基于VDES系统的星船业务量热力图的构建方法与流程

基于vdes系统的星船业务量热力图的构建方法
技术领域
1.本发明涉及卫星通信和数据处理技术领域，特别涉及一种基于vdes系统的星船业务量热力图的构建方法。


背景技术：

2.甚高频数据交换系统(vhf data exchange system)卫星简称vdes卫星。在vdes卫星系统中，星船(即卫星和船只，简称星船)之间的业务量主要依赖于宝贵的卫星通信资源。如何在vdes卫星系统中有效地分配有限和高成本的卫星通信资源，是近年来业界关注的重点。


技术实现要素：

3.本发明的目的在于提供一种基于vdes系统的星船业务量热力图的构建方法，以实现合理的业务量预测，以便有效提高vdes系统的资源利用率和吞吐量。
4.为解决上述技术问题，本发明提供一种基于vdes系统的星船业务量热力图的构建方法，包括：
5.结合时间和空间两个维度进行综合分析，构建卫星覆盖区域中船只数量模型；
6.基于卫星覆盖区域中船只数量模型，构建星船通信业务量模型；以及
7.构建船只卫星通信业务量热力图。
8.可选的，在所述的基于vdes系统的星船业务量热力图的构建方法中，构建卫星覆盖区域中船只数量模型包括：
9.将地球表面按照经纬度划分多个地理栅格，卫星覆盖区域内包含有若干个地理栅格；
10.在不同地理栅格内的船只航线设置为一个时空路径依赖过程；
11.设置船只具有固定航行轨迹，依赖于既定航线；
12.使得过去的船只移动存量影响后来船只，增大后来船只航行到此海域的概率；
13.结合时间和空间两个维度进行综合分析，对栅格内船只数目进行建模。
14.可选的，在所述的基于vdes系统的星船业务量热力图的构建方法中，构建星船通信业务量模型包括：
15.根据卫星覆盖区域中船只数量模型得到船只数目变化趋势模型；
16.基于船只数目变化趋势模型，对卫星覆盖区域栅格内业务量利用泊松过程的可叠加性进行业务量建模；
17.泊松过程业务到达强度参数λ为关于时间、地理位置和船只数目的函数；
18.各卫星节点对其覆盖区域内的业务量进行累加，得到全球海洋星船通信业务量模型。
19.可选的，在所述的基于vdes系统的星船业务量热力图的构建方法中，构建船只卫星通信业务量热力图包括：
20.船只卫星通信业务量模型构建后，以建模区域内栅格作为区域点要素，计算其邻域内点要素密度并以不同颜色表示不同密度值高亮显示，处理为热力图形式，通过颜色变化来显示数据的可视化，直观地展示业务量数据的分布情况；
21.热力图的构建用于后续观察及进一步分析、决策，制定合理地卫星资源分配方案和接入准则。
22.可选的，在所述的基于vdes系统的星船业务量热力图的构建方法中，还包括：
23.将地球表面划分为若干个地理栅格，地面数据处理中心将卫星和岸边基站处获取的全球海域船只分布数据进行汇总整合；
24.以地理栅格作为建模区域，基于特征向量时空滤波算法，基于普通泊松模型，建立栅格船只驶入驶出迁移流数目预测模型，用于预测下一帧栅格内船只数目；
25.以卫星覆盖区域作为建模区域，该建模区域内包含若干个地理栅格；假设栅格内各个船只数据交换请求符合泊松过程，根据vde-sat服务获取的卫星覆盖范围内星船业务量历史统计信息，综合地理位置和时间信息，结合预测的船只数目信息建立星船业务量模型；
26.vde-sat服务包括甚高频数据交换系统卫星服务，其使用的下行频段为156.0125-157.4375mhz和160.6125-162.0375mhz；
27.地面数据处理中心对星座中各卫星节点覆盖区域栅格内星船数据业务量分别进行建模和汇总处理，构建全球海洋星船通信业务量模型；
28.基于全球海洋星船通信业务量模型，地面站构建全球海洋星船业务量热力图；
29.在卫星经过地面数据处理中心上空时，卫星和地面站进行数据交换，卫星将收集到的历史船只分布、业务量数据发送给地面站，地面站将构建的热力图数据发送给卫星，供卫星向其覆盖范围内的船只进行广播。
