一种基于混沌理论的船舶短时交通流模糊预测方法技术

本发明专利技术公开了一种基于混沌理论的船舶短时交通流模糊预测方法，包括：构建航带的划归方式，采集MMSI码、实时经纬度、航道速差、占道率的AIS数据，并进行预处理分析；使用wolf法对AIS数据进行计算，对船舶交通流的Lyapunov指数进行判定，并分析混沌特性；以takens定理实现对混沌时间序列的相空间重构，得到预测数据基础；对比不同预测理论模型，采用支持向量回归机模型（SVR）进行预测；采用模糊结构元的算法计算预测结果数据点的模糊度函数，并与预测数值一起构建船舶短时交通流的模糊预测结果。本发明专利技术中对航道速差、占道率的AIS数据的采集，以及基于模糊结构元方法的模糊预测算法，能全面地包含真实船舶交通流的信息特征，提高短时船舶预测的精度。

【技术实现步骤摘要】
一种基于混沌理论的船舶短时交通流模糊预测方法
本专利技术涉及船舶交通流预测
，尤其涉及一种基于混沌理论的船舶短时交通流模糊预测方法。
技术介绍
随着经济全球化程度的不断深入和各国的贸易合作程度的不断加深，船舶数量也在持续增长，致使许多重要水道的船舶交通流量迅速增加。交通流是船舶运动状态最好的体现，是最大程度发挥水运设施效益以及制定航运发展策略、合理利用资源的主要参考依据，是水运交通设施建设规模的依据重要参考。通过定量或形象地分析重要航段船舶的交通流规律，为评价航道的通过能力、组织和管理能力、评估航行风险提供一种有力的手段和方法。短时船舶交通流预测可以为实施相关水域船舶安全管理措施和通航安全风险评估提供科学依据，可以更加直观的了解相关水域实时通航状态，应对紧急情况的发生，做好相关准备，对航道未来的发展建设以及航道管理战略的制定都具有重要的意义。更重要的是可以为船舶安全航行提供指引，保障水上交通运输安全畅通，实现“航运更安全、海洋更清洁”的目标。混沌指在确定性非线性系统中存在的貌似随机、无规则的现象，然而这种类似随机的现象却包含着一定的规律和秩序。混沌也不是简单的无序而是没有明显的周期，但这种系统却包含着有序的内部层次结构，是非线性系统的一种新的存在形式。混沌系统对初始值非常敏感，初始值极小的变化将导致系统的长期演化结果的巨大差异，所以不能实现混沌系统的长期预测，但准确的短期预测是可以实现的。道路交通中，针对短时交通流时间序列，已经有大量学者采用不同的方法证明了其满足混沌特性。针对船舶交通流具有以下4个基本属性：两重性、变化性、复杂性与局限性。同道路交通系统类似，船舶交通系统作为一个复杂系统，看似杂乱没有规律又带有一定的趋势性。因此，引入混沌理论进行深入研究。虽然船舶交通流受到诸多不确定性因素的影响，比如海况、交通事故、经济形势等等，但是在船舶交通流频繁波动的长期趋势中，有其基本因素一直在起着主导作用，也就是说，船舶交通流的变化具有一定的趋势性，又受诸多不确定性因素的影响，而这种影响使得船舶交通流波动较大，又不容忽略。但是，目前常用的预测算法虽然也考虑了一些不确定性的因素，但都是给出了船舶交通流的精确预测，这是不符合船舶运动实际情况的，所以给出船舶交通流的趋势预测是更为合理的。因此，需要建立船舶短时交通流的模糊预测模型，既要给出船舶交通流的预测结果，也要给出该预测结果的可靠度空间，更加全面、直观的反映出辖区水域交通流的未来变化趋势，为海事管理或船舶安全壁碰等方面提供切实可用的参考数据。
技术实现思路
本专利技术克服了现有技术的不足，提供了一种基于混沌理论的船舶短时交通流模糊预测方法。为达到上述目的，本专利技术采用的技术方案为：一种基于混沌理论的船舶短时交通流模糊预测方法，包括以下步骤：S1、构建航带的划归方式，采集MMSI码、实时经纬度、航道速差、占道率的AIS数据，并进行预处理分析，其中航带的划归方式为通航分割成相反的两个子航带，每个子航带均分割成若干虚拟航道；S2、使用wolf法对航道速差和占道率的AIS数据进行计算，对船舶交通流的Lyapunov指数进行判定，并分析混沌特性；S3、以takens定理实现对混沌时间序列的相空间重构，得到预测数据基础；S4、对比不同预测理论模型，采用支持向量回归机模型(SVR)进行预测；S5、基于预测基础建立模糊预测模型，采用模糊结构元的算法计算预测结果数据点的模糊度函数，并与预测数值一起构建船舶短时交通流的模糊预测结果。本专利技术一个较佳实施例中，所述步骤S1中所述航道速差的AIS数据的采集方式是：采集同一子航带上不同航道的航速差、不同子航带上不同航道的航速差的数据。本专利技术一个较佳实施例中，所述步骤S1中所述占道率的AIS数据的采集方式是：同一段航带上，选取某一段航道累计时程的最大值占航带时程的比率作为最大占道率，船舶最大占道率对应的航道为航行航道。本专利技术一个较佳实施例中，所述步骤S1中所述航带的划归方式在江流入海口地区潮汐时刻，实行潮汐可变航带的方式，其中相反的两个子航带带宽随航道分割线移动而变化。本专利技术一个较佳实施例中，所述步骤S2中的所述Lyapunov指数判定方式依据参数时间序列的最大Lyapunov指数λ，船舶交通流满足混沌特性的条件为λ＞0。本专利技术一个较佳实施例中，所述Lyapunov判定指数λ有以下三种状态：λ＞0，代表船舶交通流对初始条件极为敏感，船舶交通流呈混沌特征；λ＝0，代表船舶交通流处于临界状态，运动轨迹表现为分离或周期现象；λ＜0，代表船舶交通流有稳定的不动点，对初始条件不敏感。本专利技术一个较佳实施例中，所述步骤S3中的所述混沌时间序列的相空间重构，主要以航道速差、占道率的交通流参数时间序列为依据，并采用归一化公式。本专利技术一个较佳实施例中，所述步骤S3中的所述混沌时间序列的表示方法为本专利技术一个较佳实施例中，所述归一化公式将交通流参数时间序列归一化到[0,1]的范围。本专利技术一个较佳实施例中，所述归一化的公式为本专利技术一个较佳实施例中，重构后的时间序列为：其中本专利技术一个较佳实施例中，所述步骤S4中的所述SVR模型的准确度与可靠性，是基于对航带划归理论的对比分析、实时航道速差的matlab仿真实验与验证。本专利技术一个较佳实施例中，所述步骤S5中的所述模糊预测模型基于模糊结构元的航迹拟合方法，并依据船舶AIS数据的船位点的航迹来建立。本专利技术一个较佳实施例中，所述模糊预测模型的拟合函数为其中，E为模糊结构元，g(x)为趋势函数，h(x)＞0为模糊度函数。本专利技术解决了
技术介绍
中存在的缺陷，本专利技术具备以下有益效果：(1)本专利技术通过构建航带的划归方式从而获取多个船舶短时交通流参数的时间序列，主要包括对航道速差、占道率的AIS数据的时间序列进行交通系统的预测。这种将航带分成两个子航带、每个子航带分成若干个虚拟航道的划归方式能够清楚地归类和计算到一段航带上所有的船舶的航行方向、航行轨迹、航行速差和航行占道率等，可以反应到每一条船舶完备的航行的信息与特征，进而提高预测的精度。通过采集船舶航道速差的五类AIS数据：同一条航道上前后船舶的航道速差、相邻航道之间相邻船舶的航道速差、同一条航道上不同航段的速差，尤其是直线段与曲线段航段的航道速差、不同船舶类型的航道速差，尤其是不同吨位的船舶航行速差、同一航道上，相同吨位的船舶的最高与最低航行速差，可以统计、分析并论证出船舶壁碰与航道速差的因果关系，不同方面提供完备的短时交通流信息，有利于反应出船舶真实的位置波动和船舶之间的速度扰流，并分析出辖区水域的船舶交通流的变化趋势，为船舶短时交通流预测提供依据。另外，航道速差还为航行限速值的调整提供参考。以船舶在航带上最大占道率对应的航道作为船舶航行的航道，并结合航带的划归方式，分析并模拟出辖区水域所有船舶交通流中换道大致变化情况，清晰地了解到船舶真实的航行路线与航行方向，减小了换道扰流的安全隐患，为船舶交通堵塞和本文档来自技高网...

