CN116307322A - 一种基于港口吞吐量的船舶路径动态规划方法 - Google Patents

一种基于港口吞吐量的船舶路径动态规划方法 Download PDF

Info

Publication number
CN116307322A
CN116307322A CN202310271370.8A CN202310271370A CN116307322A CN 116307322 A CN116307322 A CN 116307322A CN 202310271370 A CN202310271370 A CN 202310271370A CN 116307322 A CN116307322 A CN 116307322A
Authority
CN
China
Prior art keywords
port
throughput
ship
traffic
path node
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.)
Pending
Application number
CN202310271370.8A
Other languages
English (en)
Inventor
方森松
齐越
杨靓
王蕊
沈忱
丁文涛
杨琼
黄力
董焱赫
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.)
Transport Planning And Research Institute Ministry Of Transport
Original Assignee
Transport Planning And Research Institute Ministry Of Transport
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 Transport Planning And Research Institute Ministry Of Transport filed Critical Transport Planning And Research Institute Ministry Of Transport
Priority to CN202310271370.8A priority Critical patent/CN116307322A/zh
Publication of CN116307322A publication Critical patent/CN116307322A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • 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

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了一种基于港口吞吐量的船舶路径动态规划方法，包括以下步骤：将各个通行港口以历史港口吞吐量序列进行聚类分析划分为多个关联港口集合，将下一路径节点处的港口通行状态映射至关联港口集合中，根据关联港口集合中的港口通行状态映射结果对下一路径节点处的通行港口的重规划进行确定，并在当前路径节点处以A*算法对静态行船路径进行动态更新。本发明实现基于实时港口吞吐量对船舶路径进行实时动态规划，在获取港口通行状态后利用关联港口集合对拥堵相关联的通行港口进行整体规避，提高船舶行船路径规划动态调整的效率。