30.可选的，在所述的基于vdes系统的星船业务量热力图的构建方法中，基于vde-sat构建星船业务量热力图包括以下步骤：
31.步骤1：地球表面划分若干地理栅格，从卫星和地面基站处获取海洋船只数量和历史业务量时空分布信息；
32.步骤2：根据步骤1地理栅格为建模区域，基于特征向量时空滤波方法，基于普通泊松模型对建模区域内船只驶入驶出数量进行建模；
33.步骤3：确定卫星波束覆盖范围为建模区域；
34.步骤4：根据步骤3确定建模区域，从卫星和地面基站处获取栅格中海洋船只历史业务量时空分布信息，结合步骤3中船只数量因素对星船业务量进行建模；
35.步骤5：根据步骤4所述业务量模型，建立全球海洋星船业务量热力图；
36.其中步骤1中将地球表面展开看成一二维平面，并按经度范围-180
°
至180
°
，维度范围-70
°
至70
°
地球表面划分为许多栅格，每个栅格经度和纬度分别以2
°
和2.5
°
为步长；
37.其中步骤2针对步骤1地理栅格中的船只数目估计进行建模，构建驶出地和驶入地的普通泊松模型，引入时空序列数据分析的特征向量时空滤波方法。
38.可选的，在所述的基于vdes系统的星船业务量热力图的构建方法中，还包括：
39.将同一地理位置、不同时段的船只航线之间存在的时间自相关作为时间依赖关系；
40.所述依赖关系用时间依赖矩阵w
t
描述，相邻时段间的元素设为1，其余为0；
41.使得船只航线之间存在空间上的依赖关系为网络自相关性；
42.定义每个区域内每条航线所在的驶出地与驶入地之间的依赖关系，假定所建模区域内栅格数量为n，则栅格之间的关系表示为一个n
×
n阶空间依赖矩阵ws：
[0043][0044]
若栅格i和j存在共同边界，则认为相邻，在矩阵中赋值为1，否则为0；
[0045]
基于所述空间依赖矩阵定义网络权重矩阵：
[0046][0047]ws,jb
＝1表示驶入地j和b相邻，w
s,ia
＝1表示驶出地i和a相邻；
[0048]
若船只航线为网络邻居，则矩阵元素为1，否则为0；结合船只航线之间的时空依赖结构；
[0049]
设定时空同期结构以探究船只航行过程中存在的不同路径依赖程度；
[0050]
在建模区域中t时段的航行路线取决于该区域t-1时段的航行路线、以及当前t时段周边邻居的航行路线，时空同期结构的矩阵w
syn
表达式如式(1)所示：
[0051][0052]
式中，w
t
为t
×
t阶时间依赖矩阵，wn为n
×
n阶网络权重矩阵，n表示船只航线条数，in为单位矩阵；为克罗内克积；给定时空同期结构的矩阵w*，利用全局莫兰指数度量网络自相关性，其表达式如下：
[0053][0054]
矩阵形式表示为：
[0055][0056]
其中，yi表示第i条航线船只数量值，表示n条航线船只数量的平均值，w
ij
表示网络权重矩阵w的元素，s表示网络权重矩阵所有元素之和，l为元素全为1的n
×
1阶列向量；通过对网络权重矩阵w中心归一化后得到：
[0057][0058]
可选的，在所述的基于vdes系统的星船业务量热力图的构建方法中，还包括：
[0059]
从中心归一化后的矩阵w*中提取满足条件的特征向量，将其作为一组控制变量加入到传统的泊松模型中以提高模型拟合能力；所述特征向量相互正交，互不相关；
[0060]
获得的特征向量用e(e1,e2,e3,
…
,en)表示，特征向量按照其特征值大小降序排列，特征值为它们所关联的特征向量确定全局莫兰指数；
[0061]
第一个特征向量e1是具有最大全局莫兰指数值的实数集，第二个特征向量e2是与e1不相关的可获得最大全局莫兰指数值的实数集，而特征向量en是与前面n-1个特征向量都不相关的可获得最大全局莫兰指数值的实数集；
[0062]
考虑驶出地和驶出地的常规泊松模型如式(5)所示，得到所述特征向量后，根据赤池信息准则从特征向量中选择一组加入常规泊松模型中的的特征向量用来衡量模型的时空自相关性；
[0063]
