CN115329857A - 内河通航水域等级划分方法、装置、电子设备及存储介质 - Google Patents
内河通航水域等级划分方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115329857A CN115329857A CN202210934066.2A CN202210934066A CN115329857A CN 115329857 A CN115329857 A CN 115329857A CN 202210934066 A CN202210934066 A CN 202210934066A CN 115329857 A CN115329857 A CN 115329857A
- Authority
- CN
- China
- Prior art keywords
- navigation
- water area
- inland
- inland river
- data set
- 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.)
- Granted
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 223
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000007781 pre-processing Methods 0.000 claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 238000007621 cluster analysis Methods 0.000 claims abstract description 9
- 238000013139 quantization Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 9
- 238000013145 classification model Methods 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 8
- 230000009467 reduction Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 239000003643 water by type Substances 0.000 claims 1
- 238000004590 computer program Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/088—Non-supervised learning, e.g. competitive learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种内河通航水域等级划分方法、装置、电子设备及存储介质,其方法包括:分析内河水域船舶通航影响因素,获取内河通航水域的原始通航数据集;对所述原始通航数据集进行预处理,得到内河通航水域的通航环境数据集;利用所述通航环境数据集分析不同水域的通航条件与通航环境特征,并结合聚类分析算法构建内河通航水域等级划分模型;根据所述内河通航水域等级划分模型对目标内河通航水域进行等级划分。本发明基于聚类分析构建内河通航水域等级划分模型,可以快速确定目标内河通航水域的通航等级,便于根据该通航等级监管对应的船舶,提升了内河航务管理效率、提高了船舶运输效率与航行安全。
Description
技术领域
本发明涉及水上交通安全领域,尤其涉及一种内河通航水域等级划分方法、装置、电子设备及存储介质。
背景技术
内河水路运输作为综合运输体系和水资源综合利用的重要组成部分,在促进流域经济发展、优化产业布局、服务对外开放等方面发挥了重要作用。我国内河水运资源十分丰富,目前国内内河航道通航里程达13.3万公里,居全球首位。整合内河水域通航条件、优化内河通航水域管理、提升航道通航能力、保障通航船舶的航行安全和运输效率已经成为水上交通安全领域亟需解决的关键问题。
目前,关于内河通航水域划分的研究,采用了数据包络分析法、模糊综合评价法,主要是针对通航水域和非通航水域的划分,尚未形成系统的划分方法;而且,尚缺针对内河通航水域等级划分的研究。
因此,如何对内河通航水域进行有效的等级划分,以提升通航船舶的航行安全和运输效率是一个亟待解决的问题。
发明内容
有鉴于此,有必要提供一种内河通航水域等级划分方法、装置、电子设备及存储介质,用以提升通航船舶的航行安全和运输效率。
为了实现上述目的,第一方面,本发明提供一种内河通航水域等级划分方法,包括:
分析内河水域船舶通航影响因素,获取内河通航水域的原始通航数据集;
对所述原始通航数据集进行预处理,得到内河通航水域的通航环境数据集;
利用所述通航环境数据集分析不同水域的通航条件与通航环境特征,并结合聚类分析算法构建内河通航水域等级划分模型;
根据所述内河通航水域等级划分模型对目标内河通航水域进行等级划分。
进一步的,所述内河水域船舶通航影响因素包括水文、气象及航道;
