本申请公开了一种水上船舶交通流复杂度计算方法、装置、设备和介质，该方法包括：获取目标水域的船舶AIS数据；利用改进的DBSCAN算法根据所述船舶AIS数据确定所述目标水域中的船舶聚类簇；对所述船舶聚类簇进行船舶状态特征聚类，得到所述船舶聚类簇的状态特征概率分布；根据所述状态特征概率分布，基于信息熵确定所述目标水域的船舶交通流复杂度。本发明专利技术基于船舶领域模型创新性地得到了改进的DBSCAN算法，使算法与航海实践更为贴合；根据状态特征概率，通过信息熵来描述水上交通流状态的不确定性，拓展了水上交通工程领域水上船舶交通流复杂性度量的方法，对助推海事安全监管信息化具有重要的理论和现实意义。化具有重要的理论和现实意义。化具有重要的理论和现实意义。
【技术实现步骤摘要】
一种水上船舶交通流复杂度计算方法、装置、设备和介质
[0001]本专利技术涉及水上交通安全
，具体涉及一种水上船舶交通流复杂度计算方法、装置、电子设备和计算机可读存储介质。
技术介绍
[0002]水运承担了全球90％以上的货物贸易运输量，是交通运输系统中的重要组成部分，随着航运业的不断发展，船舶数量持续增长，水上船舶交通流也逐步高速化、大型化，其构成也更为复杂化，进而导致船舶交通管理的难度大幅提升。
[0003]目前，水上交通管理部门对船舶进行管理主要依靠AIS、雷达等设备收集船舶的静态和动态信息，基于此进行监督和管理。但是不断增长的船舶数量使这些数据的数量极为庞大，且不能够直观地表明水上交通状况，使得交通管理人员不能够及时有效地识别管理水域中存在复杂情况的区域，同时也增加了管理人员的工作量，给水上交通管理工作带来了一定的困难和挑战。
[0004]因此，需要提出一种水上船舶交通流复杂度计算方法，用以解决由于水上交通流数据量增大，现有的交通系统复杂性度量数据无法直观地对水上船舶交通流复杂度进行描述和分析的技术问题，能够为海事安全监管提供参考，提高水域的安全性。
技术实现思路
[0005]有鉴于此，有必要提供一种水上船舶交通流复杂度计算方法，用以解决现有的交通系统复杂性度量数据量太大，无法直观地对水上船舶交通流复杂度进行描述和分析的技术问题。
[0006]为了解决上述问题，本专利技术提供一种水上船舶交通流复杂度计算方法，包括：
[0007]获取目标水域的船舶AIS数据；
[0008]利用改进的DBSCAN算法根据所述船舶AIS数据确定所述目标水域中的船舶聚类簇；
[0009]对所述船舶聚类簇进行船舶状态特征聚类，得到所述船舶聚类簇的状态特征概率分布；
[0010]根据所述状态特征概率分布，确定所述目标水域的船舶交通流复杂度。
[0011]进一步的，利用改进的DBSCAN算法根据所述船舶AIS数据确定所述目标水域中的船舶聚类簇，包括：
[0012]根据所述船舶AIS数据得到所述目标水域中的船舶样本集；
[0013]遍历所述船舶样本集中任一船舶与其他船舶的相对位置；
[0014]根据所述相对位置得到所述目标水域的船舶领域；
[0015]根据所述船舶领域确定核心对象；
[0016]根据所述核心对象确定所述目标水域的船舶聚类簇。
[0017]进一步的，根据所述相对位置确定所述目标水域的船舶领域，包括：
[0018]对所述船舶样本集中任一船舶在不同时刻与其他船舶的相对位置进行叠加，得到叠加位置数据；
[0019]利用椭圆一般方程对所述叠加位置数据进行拟合，得到所述目标水域中每个船舶的船舶领域。
[0020]进一步的，根据所述船舶领域确定核心对象，包括：
[0021]以所述目标水域中任一船舶的船舶领域作为搜索范围，当存在其他船舶位于所述搜索范围内时，将所述船舶确定为核心对象。
[0022]进一步的，根据所述核心对象确定所述目标水域的船舶聚类簇，包括：
[0023]确定所述核心对象的船舶领域中的目标船舶；
[0024]将具有相同核心对象的目标船舶进行合并，得到簇内对象；
[0025]根据所述核心对象和簇内对象，确定所述目标水域的船舶聚类簇。
[0026]进一步的，所述船舶状态特征包括船舶航速和船首向；
[0027]对所述船舶聚类簇进行船舶状态特征聚类，得到所述船舶聚类簇的状态特征概率分布，包括：
[0028]确定所述船舶聚类簇的船舶航速船首向集合；
[0029]通过DBSCAN算法对所述船舶航速船首向集合进行聚类，得到每个所述聚类簇的航速航向聚类后的概率分布。
[0030]进一步的，根据所述状态特征概率分布，基于信息熵确定所述目标水域的船舶交通流复杂度，包括：
[0031]根据每个所述聚类簇的航速航向的概率分布，确定每个所述聚类簇的复杂度；
[0032]对所述目标水域中所有聚类簇的复杂度进行叠加，得到所述目标水域的交通流复杂度。
[0033]本专利技术还提供一种水上船舶交通流复杂度计算装置，包括：
[0034]数据获取模块，用于获取目标水域的船舶AIS数据；