Description

一种基于港口吞吐量的船舶路径动态规划方法
技术领域
本发明涉及船舶路径规划技术领域，具体涉及一种基于港口吞吐量的船舶路径动态规划方法。
背景技术
虽然全局路径规划解决了路线可达问题，但是全局路径规划仅仅考虑了静态障碍物，面对USV航行时的未知动态环境，全局路径规划技术并不能实现USV的安全航行。因此需要局部路径规划技术对当前航线实时修正，使重规划路径能够避开动、静态障碍物，保障USV航行安全。当前局部路径技术根据方法原理主要分为传统算法、速度障碍域、概率采样、动态窗口法、强化学习五种类型。
现有技术中，船舶路径规划过程中对于通行港口的选择通常也是采用静态全局规划，导致难以掌握港口通行拥堵实时情况，静态全局规划出的船舶行船路径难以根据通行港口拥堵情况进行动态调整，或是在获取港口拥堵情况后动态调整无法规避拥堵相关联的通行港口，导致船舶行船路径规划效果差。
发明内容
本发明的目的在于提供一种基于港口吞吐量的船舶路径动态规划方法，以解决现有技术中采用静态全局规划，导致难以掌握港口通行拥堵实时情况，静态全局规划出的船舶行船路径难以根据通行港口拥堵情况进行动态调整，或是在获取港口拥堵情况后动态调整无法规避拥堵相关联的通行港口，导致船舶行船路径规划效果差的技术问题。
为解决上述技术问题，本发明具体提供下述技术方案：
一种基于港口吞吐量的船舶路径动态规划方法，包括以下步骤：
步骤S1、获取船舶行程起点和终点间的所有通行港口，利用A*算法在船舶行程起点和终点间以通行港口为路径节点规划出静态行船路径；
步骤S2、将船舶行程起点和终点间的各个通行港口的历史港口吞吐量数据进行序列化提取得到各个通行港口的历史港口吞吐量数据序列，并将各个通行港口以历史港口吞吐量序列进行聚类分析划分为多个关联港口集合；
步骤S3、利用各个通行港口的历史港口吞吐量数据进行时序预测模型训练得到各个通行港口的吞吐量预测模型；
步骤S4、船舶在静态行船路径的行驶过程中，在当前路径节点处获取下一路径节点处的当前港口吞吐量，并依据吞吐量预测模型测算船舶运行到下一路径节点处的港口吞吐量，以及依据船舶运行到下一路径节点处的港口吞吐量标定下一路径节点处的港口通行状态；
步骤S5、将下一路径节点处的港口通行状态映射至关联港口集合中，根据关联港口集合中的港口通行状态映射结果对下一路径节点处的通行港口的重规划进行确定，并在当前路径节点处以A*算法对静态行船路径进行动态更新，以实现基于实时港口吞吐量对船舶路径进行实时动态规划。
作为本发明的一种优选方案，所述将船舶行程起点和终点间的各个通行港口的历史港口吞吐量数据进行序列化提取得到各个通行港口的历史港口吞吐量数据序列，包括：
将船舶行程起点和终点间的各个通行港口处记录历史港口吞吐量数据的所有时序进行提取得到总记录时序段，将总记录时序段利用窗口法进行切割得到一组记录时序段，将每个记录时序段处的历史港口吞吐量数据序列进行代表性衡量；
利用数据均衡性设定衡量抽取的历史港口吞吐量数据序列代表性的目标函数，所述目标函数的函数表达式为：
Figure BDA0004134793540000021
式中，WK为第K个记录时序段处的历史港口吞吐量数据序列的代表性，MKt为第M个通行港口处第K个记录时序段处的历史港口吞吐量数据序列中第t个时序处的历史港口吞吐量数据，MDt为第M个通行港口处第D个记录时序段处的历史港口吞吐量数据序列中第t个时序处的历史港口吞吐量数据，n为每个记录时序段中时序总数量，N为记录时序段总数量，m为通行港口的总数量，M、K、D、t均为计数变量；
以一组记录时序段为求解空间对目标函数进行最小化求解，将求解得到的所述记录时序段作为序列化提取时序段；
对各个通行港口在序列化提取时序段内的历史港口吞吐量数据依据时序顺序进行序列化提取得到各个通行港口的历史港口吞吐量数据序列。
作为本发明的一种优选方案，所述将各个通行港口以历史港口吞吐量序列进行聚类分析划分为多个关联港口集合，包括：
将静态行船路径中路径节点对应的通行港口作为聚类中心，并依据聚类中心以历史港口吞吐量序列对各个通行港口进行聚类分析得到多个关联港口集合。
作为本发明的一种优选方案，所述利用各个通行港口的历史港口吞吐量数据进行时序预测模型训练得到各个通行港口的吞吐量预测模型，包括：
将各个通行港口的历史港口吞吐量数据利用LSTM神经网络进行模型训练得到所述各个通行港口的吞吐量预测模型；
其中，LSTM神经网络的输入为通行港口的前置记录时序处的历史港口吞吐量数据，LSTM神经网络的输出为后置记录时序处的历史港口吞吐量数据。
作为本发明的一种优选方案，所述依据吞吐量预测模型测算船舶运行到下一路径节点处的港口吞吐量，包括：
