基于AIS實(shí)時(shí)數(shù)據(jù)的航道交通擁堵快速判定方法

基于AIS實(shí)時(shí)數(shù)據(jù)的航道交通擁堵快速判定方法

何正偉;劉力榮;楊帆;王開(kāi)森

【摘 要】針對(duì)目前人工判定和事后判定時(shí)效性差的問(wèn)題,研究具有實(shí)時(shí)性和自動(dòng)化

的判定方法.借鑒國(guó)內(nèi)外道路交通擁堵判定方法,運(yùn)用交通流參數(shù)、標(biāo)準(zhǔn)船舶艘次和

船舶領(lǐng)域模型,建立航道交通擁堵快速判定模型,構(gòu)建船舶自動(dòng)識(shí)別系統(tǒng)(Automatic

Identification System,AIS)Spark實(shí)時(shí)數(shù)據(jù)處理平臺(tái),運(yùn)用多個(gè)實(shí)例對(duì)該模型進(jìn)行

在線試驗(yàn)驗(yàn)證.試驗(yàn)結(jié)果表明,該模型能在線快速、準(zhǔn)確地判定航道交通狀態(tài),可為水

上交通監(jiān)管部門實(shí)時(shí)獲取航道交通信息、及時(shí)管控和疏導(dǎo)航道交通擁堵提供有效的

方法.

【期刊名稱】《中國(guó)航海》

【年(卷),期】2018(041)002

【總頁(yè)數(shù)】7頁(yè)(P113-118,129)

【關(guān)鍵詞】航道交通擁堵;實(shí)時(shí)數(shù)據(jù)處理;AIS數(shù)據(jù);船舶領(lǐng)域;實(shí)時(shí)判定

【作 者】何正偉;劉力榮;楊帆;王開(kāi)森

【作者單位】武漢理工大學(xué)航運(yùn)學(xué)院,武漢430063;國(guó)家水運(yùn)安全工程技術(shù)研究中

心,武漢430063;內(nèi)河航運(yùn)技術(shù)湖北省重點(diǎn)實(shí)驗(yàn)室,武漢430063;武漢理工大學(xué)航運(yùn)

學(xué)院,武漢430063;內(nèi)河航運(yùn)技術(shù)湖北省重點(diǎn)實(shí)驗(yàn)室,武漢430063;武漢理工大學(xué)航

運(yùn)學(xué)院,武漢430063;內(nèi)河航運(yùn)技術(shù)湖北省重點(diǎn)實(shí)驗(yàn)室,武漢430063;武漢理工大學(xué)

