差；MP2为AIS数据点所在的纬度渐长率；MP1为基准点所在的纬度渐长率；DMP为纬度渐长率差；C为航向；θ为基准点与AIS数据点所连直线与航道走向的夹角；Xi为AIS数据点在航道坐标系对应的X值，Yi为AIS数据点在航道坐标系对应的Y值；
4、确定航道中船舶的平均船长和船宽，并统计船舶进入航道时的横坐标值Yi0。对所选航道中的AIS数据进行统计，得到平均船长LS和平均船宽WS，并记录船舶进入航道时的初始Y值，统计其分布情况；
5、航道细分，并提取主要航段的AIS数据进行分析。结合上述步骤获得的平均船长、平均船宽和船舶进入航道时的初始Y值，实现对航道的细分。主要步骤如下：每次以0.5倍平均船长递增确定细分航道的宽度，并以一倍平均船宽移动细分航道，对船舶进入航道时所对应的初始横坐标集进行区间划分，记录每个区间的AIS数据量，从而选取每个细分宽度对应进入航道时船舶数量最为频繁的区间。获取对应区间的AIS数据点，计算这些数据点落在区间的概率，通过概率分析，选择最为合适的航道细分宽度。为了减少船舶并行现象对交通流特征参数计算产生的影响，细分航道的宽度不宜过大。通过实例分析，可以将轨迹点在航段数据占比大于85％时对应的细分宽度作为最佳航道的细分宽度，并以该区间数据作为后续处理船舶交通流工作的数据基础，表征上述分航道的交通流情况。
判断AIS数据点是否在对应区间，可以用AIS数据点在航道坐标系的Y值(Yi)、航段区间长度Lh和区间中点处的Y值(Ym)三者的关系判断，取AIS数据点偏离航段区间中线的距离为ΔY：
ΔY＝|Yi-Ym| (8)
若满足
Figure BDA0002927092730000081
则可判断该AIS数据点在所选航段内；反之，该数据点偏离该航段。
在使用基本图计算航道最大通行能力时，可以使用该航段数据求出的最大通行能力作为每个细分航段的最大通行能力，即，该航道的最大通行能力为细分航段最大通行能力与细分航段数量的乘积。
6、绘制船舶在航道的时空轨迹图。根据上述步骤得到细分航段船舶数量最多的数据后，需要绘制出该航段船舶的时空轨迹图，用于求解海上交通流特征参数。以时间序列为时空轨迹图的横轴，以船舶在X方向上的距离为纵轴，绘制该航道船舶的时空轨迹图。
7、计算海上交通流特征参数。借鉴道路交通流理论中的定义，利用道路交通轨迹图求解交通流特征参数的方法。结合上述步骤获得的船舶在航道的时空轨迹图，求解海上交通流特征参数。其中，有关船舶交通流流量q、船舶交通流密度k和船舶交通流速度v的计算公式如下：
Figure BDA0002927092730000082
Figure BDA0002927092730000083
Figure BDA0002927092730000084
其中，d(A)为在dt时间间隔内航道中所有船舶航行的总距离；t(A)为所有船舶航行的总时间为；|A|为航道长度与时间间隔dt围成的面积。计算在dt时间间隔内航道中所有船舶航行的总距离d(A)、所有船舶航行的总时间t(A)和航道长度L与时间间隔dt围成的面积|A|的公式如下：
Figure BDA0002927092730000085
t(A)＝N×dt (13)
|A|＝L×dt (14)
其中，ti为第i艘船舶在航道中航行的时间；N为dt时间间隔内航道中船舶的数量；L为所在航道的长度；vi(i＝1，2，...，N)为航道中每艘船舶在dt时间间隔内的平均速度。dt时间间隔内航道中每艘船舶的平均速度vi的计算公式如下：
Figure BDA0002927092730000091
其中，xi0为dt时间间隔结束时第i艘船舶在航道所处的X值；xi1为dt时间间隔结束时第i艘船舶在航道所处的X值。
8、确定海上交通流关键特征参数——自由流速vf和阻塞密度kj。由上述公式就能求得一定时间间隔内航道中船舶的交通量q，船舶密度k和船舶速度v，得到相应船舶交通流速度-密度、流量-密度和速度-流量三者基本关系中的散点，按照所需研究水域的时间长短，适当调整dt就可以得到不同的散点数量，绘制不同的交通流散点关系图。从散点图中可以确定海上交通流中的关键参数：自由流速vf和阻塞密度kj。
确定自由流速vf和阻塞密度kj的方法：从流量-密度图中，按照相同区间将密度细分，选择每个密度区间上航道最大的流量代表该密度区间的流量情况，将这些点绘制成散点图，将自由流的部分散点进行拟合，从原点出发的流量-密度关系曲线切线的斜率即为自由流速vf。将阻塞流的部分散点进行拟合，顺着散点尾部的走势将其延展直到与横轴相交，交点即为阻塞密度kj。
9、绘制海上交通流基本图。确定好海上交通流的自由流速vf和阻塞密度kj后，选择不同的交通流基本关系模型，调节模型剩余的参数，对散点图进行拟合，使得模型的通行能力与实际观察到的通行能力大致匹配，对比分析实际拟合效果，选择与实际航道相符的关系模型绘制海上交通基本图。