当在模型中加入特征向量时空滤波项e
ts
时，得到特征向量时空滤波泊松模型如式(7)所示，以改善模型的拟合水平；
[0064]ymn
＝exp(αl+x
om
βo+x
dn
βd)
ꢀꢀ
(5)
[0065][0066]
式中y
mn
为从驶出地m到驶入地n的船只航行流期望值向量，α为常数项，x
om
、x
dn
分别为驶出地和驶入地的解释变量向量；βo和βd分别为驶出地和驶入地的变量系数向量；表示从时空同周期网络权重矩阵w
syn
经变换后入选的特征向量；为特征向量的系数向量，由于所述特征向量之间互不相关，采用最小二乘估计方法对所述特征向量时空滤波泊松模型进行系数估计。
[0067]
可选的，在所述的基于vdes系统的星船业务量热力图的构建方法中，还包括：
[0068]
基于所述船只数目变化趋势模型，vde-sat服务对下一帧每个栅格中船只数目进行预测；
[0069]
步骤3中卫星波束在地面的投影直接决定其覆盖范围，从而决定卫星覆盖区域内的栅格数目；
[0070]
步骤4在步骤3建模区域基础上，假设每一艘船业务量符合泊松过程，根据泊松分布的可叠加性，设置卫星覆盖区域内的业务量模型即泊松过程；
[0071]
由于划分后的栅格中包含多种海洋环境，每个栅格中泊松过程总到达强度参数λ如式(7)所示：
[0072][0073]
λi表示划分栅格i业务到达强度，根据卫星历史信息统计得出一段时间内的平均业务量n表示该栅格内包含的船只数量，相应的，gi表示栅格i的地理加权因子，b
ij
表示栅格i内船只j的繁忙程度，r
ij
表示栅格i内船只j的业务量生成随机系数；b
ij
的计算方式为：
[0074][0075]
其中s
ijτ
表示阶段τ内船只j产生的通信业务量，s
max
表示各个阶段船只产生的通信业务量最大值；业务量生成随机系数r_ij用来表示栅格i仿真中某船只j产生通信业务的随机性，以得到不同仿真中通信业务量的差别，假定随即系数是服从均匀分布的随机变量：
[0076]
r＝u[r
min
,r
max
]
ꢀꢀ
(9)
[0077]
式中，r为均匀分布随机数，r
min
为随机数的下限值，r
max
为随机数的上限值，通常r
min
≤1，r
max
≥1；
[0078]
利用泊松过程近似一个地理栅格中船只的业务到达过程，以使卫星覆盖区域内出现多个不同到达强度的泊松近似过程；
[0079]
根据泊松过程的可叠加性，将卫星覆盖区域内各个强度不同的泊松过程叠加为集
总泊松过程，以模拟星船业务到达情况。
[0080]
可选的，在所述的基于vdes系统的星船业务量热力图的构建方法中，步骤5中建立全球海洋星船业务量热力图包括：
[0081]
在每个卫星覆盖区域内，以单个栅格作为点要素(x,y)，点要素的周围定义一个邻域；
[0082]
根据覆盖区域大小设置该邻域的半径参数；
[0083]
将邻域α(x,y)内船只数量num相加，再除以邻域面积s
α(x,y)
，得到点要素密度ρ
α(x,y)
，其计算公式如式(10)所示：
[0084][0085]
基于计算出点要素密度，以不同颜色表示不同密度值高亮显示，构建单个卫星覆盖区域内星船业务量分布热力图；
[0086]
基于单个卫星覆盖区域内星船业务量分布热力图，结合整个vdes卫星星座，构建全球星船业务量分布热力图。
[0087]
本发明基于发明人的如下洞察：本发明人通过研究发现，vdes卫星系统比一般的通信系统具有更大的时空差异性、即通信业务量(简称业务量)在时间和空间上的变化更加显著，例如位于近海的船只，可以利用岸站进行通信，其星船之间的业务量远低于远海中的船只，而且船只的位置分布也会随着时间而变化，从而带来通信量的变化；因此如果能够利用vdes卫星系统的通信业务量的这种显著时空差异性，则可以制定更加动态和灵活的资源利用策略，从而促进卫星资源的更合理分配。通过进一步研究，本发明人提出了一种业务量预测模型，为后续动态和灵活的资源分配策略提供数据支撑，合理的业务量预测可以显著提高星船通信系统的资源利用率和吞吐量。
