基于船舶大数据的交通状态识别及可视化技术研究

发布时间：2024-02-24 09:39

　　近年来,随着我国水上交通运输业的快速发展,内河航道交通情形日益复杂,船舶通航效率和航行安全受到严重威胁。为了缓解内河航道交通压力,对航道交通信息进行高效获取及智能分析,进而对航道交通状态做出有效判别及预测,已成为我国航运业智能化发展的必然要求。大数据技术的高速发展及船舶自动识别系统(Automatic Identification System,AIS)的广泛普及,使得及时获取内河航道中的船舶交通数据已成为可能,海量的船舶交通数据为内河航道的交通流预测及交通状态识别提供了数据保障,如何从这些数据中提取出能够反映内河航道交通状况的特征参数,并基于此构建船舶交通流预测模型及识别模型,是水上交通诱导及控制的前提。基于以上背景,本文针对内河航道特点,利用航道AIS大数据,对航道交通流预测和交通状态识别问题展开研究。首先,设计了基于海量AIS数据的内河航道船舶交通流参数提取方法,即根据海量AIS数据的特点,采用大数据处理平台Hadoop及Spark对其进行有效管理及初步预处理;结合船舶交通流的特性,选取特定的时间间隔提取多个航段的船舶交通流参数,并进行异常识别及修复处理,而后采用Savitzky...

【文章页数】：83 页

【学位级别】：硕士

【部分图文】：

图２．１速度－密度关系图??Ｆｉｇ．?２．１?Ｓｐｅｅｄ－Ｄｅｎｓｉｔｙ?ｄｉａｇｒａｍ??从图２．１可以看到，交通流速度与交通流密度成反比关系

?基于船舶大数据的交通状态识别及可视化技术研究???２．?１．３船舶交通流参数互相关系??交通流参数是同一段交通流不同特征的表现，它们即有区别，又互相紧密联系。理??论上，船舶交通流量为交通流宽度、交通流速度与交通流密度三者的乘积，可根据其中??任意３个量，计算另一个未知量，若假....

图２．４多航段交通流预测示意图??Ｆｉｇ．?２．４?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｍｕｌｔｉ－ｓｅｇｍｅｎｔ?ｔｒａｆｆｉｃ?ｆｌｏｗ?ｐｒｅｄｉｃｔｉｏｎ??

?大连海事大学硕士学位论文???多个航段空间关系的基础上对其中某一航段的未来交通流做预测，从而取得更加精确的??结果［４４］。??多航段船舶交通流预测就是把多个航段作为一个整体进行考虑，根据多个上下游相??关航段的交通流变化规律及各种影响因素，创建预测模型及方法，以多个航段的船舶....

图３．１?ＨＤＦＳ文件存储架构??Ｆｉｇ．?３．１?ＨＤＦＳ?ｆｉｌｅ?ｓｔｏｒａｇｅ?ａｒｃｈｉｔｅｃｔｕｒｅ??－２０?－??

??问应用程序的数据，适合那些有着超大数据集的应用程序，主要用来为海量数据提供存??储［４７＞。ＨＤＦＳ的架构是基于一组特定的节点构建的，这些节点分别为主控节点??（ＮａｍｅＮｏｄｅ）、第二名称节点（Ｓｅｃｏｎｄａｒｙ?ＮａｍｅＮｏｄｃ）和数据节点（ＤａｔａＮｏｄｅ）ａＮａｍｅＮ....

图３．５部分交通流量提取结果??Ｆｉｇ．?３．５?Ｔｈｅ?ｐａｒｔｉａｌ?ｅｘｔｒａｃｔｉｏｎ?ｒｅｓｕｌｔ?ｏｆ?ｔｒａｆｆｉｃ－ｆｌｏｗ??－２５?－??

９．８０??２０１９／４／１?１８：００?１８５?５．２４?１９．４９??２０１９／４／１?２０：００?１６８?４．９５?１８．８９??２０１９／４／１?２２：００?１４５?４．４８?１６．８７??由表３．４可以看出，一天内的船舶交通流参数呈现出一定的规律，夜间及凌晨的船??舶交....

本文编号：3908798