在道路交通基本图模型中，主要为Greeshields模型、Pipes-Munjal模型、Newell非线性模型和LCM模型，这几个模型函数表达式如下：
Greeshields模型：
Figure BDA0002927092730000092
Pipes-Munjal模型：
Figure BDA0002927092730000093
参数n为模型中的一个无量纲可调参数，不具有实际物理意义。
Newell模型：
Figure BDA0002927092730000101
Figure BDA0002927092730000102
其中，τ为驾驶员察觉-反应时间，λ为τ的倒数。
在道路交通流基本图理论研究中，LCM模型是目前对道路交通流散点的拟合效果较好的模型之一，其一般表达如下：
Figure BDA0002927092730000103
其中，v为车辆的空均流速，vf为自由流速，k是交通密度，k*具有以下表达形式：
Figure BDA0002927092730000104
Figure BDA0002927092730000105
其中，Bj表示i号驾驶员对j号驾驶员在紧急情况下刹车时减速度的估计，bi则表示了在紧急情况下i号驾驶员相信自己能够采取的最大减速度，γ则为驾驶员的整体激进度，τ为驾驶员和车辆的整体平均反应时间，l为名义车长(车辆的物理长度加上车辆前后的一点缓冲距离，他的倒数就是阻塞密度kj的倒数)。
对上述公式进行转化，可以得到宏观LCM模型的一般表达形式：
Figure BDA0002927092730000106
最后使用Greeshields模型、Pipes-Munjal模型、Newell模型和LCM模型分别对海上交通散点图进行拟合，分析不同模型对应的最佳密度km、最佳流率qm和最佳流速vm，选择最能反映航道实际交通流情况的模型绘制海上交通流基本图。
如图1所示，下面结合具体示例说明本发明。以上海港南槽航道为研究对象，AIS数据源为2018年上海港全年AIS数据。
步骤S1、本研究示例所选上海港南槽航道某段水域的经纬度范围、航道走向和基准点如表1所示，航道长3海里，宽0.33海里。对该航道建立平面直角坐标系，其中以航道走向318.2°为X方向，垂直于航道走向为Y方向。表1为上海港南槽航道某段水域范围。
表1
Figure BDA0002927092730000111
步骤S2、用python编程对2018年上海港全年AIS数据进行数据提取，首先提取每条AIS数据中包含的经纬度信息，判断每条AIS数据对应点经纬度坐标是否在南槽航道确定的经纬度范围内，保存在经纬度范围内的AIS数据点。最后，对航道数据进行清洗和重构处理，去掉重复数据并保存对研究有用的AIS数据类型，包括：船舶mmsi码、时间、经度、纬度、船型、船宽、船长。
步骤S3、本研究航道的基准点经纬度坐标为(31.23951638N，121.79197305E)，船舶在航道中AIS数据点的经纬度坐标为
Figure BDA0002927092730000112
如图2所示，利用墨卡托航法计算航程S，将
Figure BDA0002927092730000113
λ0＝121.79197305E带入下述相关公式。
Figure BDA0002927092730000114
纬度差
Figure BDA0002927092730000115
经度差Dλ＝λi-λ0，纬度渐长率差DMP＝MP2-MP1，航向
Figure BDA0002927092730000116
最后根据所求航程S结合航道坐标系中的三角关系，确定基准点与AIS数据点所连直线与航道走向的夹角θ，可以求得该AIS数据点在航道坐标系对应的X值为Xi＝S*cosθ，Y值为Yi＝S*sinθ，并将对应AIS数据点在航道坐标系中的X值为Xi和Y值为Yi保存。
步骤S4、用python编程，统计船舶的平均船长和船宽，得到该航道船舶的平均船长为LS＝100m，平均船宽为WS＝15m。并记录船舶进入该航道时的横坐标值Yi0，并统计其分布情况。
步骤S5、每次以0.5倍平均船长递增确定细分航道的宽度，并以一倍平均船宽移动细分航道，对船舶进入航道时所对应的初始横坐标集进行区间划分，记录每个区间的AIS数据量，选取每个细分宽度对应进入航道时船舶数量最为频繁的区间。获取对应区间的AIS数据点，计算这些数据点落在区间的概率，通过数据分析对比，选择最为合适的航道细分宽度，并以该区间数据作为研究后续工作的数据基础，表征该航道的交通流情况。表2为南槽航道的航道细分数据。
表2
Figure BDA0002927092730000121