[0088]
进一步地，本发明的发明人经研究发现，现有技术通常在卫星端收集信道业务量情况，并将收集数据结果通过卫星下行链路以广播的形式发送到各个船载终端。vdes卫星的天线为单波束，覆盖范围较大，导致收集到的业务量信息的空间分辨率较低，无法直接应用。此外，在vdes卫星系统中，船载终端的业务请求需要在固定的rac时隙中传输，两个rac时隙之间的时间间隔为20秒，上一个rac时隙中收集到的业务量信息无法准确描述当前rac时隙中的业务量，即业务量的分布信息具有滞后性。因此，需要建立一种数学模型来尽可能详细地描述与预测全球海洋船只卫星业务流量的情况。
[0089]
另外，本发明的发明人还发现，在无线通信领域中，泊松过程是描述随机事件累计发生次数的基本数学模型之一，在陆地某个特定区域内业务量到达模型的构建往往假设为泊松模型，即假设通信用户之间相互独立，发起通信业务时相互之间无影响。在vdes卫星系统中实际情况并非如此，由于船只之间信息互通，不同船载终端在航线以及部分业务需求上存在一定的相互影响。此外，该模型通常仅考虑业务量与时间的关系，并不能很好描述不同海域，复杂海况情况下的业务量变化。在区域业务量模型构建上有一定的局限性。为此需要提出一种时空二维的星船业务量模型，并在此基础上构建星船业务量热力图，用于描述不同时空条件下，vdes卫星系统中船载终端的业务量分布情况。基于该星船业务量热力图，可以更加合理地分配系统资源，提高资源分配策略的可靠性，进而有效地提高系统性能。
[0090]
基于以上洞察，本发明提供了一种基于vdes系统的星船业务量热力图的构建方
法，通过结合时间和空间两个维度进行综合分析，构建卫星覆盖区域中船只数量模型，构建星船通信业务量模型，以及构建船只卫星通信业务量热力图，首次使用特征向量时空滤波方法在普通泊松模型基础上建立了给定区域内船只数量模型，综合分析了时间、空间因素，有效解决了给定区域内船只数量动态变化问题；首次基于vde-sat构建了星船集总业务达到模型，综合分析了时空、船只数量因素，有效解决了船只卫星通信业务量模型的构建问题，能够准确地对全球海域星船业务到达进行描述；首次基于vde-sat的星船集总业务达到模型构建起全球海域星船业务量热力图，能够直观地以图像形式描述不同经纬度地理位置上星船间业务量状况，可视化业务量数据，提高了业务量抽象数据的可读性。
附图说明
[0091]
图1是本发明一实施例中的基于vdes系统的星船业务量热力图的构建方法流程示意图；
[0092]
图2是本发明一实施例中的基于vdes系统的星船业务量热力图的构建方法时空同期结构示意图。
具体实施方式
[0093]
下面结合具体实施方式参考附图进一步阐述本发明。
[0094]
应当指出，各附图中的各组件可能为了图解说明而被夸大地示出，而不一定是比例正确的。在各附图中，给相同或功能相同的组件配备了相同的附图标记。
[0095]
在本发明中，除非特别指出，“布置在
…
上”、“布置在
…
上方”以及“布置在
…
之上”并未排除二者之间存在中间物的情况。此外，“布置在
…
上或上方”仅仅表示两个部件之间的相对位置关系，而在一定情况下、如在颠倒产品方向后，也可以转换为“布置在
…
下或下方”，反之亦然。
[0096]
在本发明中，各实施例仅仅旨在说明本发明的方案，而不应被理解为限制性的。
[0097]
在本发明中，除非特别指出，量词“一个”、“一”并未排除多个元素的场景。
[0098]
在此还应当指出，在本发明的实施例中，为清楚、简单起见，可能示出了仅仅一部分部件或组件，但是本领域的普通技术人员能够理解，在本发明的教导下，可根据具体场景需要添加所需的部件或组件。另外，除非另行说明，本发明的不同实施例中的特征可以相互组合。例如，可以用第二实施例中的某特征替换第一实施例中相对应或功能相同或相似的特征，所得到的实施例同样落入本技术的公开范围或记载范围。