原始通航数据集的要素数据包括水位、水流、风速、风向、航道宽度、航道维护深度及能见度。
进一步的,所述对所述原始通航数据集进行预处理,得到内河通航水域的通航环境数据集,包括:
对所述原始通航数据集进行量化、去重、降噪及插值操作,得到内河通航水域的通航环境数据集。
进一步的,所述对所述原始通航数据进行量化、去重、降噪及插值操作,得到内河通航水域的通航环境数据集,具体包括:
对原始通航数据集的各要素数据进行量化处理;
以时间为索引,遍历内河通航水域的各要素数据,并删除时间重复的要素数据;
基于不同要素数据的变化特征和取值范围,设置不同的阈值,以剔除噪声数据;
统一采样时间间隔,对内河通航水域经过量化、去重及降噪后的通航环境数据进行二次采样,并对各要素数据缺失的数值进行插值补齐。
进一步的,所述利用所述通航环境数据集分析不同水域的通航条件与通航环境特征,并结合聚类分析算法构建内河通航水域等级划分模型,具体包括:
根据所述通航环境数据集分析不同水域的通航条件与通航环境特征;
基于不同水域的通航条件与通航环境特征设定内河通航水域等级划分细则;
根据设定的内河通航水域等级划分细则,结合聚类分析算法构建内河通航水域等级划分模型。
进一步的,根据所述内河通航水域等级划分模型对目标内河通航水域进行等级划分,包括:
利用构建的内河通航水域等级划分模型,将目标内河通航水域划分为不同的通航等级。
进一步的,所述方法还包括:
分析内河水域船舶通航影响因素,获取内河通航水域的实测通航环境数据;
利用所述实测通航环境数据对所述内河通航水域等级划分模型进行验证分析。
第二方面,本发明还提供一种内河通航水域等级划分装置,包括:
获取模块,用于分析内河水域船舶通航影响因素,获取内河通航水域的原始通航数据集;
预处理模块,用于对所述原始通航数据集进行预处理,得到内河通航水域的通航环境数据集;
构建模块,用于利用所述通航环境数据集分析不同水域的通航条件与通航环境特征,并结合聚类分析算法构建内河通航水域等级划分模型;
划分模块,用于根据所述内河通航水域等级划分模型对目标内河通航水域进行等级划分。
第三方面,本发明还提供一种电子设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述内河通航水域等级划分方法中的步骤。
第四方面,本发明还提供一种计算机存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现如上述内河通航水域等级划分方法中的步骤。
采用上述实施例的有益效果是:
本发明通过分析内河水域船舶通航影响因素获取内河通航水域的原始通航数据集,通过对原始数据集进行预处理,保证了数据集的准确性,并为后续通航水域等级提供保障;然后基于聚类分析算法构建内河通航水域等级划分模型,通过无监督学习的特征聚类方法,能够学习并捕获内河通航水域多元通航环境数据的内在特征,把相似通航条件的通航水域划分为同一等级,把不相似的通航水域分为不同的等级,创新了内河通航水域等级划分方法;基于构建的内河通航水域等级划分模型,可以快速确定目标内河通航水域的通航等级,并便于根据该通航等级监管对应的船舶,提升了内河航务管理效率、提高了船舶运输效率与航行安全。
附图说明
图1为本发明提供的内河通航水域等级划分方法一实施例的方法流程图;
图2为本发明提供的内河通航水域等级划分装置一实施例的结构示意图;
图3为本发明提供的一种电子设备一实施例的结构示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
在本发明的描述中,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。此外,“多个”的含义是两个或两个以上,除非另有明确具体的限定。在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本发明提供了一种内河通航水域等级划分方法、装置、电子设备及存储介质。无监督学习的聚类分析方法可用于将未知类别的样本按照一定的特征、规则划分成若干个类簇。因此,可以充分考虑内河通航水域的真实通航环境和条件,基于聚类分析算法提出内河通航水域等级划分方法,以期实现相似通航环境特征规则的水域聚类划分。
在实施例描述之前,对相关词语进行释义:
DBSCAN(Density-Based Spatial Clustering of Applications with Noise,聚类分析算法)是一种典型的基于密度的聚类方法,它将簇定义为密度相连点的最大集合,能够把具有足够密度的区域划分为簇。
以下分别对具体实施例进行详细说明:
请参阅图1,图1为本发明提供的内河通航水域等级划分方法的一实施例的流程示意图,本发明的一个具体实施例,公开了一种内河通航水域等级划分方法,包括:
步骤S101:分析内河水域船舶通航影响因素,获取内河通航水域的原始通航数据集;
步骤S102:对原始通航数据集进行预处理,得到内河通航水域的通航环境数据集;
步骤S103:利用通航环境数据集分析不同水域的通航条件与通航环境特征,并结合聚类分析算法构建内河通航水域等级划分模型;
步骤S104:根据内河通航水域等级划分模型对目标内河通航水域进行等级划分。
