识别复杂水域船舶交通冲突热点的区域交通划分方法技术

本发明专利技术公开一种识别复杂水域船舶交通冲突热点的区域交通划分方法，包括；基于船舶AIS轨迹数据进行概率冲突检测，获取船舶之间的冲突严重度；基于获取的冲突严重度构建复合距离度量模型，并基于度量结果，利用约束SSN聚类算法进行聚类；基于分层双目标优化算法，获取最优聚类解。本发明专利技术通过概率冲突检测处理交通运动的动态性和扰动；通过设计扩展聚类算法保证冲突连接性和空间紧凑性，以便将区域船舶交通划分为多个簇；通过制定分层双目标优化算法，以生成能够适应船舶交通动态变化的鲁棒性聚类方案，从而能够在高密度水域中找到具有强冲突连接性和高密度的交通集群，对各种交通场景具有适应的鲁棒性，并在船舶运动不确定性的情况下具有良好的表现。况下具有良好的表现。况下具有良好的表现。

【技术实现步骤摘要】
识别复杂水域船舶交通冲突热点的区域交通划分方法


[0001]本专利技术涉及海上交通运输安全
，具体为一种识别复杂水域船舶交通冲突热点的区域交通划分方法。

技术介绍

[0002]海上安全管理一直被视为最重要的关注点之一。因为一旦发生海上交通事故，会产生不可容忍的后果，如生命损失、经济损失和/或环境污染。与运输需求快速增长相关的经济全球化使得海上交通变得更加繁忙、风险更大，特别是在受限航道和交通繁忙的港口。这往往会给海事监管部门的交通安全管理带来重大的潜在挑战，并在一定程度上增加事故发生的可能性。为了应对这些挑战，一些先进的设备和系统，如船舶交通服务(VTS)系统、海上交通服务网络和陆地雷达被设计以协助监管人员进行海上交通监控。尽管这些设施在监控海上交通行为方面提供了各种各样的智能功能，但它们在自动和自适应地识别实时局部冲突热点区域方面仍然存在一些缺陷。因此，海上交通监管人员必须根据他们的经验和直觉来识别高碰撞风险船舶交通集群，这大大增加了他们的工作量，阻碍了风险控制策略的及时实施。因此，在智能交通支持系统的开发的背景下，有必要开发新的先进技术和工具，以进一步增强海上交通态势感知能力。
[0003]为了提高繁忙水域船舶交通的运行安全性，各种定量风险分析方法已经被提出。这些方法是海上交通安全监测和管理的先决条件，使监管人员能够发布碰撞预警，并为决策提供重要支持。特别是，自动识别系统(AIS)的发展有助于获取大量基于AIS的轨迹数据，以增强船舶碰撞风险预测和评估的能力。随着数据质量的提高和获取性的改善，AIS数据的应用已从航行安全扩展到更广泛范围。其中，基于实时轨迹信息检测船舶集群成为一个新兴的研究课题。它对识别潜在高风险区域和了解局部船舶交通模式起着至关重要的作用。然而，现有的研究仍然存在一些不足，如忽略或简化船舶动态性、只关注交通密度、难以发现具有不同交通密度的集群。因此，在涉及不同交通密度和动态交通行为的复杂场景中，现有方法的应用无效且不可行。对于复杂水域中的实时冲突热点识别，需要充分考虑以下因素：1)船舶运动的时空动态和不确定性；2)会遇船舶的冲突连接性和空间紧凑性。因此，开发更先进的模型来捕获高风险的交通集群需要迫切解决。