[0099]
在此还应当指出，在本发明的范围内，“相同”、“相等”、“等于”等措辞并不意味着二者数值绝对相等，而是允许一定的合理误差，也就是说，所述措辞也涵盖了“基本上相同”、“基本上相等”、“基本上等于”。以此类推，在本发明中，表方向的术语“垂直于”、“平行于”等等同样涵盖了“基本上垂直于”、“基本上平行于”的含义。
[0100]
另外，本发明的各方法的步骤的编号并未限定所述方法步骤的执行顺序。除非特别指出，各方法步骤可以以不同顺序执行。
[0101]
以下结合附图和具体实施例对本发明提出的基于vdes系统的星船业务量热力图的构建方法作进一步详细说明。根据下面说明，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发
明实施例的目的。
[0102]
本发明的目的在于提供一种基于vdes系统的星船业务量热力图的构建方法，以实现合理的业务量预测有效提高星船通信系统的资源利用率和吞吐量。
[0103]
为实现上述目的，本发明提供了一种基于vdes系统的星船业务量热力图的构建方法，包括：结合时间和空间两个维度进行综合分析，构建卫星覆盖区域中船只数量模型；基于卫星覆盖区域中船只数量模型，构建星船通信业务量模型；以及构建船只卫星通信业务量热力图。
[0104]
本发明需要解决三个问题，首先是卫星覆盖区域中船只数量模型的构建问题。将地球表面按照经纬度划分多个地理栅格，卫星覆盖区域内包含有若干个地理栅格。在不同地理栅格内的船只航线是一个时空路径依赖过程：一方面，船只有着固定航行轨迹，依赖于既定航线，例如货船或邮轮的航行轨迹；另一方面，过去的船只移动存量会影响后来船只，增大后来船只航行到此海域的概率，例如渔船的航行轨迹会在目的地不确定和信息不完整等情形下，产生追随周围渔船的捕鱼路线的现象，表现出更强的羊群效应。现有一定区域内的船只航线研究多关注迁移的时间维度，很少对时间和空间因素进行综合考量，在区域船只航线预测方面有一定的局限性。因此需要结合时间和空间两个维度进行综合分析，对栅格内船只数目进行建模。
[0105]
其次是星船通信业务量模型的构建问题。基于上述船只数目变化趋势模型，对卫星覆盖区域栅格内业务量利用泊松过程的可叠加性进行业务量建模，泊松过程业务到达强度参数λ为关于时间、地理位置和船只数目的函数。各卫星节点对其覆盖区域内的业务量进行累加，得出全球海洋星船业务量模型。
[0106]
另外是船只卫星通信业务量热力图的构建问题。船只卫星通信业务量模型构建后，以建模区域内栅格作为区域点要素，计算其邻域内点要素密度并以不同颜色表示不同密度值高亮显示，处理为热力图形式，通过颜色变化来显示数据的可视化，直观地展示业务量数据的分布情况。热力图的构建便于后续观察及进一步分析、决策，制定合理地卫星资源分配方案和接入准则。
[0107]
在本发明的一个实施例中，将地球表面划分为若干个地理栅格，地面数据处理中心将卫星和岸边基站处获取的全球海域船只分布数据进行汇总整合。以地理栅格作为建模区域，基于特征向量时空滤波算法，在普通泊松模型基础上，建立栅格船只驶入驶出迁移流数目预测模型，用于预测下一帧栅格内船只数目。以卫星覆盖区域作为建模区域，该建模区域内包含若干个地理栅格。假设栅格内各个船只数据交换请求符合泊松过程，根据vde-sat服务获取的卫星覆盖范围内星船业务量历史统计信息，综合考量地理位置和时间信息，结合上述预测的船只数目信息建立星船业务量模型。
[0108]
在本发明的一个实施例中，地面数据处理中心对星座中各卫星节点覆盖区域栅格内星船数据业务量分别建模和汇总处理，构建全球海洋星船业务量模型。在此模型基础下，地面站构建全球海洋星船业务量热力图。在卫星经过地面数据处理中心上空时，卫星和地面站进行数据交换。卫星将收集到的历史船只分布、业务量数据发送给地面站，地面站将构建的热力图数据发送给卫星，供卫星向其覆盖范围内的船只进行广播。
[0109]
