工程船的航线诱导研究
发布时间：2022-02-13 16:04
随着国家“一带一路”战略的实施,航运交通流量快速增长,航道交通越来越繁忙。特别是在一些水上施工区域,由于工程船作业地点的不确定性,海图上没有穿越航道地点固定标志,因此会特别设置一艘或多艘引导船来提高往来航行船舶警惕性以及用于引导工程船的穿越,浪费了人力物力的同时安全性也并不高,同时通过水域条件也相对较差,助航设备受使用环境的影响具有较大的不稳定性。现有的工程船穿越间隙的判断与穿越路径的选择方法,愈发不能满足目前复杂航道下,船舶安全性驾驶的需求。为解决工程船航行与穿越航道时,与航行船舶可能会产生的冲突问题,本文引入了船舶航行诱导的概念。船舶航行诱导是由公路智能交通管理理念在水上交通领域的创新应用。获取航道内船舶的历史数据,并通过三次样条插值的方法对数据加以补全修复,用于接下来的航路中的交通流信息短时预测。通过LSTM算法,额外引入的风力情况作为影响因素,对未来一定时间的航路中交通流信息进行预测,包括流量与速度的情况。最后通过考虑航道上正在航行船舶大小、航速、航向以及水道水流速度及水流方向资料,与工程船航行的规划路径,判断分析出工程船与航道中航行船舶的位置关系,预测出其航行至航道正常航行平...
【文章来源】：大连海事大学辽宁省211工程院校
【文章页数】：89 页
【学位级别】：硕士
【部分图文】：
图３．２中，ｘ是一个向量，它表示输入层的值（这里面没有画出来表示神经元节点??的圆圈）；ｓ是一个向量，它表示隐藏层的值（这里隐藏层面画了一个节点，也可以想象??
图３所，ｊ＾
??工程船的航线诱导研究?＊???向行驶，行驶约３６８５ｍ，此时大约航行９４分钟，到达目的地附近。因为水流速度方向??与船速相反，工程船按照９０°穿越时发生的横向漂移方向与起点到终点方向相反，因而??航行总时间大大增加。此时调整穿越角度为］２０。，绰果如图６．９所示，可以看出所需??航行时间缩短，变为７８分钟，．同时穿越肘发生的横向位ｆ大大减校１??￥?ｔ?＇?．?ｔ?＾?＊?Ｉ??ｌｌ?’Ｃ：＼ＵｓｅｒＶ＜ｌｅｌｌ＼Ｄｅｓｋｍｐ＼．勤？．＼。１口态数？副荽＇??图０．８情况２下的工程船诱导航线??Ｆｉｇ．?６．８?Ｅｎｇｉｎｅｅｒｉｎｇ?ｓｈｉｐ?ｇｕｉｄａｎｃｅ?ｃｏｕｒｓｅ：?ｉｎ?ｃａｓｅ?２?：??？?■?ｉ?，??ｖ?＇?ｉ?？?ｉ??．．．?＇．?Ｉ?？?ｔ＇?．??？?．?．?？?：?：．?１?＼；?＞?＇■?ｆ??１１，（＿：＼１｜＆＜？「５＞，‘此１丨＼１）朽以０口＇、辦＼〇３５６函数２－１．丨－：＾１＾１＾９＼＾１／＾测鈇罔．￡＞：￡＊＂?？??舉■削德彌靖兩糊靜層職醒ＲＳｌｉＭ??图０．９改变穿越角度的情况２下的工程船诱导航线??Ｆｉｇ．?６．９?Ｅｎｇｉｎｅｅｒｉｎｇ?ｓｈｉｐ?ｉｎｄｕｃｔｉｏｎ?ｒｏｕｔｅ?ｗｉｔｈ?ｃｈａｎｇｉｎｇ?ｃｒｏｓｓｉｎｇ?ａｎｇｌｅ?ｉｎ?ｃａｓｅ?２??如图６．１０中所示，在当前莫拟航道中，在情况３下进行航线诱导．，诱导的结果??为：按照设定的１．５ｍ／ｓ进行航行，可直接进行无等待穿越；按照预测时设定的９０°进??行穿越，纵向航行９５０ｍ，横向因为水流的原因会漂移６８７ｍ，在１０分钟时完成
