System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于海事监管,尤其涉及船舶航行,具体公开了一种基于改进dbscan的船舶会遇识别方法和系统。
技术介绍
1、随着航运业的不断发展,船舶会遇局面逐渐复杂,船舶处于会遇局面是船舶碰撞的必要条件,因此快速且准确的提取船舶会遇态势是提升水上交通安全监管能力的关键。随着船舶自动识别系统(automatic identification system,ais)的不断发展,通过ais数据挖掘海上交通的潜在规律已成为当前的热点问题。基于ais数据对船舶会遇局面精准提取进而研究海上交通状况,开展船舶避碰等对于保证船舶航行安全和提高海事监管能力具有十分重要的意义。
2、海事交通监管保证船舶安全航行的前提是快速且准确的识别出具有潜在碰撞危险的船舶。国内外学者对此进行了大量研究工作,miao等基于实际ais数据重现船舶的相对运动过程提取船舶的会合位置和相应的实际避让行为划分了船舶会遇方位图,以该地图作为船舶会遇局面辨识依据。马杰等提出一种船舶会遇态势提取方法,利用svm基于ais数据时空分析实现会遇场景重建,对船舶会遇特征序列分类辨识建模,实现了会遇态势的自动提取;rong等结合人工势场法和船舶领域模型对历史船舶会遇样本进行了提取和模拟研究。zhang等基于船舶领域和最小碰撞距离从历史ais数据中提取船舶会遇样本,对会遇样本进行了危险度排序。
3、但是,这些方案在船舶交通密集态势复杂的情况下,多是利用dbscan算法快速对船舶的位置信息聚类,识别出处在会遇态势下的船舶和非会遇船舶。但船舶除了经纬度位置信息外还存在着航向
技术实现思路
1、本专利技术实施例的目的在于提供一种基于改进dbscan的船舶会遇识别方法,旨在解决现有技术在对船舶进行聚类时考虑船舶间相对位置关系,未考虑到船舶航向、航速等动态信息,这将会使得部分不存在碰撞可能的非会遇船舶被统计,导致船舶会遇局面辨识效率不高的问题。
2、dbscan(density-based spatial clustering of applications with noise):是一个基于密度的聚类算法,dbscan属于无监督学习算法,可以观察无标签数据集自动发现隐藏结构和层次,在无标签数据中寻找隐藏规律。
3、本专利技术实施例是这样实现的,一种基于改进dbscan的船舶会遇识别方法,所述方法包括以下步骤:
4、获取当前海域船舶会遇局面的海事数据,并对海事数据中各船舶的位置进行标记;
5、设定当前海域的密度阈值和邻域值,计算各标记船舶的dcpa与tcpa值;根据dcpa与tcpa值,排除tcpa值大于第一时间阈值的非会遇船舶;
6、通过预设的模糊综合评价模型计算邻域值内标记船舶会遇的风险值,比较该风险值与风险阈值,排除未超过风险阈值的标记船舶;
7、遍历所有标记的船舶,均进行tcpa值、风险值的排除,得到船舶会遇的聚类结果;
8、根据所述聚类结果,推测船舶的会遇态势,识别会遇局面的碰撞情况。
9、为了加快所述基于改进dbscan的船舶会遇识别方法的实施,本专利技术实施例的另一目的在于提供一种基于改进dbscan的船舶会遇识别系统,用于如上所述的基于改进dbscan的船舶会遇识别方法,所述基于改进dbscan的船舶会遇识别系统包括:ais数据获取模块、第一筛选模块、第二筛选模块、重排除模块和会遇态势生成模块;
10、所述ais数据获取模块,用于获取当前海域船舶会遇局面的海事数据,并对海事数据中各船舶的位置进行标记;
11、所述第一筛选模块,用于设定当前海域的密度阈值和邻域值,计算各标记船舶的dcpa与tcpa值;根据dcpa与tcpa值,排除tcpa值大于第一时间阈值的非会遇船舶;
12、所述第二筛选模块,用于通过预设的模糊综合评价模型计算邻域值内标记船舶会遇的风险值,比较该风险值与风险阈值,排除未超过风险阈值的标记船舶;
13、所述重排除模块,用于遍历所有标记的船舶,均进行tcpa值、风险值的排除,得到船舶会遇的聚类结果;
14、所述会遇态势生成模块,用于根据所述聚类结果,推测船舶的会遇态势,识别会遇局面的碰撞情况。
15、本专利技术实施例提供的一种基于改进dbscan的船舶会遇识别方法,针对现有海事监管用的dbscan,仅仅使用邻域值ε和密度阈值m两个参数,在对船舶进行聚类时仅考虑到船舶间相对位置关系,未考虑到船舶航向、航速等动态信息,这将会使得部分不存在碰撞可能的非会遇船舶被统计,导致船舶会遇局面辨识效率不高的不足进行改进;可以减少噪声船舶,而使最终的船舶会遇局面数量大幅度降低,提高了精确度。
本文档来自技高网...【技术保护点】
1.一种基于改进DBSCAN的船舶会遇识别方法,其特征在于,所述方法包括以下步骤:
2.根据权利要求1所述的基于改进DBSCAN的船舶会遇识别方法,其特征在于,预设的所述模糊综合评价模型,满足以下步骤:
3.根据权利要求1所述的基于改进DBSCAN的船舶会遇识别方法,其特征在于,所述方法还包括:
4.根据权利要求1所述的基于改进DBSCAN的船舶会遇识别方法,其特征在于,所述方法还包括:根据各临域内船舶的数量,更新设置的密度阈值和邻域值。
5.根据权利要求1所述的基于改进DBSCAN的船舶会遇识别方法,其特征在于,所述设定当前海域的密度阈值和邻域值,计算各标记船舶的DCPA与TCPA值的步骤,具体包括:
6.一种基于改进DBSCAN的船舶会遇识别系统,其特征在于,所述系统包括:AIS数据获取模块、第一筛选模块、第二筛选模块、重排除模块和会遇态势生成模块;
7.根据权利要求6所述的基于改进DBSCAN的船舶会遇识别系统,其特征在于,所述系统还包括:评价模型建立模块,用于建立和预设模糊综合评价模型。
9.根据权利要求6或7所述的基于改进DBSCAN的船舶会遇识别系统,其特征在于,所述系统还包括:参数优化模块;
10.根据权利要求6所述的基于改进DBSCAN的船舶会遇识别系统,其特征在于,所述系统还包括:会遇风险推演模块和避碰预控制模块;
...【技术特征摘要】
1.一种基于改进dbscan的船舶会遇识别方法,其特征在于,所述方法包括以下步骤:
2.根据权利要求1所述的基于改进dbscan的船舶会遇识别方法,其特征在于,预设的所述模糊综合评价模型,满足以下步骤:
3.根据权利要求1所述的基于改进dbscan的船舶会遇识别方法,其特征在于,所述方法还包括:
4.根据权利要求1所述的基于改进dbscan的船舶会遇识别方法,其特征在于,所述方法还包括:根据各临域内船舶的数量,更新设置的密度阈值和邻域值。
5.根据权利要求1所述的基于改进dbscan的船舶会遇识别方法,其特征在于,所述设定当前海域的密度阈值和邻域值,计算各标记船舶的dcpa与tcpa值的步骤,具体包括:
6.一种基于改进dbscan的船舶会...
【专利技术属性】
技术研发人员:陈蜀喆,张翀,孙俊博,王子威,
申请(专利权)人:武汉理工大学,
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。