一种基于目标监测数据的船舶交通流量预测方法及系统技术方案

本发明专利技术属于交通流量预测技术领域，具体涉及一种基于目标监测数据的船舶交通流量预测方法，包括以下步骤：获取时间序列数据进行处理，并发送至预处理模块；判断将符合预设条件的时间序列数据发送至相关性分析模块；将不符合的数据进行差分处理后，重新预处理；相关性分析模块获取数据的自相关系数和偏相关系数，通过模型构建模块选取相应的模型结构作为建模系数结构；并获取到模型参数建立对应的模型，将建立的模型发送至模型验证模块判断该模型是否满足精度要求，若不满足，则重新进行确定建模系数结构及模型参数估计；若满足则利用验证通过的模型，最终将采集目标区域位置船舶流量的时间序列数据作为模型的输入，模型输出得到船舶流量的预测值。得到船舶流量的预测值。得到船舶流量的预测值。

【技术实现步骤摘要】
一种基于目标监测数据的船舶交通流量预测方法及系统


[0001]本专利技术属于交通流量预测
，具体涉及一种基于目标监测数据的船舶交通流量预测方法。

技术介绍

[0002]船舶交通流量的大小与众多因素有关，由于船舶交通流量具有惯性原则、类推原则和相关性原则，因此船舶交通流量的预测是一种可测性增量研究，而现有技术的交通流预测方法主要存在以下几点缺陷：
[0003]一是采用大数据建模流量预测，其实质上是通过建立大数据模型的两两共享的共享方式，实时对获取各个航线的船舶流量，并非真正意义上的传播流量的预测，而在该方法的基础上，通过传感器方式获取其他属性变量加入进行预测，虽然排除一些环境属性变量解决一些无法捕捉的船舶，以达到预测效果，但其对于未来短时间内的船舶流量无法精准预测，且由于输入的信号种类多，处理步骤繁琐，加大了运算工作量。二是通过深度学习模型的方式对船舶流量进行预测，该方案可以将序列分解为不同频率的分量，其对于非平稳非线性序列的处理有较好的效果。但无法单独处理针对于平稳随机序列，导致无法预测特定平稳随机序列的情况；
[0004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于目标监测数据的船舶交通流量预测方法，其特征在于，包括以下步骤：1)通过数据获取模块获取目标区域中船舶流量的时间序列数据进行处理，并发送至预处理模块；2)预处理模块对时间序列数据进行预处理，判断为符合预设条件的时间序列数据发送至相关性分析模块；同时，将判断为不符合预设条件的时间序列数据进行差分处理后，经数据获取模块重新发回预处理模块进行预处理；3)相关性分析模块对符合预设条件的时间序列数据进行相关性分析，获取数据的自相关系数和偏相关系数，并发送至模型构建模块；4)模型构建模块根据自相关系数和偏相关系数选取模型结构作为建模系数结构；5)模型构建模块对选取的建模系数结构处理，获取到模型参数，并建立对应的ARIMA模型，将建立的ARIMA模型发送至模型验证模块，并执行步骤6)；6)判断建立对应ARIMA模型是否满足精度要求，若误差分布超出阈值，则重复执行一次步骤4)
‑
步骤5)重新进行确定建模系数结构及模型参数估计；若建立的ARIMA模型满足精度要求，则验证ARIMA模型的平稳性和可逆性，验证通过后，则执行步骤7)；7)利用验证通过的ARIMA模型，将采集目标区域位置船舶流量的时间序列数据作为ARIMA模型的输入，ARIMA模型输出未来时间的船舶流量的预测值。2.根据权利要求1所述的一种基于目标监测数据的船舶交通流量预测方法，其特征在于，所述步骤1)，具体为：数据获取模块获取到某一时间段目标区域船舶流量的原始数据，包括历年各时间段对应的船舶流量数据，构成时间序列数据，并发送至预处理模块；并以设定单位时间为切片，绘制时间序列数据的散点图以可视化。3.根据权利要求1所述的一种基于目标监测数据的船舶交通流量预测方法，其特征在于，步骤2)中，所述预处理模块采用ADF检验或KPSS检验对时间序列数据进行预处理；步骤2)中，所述符合预设条件的时间序列数据为：当时间序列数据为零均值的平稳随机时间序列数据；其中，平稳指包括均值、方差和协方差的数字特征不随时间的变化而变化，且时间序列在各个时间点上的随机性服从设定的概率分布。4.根据权利要求1所述的一种基于目标监测数据的船舶交通流量预测方法，其特征在于，所述模型结构为AR(p)自回归模型，则AR(p)自回归模型的模型表达式如下：A(B)y(t)＝e(t)其中，A(B)＝1
‑
a1B
‑
a2B2‑…‑
a
p
B
p
，e(t)为零均值的白噪声，B为后移算子，即满足：B
n
y(t)＝y(t
‑
n),n＝1,2,...将数据序列{Yt}转化为以下的AR(p)的形式，即：y(t)＝a1y(t
‑
1)+a2y(t
‑
2)+...+a
p
y(t
‑
p)+e(t)其中，y(t
‑
p)表示平稳时间序列，a
p
为AR(p)模型的自回归系数，p代表模型中采用的时序数据本身的滞后阶次，序列e(t)代表AR(p)模型未观测到的随机干扰，即零均值的白噪声序列。5.根据权利要求1所述的一种基于目标监测数据的船舶交通流量预测方法，其特征在于，所述模型结构为MA(q)移动平均模型，则MA(q)移动平均模型的模型表达式如下：
y(t)＝C(B)e(t)其中，C(B)＝1
‑
c1B
‑
c2B2‑…‑
c
q
B
q
，e(t)为零均值的白噪声，B为后移算子；将数据序列{Yt}转化为以下的MA(q)模型的形式，即：y(t)＝e(t)
‑
c1e(t
‑
1)
‑
c2(t
‑
2)
‑…‑
c
q
e(t
‑
...

【专利技术属性】
技术研发人员：王林，狄鹏，潘巍，王贵喜，陈宇奇，王少蕾，
申请(专利权)人：中国人民解放军九二四九三部队试验训练总体研究所，
类型：发明
国别省市：