船舶交通流预测方法、系统、装置及存储介质制造方法及图纸

本发明专利技术公开一种船舶交通流预测方法、系统、装置及存储介质，涉及船舶通航技术领域。本申请根据实际航道网建立航道网拓扑图得到航道网拓扑信息后，采用知识图谱三元组对航道网拓扑信息进行处理得到航行环境知识图谱，然后采用知识图谱嵌入技术处理航行环境知识图谱和船舶交通流信息得到船舶交通特征信息，通过门控循环单元处理船舶交通特征信息得到交通时序特征信息，将交通时序特征信息输入图卷积神经网络进行预测得到考虑交通时空相关性和环境影响因素的交通流预测信息，提高船舶交通流预测的准确性。流预测的准确性。流预测的准确性。

【技术实现步骤摘要】
船舶交通流预测方法、系统、装置及存储介质


[0001]本专利技术涉及船舶通航
，尤其涉及一种船舶交通流预测方法、系统、装置及存储介质。

技术介绍

[0002]随着内河船舶通行需求显著提升，对海事交通监管提出巨大挑战。船舶交通流是一种经典的时空数据，不仅呈时间周期性，还具有空间相关性，单纯基于时间序列进行船舶交通流预测会造成预测精度低等问题。

技术实现思路

[0003]本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种船舶交通流预测方法、系统、装置及存储介质，能够提高船舶交通流预测的准确性。
[0004]一方面，本专利技术实施例提供了一种船舶交通流预测方法，包括以下步骤：
[0005]根据实际航道网建立航道网拓扑图，得到航道网拓扑信息；
[0006]采用知识图谱三元组对所述航道网拓扑信息进行处理，得到航行环境知识图谱；
[0007]基于知识图谱嵌入技术，根据所述航行环境知识图谱和船舶交通流信息得到船舶交通特征信息；
[0008]将所述船舶交通特征信息输入门控循环单元，得到交通时序特征信息；
[0009]将所述交通时序特征信息输入图卷积神经网络进行预测，得到交通流预测信息。
[0010]根据本专利技术一些实施例，所述基于知识图谱嵌入技术，根据所述航行环境知识图谱和船舶交通流信息得到船舶交通特征信息包括以下步骤：
[0011]采用TransE算法对所述航行环境知识图谱进行处理，得到航行环境特征信息；
[0012]采用TransR算法对所述航行环境特征信息和船舶交通流信息进行处理，得到船舶交通特征信息。
[0013]根据本专利技术一些实施例，所述航道网拓扑图表示如下：
[0014]G＝(V，E)；
[0015]其中，V＝{v1,v2,L,v
N
}表示航道节点集，v
i
表示第i个节点，N是节点数量，E＝{e1,e2,L,e
M
}表示航道边集，e
j
表示第j条边，M是边数量；
[0016]航道节点之间的连通关系通过邻接矩阵A表示，邻接矩阵A中元素a
ij
表示节点i和节点j的相互连通关系。
[0017]根据本专利技术一些实施例，所述采用知识图谱三元组对所述航道网拓扑信息进行处理，得到航行环境知识图谱包括以下步骤：
[0018]根据所述航道网拓扑信息构建关系三元组，关系三元组R表示为：
[0019]R＝{(v
i
,a
ij
,v
j
),i,j∈{1,2,L,n}}；
[0020]其中，v
i
表示第i个节点，a
ij
表示节点i和节点j的相互连通关系，n为节点数量；
[0021]根据所述航道网拓扑信息和航行环境信息构建属性三元组，属性三元组R_att表
示为：
[0022]R_att＝{(v
i
,att
l
,att
l
_v
i
),i,j∈{1,2,L,n},l∈{1,2,L,L}}；
[0023]其中，att
l
为第l类属性，att
l
_v
i
为节点v
i
对应的属性值，L为属性类别数量；
[0024]根据所述关系三元组和所述属性三元组构建航行环境知识图谱，航行环境知识图谱KG表示为：
[0025]KG＝{R,R_att}。
[0026]根据本专利技术一些实施例，所述采用TransE算法对所述航行环境知识图谱进行处理，得到航行环境特征信息包括以下步骤：
[0027]根据所述航行环境知识图谱中的三元组确定三元组损失函数；
[0028]采用TransE算法训练所述三元组损失函数，得到航行环境特征信息；
[0029]其中，所述三元组损失函数表示为：
[0030][0031]其中，S为三元组集合，S
′
(h,l,t)
为更新后三元组集合，γ为边缘超参数，h为主体向量，l为关系向量，t为客体向量。
[0032]根据本专利技术一些实施例，所述船舶交通特征信息表示为：
[0033]X
′
t
＝Rule(x
e
x
t
w+b)；
[0034]其中，X
′
t
为t时刻的船舶交通特征信息，x
e
为航行环境特征信息，x
t