在本发明的一个实施例中，基于vde-sat的星船业务量热力图的构建方法如图1所示，包括以下步骤：
[0110]
步骤1：地球表面划分若干地理栅格，从卫星和地面基站处获取海洋船只数量和历史业务量时空分布信息。
[0111]
步骤2：根据步骤1地理栅格为建模区域，基于特征向量时空滤波方法，在普通泊松模型基础上对建模区域内船只驶入驶出数量进行建模。
[0112]
步骤3：确定卫星波束覆盖范围为建模区域。
[0113]
步骤4：根据步骤3确定建模区域，从卫星和地面基站处获取栅格中海洋船只历史业务量时空分布信息，结合步骤3中船只数量因素对星船业务量进行建模。
[0114]
步骤5：根据步骤4所述业务量模型，建立全球海洋星船业务量热力图。
[0115]
进一步地，步骤1中将地球表面展开看成一二维平面，并按经度范围-180
°
至180
°
，维度范围-70
°
至70
°
地球表面划分为许多栅格，每个栅格经度和纬度分别以2
°
和2.5
°
为步长。
[0116]
进一步地，步骤2针对步骤1地理栅格中的船只数目估计进行建模，考虑驶出地和驶入地的普通泊松模型。但普通泊松模型假设船只航行线路之间相互独立，忽略了其中可能的网络自相关性，一定程度上降低了模型估计结果的可靠性。引入时空序列数据分析的特征向量时空滤波方法。
[0117]
同一地理位置、不同时段的船只航线之间存在一定的时间自相关，即时间依赖关系。这种依赖关系可以用时间依赖矩阵w
t
描述，相邻时段间的元素设为1，其余为0。同时，船只航线之间存在空间上的依赖关系，即网络自相关性。首先定义每个区域内每条航线所在的驶出地与驶入地之间的依赖关系，假定所建模区域内栅格数量为n，则栅格之间的关系可表示为一个n
×
n阶空间依赖矩阵ws：
[0118][0119]
若栅格i和j存在共同边界，则认为相邻，在矩阵中赋值为1，否则为0。在上述空间依赖矩阵的基础上进一步定义网络权重矩阵：
[0120][0121]ws,jb
＝1表示驶入地j和b相邻，w
s,ia
＝1表示驶出地i和a相邻。若船只航线为网络邻居，则矩阵元素为1，否则为0。综合考虑船只航线之间的时空依赖结构。设定时空同期结构以探究船只航行过程中可能存在的不同路径依赖程度。在建模区域中t时段的航行路线不仅取决于该区域t-1时段的航行路线，也取决于当前t时段周边邻居的航行路线，时空同期结构示意图如图2所示，时空同期结构的矩阵w
syn
表达式如式(1)所示：
[0122][0123]
式中，w
t
为t
×
t阶时间依赖矩阵，wn为n
×
n阶网络权重矩阵，n表示船只航线条数，in为单位矩阵；为克罗内克积。给定时空同期结构的矩阵w
*
，利用全局莫兰指数(moran’s i)度量网络自相关性，其表达式如下：
[0124][0125]
矩阵形式表示为：
[0126][0127]
其中，yi表示第i条航线船只数量值，表示n条航线船只数量的平均值，w
ij
表示网络权重矩阵w的元素，s表示网络权重矩阵所有元素之和，l为元素全为1的n
×
1阶列向量。通过对网络权重矩阵w中心归一化后即可得到：
[0128][0129]
从上述中心归一化后的矩阵w
*
中提取满足一定条件的特征向量，将其作为一组控制变量加入到传统的泊松模型中以提高模型拟合能力。这些特征向量相互正交，互不相关。
[0130]
获得的特征向量用e(e1,e2,e3,
…
,en)表示，特征向量按照其特征值大小降序排列，特征值为它们所关联的特征向量确定了moran’s i。第一个特征向量e1是具有最大moran’s i值的实数集，第二个特征向量e2是与e1不相关的可获得最大moran’s i值的实数集，而最后一个特征向量en则是与前面n-1个特征向量都不相关的可获得最大moran’s i值的实数集。
[0131]
考虑驶出地和驶出地的常规泊松模型如式(5)所示，进一步地，得到上述特征向量后，根据aic准则(赤池信息准则)从特征向量中选择出一组加入常规泊松模型中的的特征向量用来衡量模型的时空自相关性。当在模型中加入特征向量时空滤波项e