结合南槽航道实际情况和航道细分数据，当细分宽度定在2LS时，船舶初始进入航道的数据点最多的航段为90-290m区间上，此Ls时船舶数占总船数的51.42％，AIS轨迹点占所选区间AIS数据的86.88％，能够较好的表征该航道的交通流情况。
步骤S6、如图4所示，对初始进入航道船舶的Y值在90-290m的AIS数据进行提取。如图5所示，以时间序列为时空轨迹图的横轴，以船舶在X方向上的距离为纵轴，绘制船舶在航道的时空轨迹图。
步骤S7、如图3所示，取dt＝20分钟，计算船舶AIS数据初始Y值在90-290m的航道交通流特征参数，并保存。
步骤S8、如图6所示，从流量-密度图中，按照k＝0.25艘/nmile为一个区间将密度细分，选择每个密度区间上航道最大的流量代表该密度区间的流量情况。将这些点绘制成散点图，将自由流的部分散点进行拟合，从原点出发的流量-密度关系曲线切线的斜率即为自由流速vf，得到vf＝12.2kn；将阻塞流的部分散点进行拟合，顺着散点尾部的走势将其延展直到与横轴相交，交点即为阻塞密度kj，得到kj＝6.5艘/nmile。
步骤S9、如图8所示，分别使用Greeshields模型、Pipes-Munjal模型、Newell非线性模型和LCM模型对海上交通流散点进行拟合。
其中，当Pipes-Munjal模型中的参数n＝0.8时，该模型拟合效果最好；
在《水上交通工程》一书中记录，驾引人员的个体反应时间的平均值为2.9min。在本实施例中反应时间τ取2～3min，使用Newell非线性模型对散点图进行拟合，当反应时间在2min时，Newell非线性模型拟合效果最好；
LCM模型中的名义船长
Figure BDA0002927092730000131
当τ＝120s，驾引人员的激进度γ取-18s2/m时，该模型对海上交通流散点拟合效果最好。上述模型实际拟合效果如图7所示。
确定自由流速vf和阻塞密度kj后，每个模型对应的最佳流速vm，最佳密度km和最佳流率qm如表3所示。
表3
Figure BDA0002927092730000132
在最佳密度km的表现上：结合流量-密度图，可以观察到航道的最佳密度ki在1.5～2.5艘/海里。Greeshields模型和Pipes-Munjal模型对应的最佳密度为3.4艘/海里和3.0艘/海里，均大于散点图的所呈现的最佳密度；而Newell模型和LCM模型对应的最佳密度kj与散点图较为符合，分别是2.3艘/海里和1.6艘/海里。
在最佳流率qm的表现上：结合流量-速度图，Greeshields模型过高估计了航道的最佳流量vm，为20.0艘/小时；Newell模型对应的航道最佳流量为14.0艘/小时，略微小于散点图呈现的最佳流量；Pipes-Munjal模型和LCM模型对应的航道最佳流量基本与散点图相符，分别为17.0艘/小时和16.0艘/小时。
在最佳流速vm的表现上：结合流量-速度图，Greeshields模型、Pipes-Munjal模型和Newell模型取最佳流量时所对应的最佳流速均小于散点图所呈现的最佳流速；LCM模型在取最佳流量时所对应的最佳流速与散点图基本相符，最佳为流速vm＝10.3kn。
综上，LCM模型对该航道交通流散点拟合效果最好，使用LCM模型得到的海上交通流特征参数如下：自由流速vf＝12.2kn、阻塞密度kj＝6.5艘/海里、最佳流速vm＝10.3kn、最佳密度km＝1.6艘/海里和最佳流率qm＝16艘/小时，拟合效果如图9和图10所示。
本发明结合航道交通实际情况，提取所属航道的历史AIS数据，对航道交通流情况进行分析。为了便于研究，构建一个所在航道的平面直角坐标系，将海上交通流分析转换到该坐标系中。并以航道中航行船舶的平均船长、平均船宽、进入航道的初始位置和AIS数据点占所在区间航段的总AIS数据点概率为指标，对航道进行细分，最后把细分后的航段数据作为表征该航道交通流基本图的数据。基于该段数据，结合道路交通流理论上基于车辆时空轨迹图求解交通流特征参数的方法，求解海上交通流特征参数。从而绘制海上交通流流量-速度-密度关系散点图，并从散点图中确定海上交通流关键参数——自由流速vf和阻塞密度kj，绘制海上交通流基本图。
与现有方法技术相比，本发明实现了对大量AIS数据的挖掘，提取数据中的海上交通流信息，使用算法在历史AIS数据中挖掘出航道中的交通流参数，尤其是海上交通流的自由流速vf和阻塞密度kj，最后结合道路交通流理论对海上交通流基本图进行绘制，为港航部门或相关研究人员分析和管理海上交通提供一种新途径。
需要说明的是，在本发明的实施例中，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述实施例，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。

