一种融合AIS数据挖掘的港口水域规划方法及系统与流程

一种融合ais数据挖掘的港口水域规划方法及系统
技术领域
1.本发明涉及港口规划技术领域，具体涉及一种融合ais数据挖掘的港口水域规划方法及系统。


背景技术：

2.由船舶、航道、锚地、泊位等组成的港口系统，具有随机性、复杂性、不确定性，其动态变化、多要素信息实时交互。港口水域规划是对锚地、航道以及回旋水域等诸多要素进行规划设计，对于业务量大，到港船舶复杂的港口，其设计是否科学合理将直接影响船舶进出港的安全性及港口运营效率。
3.目前针对港口水域量化仿真分析研究，多以具体或个例港区为原型，主要采用基于离散事件的仿真策略开展港口水域规划量化分析，其模型输入参数一般由《海港总体设计规范》确定，或采用经验数据确定。此类港口水域规划量化仿真分析方法，一般是将港口船舶航行作业系统视作一个离散事件服务系统，提供服务的是系统内部的永久元素，即锚地、航道、泊位及装卸系统，服务对象是船舶。其中，锚地为船舶提供待航、待泊的等待场所；航道为船舶提供进出港口的通道；泊位为船舶提供装卸作业的地点。上述研究方法需要大量的先验知识，并且仅依据阈值等人工经验对数据进行港口水域规划分析，规划精度和安全性得不到保障。


技术实现要素：

4.本发明的目的在于提供一种融合ais数据挖掘的港口水域规划方法及系统，以解决现有技术中需要大量的先验知识，并且仅依据阈值等人工经验对数据进行港口水域规划分析，规划精度和安全性得不到保障的技术问题。
5.为解决上述技术问题，本发明具体提供下述技术方案：
6.一种融合ais数据挖掘的港口水域规划方法，包括以下步骤：
7.步骤s1、基于规划区域内的所有港口水域以及所述港口水域的通行日志构建用于港口水域规划量化仿真分析的港口水域样本矩阵；
8.步骤s2、利用多目标集群分析算法对所述港口水域样本矩阵进行集群分析以获得均衡港口水域规划量化仿真规划精度和规划效率且实现统一分析的港口水域规划集群；
9.步骤s3、基于所述港口水域规划集群对所述港口水域的通行规划进行量化仿真分析以实现精确和高效确定港口水域的通行规划。
10.作为本发明的一种优选方案，所述步骤s1中，构建所述港口水域样本矩阵的具体方法包括：
11.将每个通行主站进行编码量化为港口水域样本矩阵的矩阵元素x
i
，并将每个通行主站的通行日志量化为矩阵元素的元素特征量[y
j
]；
[0012]
结合所述矩阵元素x
i
和所述元素特征量[y
j
]构建获得所述港口水域样本矩阵为
[0013]
其中，i∈(1,n)，j∈(1,m)，n为港口水域总数目，m为元素特征的总类目。
[0014]
作为本发明的一种优选方案，所述步骤s1中，还包括将所述港口水域样本矩阵a转化为相似度邻接矩阵u，包括：
[0015]
依次计算港口水域样本矩阵a中每一项元素与其余项元素的相似度，并生成相似度矩阵所述相似度计算公式为：
[0016][0017]
基于预设的相似度阈值将所述相似度矩阵进行二值化转换生成相似度邻接矩阵所述二值化转换公式为：
[0018]
其中，i1、i2∈(1,n)，j∈(1,m)，n为港口水域总数目，m为元素特征的总类目，分别为港口水域样本矩阵a的第i1、i2个矩阵元素的第j类特征元素，为相似度邻接矩阵u的第i1行第i2列的矩阵元素，为相似度矩阵的第i1行第i2列的矩阵元素。
[0019]
作为本发明的一种优选方案，所述步骤s2中，利用港口水域规划量化仿真规划精度和规划效率构建对港口水域样本矩阵进行元素集群划分的多目标划分算法，包括：
[0020]
数学量化所述港口水域规划量化仿真规划精度生成精度效益目标，所述精度效益目标公式为：
[0021]
数学量化所述港口水域规划量化仿真规划效率生成效率效益目标，所述效率效益目标公式为：
[0022]
利用最小化求解原则结合所述精度效益目标和效率效益目标构建所述多目标划分算法的多目标函数，所述多目标函数为：