其中,在获取内河通航水域的原始通航数据集的过程中,从我国内河水域通航现状的角度出发,分析内河水域船舶通航的多影响因素。然后根据影响因素,进一步搜集内河通航水域数据。具体的,内河通航水域的原始通航数据集可以根据国内河水域通航现状进行采集基于内河通航水域的环境数据库获得,可以理解的是,获取的原始数据集瑕疵过多,如果直接用来分析效果不佳,故需要对原始数据集进行预处理,以得到高质量的内河通航水域的通航环境数据集。
进一步的,根据得到的高质量的内河通航水域的通航环境数据集进行不同水域通航条件与通航环境特征的分析,然后结合聚类分析算法,学习并捕获内河通航水域的通航条件与通航环境特征,把相似通航条件或者通航环境特征的通航水域聚为同一等级,把不相似的通航水域分为不同的等级,从而构建出内河通航水域等级划分模型。然后根据该内河通航水域等级划分模型可以对目标内河通航水域进行等级划分。
本发明通过对原始数据集进行预处理,保证了数据集的准确性,并为后续通航水域等级提供保障;然后基于聚类分析算法构建内河通航水域等级划分模型,通过无监督学习的特征聚类方法,能够学习并捕获内河通航水域多元通航环境数据的内在特征,把相似通航条件的通航水域划分为同一等级,把不相似的通航水域分为不同的等级,创新了内河通航水域等级划分方法;基于构建的内河通航水域等级划分模型,可以快速确定目标内河通航水域的通航等级,便于根据该通航等级调度对应的船舶,提升了内河航务管理效率、提高了船舶运输效率与航行安全。
在本发明的一个具体实施例中,内河水域船舶通航影响因素包括水文、气象及航道;
原始通航数据集的要素数据包括水位、水流、风速、风向、航道宽度、航道维护深度及能见度。
可以理解的是,在获取内河通航水域的原始通航数据集的过程中,首先,从我国内河水域通航现状的角度出发,分析内河水域船舶通航的多影响因素,如水文、气象、航道等。然后根据影响因素,进一步搜集内河通航水域数据,其中,内河通航水域的要素数据主要包括水位、水流、风速、风向、航道宽度、航道维护深度、能见度等。
在本发明的一个具体实施例中,对原始通航数据集进行预处理,得到内河通航水域的通航环境数据集,包括:
对原始通航数据集进行量化、去重、降噪及插值操作,得到内河通航水域的通航环境数据集。
可以理解的是,针对获得的原始通航数据集,考虑到各要素数据的属性特征和取值范围,对搜集的原始通航数据进行预处理,以获取高质量的内河通航水域通航环境数据,具体的,预处理包括量化、去重、降噪及插值操作。
在本发明的一个具体实施例中,对原始通航数据进行量化、去重、降噪及插值操作,得到内河通航水域的通航环境数据集,具体包括:
对原始通航数据集的各要素数据进行量化处理;
以时间为索引,遍历内河通航水域的各要素数据,并删除时间重复的要素数据;
基于不同要素数据的变化特征和取值范围,设置不同的阈值,以剔除噪声数据;
统一采样时间间隔,对内河通航水域经过量化、去重及降噪后的通航环境数据进行二次采样,并对各要素数据缺失的数值进行插值补齐。
其中,量化指将信号的连续取值近似为有限多个或较少的离散值的过程,而风向、能见度等要素一般是连续信号,故需要进行量化处理;在数据搜集的过程中,一些数据会被重复搜集,为了便于后续处理,需要对重复的数据进行去重,具体的,可以以时间为索引,遍历内河通航水域各要素数据,并删除时间重复的要素数据;可以理解的是,不同要素数据在其专业范围内有一定特征,比如有取值参考范围,I因此可以针对不同要素数据的变化特征和取值范围,为每一要素数据分别设置不阈值,以剔除噪声数据;最后,为了数据的完整性,可以在经过上述预处理后,统一采样时间间隔,对内河通航水域的通航环境数据进行二次采样,并对各要素缺失的数值进行插值补齐,其中,插值补齐方法可采用三次样条插值法。
在本发明的一个具体实施例中,利用通航环境数据集分析不同水域的通航条件与通航环境特征,并结合聚类分析算法构建内河通航水域等级划分模型,具体包括:
根据通航环境数据集分析不同水域的通航条件与通航环境特征;
基于不同水域的通航条件与通航环境特征设定内河通航水域等级划分细则;
根据设定的内河通航水域等级划分细则,结合聚类分析算法构建内河通航水域等级划分模型。
可以理解的是,在充分考虑内河通航水域的真实通航环境和通航条件后,可以设定内河通航水域等级划分细则,通航等级的设定因素、共设定多少级及每一通航等级包括的范围等。
然后根据聚类分析算法中无监督学习的特点,将通航环境数据集样本按照一定的特征、规则划分成若干个类簇,学习并捕获内河通航水域多元通航环境数据的内在特征,把相似通航条件的通航水域划分为同一等级,把不相似的通航水域分为不同的等级,以期实现相似通航环境特征规则的水域聚类划分,完成对内河通航水域等级划分模型的构建。
在本发明的一个具体实施例中,根据内河通航水域等级划分模型对目标内河通航水域进行等级划分,包括:
利用构建的内河通航水域等级划分模型,将目标内河通航水域划分为不同的通航等级。
其中,根据目标内河通航水域的多远通航要素数据,结合已经构建的内河通航水域等级划分模型,利用目标内河通航水域的多远通航要素数据中的通航条件,可以确定目标内河水域的等级划分结果。具体的,可以将目标内河通航水域多元通航要素数据输入该算法中,根据算法中的邻域半径Eps和密度阈值Min_objects,确定目标内河通航水域的等级划分结果。
具体的划分步骤如下:
