CN119479369A 一种基于ais大数据的水运航道拥挤识别方法和装置 （浙江海洋大学）

一种基于AIS大数据的水运航道拥挤识别方本申请提供一种基于AIS大数据的水运航道获取目标航道的船舶AIS数据；确定目标航道的待识别时长，基于船舶AIS数据的分布特点分割分析时间单元提取对应的船舶AIS数据的数据片价指标值的数值确定每个时段对应的多个类型长内的航道交通特征；对航道交通特征进行聚2确定所述目标航道的待识别时长，基于所述船舶AIS数据的分布特点分割所述待识别基于所述数据分析时间单元提取每个时间单元对应的所述船舶AIS数基于所述数据片段，计算目标航道对应数据分析时间单元内多个类基于每个所述时段下不同数据片段对应的多个类型的航道拥挤程度评价指标值的数汇总各个所述时段对应的多个类型的航道拥挤程度对所述航道交通特征进行聚类，根据聚类结果确定所述目标航道在所2.根据权利要求1所述的方法，其特征在于，所述基于基于所述船舶AIS数据确定所述待识别时长内，通过所述目标航道的船舶数量分布曲基于所述船舶数量分布曲线的变化趋势，确定所述基于所述变化趋势分界点分割所述待识别时长，确定数据分析确定待计算数据分析时间单元，提取所述待计算数据分析基于所述数据片段获取不同船舶在所述待计算数据分析时间单元针对所述待识别时长内的每个时段，确定所述时段下各个数针对同一类型的航道拥挤程度评价指标值，比较各个数据3根据所述时间标识的先后顺序排列各组航道拥挤程度评价指标值根据所述航行信息特点计算不同航道拥挤程度下各个类型的标准航道拥挤程度评价计算所述航道交通特征中各个类型的航道拥挤程度评价指标值与多个聚类中心的距根据所述距离确定各个航道拥挤程度评价指根据各个所述子类中所述各个航道拥挤程度评价指标值的数量代表子类对应的航道拥挤程度作为所述目标航道在所述待识别时为当量交通量时，所述根据所述实时位置和轨迹计算多个类型的航道拥挤程度评价指标根据各个船舶的尺寸确定所述各个船舶对应的类型，基将每个船舶对应的当量系数与数量的乘积确定为每个船舶的当量交基于所述不同船舶在目标航道的实时位置和轨迹确定对应的基于所述数据片段中不同船舶的船长以及对应的船舶领域，计算不将不同船舶的船舶领域面积的和值与目标航道实际可航水域面积的商值确定为目标4所述提取模块，用于基于所述数据分析时间单元提取每个时间单元对应的所述船舶所述计算模块，用于基于所述数据片段，计算目标航道对应数据分所述确定模块，还用于基于每个所述时段下不同数据片段对应的多所述获取模块，还用于汇总各个所述时段对应的多个类型的航道拥挤程度评价指标所述确定模块，还用于对所述航道交通特征进行聚类，根据聚类结5[0001]本申请涉及航道监测技术领域，尤其涉及一种基于AIS大数据的水运航道拥挤识航空交通的分析方法。尽管一些学者尝试提出交叉航道拥挤的定义并构建复杂网络模型，现有的研究多集中于宏观层面的拥堵情况，缺乏对具体航道环境和船舶特征的深入分析。本申请第一方面提供一种基于AIS大数据的水运航道拥挤识别方法，所述方法包确定所述目标航道的待识别时长，基于所述船舶AIS数据的分布特点分割所述待基于所述数据分析时间单元提取每个时间单元对应的所述船舶AIS数据的数据片基于每个所述时段下不同数据片段对应的多个类型的航道拥挤程度评价指标值6[0007]本申请第二方面提供一种基于AIS大数据的水运航道拥挤识别装置，所述装置包据船舶AIS数据的分布特点动态划分待识别时长，可以确保数据分析时间单元与航道实际情况密切相关。这种动态的时间单元划分能够避免固定时段所带来的数据丢失或冗余问分析结果与实际航道管理需求的高度一致性。聚类结果不仅可以反映航道当前的拥挤状7图4为本申请提供的基于AIS大数据的水运航道拥挤识别装置实施例一的结构示[0011]在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申[0014]图1为本申请提供的基于AIS大数据的水运航道拥挤识别方法实施例一的流程S101、获取目标航道的船舶AIS数据；所述目标航道为待识别拥挤情况的水运航[0016]具体实现时，根据待识别拥挤情况的水运航道确定目标航道，通过岸基AIS接收8[0022]S103、基于所述数据分析时间单元提取每个时间单元对应的所述船舶AIS数据的段，确定不同船舶在该数据片段对应的待计算数据分析时间单元内在目标航道的实时位9每个船舶的当量交通量的和值确定为目标航道对应数据分析时间单元按照如下公式计算目标航道对应数据分析时间单元内的当;[0042]具体实现时，将不同船舶的船长与第一预设系数的乘积;域面积的和值与目标航道实际可航水域面积面积的商值确定为目标航道对应数据分析时;;i的船长。数据分析时间单元内进入目标航道的船舶数量与离开目标航道的船舶数量之差与离开目标航道的船舶数量的商值，滞留度反映了目标航道在对应数据分析时间单元内的流动性；;其中，所述R为目标航道在对应数据分析时间单元内的滞留度；所述;ij的速度；所述p为追及汇聚度函数。t为当前时刻；所述D:(0)为船舶i、船舶j初始时刻在x方向的距离；所述D:(0)为船舶i、船舶j之间的夹角。;为船舶i、船舶j之间的距离；所述Ia为两船抵达最小安全距离所花时间；所述为船舶i、最终得到24个时段对应的多个类型的航道拥挤程度程度评价指标值的数值，确定每个所述时段对应的多个类型的航道拥挤程度评价指标值，所有数据片段对应的汇聚度将航道拥挤程度评价指标值最大的确定为该时段下该类型6个片刻对应的滞留度，将滞留度最大的目标滞留度确定为中午12点对应的滞留度。同样[0061]具体实现时，所述汇总各个所述时段对应的多个类型的航道拥挤程度评价指标结合代表子类所在的数据片段对应的时间单元确定。如果数据片段对应的是同一时间单船舶类型的当量系数进行加权求和，能够将复杂的船舶类型转化为单一的当量交通量指[0072]与前述一种基于AIS大数据的水运航道拥挤识别方法的实施例相对应，本申请还提供了一种基于AIS大数据的水运航道拥挤识别装置的实施[0073]图4为本申请提供的基于AIS大数据的水运航道拥挤识别装置实施例一的结构示所述提取模块430，用于基于所述数据分析时间单元提取每个时间单元对应的所所述确定模块420，还用于基于每个所述时段下不同数据片段对应的多个类型的所述获取模块410，还用于汇总各