一种航道关键节点的拥堵程度评价方法、系统及存储介质技术方案

一种航道关键节点的拥堵程度评价方法、系统及存储介质，属于航道监测技术领域，包括：获取目标航道的航道特征及历史通航状况，评价航道通过力筛选航道关键点；获取航道关键点区域的船舶感知信息，识别船舶的航行行为，基于航行行为设置船舶的标签信息，判断船舶在航道关键点的通行时间；评估航道关键点的当前拥堵程度；利用图卷积神经网络将航道关键点进行图表示，根据航道关键点的当前拥挤程度进行动态预测，获取目标航道关键点的预测拥堵程度，基于预测拥堵程度进行目标关键点的船舶调度优化。本方法通过船舶的航行行为判断航道的拥堵状态，结合航道关联，动态分析航道网交通流，实现对航道通行状态的快速准确预测，对船舶进行有效调控。效调控。效调控。

【技术实现步骤摘要】
一种航道关键节点的拥堵程度评价方法、系统及存储介质


[0001]本专利技术涉及航道监测
，更具体的，涉及一种航道关键节点的拥堵程度评价方法、系统及存储介质。

技术介绍

[0002]随着经济和贸易的快速发展，国际、国内航运事业需求旺盛，航运业已经成为全球市场最具活力、增长力的市场之一。随着航运事业的发展，来往船舶数逐渐增多，航道拥堵问题日益严重，海上交通安全和船舶航行时间长等问题也随之出现。航道作为航运发展的基础设施，大力推进智慧航道建设，实现水文气象监测、水位遥测遥报、视频监控、流量监测全域感知，为船舶提供精准助航、高效过闸、水运信息等服务尤为重要。航道的监测对加快智慧航道建设、提升航道管理效率、加强智能化信息服务具有重大意义。
[0003]随着船舶交通量的持续增长，各航道面临的交通滞缓状况频繁出现，特别是突发事件下(超大型船舶进出港、能见度不良航行、船舶事故等)引起的偶发性交通拥堵越演越烈。目前，航道拥挤程度大多仍采用人工判定和事后判定，无法满足实时判定的效率需求。并且虽然VTS基站及AIS系统已经广泛使用，但数据利用程度不高，各VTS基站及AIS系统都只是针对单个基站或系统做数据统计，无法进行航道综合分析。因此，如何快速、准确地判定航道交通状态成为目前亟待解决的问题。