航運(yùn)學(xué)院,武漢430063

【正文語(yǔ)種】中 文

【中圖分類】U697

隨著大型船舶不斷增多，航道交通擁堵問(wèn)題時(shí)有發(fā)生，不僅會(huì)延誤船舶航行和進(jìn)出

港，還會(huì)增加船舶交通事故發(fā)生的可能性。如何快速、準(zhǔn)確地判定航道交通狀態(tài)成

為目前亟待解決的問(wèn)題。

已有許多學(xué)者對(duì)航道和公路交通擁堵問(wèn)題進(jìn)行研究。劉予笑[1]分析船舶定位數(shù)據(jù)，

建立航道擁堵分級(jí)指標(biāo)模型，提出基于模糊綜合評(píng)價(jià)的航道擁堵識(shí)別方法；劉賽龍

等[2]提出航道服務(wù)水平指標(biāo)和等級(jí)，將其與船舶交通流理論相結(jié)合，建立內(nèi)河航

道通過(guò)能力計(jì)算模型；劉明俊等[3]分析航道通過(guò)能力的影響因素，選取修正系數(shù)，

建立基于船舶流的航道通過(guò)能力計(jì)算模型；祝付玲[4]借鑒國(guó)外的公路通行能力手

冊(cè)(Highway Capacity Manual，HCM)，建立城市道路交通擁堵評(píng)價(jià)指標(biāo)體系；

KNORR等[5]基于三相交通理論，提出通信檢測(cè)和控制擁堵技術(shù)，使公路交通擁

堵可觀、可控；LAKAS等[6]基于Geocast協(xié)議，制造車對(duì)車通信系統(tǒng)，可有效判

定公路交通狀況。

當(dāng)前，公路交通擁堵判定方法已較為成熟，擁有科學(xué)的判定指標(biāo)體系,而航道交通

擁堵判定大多基于航道通過(guò)能力來(lái)確定擁堵分級(jí)原則，屬于人工判定和事后判定，

缺乏實(shí)時(shí)性，海事部門難以及時(shí)處理航道交通擁堵問(wèn)題。為解決該問(wèn)題，本文借鑒

國(guó)內(nèi)外道路交通擁堵判定方法，結(jié)合交通流參數(shù)和船舶領(lǐng)域模型等，實(shí)時(shí)計(jì)算船舶

自動(dòng)識(shí)別系統(tǒng)(Automatic Identification System,AIS)數(shù)據(jù)，建立航道交通擁堵快

速判定模型。

1 航道交通擁堵判定原則和流程

1.1 判定原則

將航道交通狀態(tài)分為嚴(yán)重?fù)矶?、一般擁堵和暢通?/span>3種。嚴(yán)重?fù)矶率侵负降乐写?/span>

舶很多，船舶時(shí)動(dòng)時(shí)停或完全停滯；一般擁堵是指航道中的船舶雖然較多，但船舶

尚能低速航行；暢通是指航道中的船舶不多，船舶能按正常速度航行。

國(guó)外相關(guān)研究[4]通過(guò)HCM確立V/C(交通量與通行能力的比值)、服務(wù)水平(公路

運(yùn)行服務(wù)質(zhì)量)等公路交通擁堵評(píng)價(jià)指標(biāo)。在研究航道交通擁堵時(shí)，可借鑒這些指

標(biāo)，并參照美國(guó)公路服務(wù)水平(見(jiàn)表1)和服務(wù)水平與速度的關(guān)系(見(jiàn)表2)。

表1 美國(guó)公路服務(wù)水平的分類服務(wù)水平V/C交通狀況A<0.4車流暢通,基本無(wú)延

誤B0.4～<0.6車流穩(wěn)定,有少量延誤C0.6～<0.75車流穩(wěn)定,有一定延誤,但可接受

D0.75～<0.9車流接近不穩(wěn)定,有較大延誤,但能忍受E0.9～1.0車流不穩(wěn)定,延誤很

大,交通擁堵,無(wú)法接受F>1.0強(qiáng)制車流,嚴(yán)重交通擁堵,車輛時(shí)開(kāi)時(shí)停

本文借鑒E等和F等服務(wù)水平。當(dāng)服務(wù)水平為E等時(shí)，公路開(kāi)始出現(xiàn)交通擁堵，

車輛行駛速度比自由流速度下降約70%；當(dāng)服務(wù)水平為F等時(shí)，公路嚴(yán)重?fù)矶拢?/span>

C/V>1。同理，航道服務(wù)水平和交通狀態(tài)也遵循該規(guī)律。

1.2 判定流程

1) Spark實(shí)時(shí)數(shù)據(jù)處理平臺(tái)實(shí)時(shí)接收AIS在線數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行解析、預(yù)處理、

匹配和傳送等，然后自動(dòng)統(tǒng)計(jì)數(shù)據(jù)個(gè)數(shù)m1。

2) 將經(jīng)緯度為負(fù)值或大大偏離航道的數(shù)據(jù)清除掉，剩下m2個(gè)數(shù)據(jù)。

表2 服務(wù)水平與速度的關(guān)系 %服務(wù)水平行駛速度比自由流速度下降的百分比服務(wù)