将下一路径节点处的当前港口吞吐量输入至下一路径节点处吞吐量预测模型中，由下一路径节点处吞吐量预测模型输出下一路径节点处的一组后置时序处港口吞吐量；
依据船舶在当前路径节点处的时序测算船舶由当前路径节点运行至下一路径节点的时序，并将船舶运行至下一路径节点的时序与吞吐量预测模型输出下一路径节点处的一组后置时序处港口吞吐量进行同时序标定，得到船舶运行至下一路径节点处的港口吞吐量。
作为本发明的一种优选方案，所述依据船舶运行到下一路径节点处的港口吞吐量标定下一路径节点处的港口通行状态，包括：
将船舶运行到下一路径节点处的港口吞吐量输入至预先建立的港口通行状态评价模型中，由港口通行状态评价模型输出下一路径节点处的港口通行状态；
其中，港口通行状态评价模型中输入为港口吞吐量，港口通行状态评价模型中输出为港口通行状态，港口通行状态包括适宜通行和不适宜通行。
作为本发明的一种优选方案，所述根据关联港口集合中的港口通行状态映射结果对下一路径节点处的通行港口的重规划进行确定，包括：
当下一路径节点处的港口通行状态为适宜通行，则下一路径节点处的通行港口保持不变；
当下一路径节点处的港口通行状态为不适宜通行，则将下一路径节点处的通行港口的港口通行状态映射至关联港口集合中，将下一路径节点处的通行港口所属的关联港口集合中的所有通行港口的港口通行状态进行第一标定，第一标定结果为不适宜通行；
将下一路径节点处的通行港口所属的关联港口集合中的所有通行港口的当前港口吞吐量输入至对应的吞吐量预测模型，将吞吐量预测模型的结果输入至港口通行状态评价模型得到下一路径节点处的通行港口所属的关联港口集合中的所有通行港口的港口通行状态，并将港口通行状态评价模型输出的港口通行状态作为第二标定结果；
将下一路径节点处的通行港口所属的关联港口集合中的所有通行港口进行第一标定结果和第二标定结果的权重组合，并以权重组合的结果作为下一路径节点处的通行港口所属的关联港口集合中的所有通行港口的港口通行状态标定结果；
将下一路径节点处的通行港口所属的关联港口集合中的所有通行港口中港口通行状态标定结果为不适宜通行的通行港口进行剔除，将下一路径节点处的通行港口所属的关联港口集合中余下所有通行港口和非下一路径节点处的通行港口所属的关联港口集合的所有关联港口集合中所有通行港口作为下一路径节点处的通行港口的重规划候选港口。
作为本发明的一种优选方案，所述在当前路径节点处以A*算法对静态行船路径进行动态更新，包括：
在当前路径节点处至船舶行程终点间以A*算法以重规划候选港口为路径节点重现规划出静态行船路径，以实现对静态行船路径的动态更新。
作为本发明的一种优选方案，当下一路径节点处的通行港口保持不变时，在当前路径节点处保持静态行船路径不变。
作为本发明的一种优选方案，所述第一标定结果和第二标定结果的权重组合中的权重采用层次分析法或者熵权法确定。
本发明与现有技术相比较具有如下有益效果：
本发明将船舶行程起点和终点间的各个通行港口的历史港口吞吐量数据进行序列化提取得到各个通行港口的历史港口吞吐量数据序列，并将各个通行港口以历史港口吞吐量序列进行聚类分析划分为多个关联港口集合，将下一路径节点处的港口通行状态映射至关联港口集合中，根据关联港口集合中的港口通行状态映射结果对下一路径节点处的通行港口的重规划进行确定，并在当前路径节点处以A*算法对静态行船路径进行动态更新，以实现基于实时港口吞吐量对船舶路径进行实时动态规划，在获取港口通行状态后利用关联港口集合对拥堵相关联的通行港口进行整体规避，提高船舶行船路径规划动态调整的效率。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。
图1为本发明实施例提供的船舶路径动态规划方法流程图。
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。
船舶路径规划过程中对于通行港口的选择通常也是采用静态全局规划，导致难以掌握港口通行拥堵实时情况，静态全局规划出的船舶行船路径难以根据通行港口拥堵情况进行动态调整，或是在获取港口拥堵情况后动态调整无法规避拥堵相关联的通行港口，导致船舶行船路径规划效果差，因此本发明提供了一种港口吞吐量的船舶路径动态规划方法，能在对船舶路径进行全局规划的基础上，基于通行港口的通行状态监测对全局规划路径进行局部动态调整，使得船舶行船路径顺畅，避免拥堵。
如图1所示，本发明提供了一种基于港口吞吐量的船舶路径动态规划方法，包括以下步骤：
步骤S1、获取船舶行程起点和终点间的所有通行港口，利用A*算法在船舶行程起点和终点间以通行港口为路径节点规划出静态行船路径；
