海上船舶交通流行為特征提取算法

李子強(qiáng)，趙倉(cāng)龍

(1.浙江國(guó)際海運(yùn)職業(yè)技術(shù)學(xué)院 航海工程學(xué)院，浙江 舟山 316021；2.江蘇航運(yùn)職業(yè)技術(shù)學(xué)院，江蘇 南通 226010)

0 引言

海上交通流數(shù)據(jù)既包括船舶流量、尺寸等宏觀數(shù)據(jù)，又包括航行速度、航跡等微觀數(shù)據(jù)，交通流數(shù)據(jù)的采集對(duì)于海事監(jiān)管、港口調(diào)度、航運(yùn)公司船舶管理有重要意義，采集海上交通流特征信息的意義在于以下幾點(diǎn)：

1)改善水上航運(yùn)交通

通過(guò)分析海上交通流的數(shù)據(jù)特征，可以從統(tǒng)計(jì)學(xué)等角度揭示水上航道的交通規(guī)律，得到某一時(shí)間段、某一港口或航道的交通密度，引導(dǎo)海上監(jiān)管和交通調(diào)度，從而改善水上航線的交通狀態(tài)。

2)助力海上交通學(xué)科理論發(fā)展

近年來(lái)海上航運(yùn)交通等相關(guān)工程學(xué)科得到了廣泛重視，交通流特征是海上交通學(xué)科理論的一個(gè)重要研究領(lǐng)域。

3)提高海上航運(yùn)交通的安全性[1]

海上交通流行為特征能夠指導(dǎo)水上交通安全管理部門(mén)進(jìn)行安全措施制定，根據(jù)交通流密度、事故發(fā)生頻次等信息選取合適的海上安全救援點(diǎn)位，一旦海上交通船舶出現(xiàn)事故，可以快速的響應(yīng)和提供海上救援服務(wù)。

4)指導(dǎo)港口和航道規(guī)劃建設(shè)

港口、航道的布局建設(shè)需要參考海上船舶交通流的密度、航跡等行為特征，不僅要滿足當(dāng)前貨物吞吐量的要求，也要保證航道、通航效率、泊位等功能要求。

本文研究方向是建立一種海上船舶交通流行為特征的概念模型，基于高斯擬合等數(shù)學(xué)算法，建立海上船舶交通流行為特征提取系統(tǒng)。

1 海上船舶交通流行為特征的概念模型及擬合算法

1.1 海上船舶交通流行為特征的概念模型

海上船舶交通流特征包括宏觀和微觀特征等，具體如圖1 所示。

圖1 海上船舶交通流行為特征示意圖Fig.1 Schematic diagram of prevalence of marine ship traffic

船舶交通流包括動(dòng)態(tài)和靜態(tài)行為特征，要對(duì)交通流速度、流量、寬度等要素進(jìn)行詳細(xì)研究。

1)交通流速度

海上船舶交通流的速度可用航跡長(zhǎng)度與經(jīng)過(guò)該航跡下船舶的航行時(shí)間表示，如下式：

式中：n為航跡分段個(gè)數(shù)；l為航跡總長(zhǎng)度；ti為船舶航行所需的時(shí)間。

2)流量

流量表示某航道單位時(shí)間內(nèi)通過(guò)的船舶總數(shù)，用下式計(jì)算：

式中，qi為 某時(shí)間間隔內(nèi)通過(guò)的船舶數(shù)量。

3)寬度

海上船舶交通流的寬度并不限定為航道的寬度，而是大量船舶在同一區(qū)域或同一航線下形成的交通流寬度，且寬度隨著船舶數(shù)量等信息不斷發(fā)生變化，想要詳細(xì)描述船舶交通流的寬度就需要在一定時(shí)間內(nèi)進(jìn)行大量寬度數(shù)據(jù)的擬合。

1.2 海上船舶交通流行為特征的擬合

本文使用的交通流行為特征擬合算法包括灰色理論擬合和高斯擬合2 種，分別如下：

1)灰色理論擬合法[2]

灰色理論擬合法是將離散數(shù)據(jù)進(jìn)行整理，利用灰色微分方程建立動(dòng)態(tài)模型，一階灰色微分方程如下式：

圖2 為船舶交通流寬度特征的灰色理論擬合效果圖，其中A 為實(shí)際曲線，B 為擬合曲線。

圖2 船舶交通流寬度特征的灰色理論擬合效果Fig.2 Fitting effect of grey theory on width characteristics of ship traffic flow