Claims (5)

1.一种基于AIS数据的海上交通流基本图绘制方法，其特征在于，包含以下步骤：选定研究航道并建立航道坐标系；AIS数据获取与清洗；船舶经纬度坐标转换；确定航道中船舶的平均船长和船宽，并统计船舶进入航道时的初始横坐标值；航道细分；绘制船舶在航道的时空轨迹图；计算海上交通流特征参数；确定海上交通流的关键特征参数；绘制海上交通流基本图；
所述选定研究航道并建立航道坐标系的方法包含：选择不受交通限速水域的航道，确定航道的走向、基准点和经纬度范围，选定航道基准点，以航道走向为X方向，垂直于航道走向为Y方向，建立平面直角坐标系；
所述AIS数据获取与清洗的方法包含：提取每条AIS数据中包含的经纬度坐标，仅保留经纬度坐标在航道经纬度范围内的AIS数据，并去掉重复数据；
所述船舶经纬度坐标转换的方法包含：以基准点作为航道直角坐标系的原点，将航道数据库中船舶AIS数据的经纬度坐标转化为直角坐标系中的纵坐标X值和横坐标Y值，其中，X值表示船舶距基准点的纵向距离，Y值表示船舶距基准点的横向距离；
记基准点经纬度坐标为
Figure FDA0003800153140000011
船舶在航道中AIS数据点的经纬度坐标为
Figure FDA0003800153140000012
利用墨卡托航法计算航程：
Figure FDA0003800153140000013
Figure FDA0003800153140000014
Dλ＝λi-λ0 (3)
DMP＝MP2-MP1 (4)
Figure FDA0003800153140000015
Xi＝S*cosθ (6)
Yi＝S*sinθ (7)
其中，S为航程；
Figure FDA0003800153140000016
为纬度差；Dλ为经度差；MP2为AIS数据点所在的纬度渐长率；MP1为基准点所在的纬度渐长率；DMP为纬度渐长率差；C为航向；θ为基准点与AIS数据点所连直线与航道走向的夹角；Xi为AIS数据点在航道坐标系对应的X值，Yi为AIS数据点在航道坐标系对应的Y值；
所述航道细分的方法包含：每次以0.5倍平均船长递增确定细分航道的宽度，并以一倍平均船宽移动细分航道，对船舶进入航道时所对应的初始横坐标集进行区间划分，确定每个细分宽度对应进入航道时船舶数量最为频繁的区间，获取对应区间的AIS数据点，计算这些数据点落在区间的概率，将数据点落在区间的占比大于85％时对应的细分宽度作为最佳航道的细分宽度，并以该区间数据作为后续处理船舶交通流工作的数据基础，表征上述分航道的交通流情况；
所述绘制海上交通流基本图的方法包含：确定好海上交通流的自由流速vf和阻塞密度kj后，选择不同的交通流基本关系模型，调节模型剩余的参数，对散点图进行拟合，使得模型的通行能力与实际观察到的通行能力相匹配，对比分析实际拟合效果，选择与实际航道相符的关系模型绘制海上交通基本图；
所述关系模型至少包含：Greeshields模型、Pipes-Munjal模型、Newell非线性模型和LCM模型；
Greeshields模型：
Figure FDA0003800153140000021
Pipes-Munjal模型：
Figure FDA0003800153140000022
参数n为模型中的一个无量纲可调参数，不具有实际物理意义；
Newell模型：
Figure FDA0003800153140000023
Figure FDA0003800153140000024
其中，τ为驾驶员察觉-反应时间，λ为τ的倒数；
LCM模型：
Figure FDA0003800153140000031
其中，v为车辆的空均流速，vf为自由流速，k是交通密度，k*具有以下表达形式：
Figure FDA0003800153140000032
Figure FDA0003800153140000033