步骤S2、将船舶行程起点和终点间的各个通行港口的历史港口吞吐量数据进行序列化提取得到各个通行港口的历史港口吞吐量数据序列，并将各个通行港口以历史港口吞吐量序列进行聚类分析划分为多个关联港口集合；
步骤S3、利用各个通行港口的历史港口吞吐量数据进行时序预测模型训练得到各个通行港口的吞吐量预测模型；
步骤S4、船舶在静态行船路径的行驶过程中，在当前路径节点处获取下一路径节点处的当前港口吞吐量，并依据吞吐量预测模型测算船舶运行到下一路径节点处的港口吞吐量，以及依据船舶运行到下一路径节点处的港口吞吐量标定下一路径节点处的港口通行状态；
步骤S5、将下一路径节点处的港口通行状态映射至关联港口集合中，根据关联港口集合中的港口通行状态映射结果对下一路径节点处的通行港口的重规划进行确定，并在当前路径节点处以A*算法对静态行船路径进行动态更新，以实现基于实时港口吞吐量对船舶路径进行实时动态规划。
本发明实现基于实时港口吞吐量对船舶路径进行实时动态规划，在获取港口通行状态后利用关联港口集合对拥堵相关联的通行港口进行整体规避，提高船舶行船路径规划动态调整的效率。
吞吐量是通行港口拥堵状态的表征指标之一，在构建各个通行港口间的吞吐量关联性，可以体现出各个通行港口间的拥堵关联性，进一步又展现了各个通行港口间的通行状态的关联性。
在构建各个通行港口的吞吐量关联性时，需要选取代表性序列进行关联性分析，因此本发明避免随机选取的数据序列造成关联性分析结果不准确，通过以数据均衡性为优化目标，以数据方差作数据均衡性的衡量指标，选取出记录时序段与剩余记录时序段具有最小方差，该记录时序段在所有记录时序段内具有最高的分布频率，即该记录时序段在所有记录时序段内具有最高的代表性，符合该通行港口的吞吐量时序规律，因此本发明提供了一种序列化提取各个通行港口的历史港口吞吐量数据序列的方法，具体如下：
将船舶行程起点和终点间的各个通行港口的历史港口吞吐量数据进行序列化提取得到各个通行港口的历史港口吞吐量数据序列，包括：
将船舶行程起点和终点间的各个通行港口处记录历史港口吞吐量数据的所有时序进行提取得到总记录时序段，将总记录时序段利用窗口法进行切割得到一组记录时序段，将每个记录时序段处的历史港口吞吐量数据序列进行代表性衡量；
利用数据均衡性设定衡量抽取的历史港口吞吐量数据序列代表性的目标函数，目标函数的函数表达式为：
Figure BDA0004134793540000071
式中，WK为第K个记录时序段处的历史港口吞吐量数据序列的代表性，MKt为第M个通行港口处第K个记录时序段处的历史港口吞吐量数据序列中第t个时序处的历史港口吞吐量数据，MDt为第M个通行港口处第D个记录时序段处的历史港口吞吐量数据序列中第t个时序处的历史港口吞吐量数据，n为每个记录时序段中时序总数量，N为记录时序段总数量，m为通行港口的总数量，M、K、D、t均为计数变量；
以一组记录时序段为求解空间对目标函数进行最小化求解，将求解得到的记录时序段作为序列化提取时序段；
对各个通行港口在序列化提取时序段内的历史港口吞吐量数据依据时序顺序进行序列化提取得到各个通行港口的历史港口吞吐量数据序列。
在各个通行港口在序列化提取时序段内进行构建各个通行港口的吞吐量关联性时，符合各个港口的吞吐量规律，保证关联性分析的准确度。
将各个通行港口以历史港口吞吐量序列进行聚类分析划分为多个关联港口集合，包括：
将静态行船路径中路径节点对应的通行港口作为聚类中心，并依据聚类中心以历史港口吞吐量序列对各个通行港口进行聚类分析得到多个关联港口集合。
利用聚类分析，以静态行船路径中路径节点对应的通行港口作为聚类中心，能够得到与静态行船路径中路径节点对应的通行港口具有吞吐量关联性的关联港口集合，即每个关联港口集合中静态行船路径中路径节点对应的通行港口为中心，剩余通行港口均是与静态行船路径中路径节点对应的通行港口具有吞吐量关联性的关联港口，进而在静态行船路径中路径节点对应的通行港口出现拥堵状况不适宜通行时，则静态行船路径中路径节点对应的通行港口所属的关联港口集合中所有通行港口均为拥堵状况不适宜通行，从而实现在后续重规划时将不适宜通行的港口进行集合式剔除，避免重规划后的静态行船路径仍然包含拥堵不适宜通行的通行港口，同时集合式剔除所有不适宜通行的港口，提高路径规划效率。
本发明构建吞吐量预测模型，港口通行状态评价模型，可以实现在当前时刻预测出通行港口在未来时刻处的港口吞吐量(港口通行状态)，进而实现在静态行船路径的当前路径节点对应的当前通行港口处预测出下一路径节点处对应的通行港口处的港口吞吐量(港口通行状态)，实现当前时刻对下一路径节点处对应的通行港口处的港口吞吐量(港口通行状态)的预先掌握，从而能够提前进行静态行船路径的提前调整，当前路径节点动态调整后续路径节点，具体如下：