2)高斯擬合法

高斯擬合法在數(shù)學(xué)、統(tǒng)計(jì)學(xué)等領(lǐng)域有非常廣泛的應(yīng)用，高斯擬合函數(shù)用下式表示：

定義船舶交通流密度特征矩陣為W=(r1,r2,...,rn)，密度區(qū)間的寬度為m，可得交通流密度分布的高斯均值為：

方差為：

交通流密度函數(shù)為：

圖3 為船舶交通流量的高斯擬合過(guò)程示意圖。

圖3 船舶交通流量的高斯擬合過(guò)程示意圖Fig.3 Schematic diagram of Gaussian fitting process of ship traffic flow

2 基于深度學(xué)習(xí)算法的船舶交通流行為特征提取系統(tǒng)的開(kāi)發(fā)

2.1 海上船舶交通流行為特征提取系統(tǒng)構(gòu)成

本文針對(duì)海上船舶交通流行為建立了一種特征提取系統(tǒng)，基本構(gòu)成如圖4 所示。

圖4 船舶交通流行為特征提取系統(tǒng)示意圖Fig.4 Schematic diagram of feature extraction system for ship traffic prevalence

該系統(tǒng)的關(guān)鍵組成包括：

1)交通流特征庫(kù)

系統(tǒng)集成了包括船舶流量、速度、寬度、尺寸等交通流宏觀和微觀特征，并利用灰色理論和高斯擬合算法建立船舶交通流的擬合特征。

2)數(shù)據(jù)查詢

系統(tǒng)為用戶提供多種關(guān)鍵字查詢功能，用戶可以根據(jù)需求對(duì)船舶交通流某一特征或多個(gè)特征進(jìn)行在線查詢。

3)用戶管理

針對(duì)船舶交通流行為特征提取系統(tǒng)用戶開(kāi)發(fā)了包括登錄權(quán)限、密鑰管理[3]、交互系統(tǒng)等功能模塊，提高系統(tǒng)的安全性。

4)交通流建模

系統(tǒng)將導(dǎo)入的交通流數(shù)據(jù)進(jìn)行統(tǒng)計(jì)和擬合，獲取不同尺度、不同噸位船舶的交通流特性，并通過(guò)圖形化建模將提取結(jié)果展示給用戶。

2.2 基于深度學(xué)習(xí)算法的船舶交通流行為特征提取

使用深度學(xué)習(xí)算法實(shí)現(xiàn)交通流行為特征的提取，選用BP 神經(jīng)網(wǎng)絡(luò)算法進(jìn)行數(shù)據(jù)的學(xué)習(xí)，采用的激勵(lì)函數(shù)為s 型函數(shù)，如下式：

基于深度學(xué)習(xí)算法的海上船舶交通流行為特征提取流程如圖5 所示。

圖5 基于深度學(xué)習(xí)的船舶交通流行為特征提取流程Fig.5 Feature extraction process of ship traffic prevalence based on deep learning

通過(guò)大量船舶數(shù)據(jù)特征提取可知，船舶交通流量特征服從泊松分布[4]，如下式：

式中：k為船舶數(shù)量；λ為航線上船舶的通過(guò)率。

在一定時(shí)間內(nèi)，船舶數(shù)量低于x的航線通過(guò)率如下式：

在一定時(shí)間，船舶數(shù)量高于x低于y 的航線通過(guò)率如下式：

其他情況，P(X=0)=e?λt。

基于特征提取系統(tǒng)對(duì)某航線船舶的流量特征進(jìn)行了模擬，得到船舶流量仿真曲線如圖6 所示。

圖6 某航線船舶的流量特征仿真曲線Fig.6 Flow characteristic simulation curve of ships on a certain route

3 結(jié)語(yǔ)

海上船舶交通流行為特征對(duì)于海上監(jiān)管、船舶調(diào)度等有重要意義，本文介紹了船舶交通流行為特征的基本概念，采用深度學(xué)習(xí)算法、灰度理論擬合和高斯擬合等算法建立交通流行為特征提取系統(tǒng)，闡述系統(tǒng)原理并進(jìn)行了交通流量的模擬。