1.初始化:标记所有对象为unvisited
2.do{
3.随机选择一个unvisited对象,命名为p
4.标记p为visited
5.if p的Eps邻域至少有Min_objects
6.创建一个新簇S,并将P添加到S
7.令N为p的Eps邻域中的对象集合
8.遍历集合N中的每个对象q
9.if q是unvisited
10.标记q为visited
11.if q的Eps邻域至少有个对象
12.将这些对象添加到集合N
13.if q还不是任何簇的成员
14.将q添加到S
15.输出S
16.else标记p为噪声对象
17.}while(没有标记为unvisited的对象)
18.输出内河通航水域等级划分结果
可见,通过上述划分方法,可以快速确定目标内河通航水域的通航等级,便于根据该通航等级调度对应的船舶,提升了内河航务管理效率、提高了船舶运输效率。
在本发明的一个具体实施例中,上述方法还包括:
分析内河水域船舶通航影响因素,获取内河通航水域的实测通航环境数据;
利用实测通航环境数据对内河通航水域等级划分模型进行验证分析。
可以理解的是,使用内河通航水域的实测通航环境数据,内河通航水域等级划分模型进行验证分析,具体的,可以划分结果进行评估分析,从而获得精确、高效的内河通航水域等级划分方法。
为了更好实施本发明实施例中的内河通航水域等级划分方法,在内河通航水域等级划分方法基础之上,对应的,请参阅图2,图2为本发明提供的内河通航水域等级划分装置的一实施例的结构示意图,本发明实施例提供了一种内河通航水域等级划分装置200,包括:
获取模块201,用于分析内河水域船舶通航影响因素,获取内河通航水域的原始通航数据集;
预处理模块202,用于对原始通航数据集进行预处理,得到内河通航水域的通航环境数据集;
构建模块203,用于利用通航环境数据集分析不同水域的通航条件与通航环境特征,并结合聚类分析算法构建内河通航水域等级划分模型;
划分模块204,用于根据所述内河通航水域等级划分模型对目标内河通航水域进行等级划分。
这里需要说明的是:上述实施例提供的装置200可实现上述各方法实施例中描述的技术方案,上述各模块或单元具体实现的原理可参见上述方法实施例中的相应内容,此处不再赘述。
基于上述内河通航水域等级划分方法,本发明实施例还相应的提供一种电子设备,包括:处理器和存储器以及存储在存储器中并可在处理器上执行的计算机程序;处理器执行计算机程序时实现如上述各实施例的内河通航水域等级划分方法中的步骤。
图3中示出了适于用来实现本发明实施例的电子设备300的结构示意图。本发明实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
电子设备包括:存储器以及处理器,其中,这里的处理器可以称为下文的处理装置301,存储器可以包括下文中的只读存储器(ROM)302、随机访问存储器(RAM)303以及存储装置308中的至少一项,具体如下所示:
如图3所示,电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301,其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM302以及RAM303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本发明的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置308被安装,或者从ROM302被安装。在该计算机程序被处理装置301执行时,执行本发明实施例的方法中限定的上述功能。
基于上述内河通航水域等级划分方法,本发明实施例还相应的提供一种计算机可读存储介质,该计算机可读存储介质存储有一个或者多个程序,一个或者多个程序可被一个或者多个处理器执行,以实现如上述各实施例的内河通航水域等级划分方法中的步骤。
本领域技术人员可以理解,实现上述实施例方法的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于计算机可读存储介质中。其中,所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种内河通航水域等级划分方法,其特征在于,包括:
分析内河水域船舶通航影响因素,获取内河通航水域的原始通航数据集;
对所述原始通航数据集进行预处理,得到内河通航水域的通航环境数据集;
利用所述通航环境数据集分析不同水域的通航条件与通航环境特征,并结合聚类分析算法构建内河通航水域等级划分模型;
根据所述内河通航水域等级划分模型对目标内河通航水域进行等级划分。
2.根据权利要求1所述的内河通航水域等级划分方法,其特征在于,所述内河水域船舶通航影响因素包括水文、气象及航道;
原始通航数据集的要素数据包括水位、水流、风速、风向、航道宽度、航道维护深度及能见度。
3.根据权利要求1或2所述的内河通航水域等级划分方法,其特征在于,所述对所述原始通航数据集进行预处理,得到内河通航水域的通航环境数据集,包括:
对所述原始通航数据集进行量化、去重、降噪及插值操作,得到内河通航水域的通航环境数据集。