【参考文献】：
期刊论文
[1]基于AIS数据和LSTM网络的船舶航行动态预测[J]. 任宇翔,赵建森,刘卫,王胜正,韦雨含. 上海海事大学学报. 2019(03)
[2]交通诱导理念在航运中的应用——船舶航行诱导系统的概念与组成[J]. 李猛,谢新连,潘伟. 世界海运. 2019(07)
[3]基于组合预测方法的城市道路短时交通流预测[J]. 胡浩,闫伟,李泓明. 工业工程与管理. 2019(03)
[4]城市道路短时交通流量预测[J]. 李建森,沈齐,范馨月. 数学的实践与认识. 2019(05)
[5]基于灰色ELM神经网络的短时交通流量预测[J]. 景辉鑫,钱伟,车凯. 河南理工大学学报(自然科学版). 2019(02)
[6]基于小波和多维重构的BP神经网络交通流短时预测[J]. 曹洁,沈钧珥,张红,侯亮,陈作汉. 计算机应用与软件. 2018(12)
[7]基于KNN-LSTM的短时交通流预测[J]. 罗向龙,李丹阳,杨彧,张生瑞. 北京工业大学学报. 2018(12)
[8]多船会遇自主避碰算法[J]. 李啸雨,许劲松,杨荣武. 船舶工程. 2018(09)
[9]基于LSTM的短时交通流预测研究[J]. 曹博,高茂庭. 现代计算机(专业版). 2018(25)
[10]基于交通冲突技术的长江干线客渡船横越模型与应用[J]. 程志友,廉天翔,周昔东,尹朝忠,蔡文鹏,李亚玲. 科学技术与工程. 2018(24)
硕士论文
[1]基于SVM和BP神经网络的短时交通流预测与实现[D]. 余涛.南京邮电大学 2018
[2]基于模拟退火算法的神经网络优化与短时交通流预测研究[D]. 朱圣博.中国人民公安大学 2018
[3]基于LSTM深度网络的城市道路短时交通状态预测模型研究[D]. 陈韫.福建工程学院 2018
[4]具备自我更新机制和预测能力的实时动态交通诱导方法[D]. 谭谱林.山东大学 2017
[5]基于LSTM的舰船运动姿态短期预测及仿真研究[D]. 王国栋.江苏科技大学 2017
[6]基于支持向量回归的短时交通流预测方法研究与应用[D]. 武琼.长安大学 2016
[7]Hadoop环境下基于SVR的短时交通流预测[D]. 周常胜.大连理工大学 2014
[8]城市交叉口短时交通流预测模型与算法研究[D]. 郭沂鑫.兰州交通大学 2014
[9]基于时间序列模型的短时交通流预测的研究与应用[D]. 杨元元.西安电子科技大学 2014
[10]基于卡尔曼滤波的短时交通流预测方法研究[D]. 石曼曼.西南交通大学 2012
本文编号：3623493
【文章来源】：大连海事大学辽宁省211工程院校
【文章页数】：89 页
【学位级别】：硕士
【部分图文】：
图３．２中，ｘ是一个向量，它表示输入层的值（这里面没有画出来表示神经元节点??的圆圈）；ｓ是一个向量，它表示隐藏层的值（这里隐藏层面画了一个节点，也可以想象??