[0023]
其中，c
k
为港口水域样本矩阵a中划分的第k个港口水域规划集群的矩阵元素集
合，i1、i2∈(1,n)，分别为港口水域样本矩阵a的第i1、i2个矩阵元素，m为港口水域样本矩阵a划分后的最优质港口水域规划集群总数。
[0024]
作为本发明的一种优选方案，利用多目标划分算法对所述港口水域样本矩阵a进行集群划分的具体方法包括：
[0025]
步骤s201：对所述港口水域样本矩阵a中的所有矩阵元素均分别量化为单个港口水域规划集群，并设定迭代次数；
[0026]
步骤s202：依次计算港口水域规划集群和其余港口水域规划集群两两融合的适应度函数，保留适应度函数最大的两单港口水域规划集群进行融合归一实现融合迭代；
[0027]
步骤s203：若融合迭代次数大于等于设定迭代次数，选取当前步骤s202中的港口水域规划集群作为所述最优质港口水域规划集群；若融合迭代次数小于设定迭代次数，返回步骤s202。
[0028]
作为本发明的一种优选方案，所述依据适应度函数构建的具体方法包括：
[0029]
基于目标函数线性标定获得适应度函数f4＝
‑
f3+δ，其中，δ为扰动常数；
[0030]
依次计算两个港口水域规划集群融合的适应度值，并选取适应值f4最高的两个港口水域规划集群进行融合。
[0031]
作为本发明的一种优选方案，所述步骤s3中，基于所述港口水域规划集群对所述港口水域的通行规划进行量化仿真分析的具体方法包括：
[0032]
步骤s301、依次选出每个港口水域规划集群中流域最窄的港口水域，并依据流域最窄的港口水域的真实通行日志仿真船只在流域最窄的港口水域动态流动以统计出所述流域最窄的港口水域单位时间内的通行流量作为每个港口水域集群中所有港口水域的最大承载通行流量；
[0033]
步骤s302、依次选出每个港口水域规划集群中流域最宽的港口水域，并依据流域最宽的港口水域真实通行日志仿真船只在流域最宽的港口水域动态流动以统计出所述流域最宽的港口水域单位时间内通行流量作为每个港口水域集群中所有港口水域的最小刚需通行流量；
[0034]
步骤s303、基于最小刚需通行流量和最大承载通行流量设定所述每个港口水域集群中所有港口水域单位时间内的规划通行流量以确保满足通行效率以及通行安全要求。
[0035]
作为本发明的一种优选方案，所述步骤s303中，规划通行流量设定的具体方法包括：
[0036]
若最小刚需通行流量低于最大承载通行流量，则规划通行流量设定为低于最大承载通行流量且高于最小刚需通行流量；
[0037]
若最小刚需通行流量高于最大承载通行流量，则规划通行流量设定为低于最大承载通行流量。
[0038]
作为本发明的一种优选方案，本发明提供了一种根据所述的融合ais数据挖掘的港口水域规划方法的分析系统，包括：
[0039]
样本处理单元，用于基于规划区域内的所有港口水域以及所述港口水域的通行日
志构建用于港口水域规划量化仿真分析的港口水域样本矩阵；
[0040]
集群划分单元，用于利用多目标集群分析算法对所述港口水域样本矩阵进行集群分析以获得均衡港口水域规划量化仿真规划精度和规划效率且实现统一分析的港口水域规划集群；
[0041]
通行规划单元，用于基于所述港口水域规划集群对所述港口水域的通行规划进行量化仿真分析以实现精确和高效确定港口水域的通行规划。
[0042]
作为本发明的一种优选方案，所述通行规划单元包括船只流动仿真组件，船只流量统计组件以及通行规划组件，所述船只流动仿真组件用于融合ais数据挖掘并依据真实通行日志仿真船只在港口水域上动态流动，所述船只流量统计组件用于统计港口水域上动态流动的船只数量，所述通行规划组件用于依据所述船只数量确定港口水域的通行规划。
[0043]
本发明与现有技术相比较具有如下有益效果：
[0044]