4.根据权利要求3所述的内河通航水域等级划分方法,其特征在于,所述对所述原始通航数据进行量化、去重、降噪及插值操作,得到内河通航水域的通航环境数据集,具体包括:
对原始通航数据集的各要素数据进行量化处理;
以时间为索引,遍历内河通航水域的各要素数据,并删除时间重复的要素数据;
基于不同要素数据的变化特征和取值范围,设置不同的阈值,以剔除噪声数据;
统一采样时间间隔,对内河通航水域经过量化、去重及降噪后的通航环境数据进行二次采样,并对各要素数据缺失的数值进行插值补齐。
5.根据权利要求1所述的内河通航水域等级划分方法,其特征在于,所述利用所述通航环境数据集分析不同水域的通航条件与通航环境特征,并结合聚类分析算法构建内河通航水域等级划分模型,具体包括:
根据所述通航环境数据集分析不同水域的通航条件与通航环境特征;
基于不同水域的通航条件与通航环境特征设定内河通航水域等级划分细则;
根据设定的内河通航水域等级划分细则,结合聚类分析算法构建内河通航水域等级划分模型。
6.根据权利要求5所述的内河通航水域等级划分方法,其特征在于,根据所述内河通航水域等级划分模型对目标内河通航水域进行等级划分,包括:
利用构建的内河通航水域等级划分模型,将目标内河通航水域划分为不同的通航等级。
7.根据权利要求1所述的内河通航水域等级划分方法,其特征在于,所述方法还包括:
分析内河水域船舶通航影响因素,获取内河通航水域的实测通航环境数据;
利用所述实测通航环境数据对所述内河通航水域等级划分模型进行验证分析。
8.一种内河通航水域等级划分装置,其特征在于,包括:
获取模块,用于分析内河水域船舶通航影响因素,获取内河通航水域的原始通航数据集;
预处理模块,用于对所述原始通航数据集进行预处理,得到内河通航水域的通航环境数据集;
构建模块,用于利用所述通航环境数据集分析不同水域的通航条件与通航环境特征,并结合聚类分析算法构建内河通航水域等级划分模型;
划分模块,用于根据所述内河通航水域等级划分模型对目标内河通航水域进行等级划分。
9.一种电子设备,其特征在于,包括存储器和处理器,其中,所述存储器,用于存储程序;所述处理器,与所述存储器耦合,用于执行所述存储器中存储的所述程序,以实现上述权利要求1至7中任一项所述内河通航水域等级划分方法中的步骤。
10.一种计算机可读存储介质,其特征在于,用于存储计算机可读取的程序或指令,所述程序或指令被处理器执行时,能够实现上述权利要求1至7中任一项所述内河通航水域等级划分方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210934066.2A CN115329857B (zh) | 2022-08-04 | 2022-08-04 | 内河通航水域等级划分方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210934066.2A CN115329857B (zh) | 2022-08-04 | 2022-08-04 | 内河通航水域等级划分方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115329857A true CN115329857A (zh) | 2022-11-11 |
CN115329857B CN115329857B (zh) | 2024-02-09 |
Family
ID=83921349
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210934066.2A Active CN115329857B (zh) | 2022-08-04 | 2022-08-04 | 内河通航水域等级划分方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115329857B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100332210A1 (en) * | 2009-06-25 | 2010-12-30 | University Of Tennessee Research Foundation | Method and apparatus for predicting object properties and events using similarity-based information retrieval and modeling |
CN105046592A (zh) * | 2015-08-25 | 2015-11-11 | 徐光来 | 一种基于ArcGIS的平原地区水系特征评价方法 |
US20160093206A1 (en) * | 2014-09-26 | 2016-03-31 | Here Global B.V. | Method and apparatus for providing smaller incremental updates to a navigational database |