技术实现思路

[0004]为了解决上述技术问题，本专利技术提出了一种航道关键节点的拥堵程度评价方法、系统及存储介质。
[0005]本专利技术第一方面提供了一种航道关键节点的拥堵程度评价方法，包括：获取目标航道的航道特征及历史通航状况，根据所述航道特征及历史通航状况评价航道通过力，通过所述航道通过力筛选航道关键点；获取航道关键点的所属区域的船舶感知信息，根据所述船舶感知信息识别船舶的航行行为，基于航行行为设置船舶的标签信息，通过标签信息判断船舶在航道关键点的通行时间；根据航道关键点所属区域内各船舶的通行时间评估航道关键点的当前拥堵程度；利用图卷积神经网络将航道关键点进行图表示，根据航道关键点对应的当前拥挤程度进行动态预测，获取目标航道关键点的预测拥堵程度，基于预测拥堵程度进行目标关键点的船舶的调度优化。
[0006]本方案中，根据所述航道特征及历史通航状况评价航道通过力，通过所述航道通过力筛选航道关键点，具体为：选取目标航道，提取目标航道的航道宽度、深度及弯曲半径生成航道特征，并结合时序及气象因素进行动态更新；预设不同的监测步长，通过数据检索获取目标航道在不同监测步长下各监测设备
对应的船舶通行数量及船舶平均通行时间，生成历史通航状况，将所述历史通航状况与航道特征按照时序进行匹配；获取匹配后的历史通航状况序列，判断历史通航状况序列中的突变点，获取突变点对应的位置信息及对应时间戳的气象特征；根据所述气象特征生成气象标签，根据气象标签将突变点对应的位置信息进行聚类，获取不同气象标签下的突变点集合，判断不同气象标签下各位置信息的出现频次，根据所述出现频次设置权重信息；获取航道特征的基准值，判断不同气象标签下各突变点对应时间戳的航道特征与基准值的偏差，筛选偏差大于预设阈值的突变点，提取对应的位置信息，并按照权重信息进行排序；获取不同气象标签下预设数量的位置信息进行整合，根据整合后的位置信息作为航道关键点。
[0007]本方案中，获取航道关键点的所属区域的船舶感知信息，根据所述船舶感知信息识别船舶的航行行为，具体为：根据目标航道对应的二维地图信息进行格栅划分，获取航道关键点的对应的格栅区域，并根据预设范围选取所述格栅区域的邻域格栅作为航道关键点的所属区域；获取航道关键点所属区域的多源船舶感知信息，提取多源船舶感知信息的区域帧图像信息及船岸通信数据，根据区域帧图像信息进行船舶识别；利用多帧区域帧图像信息进行船舶的动态监测，获取船舶航行动态数据，通过所述航行动态数据判断船舶在航道关键点所属区域的船舶状态；根据船岸通信数据提取船舶的航行需求信息，将所述船舶状态与航行需求信息结合，判断船舶在航道关键点所属区域的航行行为，基于所述航行行为设置船舶的标签信息；根据所述标签信息船舶的静态数据进行大数据检索，获取标准船舶在不同航行行为的历史平均通行时间，将航道关键点所属区域中的船舶换算为标准船舶参数，结合历史平均通行时间获取运动状态船舶在航道关键点的通行时间。
[0008]本方案中，根据区域帧图像信息进行船舶识别，具体为：根据航道关键点所属区域的监测视频帧获取区域帧图像信息，将所述区域帧图像信息进行预处理，基于CenterNet网络构建船舶识别模型；将预处理后的区域帧图像信息作为船舶识别模型的输入提取特征图，在所述船舶识别模型中引入特征金字塔，将所述特征图导入特征金字塔，获取不同层级的特征图；在最高层级的特征图中引入ECA注意力机制进行通道特征增强，并将通道依赖关系传递到所述特征金字塔，通过尺度均衡化卷积进行特征融合，获取最终识别特征；根据所述最终识别特征获取目标的中心点位置、偏移及宽高信息，通过回归生成船舶的锚框，实现对船舶的识别。
[0009]本方案中，根据航道关键点所属区域内各船舶的通行时间评估航道关键点的当前拥堵程度，具体为：获取航道关键点所属区域内船舶识别过程中的锚框参数，根据所述锚框参数生成船舶状态描述，通过卡尔曼滤波算法对船舶状态进行更新生成轨迹，获取更新后船舶锚框参数与识别过程中的锚框参数进行匹配，进行船舶跟踪；
通过锚框回归识别当前时间戳各航道关键点所属区域的现有船舶数量，根据船舶跟踪获取下一时间戳进入各航道关键点所属区域的预测船舶数量，利用运动状态船舶的通行时间对对应船舶进行标注；预设航道拥堵评估任务的时间步长，构建航道拥堵判定模型，根据各航道关键点所属区域的航道特征设置对应的拥堵判别阈值体系，获取各航道关键点所属区域的静止船舶的航道占据比值，通过航道占据比值对拥堵判别阈值体系进行调整；根据通行时间获取所述时间步长内每一时间戳中现有船舶数量的减少率，并根据各航道关键点所属区域的预测船舶数量获取增长率，获取减少率与增长率的差值；将所述差值与当前时间戳的现有船舶数量进行结合，根据调整后的拥堵判别阈值体系判断当前时间戳的拥堵程度，将是时间步长内各时间戳的拥堵程度进行整合获取各航道关键点所属区域的当前拥挤程度。