[0035]聚类模块，用于利用改进的DBSCAN算法根据所述船舶AIS数据确定所述目标水域中的船舶聚类簇；
[0036]概率分布计算模块，用于对所述船舶聚类簇进行船舶状态特征聚类，得到所述船舶聚类簇的状态特征概率分布；
[0037]复杂度计算模块，用于根据所述状态特征概率分布，基于信息熵确定所述目标水域的船舶交通流复杂度。
[0038]本专利技术还提供一种电子设备，包括处理器以及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现上述技术方案任一所述的一种水上船舶交通流复杂度计算方法。
[0039]本专利技术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内存储有计算机程序，所述计算机程序被处理器执行时，实现上述技术方案任一所述的水上船舶交通流复杂度计算方法。
[0040]与现有技术相比，本专利技术的有益效果包括：首先，获取目标水域的船舶AIS数据，并利用改进的DBSCAN算法根据AIS数据确定所述目标水域中的船舶聚类簇；其次，对船舶聚类簇进行船舶状态特征聚类，得到所述船舶聚类簇的状态特征概率分布；最后，根据所述状态
特征概率分布，基于信息熵确定所述目标水域的船舶交通流复杂度。本专利技术基于船舶领域模型创新性地得到了改进的DBSCAN算法，使算法与航海实践更为贴合；根据状态特征概率，通过信息熵来描述水上交通流状态的不确定性，拓展了水上交通工程领域水上船舶交通流复杂性度量的方法，对助推海事安全监管信息化具有重要的理论和现实意义。
附图说明
[0041]图1为本专利技术提供的水上船舶交通流复杂度计算方法一实施例的流程示意图；
[0042]图2为本专利技术提供的改进的DBSCAN算法一实施例的算法流程示意图；
[0043]图3为本专利技术提供的根据所述核心对象确定所述目标水域的船舶聚类簇一实施例的算法流程示意图；
[0044]图4为本专利技术提供的目标水域的船舶交通流复杂度一实施例的算法流程示意图；
[0045]图5为本专利技术提供的一种水上船舶交通流复杂度计算装置一实施例的结构示意图；
[0046]图6为本专利技术提供的一种电子设备一实施例的结构示意图。
具体实施方式
[0047]下面结合附图来具体描述本专利技术的优选实施例，其中，附图构成本申请一部分，并与本专利技术的实施例一起用于阐释本专利技术的原理，并非用于限定本专利技术的范围。
[0048]在实施例描述之前，首先对本申请的相关术语进行说明。
[0049]AIS数据：是指通过自动识别系统(AIS，Automatic Identification System)在船和岸或船和船之间进行数据交互所本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种水上船舶交通流复杂度计算方法，其特征在于，包括：获取目标水域的船舶AIS数据；利用改进的DBSCAN算法根据所述船舶AIS数据确定所述目标水域中的船舶聚类簇；对所述船舶聚类簇进行船舶状态特征聚类，得到所述船舶聚类簇的状态特征概率分布；根据所述状态特征概率分布，基于信息熵确定所述目标水域的船舶交通流复杂度。2.根据权利要求1所述的一种水上船舶交通流复杂度计算方法，其特征在于，利用改进的DBSCAN算法根据所述船舶AIS数据确定所述目标水域中的船舶聚类簇，包括：根据所述船舶AIS数据得到所述目标水域中的船舶样本集；遍历所述船舶样本集中任一船舶与其他船舶的相对位置；根据所述相对位置得到所述目标水域的船舶领域；根据所述船舶领域确定核心对象；根据所述核心对象确定所述目标水域的船舶聚类簇。3.根据权利要求2所述的一种水上船舶交通流复杂度计算方法，其特征在于，根据所述相对位置确定所述目标水域的船舶领域，包括：对所述船舶样本集中任一船舶在不同时刻与其他船舶的相对位置进行叠加，得到叠加位置数据；利用椭圆一般方程对所述叠加位置数据进行拟合，得到所述目标水域中每个船舶的船舶领域。4.根据权利要求2所述的一种水上船舶交通流复杂度计算方法，其特征在于，根据所述船舶领域确定核心对象，包括：以所述目标水域中任一船舶的船舶领域作为搜索范围，当存在其他船舶位于所述搜索范围内时，将所述船舶确定为核心对象。5.根据权利要求2所述的一种水上船舶交通流复杂度计算方法，其特征在于，根据所述核心对象确定所述目标水域的船舶聚类簇，包括：确定所述核心对象的船舶领域中的目标船舶；将具有相同核心对象的目标船舶进行合并，得到簇内对象；根据所述核心对象和簇内对象，确定所述目标水域的船舶...
【专利技术属性】
技术研发人员：刘钊，张博元，康子悦，张明阳，刘文，
申请(专利权)人：武汉理工大学青岛研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。