其中，Bj表示i号驾驶员对j号驾驶员在紧急情况下刹车时减速度的估计，bi则表示了在紧急情况下i号驾驶员相信自己能够采取的最大减速度，γ则为驾驶员的整体激进度，τ为驾驶员和车辆的整体平均反应时间，l为名义车长；
宏观LCM模型的一般表达形式：
Figure FDA0003800153140000034
2.如权利要求1所述的基于AIS数据的海上交通流基本图绘制方法，其特征在于，判断AIS数据点是否在对应区间的方法包含：
用AIS数据点在航道坐标系的Y值Yi、航段区间长度Lh和区间中点处的Y值Ym三者的关系判断，取AIS数据点偏离航段区间中线的距离为ΔY：
ΔY＝|Yi-Ym| (8)
若满足
Figure FDA0003800153140000035
则该AIS数据点在所选航段内；反之，则该数据点偏离该航段。
3.如权利要求2所述的基于AIS数据的海上交通流基本图绘制方法，其特征在于，绘制船舶在航道的时空轨迹图的方法包含：以时间序列为横轴，以船舶在X方向上的距离为纵轴，绘制航道船舶的时空轨迹图。
4.如权利要求3所述的基于AIS数据的海上交通流基本图绘制方法，其特征在于，所述计算海上交通流特征参数的方法包含：借鉴道路交通流理论，以固定时间间隔，利用船舶在航道的时空轨迹图求解交通流特征参数；
有关船舶交通流流量q、船舶交通流密度k和船舶交通流速度v的计算公式如下：
Figure FDA0003800153140000041
Figure FDA0003800153140000042
Figure FDA0003800153140000043
其中，d(A)为在dt时间间隔内航道中所有船舶航行的总距离；t(A)为所有船舶航行的总时间为；|A|为航道长度与时间间隔dt围成的面积；计算在dt时间间隔内航道中所有船舶航行的总距离d(A)、所有船舶航行的总时间t(A)和航道长度L与时间间隔dt围成的面积|A|的公式如下：
Figure FDA0003800153140000044
t(A)＝N×dt (13)
|A|＝L×dt (14)
其中，ti为第i艘船舶在航道中航行的时间；N为dt时间间隔内航道中船舶的数量；L为所在航道的长度；vi(i＝1,2,…,N)为航道中每艘船舶在dt时间间隔内的平均速度；dt时间间隔内航道中每艘船舶的平均速度vi的计算公式如下：
Figure FDA0003800153140000045
其中，xi0为dt时间间隔开始时第i艘船舶在航道所处的X值；xi1为dt时间间隔结束时第i艘船舶在航道所处的X值。
5.如权利要求4所述的基于AIS数据的海上交通流基本图绘制方法，其特征在于，所述确定海上交通流的关键特征参数的方法包含：绘制海上交通流流量q-速度v-密度k关系散点图，确定海上交通流关键特征参数：自由流速vf和阻塞密度kj；
确定自由流速vf和阻塞密度kj的方法：从流量q-密度k图中，按照相同区间将密度细分，选择每个密度区间上航道最大的流量代表该密度区间的流量情况，将这些点绘制成散点图，将自由流的部分散点进行拟合，从原点出发的流量-密度关系曲线切线的斜率即为自由流速vf；将阻塞流的部分散点进行拟合，顺着散点尾部的走势将其延展直到与横轴相交，交点即为阻塞密度kj。
CN202110137041.5A 2021-02-01 2021-02-01 一种基于ais数据的海上交通流基本图绘制方法 Active CN112967526B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110137041.5A CN112967526B (zh) 2021-02-01 2021-02-01 一种基于ais数据的海上交通流基本图绘制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110137041.5A CN112967526B (zh) 2021-02-01 2021-02-01 一种基于ais数据的海上交通流基本图绘制方法