利用各个通行港口的历史港口吞吐量数据进行时序预测模型训练得到各个通行港口的吞吐量预测模型，包括：
将各个通行港口的历史港口吞吐量数据利用LSTM神经网络进行模型训练得到各个通行港口的吞吐量预测模型；
其中，LSTM神经网络的输入为通行港口的前置记录时序处的历史港口吞吐量数据，LSTM神经网络的输出为后置记录时序处的历史港口吞吐量数据。
依据吞吐量预测模型测算船舶运行到下一路径节点处的港口吞吐量，包括：
将下一路径节点处的当前港口吞吐量输入至下一路径节点处吞吐量预测模型中，由下一路径节点处吞吐量预测模型输出下一路径节点处的一组后置时序处港口吞吐量；
依据船舶在当前路径节点处的时序测算船舶由当前路径节点运行至下一路径节点的时序，并将船舶运行至下一路径节点的时序与吞吐量预测模型输出下一路径节点处的一组后置时序处港口吞吐量进行同时序标定，得到船舶运行至下一路径节点处的港口吞吐量。
依据船舶运行到下一路径节点处的港口吞吐量标定下一路径节点处的港口通行状态，包括：
将船舶运行到下一路径节点处的港口吞吐量输入至预先建立的港口通行状态评价模型中，由港口通行状态评价模型输出下一路径节点处的港口通行状态；
其中，港口通行状态评价模型中输入为港口吞吐量，港口通行状态评价模型中输出为港口通行状态，港口通行状态包括适宜通行和不适宜通行。
在获取路径节点处的港口通行状态映射至关联港口集合中，确定出路径节点所属的关联港口集合中剩余通行港口的通行状态，在叠加由路径节点所属的关联港口集合中剩余通行港口的当前吞吐量情况判定出通行状态，将两种情况判定出的通行状态进行权重结合得到最终通行状态，能够在集合式剔除所有不适宜通行的港口中避免误剔除，进一步提高下一路径节点处的通行港口的重规划的准确性。
根据关联港口集合中的港口通行状态映射结果对下一路径节点处的通行港口的重规划进行确定，包括：
当下一路径节点处的港口通行状态为适宜通行，则下一路径节点处的通行港口保持不变；
当下一路径节点处的港口通行状态为不适宜通行，则将下一路径节点处的通行港口的港口通行状态映射至关联港口集合中，将下一路径节点处的通行港口所属的关联港口集合中的所有通行港口的港口通行状态进行第一标定，第一标定结果为不适宜通行；
将下一路径节点处的通行港口所属的关联港口集合中的所有通行港口的当前港口吞吐量输入至对应的吞吐量预测模型，将吞吐量预测模型的结果输入至港口通行状态评价模型得到下一路径节点处的通行港口所属的关联港口集合中的所有通行港口的港口通行状态，并将港口通行状态评价模型输出的港口通行状态作为第二标定结果；
将下一路径节点处的通行港口所属的关联港口集合中的所有通行港口进行第一标定结果和第二标定结果的权重组合，并以权重组合的结果作为下一路径节点处的通行港口所属的关联港口集合中的所有通行港口的港口通行状态标定结果；
将下一路径节点处的通行港口所属的关联港口集合中的所有通行港口中港口通行状态标定结果为不适宜通行的通行港口进行剔除，将下一路径节点处的通行港口所属的关联港口集合中余下所有通行港口和非下一路径节点处的通行港口所属的关联港口集合的所有关联港口集合中所有通行港口作为下一路径节点处的通行港口的重规划候选港口。
在当前路径节点处以A*算法对静态行船路径进行动态更新，包括：
在当前路径节点处至船舶行程终点间以A*算法以重规划候选港口为路径节点重现规划出静态行船路径，以实现对静态行船路径的动态更新。
当下一路径节点处的通行港口保持不变时，在当前路径节点处保持静态行船路径不变。
第一标定结果和第二标定结果的权重组合中的权重采用层次分析法或者熵权法确定。
本发明将船舶行程起点和终点间的各个通行港口的历史港口吞吐量数据进行序列化提取得到各个通行港口的历史港口吞吐量数据序列，并将各个通行港口以历史港口吞吐量序列进行聚类分析划分为多个关联港口集合，将下一路径节点处的港口通行状态映射至关联港口集合中，根据关联港口集合中的港口通行状态映射结果对下一路径节点处的通行港口的重规划进行确定，并在当前路径节点处以A*算法对静态行船路径进行动态更新，以实现基于实时港口吞吐量对船舶路径进行实时动态规划，在获取港口通行状态后利用关联港口集合对拥堵相关联的通行港口进行整体规避，提高船舶行船路径规划动态调整的效率。
以上实施例仅为本申请的示例性实施例，不用于限制本申请，本申请的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内，对本申请做出各种修改或等同替换，这种修改或等同替换也应视为落在本申请的保护范围内。