图３所，ｊ＾
??工程船的航线诱导研究?＊???向行驶，行驶约３６８５ｍ，此时大约航行９４分钟，到达目的地附近。因为水流速度方向??与船速相反，工程船按照９０°穿越时发生的横向漂移方向与起点到终点方向相反，因而??航行总时间大大增加。此时调整穿越角度为］２０。，绰果如图６．９所示，可以看出所需??航行时间缩短，变为７８分钟，．同时穿越肘发生的横向位ｆ大大减校１??￥?ｔ?＇?．?ｔ?＾?＊?Ｉ??ｌｌ?’Ｃ：＼ＵｓｅｒＶ＜ｌｅｌｌ＼Ｄｅｓｋｍｐ＼．勤？．＼。１口态数？副荽＇??图０．８情况２下的工程船诱导航线??Ｆｉｇ．?６．８?Ｅｎｇｉｎｅｅｒｉｎｇ?ｓｈｉｐ?ｇｕｉｄａｎｃｅ?ｃｏｕｒｓｅ：?ｉｎ?ｃａｓｅ?２?：??？?■?ｉ?，??ｖ?＇?ｉ?？?ｉ??．．．?＇．?Ｉ?？?ｔ＇?．??？?．?．?？?：?：．?１?＼；?＞?＇■?ｆ??１１，（＿：＼１｜＆＜？「５＞，‘此１丨＼１）朽以０口＇、辦＼〇３５６函数２－１．丨－：＾１＾１＾９＼＾１／＾测鈇罔．￡＞：￡＊＂?？??舉■削德彌靖兩糊靜層職醒ＲＳｌｉＭ??图０．９改变穿越角度的情况２下的工程船诱导航线??Ｆｉｇ．?６．９?Ｅｎｇｉｎｅｅｒｉｎｇ?ｓｈｉｐ?ｉｎｄｕｃｔｉｏｎ?ｒｏｕｔｅ?ｗｉｔｈ?ｃｈａｎｇｉｎｇ?ｃｒｏｓｓｉｎｇ?ａｎｇｌｅ?ｉｎ?ｃａｓｅ?２??如图６．１０中所示，在当前莫拟航道中，在情况３下进行航线诱导．，诱导的结果??为：按照设定的１．５ｍ／ｓ进行航行，可直接进行无等待穿越；按照预测时设定的９０°进??行穿越，纵向航行９５０ｍ，横向因为水流的原因会漂移６８７ｍ，在１０分钟时完成
【参考文献】：
期刊论文
[1]基于AIS数据和LSTM网络的船舶航行动态预测[J]. 任宇翔,赵建森,刘卫,王胜正,韦雨含. 上海海事大学学报. 2019(03)
[2]交通诱导理念在航运中的应用——船舶航行诱导系统的概念与组成[J]. 李猛,谢新连,潘伟. 世界海运. 2019(07)
[3]基于组合预测方法的城市道路短时交通流预测[J]. 胡浩,闫伟,李泓明. 工业工程与管理. 2019(03)
[4]城市道路短时交通流量预测[J]. 李建森,沈齐,范馨月. 数学的实践与认识. 2019(05)
[5]基于灰色ELM神经网络的短时交通流量预测[J]. 景辉鑫,钱伟,车凯. 河南理工大学学报(自然科学版). 2019(02)
[6]基于小波和多维重构的BP神经网络交通流短时预测[J]. 曹洁,沈钧珥,张红,侯亮,陈作汉. 计算机应用与软件. 2018(12)
[7]基于KNN-LSTM的短时交通流预测[J]. 罗向龙,李丹阳,杨彧,张生瑞. 北京工业大学学报. 2018(12)
[8]多船会遇自主避碰算法[J]. 李啸雨,许劲松,杨荣武. 船舶工程. 2018(09)
[9]基于LSTM的短时交通流预测研究[J]. 曹博,高茂庭. 现代计算机(专业版). 2018(25)
[10]基于交通冲突技术的长江干线客渡船横越模型与应用[J]. 程志友,廉天翔,周昔东,尹朝忠,蔡文鹏,李亚玲. 科学技术与工程. 2018(24)
硕士论文
[1]基于SVM和BP神经网络的短时交通流预测与实现[D]. 余涛.南京邮电大学 2018
[2]基于模拟退火算法的神经网络优化与短时交通流预测研究[D]. 朱圣博.中国人民公安大学 2018
[3]基于LSTM深度网络的城市道路短时交通状态预测模型研究[D]. 陈韫.福建工程学院 2018
[4]具备自我更新机制和预测能力的实时动态交通诱导方法[D]. 谭谱林.山东大学 2017
[5]基于LSTM的舰船运动姿态短期预测及仿真研究[D]. 王国栋.江苏科技大学 2017
[6]基于支持向量回归的短时交通流预测方法研究与应用[D]. 武琼.长安大学 2016
[7]Hadoop环境下基于SVR的短时交通流预测[D]. 周常胜.大连理工大学 2014
[8]城市交叉口短时交通流预测模型与算法研究[D]. 郭沂鑫.兰州交通大学 2014
[9]基于时间序列模型的短时交通流预测的研究与应用[D]. 杨元元.西安电子科技大学 2014
[10]基于卡尔曼滤波的短时交通流预测方法研究[D]. 石曼曼.西南交通大学 2012
本文编号：3623493
本文链接：https://www.wllwen.com/kejilunwen/chuanbolw/3623493.html