本发明将各个连通排布复杂的港口水域依照层次聚类算法将通行特征相似的港口水域划分为可进行统一规划的港口水域规划集群，实现对规划规划精度和规划效率的最佳均衡，最终保障融合ais数据挖掘的港口水域规划脱离人为经验或阈值比对，规划结果更加可靠，并且在对港口水域集群划分过程中利用网络层次内聚特性，避免依赖先验知识，降低计算复杂度。
附图说明
[0045]
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。
[0046]
图1为本发明实施例提供的港口水域规划方法流程图；
[0047]
图2为本发明实施例提供的港口水域结构示意图；
[0048]
图3为本发明实施例提供的港口水域规划集群结构示意图；
[0049]
图4为本发明实施例提供的分析系统结构框图。
[0050]
图中的标号分别表示如下：
[0051]1‑
样本处理单元；2
‑
集群划分单元；3
‑
通行规划单元。
具体实施方式
[0052]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0053]
如图1
‑
4所示，本发明提供了一种融合ais数据挖掘的港口水域规划方法，包括以下步骤：
[0054]
步骤s1、基于规划区域内的所有港口水域以及港口水域的通行日志构建用于港口水域规划量化仿真分析的港口水域样本矩阵；
[0055]
步骤s1中，构建港口水域样本矩阵的具体方法包括：
[0056]
将每个通行主站进行编码量化为港口水域样本矩阵的矩阵元素x
i
，并将每个通行主站的通行日志量化为矩阵元素的元素特征量[y
j
]；
[0057]
结合矩阵元素x
i
和元素特征量[y
j
]构建获得港口水域样本矩阵为
[0058]
其中，i∈(1,n)，j∈(1,m)，n为港口水域总数目，m为元素特征的总类目。
[0059]
元素特征量[y
j
]＝[y1,y2,
…
,y
m
]，其中[y
j
]是对港口水域的各种特征的罗列总结，比如：港口水域的坐标、锚地、航道、泊位及装卸系统等，具体实施时视实际情况而定，以这些特征量将各个零散的港口水域进行相似度划分成集群，进行统一规划。
[0060]
步骤s1中，还包括将港口水域样本矩阵a转化为相似度邻接矩阵u，包括：
[0061]
依次计算港口水域样本矩阵a中每一项元素与其余项元素的相似度，并生成相似度矩阵相似度计算公式为：
[0062][0063]
基于预设的相似度阈值将相似度矩阵进行二值化转换生成相似度邻接矩阵二值化转换公式为：
[0064]
其中，i1、i2∈(1,n)，j∈(1,m)，n为港口水域总数目，m为元素特征的总类目，分别为港口水域样本矩阵a的第i1、i2个矩阵元素的第j类特征元素，为相似度邻接矩阵u的第i1行第i2列的矩阵元素，为相似度矩阵的第i1行第i2列的矩阵元素。
[0065]
其中，被划分到同一港口水域规划集群中的港口水域具有同类型通行的功能性模块，因此可采用同种类型规划分析，同时归属于同一集群中的所有港口水域具有联动属性，比如一旦某一港口水域通行状态呈异常状态，能在其归属的集群内进行关联追溯获得其余受影响处于异常状态的港口水域，因此需要对任一港口水域的通行规划都可进行关联追溯以避免对其余港口水域造成影响，进而通过对同一港口水域规划集群进行统一通行规划可实现对所有港口水域的综合考量，避免离散的对港口水域进行单独规划，可快速提高规划效率和规划精度。
[0066]
元素特征量是对通行日志的特征量化提取，通行日志中包含港口水域的通行数据，元素特征量即为通行数据的提取，用于计算港口水域间通行数据的相似度，可了解港口水域间的关联特征，最终构建出港口水域间的相似度邻接矩阵，比如：u
12
＝1，则表示表征港
口水域的矩阵元素x1和x2间存在关联性，即表征港口水域的矩阵元素x1出现异常会关联追溯至表征港口水域的矩阵元素x2，u
12
＝0，则表示表征港口水域的矩阵元素x1和x2间不存在关联性，即表征港口水域的矩阵元素x1出现异常与表征港口水域的矩阵元素x2不存在影响。