【技术保护点】
1.一种基于混沌理论的船舶短时交通流模糊预测方法，其特征在于，包括以下步骤：/nS1、构建航带的划归方式，采集MMSI码、实时经纬度、航道速差、占道率的AIS数据，并进行预处理分析，其中航带的划归方式为通航分割成相反的两个子航带，每个子航带均分割成若干虚拟航道；/nS2、使用wolf法对航道速差和占道率的AIS数据进行计算，对船舶交通流的Lyapunov指数进行判定，并分析混沌特性；/nS3、以takens定理实现对混沌时间序列的相空间重构，得到预测数据基础；/nS4、对比不同预测理论模型，采用支持向量回归机模型（SVR）进行预测；/nS5、基于预测基础建立模糊预测模型，采用模糊结构元的算法计算预测结果数据点的模糊度函数，并与预测数值一起构建船舶短时交通流的模糊预测结果。/n

【技术特征摘要】
1.一种基于混沌理论的船舶短时交通流模糊预测方法，其特征在于，包括以下步骤：
S1、构建航带的划归方式，采集MMSI码、实时经纬度、航道速差、占道率的AIS数据，并进行预处理分析，其中航带的划归方式为通航分割成相反的两个子航带，每个子航带均分割成若干虚拟航道；
S2、使用wolf法对航道速差和占道率的AIS数据进行计算，对船舶交通流的Lyapunov指数进行判定，并分析混沌特性；
S3、以takens定理实现对混沌时间序列的相空间重构，得到预测数据基础；
S4、对比不同预测理论模型，采用支持向量回归机模型（SVR）进行预测；
S5、基于预测基础建立模糊预测模型，采用模糊结构元的算法计算预测结果数据点的模糊度函数，并与预测数值一起构建船舶短时交通流的模糊预测结果。


2.根据权利要求1所述的基于混沌理论的船舶短时交通流模糊预测方法，其特征在于：所述步骤S1中所述航道速差的AIS数据的采集方式是：采集同一子航带上不同航道的航速差、不同子航带上不同航道的航速差的数据。


3.根据权利要求1所述的基于混沌理论的船舶短时交通流模糊预测方法，其特征在于：所述步骤S1中所述占道率的AIS数据的采集方式是：同一段航带上，选取某一段航道累计时程的最大值占航带时程的比率作为最大占道率，船舶最大占道率对应的航道为航行航道。


4.根据权利要求1所述的基于混沌理论的船舶短时交通流模糊预测方法，其特征在于：所述步骤S1中所述航带的划归...

【专利技术属性】
技术研发人员：陈婷婷，郭云龙，芮乐军，
申请(专利权)人：江苏航运职业技术学院，
类型：发明
国别省市：江苏;32