为t时刻的船舶交通流信息，w为线性变换参数，b为偏置常数，Rule为TransR算法的知识表示学习过程。
[0035]根据本专利技术一些实施例，所述将所述交通时序特征信息输入图卷积神经网络进行预测，得到交通流预测信息包括以下步骤：
[0036]对所述交通时序特征信息进行分割，得到多个子交通时序特征信息；
[0037]分别对多个子交通时序特征信息进行权重计算，得到多个子特征权重；
[0038]基于多个所述子交通时序特征信息和对应的子特征权重进行加权求和，得到节点的预测结果；
[0039]对多个节点的所述预测结果进行拼接，得到交通流预测结果。
[0040]另一方面，本专利技术实施例还提供一种船舶交通流预测系统，包括：
[0041]第一模块，用于根据实际航道网建立航道网拓扑图，得到航道网拓扑信息；
[0042]第二模块，用于采用知识图谱三元组对所述航道网拓扑信息进行处理，得到航行环境知识图谱；
[0043]第三模块，用于基于知识图谱嵌入技术，根据所述航行环境知识图谱和船舶交通流信息得到船舶交通特征信息；
[0044]第四模块，用于将所述船舶交通特征信息输入门控循环单元，得到交通时序特征信息；
[0045]第五模块，用于将所述交通时序特征信息输入图卷积神经网络进行预测，得到交通流预测信息。
[0046]另一方面，本专利技术实施例还提供一种船舶交通流预测装置，包括：
[0047]至少一个处理器；
[0048]至少一个存储器，用于存储至少一个程序；
[0049]当所述至少一个程序被所述至少一个处理器执行，使得至少一个所述处理器实现如前面所述的船舶交通流预测方法。
[0050]另一方面，本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如前面所述的船舶交通流预测方法。
[0051]本专利技术上述的技术方案至少具有如下优点或有益效果之一：根据实际航道网建立航道网拓扑图得到航道网拓扑信息后，采用知识图谱三元组对航道网拓扑信息进行处理得到航行环境知识图谱，然后采用知识图谱嵌入技术处理航行环境知识图谱和船舶交通流信息得到船舶交通特征信息，通过门控循环单元处理船舶交通特征信息得到交通时序特征本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种船舶交通流预测方法，其特征在于，包括以下步骤：根据实际航道网建立航道网拓扑图，得到航道网拓扑信息；采用知识图谱三元组对所述航道网拓扑信息进行处理，得到航行环境知识图谱；基于知识图谱嵌入技术，根据所述航行环境知识图谱和船舶交通流信息得到船舶交通特征信息；将所述船舶交通特征信息输入门控循环单元，得到交通时序特征信息；将所述交通时序特征信息输入图卷积神经网络进行预测，得到交通流预测信息。2.根据权利要求1所述的船舶交通流预测方法，其特征在于，所述基于知识图谱嵌入技术，根据所述航行环境知识图谱和船舶交通流信息得到船舶交通特征信息包括以下步骤：采用TransE算法对所述航行环境知识图谱进行处理，得到航行环境特征信息；采用TransR算法对所述航行环境特征信息和船舶交通流信息进行处理，得到船舶交通特征信息。3.根据权利要求2所述的船舶交通流预测方法，其特征在于，所述航道网拓扑图表示如下：G＝(V，E)；其中，V＝{v1,v2,L,v
N
}表示航道节点集，v
i
表示第i个节点，N是节点数量，E＝{e1,e2,L,e
M
}表示航道边集，e
j
表示第j条边，M是边数量；航道节点之间的连通关系通过邻接矩阵A表示，邻接矩阵A中元素a
ij
表示节点i和节点j的相互连通关系。4.根据权利要求3所述的船舶交通流预测方法，其特征在于，所述采用知识图谱三元组对所述航道网拓扑信息进行处理，得到航行环境知识图谱包括以下步骤：根据所述航道网拓扑信息构建关系三元组，关系三元组R表示为：R＝{(v
i
,a
ij
,v
j
),i,j∈{1,2,L,n}}；其中，v
i
表示第i个节点，a
ij
表示节点i和节点j的相互连通关系，n为节点数量；根据所述航道网拓扑信息和航行环境信息构建属性三元组，属性三元组R_att表示为：R_att＝{(v
i
,att
l
,att
l
_v
i
),i,j∈{1,2,L,n},l∈{1,2,L,L}}；其中，att
l
为第l类属性，att
l
_v
i
为节点v
i
对应的属性值，L为属性类别数量；根据所述关系三元组和所述属性三元组构建航行环境知识图谱，航行环境知识图谱K...

【专利技术属性】
技术研发人员：陈德山，黄琛，范腾泽，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：