论文部分内容阅读
随着船舶自动识别系统(Automatic Identification System,AIS)的应用和普及,利用AIS数据分析船舶航行行为成为研究热点问题。船舶的航行行为分析研究不仅对船舶避碰、交通管制、风险评估具有重要的指导意义,还可以通过AIS历史航行数据进行航迹预测建模,实现航线规划以及优化从而达到有效的节能减排绿色航运。近年,在船舶航行行为分析方面的研究工作主要集中在船舶的航迹分类、航迹拟合和航迹预测。特别是航迹预测作为船舶智能导航系统的关键技术,如何合理利用船舶的AIS历史数据进行航线规划为操船者以及船东公司提供更好的航行指导显得尤为重要。本文针对目前船舶航行行为分析及航迹预测工作存在的局限性,提出了一个通用于多条船舶航迹的航迹预测专家系统。主要的研究内容如下::(1)噪声点消除:利用基于密度的聚类方法对船舶航迹中的噪声点进行检测,通过对航迹AIS数据进行基于密度的聚类分析,实现噪声点自动被识别并去除工作,处理过程简单且高效。(2)航迹特征提取:本文提出一种新的航迹特征提取算法,即通过对航迹AIS数据点进行层次聚类分析,将欧氏距离(Euclidean distance)作为相似度度量方法,提取航迹的特征向量(vector),并将通过此方法提取的航迹特征向量称为“E-vector”。(3)航迹预测建模:利用长短时记忆网络建立航迹预测模型,将历史航迹的特征航迹作为输入,预测时刻船舶的航迹作为输出,实现多条航迹预测工作。(4)航迹预测专家系统搭建:该航迹预测专家系统主要包括三个模块,第一个模块为AIS数据预处理模块,主要负责原始的AIS数据存储入库及噪声点去除工作;第二个模块为航迹特征提取模块,主要负责从预处理之后的航迹AIS数据提取E-vector特征航迹;最后一个模块为航迹预测模块,主要负责利用已有的历史航迹数据,实现未来航迹的预测工作。本文建立航迹预测专家系统,首先将航迹进行E-vector特征提取,并实验对比E-vector算法与D-P算法及最小二乘三次样条算法的航迹特征提取效果,发现E-vector算法提取的航迹特征具有最小的失真率及较少的耗时,且特征航迹还原度最佳。利用长短时记忆网络,建立航迹预测模型,并通过实验调整参数使得其预测误差最小。本文的研究成果为进一步提升海上航运信息服务奠定了基础,也为海事部门实现海上交通监控,船舶避碰、交通管制、风险评估和航行行为分析具有重要的指导意义及一定的应用价值。