Claims (10)

1.一种基于港口吞吐量的船舶路径动态规划方法，其特征在于：包括以下步骤：
步骤S1、获取船舶行程起点和终点间的所有通行港口，利用A*算法在船舶行程起点和终点间以通行港口为路径节点规划出静态行船路径；
步骤S2、将船舶行程起点和终点间的各个通行港口的历史港口吞吐量数据进行序列化提取得到各个通行港口的历史港口吞吐量数据序列，并将各个通行港口以历史港口吞吐量序列进行聚类分析划分为多个关联港口集合；
步骤S3、利用各个通行港口的历史港口吞吐量数据进行时序预测模型训练得到各个通行港口的吞吐量预测模型；
步骤S4、船舶在静态行船路径的行驶过程中，在当前路径节点处获取下一路径节点处的当前港口吞吐量，并依据吞吐量预测模型测算船舶运行到下一路径节点处的港口吞吐量，以及依据船舶运行到下一路径节点处的港口吞吐量标定下一路径节点处的港口通行状态；
步骤S5、将下一路径节点处的港口通行状态映射至关联港口集合中，根据关联港口集合中的港口通行状态映射结果对下一路径节点处的通行港口的重规划进行确定，并在当前路径节点处以A*算法对静态行船路径进行动态更新，以实现基于实时港口吞吐量对船舶路径进行实时动态规划。
2.根据权利要求1所述的一种基于港口吞吐量的船舶路径动态规划方法，其特征在于：所述将船舶行程起点和终点间的各个通行港口的历史港口吞吐量数据进行序列化提取得到各个通行港口的历史港口吞吐量数据序列，包括：
将船舶行程起点和终点间的各个通行港口处记录历史港口吞吐量数据的所有时序进行提取得到总记录时序段，将总记录时序段利用窗口法进行切割得到一组记录时序段，将每个记录时序段处的历史港口吞吐量数据序列进行代表性衡量；
利用数据均衡性设定衡量抽取的历史港口吞吐量数据序列代表性的目标函数，所述目标函数的函数表达式为：
Figure FDA0004134793520000011
式中，WK为第K个记录时序段处的历史港口吞吐量数据序列的代表性，MKt为第M个通行港口处第K个记录时序段处的历史港口吞吐量数据序列中第t个时序处的历史港口吞吐量数据，MDt为第M个通行港口处第D个记录时序段处的历史港口吞吐量数据序列中第t个时序处的历史港口吞吐量数据，n为每个记录时序段中时序总数量，N为记录时序段总数量，m为通行港口的总数量，M、K、D、t均为计数变量；
以一组记录时序段为求解空间对目标函数进行最小化求解，将求解得到的所述记录时序段作为序列化提取时序段；
对各个通行港口在序列化提取时序段内的历史港口吞吐量数据依据时序顺序进行序列化提取得到各个通行港口的历史港口吞吐量数据序列。
3.根据权利要求2所述的一种基于港口吞吐量的船舶路径动态规划方法，其特征在于：所述将各个通行港口以历史港口吞吐量序列进行聚类分析划分为多个关联港口集合，包括：
将静态行船路径中路径节点对应的通行港口作为聚类中心，并依据聚类中心以历史港口吞吐量序列对各个通行港口进行聚类分析得到多个关联港口集合。
4.根据权利要求3所述的一种基于港口吞吐量的船舶路径动态规划方法，其特征在于：所述利用各个通行港口的历史港口吞吐量数据进行时序预测模型训练得到各个通行港口的吞吐量预测模型，包括：
将各个通行港口的历史港口吞吐量数据利用LSTM神经网络进行模型训练得到所述各个通行港口的吞吐量预测模型；
其中，LSTM神经网络的输入为通行港口的前置记录时序处的历史港口吞吐量数据，LSTM神经网络的输出为后置记录时序处的历史港口吞吐量数据。
5.根据权利要求4所述的一种基于港口吞吐量的船舶路径动态规划方法，其特征在于：所述依据吞吐量预测模型测算船舶运行到下一路径节点处的港口吞吐量，包括：
将下一路径节点处的当前港口吞吐量输入至下一路径节点处吞吐量预测模型中，由下一路径节点处吞吐量预测模型输出下一路径节点处的一组后置时序处港口吞吐量；