[0010]本方案中，根据航道关键点对应的当前拥挤程度进行动态预测，获取目标航道关键点的预测拥堵程度，具体为：根据各航道关键点的连接关系生成拓扑结构，将所述拓扑结构进行图表示，将各航道关键点作为图节点，连接关系作为边结构，利用图卷积神经网络对所述图表示进行学习；获取图表示中各节点在不同气象标签下的历史通航状况作为节点的附加特征，选取目标航道关键点，根据所述附加特征进行相似度计算获取与目标航道关键点存在关联的其他航道关键点，生成目标航道关键点的邻接矩阵；通过各航道关键点所属区域的静止船舶的航道占据比值设置各航道关键点的初始权重，引入自注意机制获取聚合过程中邻接矩阵对应航道关键点的自注意力权重；根据所述初始权重及注意力权重进行邻居聚合更新目标航道关键点的向量表示，将更新后的向量表示进行维度变换，利用时间卷积获取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种航道关键节点的拥堵程度评价方法，其特征在于，包括以下步骤：获取目标航道的航道特征及历史通航状况，根据所述航道特征及历史通航状况评价航道通过力，通过所述航道通过力筛选航道关键点；获取航道关键点的所属区域的船舶感知信息，根据所述船舶感知信息识别船舶的航行行为，基于航行行为设置船舶的标签信息，通过标签信息判断船舶在航道关键点的通行时间；根据航道关键点所属区域内各船舶的通行时间评估航道关键点的当前拥堵程度；利用图卷积神经网络将航道关键点进行图表示，根据航道关键点对应的当前拥挤程度进行动态预测，获取目标航道关键点的预测拥堵程度，基于预测拥堵程度进行目标关键点的船舶的调度优化。2.根据权利要求1所述的一种航道关键节点的拥堵程度评价方法，其特征在于，根据所述航道特征及历史通航状况评价航道通过力，通过所述航道通过力筛选航道关键点，具体为：选取目标航道，提取目标航道的航道宽度、深度及弯曲半径生成航道特征，并结合时序及气象因素进行动态更新；预设不同的监测步长，通过数据检索获取目标航道在不同监测步长下各监测设备对应的船舶通行数量及船舶平均通行时间，生成历史通航状况，将所述历史通航状况与航道特征按照时序进行匹配；获取匹配后的历史通航状况序列，判断历史通航状况序列中的突变点，获取突变点对应的位置信息及对应时间戳的气象特征；根据所述气象特征生成气象标签，根据气象标签将突变点对应的位置信息进行聚类，获取不同气象标签下的突变点集合，判断不同气象标签下各位置信息的出现频次，根据所述出现频次设置权重信息；获取航道特征的基准值，判断不同气象标签下各突变点对应时间戳的航道特征与基准值的偏差，筛选偏差大于预设阈值的突变点，提取对应的位置信息，并按照权重信息进行排序；获取不同气象标签下预设数量的位置信息进行整合，根据整合后的位置信息作为航道关键点。3.根据权利要求1所述的一种航道关键节点的拥堵程度评价方法，其特征在于，获取航道关键点的所属区域的船舶感知信息，根据所述船舶感知信息识别船舶的航行行为，具体为：根据目标航道对应的二维地图信息进行格栅划分，获取航道关键点的对应的格栅区域，并根据预设范围选取所述格栅区域的邻域格栅作为航道关键点的所属区域；获取航道关键点所属区域的多源船舶感知信息，提取多源船舶感知信息的区域帧图像信息及船岸通信数据，根据区域帧图像信息进行船舶识别；利用多帧区域帧图像信息进行船舶的动态监测，获取船舶航行动态数据，通过所述航行动态数据判断船舶在航道关键点所属区域的船舶状态；根据船岸通信数据提取船舶的航行需求信息，将所述船舶状态与航行需求信息结合，判断船舶在航道关键点所属区域的航行行为，基于所述航行行为设置船舶的标签信息；
根据所述标签信息及船舶的静态数据进行大数据检索，获取标准船舶在不同航行行为的历史平均通行时间，将航道关键点所属区域中的船舶换算为标准船舶参数，结合历史平均通行时间获取运动状态船舶在航道关键点的通行时间。4.根据权利要求3所述的一种航道关键节点的拥堵程度评价方法，其特征在于，根据区域帧图像信息进行船舶识别，具体为：根据航道关键点所属区域的监测视频帧获取区域帧图像信息，将所述区域帧图像信息进行预处理，基于CenterNet网络构建船舶识别模型；将预处理后的区域帧图像信息作为船舶识别模型的输入提取特征图，在所述船舶识别模型中引入特征金字塔，将所述特征图导入特征金字塔，获取不同层级的特征图；在最高层级的特征图中引入ECA注意力机制进行通道特征增强，并将通道依赖关系传递到所述特征金字塔，通过尺度均衡化卷积进行特征融合，获取最终识别特征；根据所述最终识别特征获取目标的中心点位置、偏移及宽高信息，通过回归生成船舶的锚框，实现对船舶的识别。5.根据权利要求1所述的一种航道关键节点的拥堵程度评价方法，其特征在于，根据航道关键点所属区域内各船舶的通行时间评估航道关键点的当前拥堵程度，具体为：获取航道关键点所属区域内船舶识别过程中的锚框参数，根据所述锚框参数生成船舶状态描述，通过卡尔曼滤波算法对船舶状态进行更新生成轨迹，获取更新后船舶锚框参数与识别过程中的锚框参数进行匹配，进行船舶跟踪；通过锚框回归识别当前时间戳各航道关键点所属区域的现有船舶数量，根据船舶跟踪获取下一时间戳进入各航道关键点所属区域的预测船舶数量，利用运动状态船舶的通行时间对对应船舶进行标注；预设航道拥堵评估任务的时间步长，构建航道拥堵判定模型，根据各航道关键点所属区域的航道特征设置对应的拥堵判别阈值体系，获取各航道关键点所属区域的静止船舶的航道占据比值，通过航道占据比值对拥堵判别阈值体系进行调整；根据通行时间获取所述时间步长内每一时间戳中现有船舶数量的减少率，并根据各航道关键点所属区域的预测船舶数量获取增长率，获取减少率与增长率的差值；将所述差值与当...

【专利技术属性】
技术研发人员：李春旭，冯慧，耿雄飞，丁格格，洛佳男，文捷，姚治萱，殷悦，
申请(专利权)人：交通运输部水运科学研究所，
类型：发明
国别省市：