复杂水域船舶交通划分方法、装置、设备和介质制造方法及图纸

本发明专利技术公开一种复杂水域船舶交通划分方法、装置、设备及介质，将区域交通划分为冲突关联和空间紧凑的集群，以降低交通模式理解和风险管理的难度。首先设计了一个综合冲突严重度和空间距离的复合相似性度量模型，其中，通过概率冲突检测方法量化船舶对之间的冲突关系，并基于海事知识学习构建的海上交通路线网络对船舶之间的空间紧凑关系进行度量。随后，利用基于图论的聚类框架生成具有高的簇内相似度和低的簇间相似度的均衡交通簇。最后，利用宁波舟山港的AIS航迹数据，对该机制进行了综合论证和测试。实验结果表明，该机制1)能够很好地分解区域交通，2)能够识别高风险/紧凑的交通集群，3)对复杂地理水域中的各种交通场景具有鲁棒性。具有鲁棒性。具有鲁棒性。

【技术实现步骤摘要】
复杂水域船舶交通划分方法、装置、设备和介质


[0001]本专利技术属于交通运输安全
，具体为一种复杂水域船舶交通划分方法、装置、设备和介质。

技术介绍

[0002]海上交通安全管理对人类生命安全、经济发展和海洋环境保护起着至关重要的作用。基于现代智能交通技术的主动式海上监控是海上交通安全管理不可或缺的组成部分之一。为了加强海上监视，多种系统被开发和应用，例如船舶交通服务(VTS)系统、自动识别系统(AIS)、陆地雷达和远程识别与跟踪(LRIT)系统。这些系统具有不同的技术规格和功能，能够从不同方面实现海上交通监控和海上态势感知。然而，监视区域的广泛性和船舶运动的多样性(如航行、靠泊、锚泊和加油)给其实际应用带来了巨大的潜在挑战。特别是在经济全球化、交通需求增加和大型船舶出现的背景下，海上交通情况变得更加错综复杂，阻碍了这些系统的有效实施。因此，迫切需要更先进的技术和工具来帮助海事运营机构更好地监督和管理海上交通安全。
[0003]根据加强繁忙水域监测的需求，各种技术和方法已经被提出来进行碰撞风险侦测和评估。这些方法有助于发布早期碰撞警告和支持决策，为海上监管提供了定量基础。随着AIS的快速发展和大量船舶运动信息(即AIS数据)可获取性的增加，准确的碰撞风险评估和海上交通特征描述已成为可能，近年来进一步得到了广泛关注。除了用于海上碰撞分析外，AIS数据在解决其他问题方面的高级应用也得到了开发，如海上交通模式提取、海上异常检测、港口性能评估和船舶路径优化。虽然AIS数据的应用有助于精确分析和建模船舶运动行为，但与多船交互相关的复杂交通场景以及不断增长的船舶时空运动不确定性，使研究人员面临着开发更可靠的模型以支持智能交通态势感知的挑战。更具体地说，海上交通状况的评估和感知需要持续考虑海洋地理特征、船舶运动时空动态和不确定性、以及多船之间干扰。因此，在考虑模型对繁忙水域中复杂交通局面的实用性和适用性时，开发有效的交通态势感知模型仍然是一项具有挑战性的任务。与此同时，如何将给定繁忙水域中的整个海上交通自适应地划分为几个子集群，以降低态势感知的难度，并进一步捕获潜在的高风险交通集群，在很大程度上尚未探索。这些表明进一步加强新的先进技术开发以强化交通态势的解释和理解是有必要的。