ts
时，可得到特征向量时空滤波泊松模型如式(7)所示，并显著改善模型的拟合水平。
[0132]ymn
＝exp(αl+x
om
βo+x
dn
βd)
ꢀꢀ
(5)
[0133][0134]
式中y
mn
为从驶出地m到驶入地n的船只航行流期望值向量，α为常数项，x
om
、x
dn
分别为驶出地和驶入地的解释变量向量；βo和βd分别为驶出地和驶入地的变量系数向量；表示从时空同周期网络权重矩阵w
syn
经变换后入选的特征向量；为特征向量的系数向量，由于这些特征向量之间互不相关，采用最小二乘估计方法对该模型进行系数估计。
[0135]
进一步地，基于上述船只数目预测模型，vde-sat业务下一帧每个栅格中船只数目进行预测。
[0136]
进一步地，步骤3中卫星波束在地面的投影将直接决定其覆盖范围，从而决定其覆盖区域内的栅格数目。
[0137]
进一步地，步骤4在步骤3建模区域基础上，假设每一艘船业务量符合泊松过程，根据泊松分布的可叠加性，一定区域内的业务量模型即泊松过程。由于划分后的栅格中包含多种海洋环境,每个栅格中泊松过程总到达强度参数λ如式(7)所示:
[0138][0139]
λi表示划分栅格i业务到达强度，根据卫星历史信息统计得出一段时间内的平均业务量n表示该栅格内包含的船只数量，相应的，gi表示栅格i的地理加权因子，b
ij
表示栅格i内船只j的繁忙程度，r
ij
表示栅格i内船只j的业务量生成随机系数。b
ij
的计算方式为：
[0140][0141]
其中s
ijτ
表示阶段τ内船只j产生的通信业务量，s
max
表示各个阶段船只产生的通信业务量最大值；业务量生成随机系数r
ij
用来表示栅格i仿真中某船只j产生通信业务的随机性，目的是为了体现不同仿真中通信业务量的差别，降低仿真复杂度和提高仿真效率，可假定随即系数是服从均匀分布的随机变量：
[0142]
r＝u[r
min
,r
max
]
ꢀꢀ
(9)
[0143]
式中，r为均匀分布随机数，r
min
为随机数的下限值，r
max
为随机数的上限值，通常r
min
≤1，r
max
≥1；利用泊松过程近似一个地理栅格中船只的业务到达过程，则卫星覆盖区域内将出现多个不同到达强度的泊松近似过程。根据泊松过程的可加性，将卫星覆盖区域内各个强度不同的泊松过程叠加为集总泊松过程，用此过程即可模拟星船业务到达情况。
[0144]
进一步地，步骤5中建立全球海洋星船业务量热力图，包括以下步骤：
[0145]
步骤一，在每个卫星覆盖区域内，以单个栅格作为点要素(x,y)，点要素的周围定义一个邻域，步骤二，根据覆盖区域大小设置该邻域的半径参数。将邻域α(x,y)内船只数量num相加，再除以邻域面积s
α(x,y)
，即得到点要素密度ρ
α(x,y)
，其计算公式如式(10)所示：
[0146][0147]
步骤三，在步骤二计算出点要素密度基础下，以不同颜色表示不同密度值高亮显示，构建单个卫星覆盖区域内星船业务量分布热力图。
[0148]
步骤四，在步骤三单个卫星覆盖区域内星船业务量分布热力图基础下，考虑整个vdes卫星星座，构建全球星船业务量分布热力图。
[0149]
综上，上述实施例对基于vdes系统的星船业务量热力图的构建方法的不同构型进行了详细说明，当然，本发明包括但不局限于上述实施中所列举的构型，任何在上述实施例提供的构型基础上进行变换的内容，均属于本发明所保护的范围。本领域技术人员可以根据上述实施例的内容举一反三。
[0150]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0151]
上述描述仅是对本发明较佳实施例的描述，并非对本发明范围的任何限定，本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰，均属于权利要求书的保护范围。