Publications (2)

Publication Number Publication Date
CN112967526A CN112967526A (zh) 2021-06-15
CN112967526B true CN112967526B (zh) 2022-11-08

Family

ID=76272711

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110137041.5A Active CN112967526B (zh) 2021-02-01 2021-02-01 一种基于ais数据的海上交通流基本图绘制方法

Country Status (1)

Country Link
CN (1) CN112967526B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113378397B (zh) * 2021-06-22 2024-04-30 东南大学 一种考虑船舶舵效的内河航道船舶交通流的基本图模型
CN114088097A (zh) * 2021-11-12 2022-02-25 天津大学 基于ais大数据对海上船舶可航流形框架的提取方法
CN114550498B (zh) * 2022-01-13 2023-04-07 武汉理工大学 一种海量ais数据驱动的船舶偏离航道智能预警系统
CN115641750B (zh) * 2022-12-09 2023-03-31 交通运输部水运科学研究所 一种基于北斗的船舶通航调度方法和系统
CN115809297B (zh) * 2023-01-18 2023-05-19 亿海蓝（北京）数据技术股份公司 交通流在地图上的可视化方法、装置和地图
CN116300664B (zh) * 2023-05-18 2023-08-22 江苏物润船联网络股份有限公司 基于船联网的船舶作业流控方法和装置
CN116978260B (zh) * 2023-07-21 2024-05-10 交通运输部规划研究院 基于ais船舶标准化的海上交通流态势评估方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011027037A1 (en) * 2009-09-04 2011-03-10 Valtion Teknillinen Tutkimuskeskus Intelligent waterway risk indication system and a related method
KR20190054410A (ko) * 2017-11-13 2019-05-22 (주)뉴월드마리타임 연안 기상 및 해양정보 관련 빅데이터를 이용한 최적항로제공시스템