依据船舶在当前路径节点处的时序测算船舶由当前路径节点运行至下一路径节点的时序，并将船舶运行至下一路径节点的时序与吞吐量预测模型输出下一路径节点处的一组后置时序处港口吞吐量进行同时序标定，得到船舶运行至下一路径节点处的港口吞吐量。
6.根据权利要求5所述的一种基于港口吞吐量的船舶路径动态规划方法，其特征在于：所述依据船舶运行到下一路径节点处的港口吞吐量标定下一路径节点处的港口通行状态，包括：
将船舶运行到下一路径节点处的港口吞吐量输入至预先建立的港口通行状态评价模型中，由港口通行状态评价模型输出下一路径节点处的港口通行状态；
其中，港口通行状态评价模型中输入为港口吞吐量，港口通行状态评价模型中输出为港口通行状态，港口通行状态包括适宜通行和不适宜通行。
7.根据权利要求6所述的一种基于港口吞吐量的船舶路径动态规划方法，其特征在于，所述根据关联港口集合中的港口通行状态映射结果对下一路径节点处的通行港口的重规划进行确定，包括：
当下一路径节点处的港口通行状态为适宜通行，则下一路径节点处的通行港口保持不变；
当下一路径节点处的港口通行状态为不适宜通行，则将下一路径节点处的通行港口的港口通行状态映射至关联港口集合中，将下一路径节点处的通行港口所属的关联港口集合中的所有通行港口的港口通行状态进行第一标定，第一标定结果为不适宜通行；
将下一路径节点处的通行港口所属的关联港口集合中的所有通行港口的当前港口吞吐量输入至对应的吞吐量预测模型，将吞吐量预测模型的结果输入至港口通行状态评价模型得到下一路径节点处的通行港口所属的关联港口集合中的所有通行港口的港口通行状态，并将港口通行状态评价模型输出的港口通行状态作为第二标定结果；
将下一路径节点处的通行港口所属的关联港口集合中的所有通行港口进行第一标定结果和第二标定结果的权重组合，并以权重组合的结果作为下一路径节点处的通行港口所属的关联港口集合中的所有通行港口的港口通行状态标定结果；
将下一路径节点处的通行港口所属的关联港口集合中的所有通行港口中港口通行状态标定结果为不适宜通行的通行港口进行剔除，将下一路径节点处的通行港口所属的关联港口集合中余下所有通行港口和非下一路径节点处的通行港口所属的关联港口集合的所有关联港口集合中所有通行港口作为下一路径节点处的通行港口的重规划候选港口。
8.根据权利要求7所述的一种基于港口吞吐量的船舶路径动态规划方法，其特征在于，所述在当前路径节点处以A*算法对静态行船路径进行动态更新，包括：
在当前路径节点处至船舶行程终点间以A*算法以重规划候选港口为路径节点重现规划出静态行船路径，以实现对静态行船路径的动态更新。
9.根据权利要求7所述的一种基于港口吞吐量的船舶路径动态规划方法，其特征在于，当下一路径节点处的通行港口保持不变时，在当前路径节点处保持静态行船路径不变。
10.根据权利要求7所述的一种基于港口吞吐量的船舶路径动态规划方法，其特征在于，所述第一标定结果和第二标定结果的权重组合中的权重采用层次分析法或者熵权法确定。
CN202310271370.8A 2023-03-17 2023-03-17 一种基于港口吞吐量的船舶路径动态规划方法 Pending CN116307322A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310271370.8A CN116307322A (zh) 2023-03-17 2023-03-17 一种基于港口吞吐量的船舶路径动态规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310271370.8A CN116307322A (zh) 2023-03-17 2023-03-17 一种基于港口吞吐量的船舶路径动态规划方法