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复杂水域船舶交通划分方法、装置、设备和介质，用以解决上述至少一个技术问题。
[0005]一方面，本专利技术提供一种复杂水域船舶交通划分方法，包括：构建综合冲突严重度和空间距离的复合相似性度量模型；将相似性度量结果嵌入图论聚类方法中，利用基于图论的聚类框架生成具有高的簇内相似度和低的簇间相似度的均衡交通簇。
[0006]上述技术方案考虑到冲突严重度度量融合了动态水域中船舶运动的不确定性特
征，而空间紧凑性度量利用海上轨迹知识挖掘的海上交通路线网络提取了两船之间的最短路径，将这两个指标集成到一个复合相似性度量模型中；然后将相似性度量结果进一步嵌入到图论聚类方法中，生成保证簇内的相似度最大、簇间的相似度最小，且大小均衡的交通簇，达到将区域海上交通划分为几个紧凑的、可扩展的和可解释的交通集群的目的。
[0007]作为进一步的技术方案，所述方法进一步包括：利用核密度估计算法获得可航区域与不可航区域的概率分布结果；基于概率分布结果，将整个水域转换为二值图像，利用图像处理技术提取图像骨架，构建船舶交通路线网络；利用船舶交通路线网络识别船舶对之间的真实空间距离。
[0008]在复杂和受限的水域中，空间相邻的两艘船舶可能无法彼此可达，传统的线性距离度量不适用于描述存在受限地理特征水域中交通场景的空间紧凑性，因此，在交通知识提取的基础上构建船舶交通路线网络，然后在路线网络上搜索船舶对之间的最短距离作为其实际空间距离。
[0009]作为进一步的技术方案，利用船舶交通路线网络识别船舶对之间的真实空间距离，进一步包括：在两艘船舶位置之间的连接线上均匀取样若干个点，并确定它们是否属于可航区域；如果所有这些点都位于可航区域，则根据欧几里德距离计算船舶对之间的实际空间距离。
[0010]作为进一步的技术方案，只要有一个点在不可航区域，则在交通路线网络上搜索与每艘船舶距离最近的两个相邻点，然后应用Dijkstra算法计算这两点之间的最短路径距离。
[0011]作为进一步的技术方案，所述方法通过线性组合方法将冲突连接相似度度量和空间紧凑相似度度量两个度量指标组合在一起；其中冲突连接相似度度量定义为等于船舶之间的冲突严重度，空间紧凑相似度度量定义为：
[0012][0013]其中，dist
ij
表示两船之间的真实空间距离，β是一个缩放参数，D1和D2是两个将空间紧凑关系分成三类的参数。
[0014]作为进一步的技术方案，构建的复合相似性度量模型为：
[0015][0016]其中，W
ij
定义了两船的相似度，α是一个权衡参数，表示空间紧凑相似度度量，表示冲突连接相似度度量。
[0017]作为进一步的技术方案，所述方法进一步包括：
[0018]采用Ncut目标函数生成具有高内部相似性和低外部相似性的簇：
[0019][0020]其中，W(u，v)代表样本u和v之间的相似度，A
i
代表第i个簇的子集，代表A
i
的补集；
[0021]通过采用正态化相似度矩阵替代上述目标函数转化为Frobenius范数最小化形式；
[0022]给定用正态化相似度矩阵簇的数量k，非负性约束基于SNMF图聚类优化问题转化成如下形式：
[0023][0024]SNMF的目的是通过最小化上式中的Frobenius范数，搜索对称非负低阶近似H，根据H中每行中的最大值来直接识别数据样本的聚类分配。
[0025]一方面，本专利技术提供一种复杂水域船舶交通划分装置，包括：相似性度量构建模块，用于构建综合冲突严重度和空间距离的复合相似性度量模型；交通簇划分模块，用于将相似性度量结果嵌入图论聚类方法中，利用基于图论的聚类框架生成具有高的簇内相似度和低的簇间相似度的均衡交通簇。
[0026]进一步地相似性度量构建模块还包括：冲突连接相似度度量模块和空间紧凑相似度度量模块。通过这两个度量指标的线性组合，得到复合相似度度量结果。
[0027]一方面，本专利技术提供一种计算机设备，所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现所述的复杂水域船舶交通划分方法的步骤。
[0028]一方面，本专利技术提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现所述的复杂水域船舶交通划分方法的步骤。
[0029]与现有技术相比，本专利技术的有益效果在于：
[0030](1)本专利技术考虑了交通划分过程中多船之间的多属性相互关系(即冲突连本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.复杂水域船舶交通划分方法，其特征在于，包括：构建综合冲突严重度和空间距离的复合相似性度量模型；将相似性度量结果嵌入图论聚类方法中，利用基于图论的聚类框架生成具有高的簇内相似度和低的簇间相似度的均衡交通簇。2.根据权利要求1所述复杂水域船舶交通划分方法，其特征在于，所述方法进一步包括：利用核密度估计算法获得可航区域与不可航区域的概率分布结果；基于概率分布结果，将整个水域转换为二值图像，利用图像处理技术提取图像骨架，构建船舶交通路线网络；利用船舶交通路线网络识别船舶对之间的真实空间距离。3.根据权利要求2所述复杂水域船舶交通划分方法，其特征在于，利用船舶交通路线网络识别船舶对之间的真实空间距离，进一步包括：在两艘船舶位置之间的连接线上均匀取样若干个点，并确定它们是否属于可航区域；如果所有这些点都位于可航区域，则根据欧几里德距离计算船舶对之间的实际空间距离。4.根据权利要求3所述复杂水域船舶交通划分方法，其特征在于，只要有一个点在不可航区域，则在交通路线网络上搜索与每艘船舶距离最近的两个相邻点，然后应用Dijkstra算法计算这两点之间的最短路径距离。5.根据权利要求1所述复杂水域船舶交通划分方法，其特征在于，所述方法通过线性组合方法将冲突连接相似度度量和空间紧凑相似度度量两个度量指标组合在一起；其中冲突连接相似度度量定义为等于船舶之间的冲突严重度，空间紧凑相似度度量定义为：其中，dist
ij
表示两船之间的真实空间距离，β是一个缩放参数，D1和D2是两个将空间紧凑关系分成三类的参数。6.根据权利要求5所述复杂水域船舶交通划分方法，其特征在于，构建的复合相似性度...

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