US20180201526A1 (en) * | 2015-07-29 | 2018-07-19 | Semb-Eco R&D Pte Ltd | Method and system for applying superimposed time-varying frequency electromagnetic wave for marine ballast water bio-fouling control |
CN109657880A (zh) * | 2019-01-09 | 2019-04-19 | 中交信息技术国家工程实验室有限公司 | 一种基于贝叶斯网络的船舶碰撞事故等级预测方法和系统 |
CN110135114A (zh) * | 2019-06-06 | 2019-08-16 | 中国水利水电科学研究院 | 河流设计最低通航水位的确定方法和装置 |
CN111259812A (zh) * | 2020-01-17 | 2020-06-09 | 上海交通大学 | 基于迁移学习的内河船舶重识别方法、设备及存储介质 |
CN111913406A (zh) * | 2020-08-11 | 2020-11-10 | 闽江学院 | 面向船舶智能航行与安全的船岸协同仿真系统 |
CN113361765A (zh) * | 2021-05-31 | 2021-09-07 | 大连海事大学 | 一种船载无人机协同监测港口船舶大气污染路径规划的方法 |
CN113792193A (zh) * | 2021-08-27 | 2021-12-14 | 武汉理工大学 | 一种面向内河航标的事故数据挖掘方法与系统 |
US20220036738A1 (en) * | 2020-07-29 | 2022-02-03 | Wuhan University Of Technology | Method and system for assessing and early warning ship collision risk |
CN114219237A (zh) * | 2021-11-29 | 2022-03-22 | 长江三峡通航管理局 | 一种内河长距离联动控制通航调度方法 |
CN114742128A (zh) * | 2022-03-10 | 2022-07-12 | 交通运输部水运科学研究所 | 一种船舶异常行为的识别方法、装置、终端和存储介质 |
CN114841518A (zh) * | 2022-04-06 | 2022-08-02 | 重庆交通大学 | 一种内河助航标志服役状态评价方法 |
-
2022
- 2022-08-04 CN CN202210934066.2A patent/CN115329857B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100332210A1 (en) * | 2009-06-25 | 2010-12-30 | University Of Tennessee Research Foundation | Method and apparatus for predicting object properties and events using similarity-based information retrieval and modeling |
US20160093206A1 (en) * | 2014-09-26 | 2016-03-31 | Here Global B.V. | Method and apparatus for providing smaller incremental updates to a navigational database |
US20180201526A1 (en) * | 2015-07-29 | 2018-07-19 | Semb-Eco R&D Pte Ltd | Method and system for applying superimposed time-varying frequency electromagnetic wave for marine ballast water bio-fouling control |
CN105046592A (zh) * | 2015-08-25 | 2015-11-11 | 徐光来 | 一种基于ArcGIS的平原地区水系特征评价方法 |
CN109657880A (zh) * | 2019-01-09 | 2019-04-19 | 中交信息技术国家工程实验室有限公司 | 一种基于贝叶斯网络的船舶碰撞事故等级预测方法和系统 |
CN110135114A (zh) * | 2019-06-06 | 2019-08-16 | 中国水利水电科学研究院 | 河流设计最低通航水位的确定方法和装置 |
CN111259812A (zh) * | 2020-01-17 | 2020-06-09 | 上海交通大学 | 基于迁移学习的内河船舶重识别方法、设备及存储介质 |
US20220036738A1 (en) * | 2020-07-29 | 2022-02-03 | Wuhan University Of Technology | Method and system for assessing and early warning ship collision risk |