技术实现思路

[0004]为克服上述现有技术的不足，本专利技术提供一种识别复杂水域船舶交通冲突热点的区域交通划分方法，以达到自动和自适应地发现高风险的多船会遇局面的效果。
[0005]本专利技术是通过以下技术方案予以实现的：
[0006]识别复杂水域船舶交通冲突热点的区域交通划分方法，包括；
[0007]基于船舶AIS轨迹数据进行概率冲突检测，获取船舶之间的冲突严重度；
[0008]基于获取的冲突严重度构建复合距离度量模型，并基于度量结果，利用约束SSN聚类算法进行聚类；
[0009]基于分层双目标优化算法，获取最优聚类解。
[0010]上述技术方案首先通过概率冲突检测处理交通运动的动态性和扰动；接着通过设计扩展聚类算法保证冲突连接性和空间紧凑性，以便于将区域船舶交通划分为多个簇；然后制定分层双目标优化算法，以生成能够适应船舶交通动态变化的鲁棒性聚类方案，从而能够在高密度水域中找到具有强冲突连接性和高密度的交通集群，对各种交通场景具有适应的鲁棒性，并且在船舶运动不确定性的情况下具有良好的表现。
[0011]作为进一步的技术方案，所述方法进一步包括：获取船舶的AIS轨迹数据；进行不确定性模式提取；进行船舶不确定运动预测；进行概率冲突检测。AIS轨迹数据涵盖静态属性和动态属性。在进行不确定性模式提取时，采用了核密度估计和Douglas
‑
Peucker算法。基于提取的不确定性模式，结合船舶航行计划，进行船舶不确定运动预测。
[0012]作为进一步的技术方案，复合距离度量模型定义如下：
[0013][0014]其中，dist
ij
表示船舶i和j之间的实际距离；C(γ)
ij
表示冲突严重度；R1和R2表示特定的参数，以将冲突严重程度分为三组：不可容忍、ALARP和可忽略。上式中的第一部分有助于将具有不可容忍冲突严重度的船舶合并在一起(它们之间的距离为0)，第二部分使用权重来加强具有ALARP冲突严重度的船舶之间的连接关系，而第三部分表明可忽略的冲突严重度不影响距离度量。
[0015]作为进一步的技术方案，在利用约束SSN聚类算法进行聚类后，进行微调策略，包括：异常点删除及异常点添加。在聚类过程中，有时会将一些船舶分配到不适当的聚类中。这可能由以下事实来解释：1)船舶交通由于受到各种干扰在空间中的分布是随机的，在某些情况下具有不明显的集群分布特征。2)SNN度量考虑对象的k近邻列表之间的重叠，而不是恒定的密度值，以在非均匀区域中找到簇。对于复杂的交通场景，它可能导致形成密度差异显著的集群。因此，提出了一种微调策略，以进一步将船舶分配到适当的集群。
[0016]作为进一步的技术方案，异常点删除进一步包括：在同一簇中确定每个点与其第二近邻的邻接距离，并对所有的邻接距离进行排序，若具有最大邻接距离的点满足以下条件，
[0017](1)它的邻接距离大于第三大邻接距离的预设倍，
[0018](2)它与同一簇中的点没有不可容忍或ALARP的冲突，
[0019]则将该点设置为异常点，并以迭代的方式删除异常点。
[0020]通常，先进行异常点删除，再执行异常点添加。
[0021]作为进一步的技术方案，异常点添加进一步包括：假设异常点属于距离异常点最近的簇，计算异常点与簇中其他点之间的平均距离，当异常点的平均距离不是最大时，添加异常点到簇中；对于具有不可容忍或ALARP冲突关系的异常点，只有当这些异常点同时满足距离要求时，才添加这些异常点到簇中。
[0022]作为进一步的技术方案，分层双目标优化算法进一步包括：
[0023]基于网格搜索策略生成候选集；
[0024]在预处理阶段消除不可行的解决方案，主要考虑三个约束条件：1)数据集的噪声/
离群值比率应小于noise_percent；2)生成的集群数量应大于min_nc；3)每个簇中的点数应不小于min_np；
[0025]从可行解池中搜索非支配解集，以保证所形成的簇的冲突连接性且空间紧凑性。
[0026]作为进一步的技术方案，冲突连接性基于存在冲突船舶对未被分配到同一集群的程度来度量，如下所示：
[0027][0028]其中，N
vc
代表没有分配到同一个簇中的冲突对的数量，C(γ)
i
代表冲突严重度，V
CC
越小，冲突连接性越好；
[0029]空间紧凑性基于CH指标进行度量，如下所示：
[0030][0031]其中n是样本数，c是簇的个数，n
k
是属于第k个簇的样本数，z
k
是第k个簇的中心，z是整个数据集的中心，CH指标越大，簇间距离越大，簇内距本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.识别复杂水域船舶交通冲突热点的区域交通划分方法，其特征在于，包括；基于船舶AIS轨迹数据进行概率冲突检测，获取船舶之间的冲突严重度；基于获取的冲突严重度构建复合距离度量模型，并基于度量结果，利用约束SSN聚类算法进行聚类；基于分层双目标优化算法，获取最优聚类解。2.根据权利要求1所述识别复杂水域船舶交通冲突热点的区域交通划分方法，其特征在于，所述方法进一步包括：获取船舶的AIS轨迹数据；进行不确定性模式提取；进行船舶不确定运动预测；进行概率冲突检测。3.根据权利要求1所述识别复杂水域船舶交通冲突热点的区域交通划分方法，其特征在于，复合距离度量模型定义如下：其中，dist
ij
表示船舶i和j之间的实际距离；C(γ)
ij
表示冲突严重度；R1和R2表示特定的参数，以将冲突严重程度分为三组：不可容忍、ALARP和可忽略。4.根据权利要求1所述识别复杂水域船舶交通冲突热点的区域交通划分方法，其特征在于，在利用约束SSN聚类算法进行聚类后，进行微调策略，包括：异常点删除及异常点添加。5.根据权利要求4所述识别复杂水域船舶交通冲突热点的区域交通划分方法，其特征在于，异常点删除进一步包括：在同一簇中确定每个点与其第二近邻的邻接距离，并对所有的邻接距离进行排序，若具有最大邻接距离的点满足以下条件，(1)它的邻接距离大于第三大邻接距离的预设倍，(2)它与同一簇中的点没有不可容忍或ALARP的冲突，则将该点设置为异常点，并以迭代的方式删除异常点。6.根据权利要求4所述识别复杂水域船...

【专利技术属性】
技术研发人员：刘克中，辛旭日，王伟强，吴晓烈，袁志涛，陈默子，王晶尧，刘炯炯，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：