Publications (1)

Publication Number Publication Date
CN116307322A true CN116307322A (zh) 2023-06-23

Family

ID=86816391

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310271370.8A Pending CN116307322A (zh) 2023-03-17 2023-03-17 一种基于港口吞吐量的船舶路径动态规划方法

Country Status (1)

Country Link
CN (1) CN116307322A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117634926A (zh) * 2023-12-08 2024-03-01 交通运输部水运科学研究所 基于大数据分析的综合港口运营预测方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105810001A (zh) * 2016-05-19 2016-07-27 东华大学 一种基于车载自组网的实时动态路径规划方法
KR20170089508A (ko) * 2016-01-27 2017-08-04 목포해양대학교 산학협력단 선박 도착 간격의 최적화를 통한 항만 운영 관리 방법 및 그를 위한 프로그램을 저장하는 저장매체
CN110006430A (zh) * 2019-03-26 2019-07-12 智慧航海（青岛）科技有限公司 一种航迹规划算法的优化方法
CN112562415A (zh) * 2020-11-26 2021-03-26 中远海运科技股份有限公司 船舶航线推荐方法
CN115640873A (zh) * 2022-09-21 2023-01-24 上海汇航捷讯网络科技有限公司 一种基于船舶ais大数据的港口拥堵程度量化方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170089508A (ko) * 2016-01-27 2017-08-04 목포해양대학교 산학협력단 선박 도착 간격의 최적화를 통한 항만 운영 관리 방법 및 그를 위한 프로그램을 저장하는 저장매체
CN105810001A (zh) * 2016-05-19 2016-07-27 东华大学 一种基于车载自组网的实时动态路径规划方法
CN110006430A (zh) * 2019-03-26 2019-07-12 智慧航海（青岛）科技有限公司 一种航迹规划算法的优化方法
CN112562415A (zh) * 2020-11-26 2021-03-26 中远海运科技股份有限公司 船舶航线推荐方法
CN115640873A (zh) * 2022-09-21 2023-01-24 上海汇航捷讯网络科技有限公司 一种基于船舶ais大数据的港口拥堵程度量化方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117634926A (zh) * 2023-12-08 2024-03-01 交通运输部水运科学研究所 基于大数据分析的综合港口运营预测方法及系统

Similar Documents

Publication Publication Date Title
CN111967294B (zh) 一种无监督域自适应的行人重识别方法
CN111080029B (zh) 基于多路段时空相关的城市交通路段速度预测方法及系统
CN108597227B (zh) 高速公路收费站下道交通流量预测方法
CN114627390B (zh) 一种改进的主动学习遥感样本标记方法
CN111222847B (zh) 基于深度学习与非监督聚类的开源社区开发者推荐方法
CN109143291A (zh) 一种车载gps轨迹空间索引精确匹配方法
CN116307322A (zh) 一种基于港口吞吐量的船舶路径动态规划方法
CN106156531B (zh) 基于低采样历史轨迹的行程时间估计方法
CN113284369B (zh) 一种基于ads-b实测航路数据的预测方法
CN112307777B (zh) 知识图谱表示学习方法及系统
US11182665B2 (en) Recurrent neural network processing pooling operation
CN108304411B (zh) 地理位置语句的语义识别方法和装置
CN109272160A (zh) 分数预测系统及预测方法
CN110633859A (zh) 一种两阶段分解集成的水文序列预测方法
CN106911591A (zh) 网络流量的分类方法和系统
CN113341919A (zh) 一种基于时序数据长度优化的计算系统故障预测方法
CN117668488A (zh) 一种跨工况强化学习故障诊断方法
CN114325245B (zh) 基于行波数据深度学习的输电线路故障选线与定位方法
CN107423761A (zh) 基于特征选择和机器学习的轨道机车节能优化操纵方法
CN114860700A (zh) 缺失轨迹填补方法及系统
Jati et al. Hierarchical proxy modeling for improved hpo in time series forecasting
CN111553821B (zh) 基于教师学生网络和多头解码器的应用题自动解题方法
CN111160594B (zh) 一种到达时间的预估方法、装置及存储介质
CN116798223A (zh) 基于宏观基本图/fcm聚类的子区划分及状态识别方法
US20230120940A1 (en) Systems and methods for unsupervised structure extraction in task-oriented dialogues

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