CN111913406A (zh) * | 2020-08-11 | 2020-11-10 | 闽江学院 | 面向船舶智能航行与安全的船岸协同仿真系统 |
CN113361765A (zh) * | 2021-05-31 | 2021-09-07 | 大连海事大学 | 一种船载无人机协同监测港口船舶大气污染路径规划的方法 |
CN113792193A (zh) * | 2021-08-27 | 2021-12-14 | 武汉理工大学 | 一种面向内河航标的事故数据挖掘方法与系统 |
CN114219237A (zh) * | 2021-11-29 | 2022-03-22 | 长江三峡通航管理局 | 一种内河长距离联动控制通航调度方法 |
CN114742128A (zh) * | 2022-03-10 | 2022-07-12 | 交通运输部水运科学研究所 | 一种船舶异常行为的识别方法、装置、终端和存储介质 |
CN114841518A (zh) * | 2022-04-06 | 2022-08-02 | 重庆交通大学 | 一种内河助航标志服役状态评价方法 |
Non-Patent Citations (2)
Title |
---|
SUN XING等: "Analysis of the operational energy efficiency for inland river ships", 《TRANSPORTATION RESEARCH PART D》, pages 34 - 39 * |
陈蜀喆: "内河海事事故风险突变对人船环境失谐响应机理研究", 《中国博士学位论文全文数据库工程科技Ⅱ辑》, no. 11, pages 034 - 34 * |
Also Published As
Publication number | Publication date |
---|---|
CN115329857B (zh) | 2024-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9880012B2 (en) | Hybrid road network and grid based spatial-temporal indexing under missing road links | |
CN109543909B (zh) | 车辆案件数量的预测方法、装置和计算机设备 | |
CN110704751A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN111291071B (zh) | 数据处理方法、装置及电子设备 | |
CN109326087B (zh) | 一种基于排水管网监测的城市内涝预警方法及装置 | |
CN109495513B (zh) | 无监督的加密恶意流量检测方法、装置、设备及介质 | |
CN113570867B (zh) | 一种城市交通状态预测方法、装置、设备及可读存储介质 | |
CN112069635B (zh) | 一种换电柜的部署方法、装置、介质及电子设备 | |
CN111738316A (zh) | 零样本学习的图像分类方法、装置及电子设备 | |
Ho et al. | Amic: An adaptive information theoretic method to identify multi-scale temporal correlations in big time series data | |
CN111291715A (zh) | 基于多尺度卷积神经网络的车型识别方法、电子设备及存储介质 | |
CN113140109B (zh) | 一种路测数据处理方法、装置、计算机设备及存储介质 | |
CN111198861A (zh) | 逻辑日志的处理方法、装置及电子设备 | |
CN113869599A (zh) | 鱼类疫病发展预测方法、系统、设备及介质 | |
CN114417169A (zh) | 信息推荐优化方法、设备、介质及程序产品 | |
CN113971400B (zh) | 一种文本检测方法、装置、电子设备及存储介质 | |
CN116384844B (zh) | 基于地理信息云平台的决策方法及装置 | |
CN115563522A (zh) | 交通数据的聚类方法、装置、设备及介质 | |
CN116148951B (zh) | 空气目标污染物组分预报模型训练方法、预报方法及装置 | |
CN115329857B (zh) | 内河通航水域等级划分方法、装置、电子设备及存储介质 | |
CN108629980B (zh) | 一种通过控制交通流量改善空气质量的方法 | |
CN115359663B (zh) | 山区公路灾害路段抗灾韧性计算方法、装置以及电子设备 | |
CN113282638B (zh) | 一种城建用车识别方法和装置 | |
CN115391746A (zh) | 针对气象要素数据的插值方法、装置、电子设备及介质 | |
CN116820539B (zh) | 一种基于互联网的系统软件运行维护系统及方法 |
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 |