[0067]
可以理解的是，本实施例的基于集群分析对港口水域进行通行规划，充分利用港口水域各港口水域通行的关联性，并非单一对港口水域进行切割分析，导致忽视了港口水域的复杂性、不确定性和模糊性，最终提高分析准确性和合理性。
[0068]
步骤s2、利用多目标集群分析算法对港口水域样本矩阵进行集群分析以获得均衡港口水域规划量化仿真规划精度和规划效率且实现统一分析的港口水域规划集群；
[0069]
步骤s2中，利用港口水域规划量化仿真规划精度和规划效率构建对港口水域样本矩阵进行元素集群划分的多目标划分算法，包括：
[0070]
数学量化港口水域规划量化仿真规划精度生成精度效益目标，精度效益目标公式为：
[0071]
数学量化港口水域规划量化仿真规划效率生成效率效益目标，效率效益目标公式为：
[0072]
利用最小化求解原则结合精度效益目标和效率效益目标构建多目标划分算法的多目标函数，多目标函数为：
[0073]
其中，c
k
为港口水域样本矩阵a中划分的第k个港口水域规划集群的矩阵元素集合，i1、i2∈(1,n)，分别为港口水域样本矩阵a的第i1、i2个矩阵元素，m为港口水域样本矩阵a划分后的最优质港口水域规划集群总数。
[0074]
可以理解的是，利用f1和f2作为集群划分的目标函数，f1越大，集群的平均内度越大，即集群内的节点连接关系越为密切，且集群数目越多，集群规模普遍较小；f2越小，集群的平均外度越小，即集群间的节点连接关系越为稀疏，且集群数目越少，集群规模普遍较大。这两个互补的项体现了优质的集群划分的两个方面，需要在二者之间权衡，取一个折衷点。
[0075]
对f1进行最小化修正，可转化为多目标优化，
‑
f1的减小会使网络趋向于划分为很多自身紧密度非常高的小集群，而f2的减小会使网络趋向于划分为一些与网络中其他部分连接稀疏的大集群。因此，这两个互补项反映出一个好的集群划分的两个基本方面，而模块度密度是在这两者之间的一个本质折衷。f2和
‑
f1都有平衡对方想增加或减少集群个数的趋势，并且都与模块度密度相关，可以克服分辨率限制的问题，因此将f2和
‑
f1作为集群划分的目标函数，利用的网络本身的层次内聚特性，避免依赖先验知识，从而减少了各种先验知识的实时采集，最终降低了数据传输、运算和存储的压力。
[0076]
利用f2和
‑
f1作为集群划分的目标函数还可以将集群控制在最优规模的同时保证
集群划分的精度最高，最优规模保障了港口水域通行规划的效率最高，避免出现超大规模导致港口水域通行规划的时间过长，影响最终分析效率，集群划分的精度最高保障了港口水域通行规划的精度最高，避免集群的错误划分导致港口水域通行规划的分析错误，影响最终分析精度。
[0077]
利用多目标划分算法对港口水域样本矩阵a进行集群划分的具体方法包括：
[0078]
步骤s201：对港口水域样本矩阵a中的所有矩阵元素均分别量化为单个港口水域规划集群，并设定迭代次数；
[0079]
步骤s202：依次计算港口水域规划集群和其余港口水域规划集群两两融合的适应度函数，保留适应度函数最大的两单港口水域规划集群进行融合归一实现融合迭代；
[0080]
步骤s203：若融合迭代次数大于等于设定迭代次数，选取当前步骤s202中的港口水域规划集群作为最优质港口水域规划集群；若融合迭代次数小于设定迭代次数，返回步骤s202。
[0081]
依据适应度函数构建的具体方法包括：
[0082]
基于目标函数线性标定获得适应度函数f4＝
‑
f3+δ，其中，δ为扰动常数；
[0083]
依次计算两个港口水域规划集群融合的适应度值，并选取适应值f4最高的两个港口水域规划集群进行融合。
[0084]
可以理解的是，选取适应度值高的分析集群进行融合，可保证精度效益和效率效益，从而得到更精确和更综合的集群结构。
[0085]
步骤s3、基于港口水域规划集群对港口水域的通行规划进行量化仿真分析以实现精确和高效确定港口水域的通行规划。