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120130571A1 (en) * 2010-11-24 2012-05-24 Dunkle Gregory D Method for Navigation in No-Passing Zones
CN103531043B (zh) * 2013-09-27 2016-02-10 重庆大学 基于航线匹配的船舶点到点航行时间估算方法
JP6627615B2 (ja) * 2016-03-31 2020-01-08 富士通株式会社 評価プログラム、評価方法および評価装置
CN107341573B (zh) * 2017-07-05 2020-05-12 大连海事大学 一种复式航道水域的船舶交通组织优化方法
CN111291776B (zh) * 2018-12-07 2023-06-02 北方工业大学 基于众源轨迹数据的航道信息提取方法
CN111968406B (zh) * 2020-08-18 2021-06-25 江苏航运职业技术学院 一种基于混沌理论的船舶短时交通流模糊预测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011027037A1 (en) * 2009-09-04 2011-03-10 Valtion Teknillinen Tutkimuskeskus Intelligent waterway risk indication system and a related method
KR20190054410A (ko) * 2017-11-13 2019-05-22 (주)뉴월드마리타임 연안 기상 및 해양정보 관련 빅데이터를 이용한 최적항로제공시스템

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
内河航道船舶交通流研究＊;吴中;《贵州大学学报( 自然科学版)》;20140228;全文 *
基于AIS大数据分析的航道通航宽度计算方法;王飞;《水运工程》;20201130;全文 *

Also Published As

Publication number Publication date
CN112967526A (zh) 2021-06-15

Similar Documents

Publication Publication Date Title
CN112967526B (zh) 一种基于ais数据的海上交通流基本图绘制方法
CN112967527B (zh) 一种渡船碰撞风险评估方法、系统、装置及介质
DE102005021448B4 (de) Kurvenwarnsystem
Fujii et al. The analysis of traffic accidents
CN110083983A (zh) 一种船舶分段航速优化方法和智能管理系统
US11740101B2 (en) Method for characterising bends for warning drivers
US20120130571A1 (en) Method for Navigation in No-Passing Zones
JP2017041071A (ja) 船舶用表示装置
DE102006005513A1 (de) System zur Bestimmung der Fahrstrecke eines Fahrzeugs
CN108665099B (zh) 一种船舶穿越间隙计算方法
CN105070101A (zh) 筒型平台拖带风险预警及可视化系统
CN107341573A (zh) 一种复式航道水域的船舶交通组织优化方法
CN110531661A (zh) 一种车辆自动跟驰控制方法、装置及设备
CN107886773A (zh) 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
CN110979339A (zh) 一种基于v2v的前方道路形态重建方法
CN107526087A (zh) 一种获取水下3d断层图像的方法及系统
He et al. Ship route planning using historical trajectories derived from AIS data
Park et al. Probabilistic quantification of ship collision risk considering trajectory uncertainties
EP2843364A1 (en) Method and system for estimating aircraft course
CN110796852B (zh) 一种车辆队列建图及其自适应跟车间距计算方法
CN114492086A (zh) 一种船舶单锚泊锚位智能检测方法
CN111731314B (zh) 一种车辆驾驶许用速度确定方法、车载设备及存储介质
Spaans Windship routeing
CN113378397B (zh) 一种考虑船舶舵效的内河航道船舶交通流的基本图模型
CN112373642B (zh) 一种基于船舶领域的内河船舶追越行为检测及跟踪方法

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