[0086]
步骤s3中，基于港口水域规划集群对港口水域的通行规划进行量化仿真分析的具体方法包括：
[0087]
步骤s301、依次选出每个港口水域规划集群中流域最窄的港口水域，并依据流域最窄的港口水域的真实通行日志仿真船只在流域最窄的港口水域动态流动以统计出流域最窄的港口水域单位时间内的通行流量作为每个港口水域集群中所有港口水域的最大承载通行流量；
[0088]
步骤s302、依次选出每个港口水域规划集群中流域最宽的港口水域，并依据流域最宽的港口水域真实通行日志仿真船只在流域最宽的港口水域动态流动以统计出流域最宽的港口水域单位时间内通行流量作为每个港口水域集群中所有港口水域的最小刚需通行流量；
[0089]
步骤s303、基于最小刚需通行流量和最大承载通行流量设定每个港口水域集群中所有港口水域单位时间内的规划通行流量以确保满足通行效率以及通行安全要求。
[0090]
步骤s303中，规划通行流量设定的具体方法包括：
[0091]
若最小刚需通行流量低于最大承载通行流量，则规划通行流量设定为低于最大承载通行流量且高于最小刚需通行流量；
[0092]
若最小刚需通行流量高于最大承载通行流量，则规划通行流量设定为低于最大承载通行流量。
[0093]
上述步骤实现了港口水域规划集群中进行统一规划的原则方法，以保障满足整个港口水域规划集群中所有港口水域的船舶的流通需求，同时避免造成最窄港口水域的通行
拥堵，其中，若船舶的流通需求大于最窄港口水域的承载通行需求，以安全性为优先考虑，规划的通行流量仍保持低于最大承载通行流量。
[0094]
如图2
‑
3所示，举例说明，港口水域样本矩阵的港口水域规划集群为1、2和3个集群，港口水域规划集群1中包括港口水域1
‑
6，港口水域规划集群2中包括港口水域7
‑
10，港口水域规划集群3中包括港口水域12
‑
14，其中港口水域规划集群1、2、3中的港口水域采用统一规划分析方式进行通行规划，以集群形式进行响应分析，快速提高分析效率。
[0095]
统计出港口水域规划集群1、2、3中最窄的港口水域和最宽的港口水域，进行船只通行仿真以获得港口水域规划集群1、2、3的最小刚需通行流量和最大承载通行流量，作为规划通行流量的确定参考数据。
[0096]
如图4所示，本发明提供了一种根据的融合ais数据挖掘的港口水域规划方法的分析系统，包括：
[0097]
样本处理单元1，用于基于规划区域内的所有港口水域以及港口水域的通行日志构建用于港口水域规划量化仿真分析的港口水域样本矩阵；
[0098]
集群划分单元2，用于利用多目标集群分析算法对港口水域样本矩阵进行集群分析以获得均衡港口水域规划量化仿真规划精度和规划效率且实现统一分析的港口水域规划集群；
[0099]
通行规划单元3，用于基于港口水域规划集群对港口水域的通行规划进行量化仿真分析以实现精确和高效确定港口水域的通行规划。
[0100]
通行规划单元包括船只流动仿真组件，船只流量统计组件以及通行规划组件，船只流动仿真组件用于融合ais数据挖掘并依据真实通行日志仿真船只在港口水域上动态流动，船只流量统计组件用于统计港口水域上动态流动的船只数量，通行规划组件用于依据船只数量确定港口水域的通行规划。
[0101]
本发明将各个连通排布复杂的港口水域依照层次聚类算法将通行特征相似的港口水域划分为可进行统一规划的港口水域规划集群，实现对规划规划精度和规划效率的最佳均衡，最终保障融合ais数据挖掘的港口水域规划脱离人为经验或阈值比对，规划结果更加可靠，并且在对港口水域集群划分过程中利用网络层次内聚特性，避免依赖先验知识，降低计算复杂度。
[0102]
以上实施例仅为本技术的示例性实施例，不用于限制本技术，本技术的保护范围由权利要求书限定。本领域技术人员可以在本技术的实质和保护范围内，对本技术做出各种修改或等同替换，这种修改或等同替换也应视为落在本技术的保护范围内。