水平行駛速度比自由流速度下降的百分比A0～10D45～60B10～30E60～

70C30～45F>70

3) 船舶數(shù)據(jù)集中分布的區(qū)域才是有效的，反映航道的走向。選取合適的經(jīng)緯度范

圍作為有效區(qū)域，有效區(qū)域內(nèi)有m3個(gè)數(shù)據(jù)。

4) 多數(shù)航道是彎曲的，對(duì)整段航道進(jìn)行精確計(jì)算不容易，可在其中選取某個(gè)經(jīng)緯

度范圍內(nèi)的小段航道作為研究區(qū)域，該區(qū)域內(nèi)有m4個(gè)數(shù)據(jù)。

5) 對(duì)m4個(gè)數(shù)據(jù)進(jìn)行分類，將MMSI相同的數(shù)據(jù)歸為一類，共分成m5類，即有

m5艘船。

6) 用Polynomial(多項(xiàng)式)函數(shù)將研究區(qū)域內(nèi)的數(shù)據(jù)擬合成曲線1，清除偏離主航

道的數(shù)據(jù)，剩下m6個(gè)數(shù)據(jù)，再用Polynomial將其擬合成曲線2，曲線2可視為

該段航道的主航道。

7) 在曲線2上取(x1,y1)和(x2,y2)這2點(diǎn)作為該段航道的主航道起止點(diǎn)，用經(jīng)緯度

坐標(biāo)計(jì)算兩點(diǎn)間的距離，求出其長(zhǎng)度s0。

8) 從步驟“5)”中已分類的數(shù)據(jù)中找出各船船長(zhǎng)，結(jié)合s0和標(biāo)準(zhǔn)船舶艘次求出航

道實(shí)際密度ρ1。

9) 將各船船長(zhǎng)和標(biāo)準(zhǔn)船舶艘次結(jié)合起來(lái)，借助船舶領(lǐng)域模型求出航道阻塞密度ρ0。

10) 從步驟“5)”中已分類的數(shù)據(jù)中找出單船所有速度vij，求出平均速度vi，重

復(fù)上述計(jì)算，求出所有vi的平均值即為所有船舶實(shí)際平均速度

11) 確定航道自由流速度u0。

12) 在Spark實(shí)時(shí)數(shù)據(jù)處理平臺(tái)上用Spark Streaming和Spark Engine處理AIS

Stream數(shù)據(jù)片段，將ρ1、ρ0和導(dǎo)入到判定模型中，判定航道交通狀態(tài)。判定流

程見(jiàn)圖1。

1.3 Spark實(shí)時(shí)數(shù)據(jù)處理平臺(tái)

由于普通數(shù)據(jù)處理軟件難以快速處理大量AIS數(shù)據(jù)，故采用Spark實(shí)時(shí)數(shù)據(jù)處理

平臺(tái)。Spark是一種可處理大數(shù)據(jù)集合的低延遲集群分布式計(jì)算系統(tǒng)。[7-8]

首先運(yùn)用Spark實(shí)時(shí)接收并解析AIS在線數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換、數(shù)據(jù)清洗、

數(shù)據(jù)集成和剔除無(wú)效數(shù)據(jù)等預(yù)處理。隨后對(duì)數(shù)據(jù)進(jìn)行匹配，通過(guò)HDFS文件存儲(chǔ)

系統(tǒng)和Hba數(shù)據(jù)庫(kù)進(jìn)行存儲(chǔ)，使數(shù)據(jù)能傳送到Spark實(shí)時(shí)數(shù)據(jù)處理平臺(tái)上。

圖1 判定流程

在該平臺(tái)上，先將AIS數(shù)據(jù)轉(zhuǎn)換成Stream數(shù)據(jù)，用Spark Streaming將其按6

min/段分割成若干片段，用batch批量處理這些數(shù)據(jù)，再采用Spark Engine高

層算法處理，轉(zhuǎn)變成一批批結(jié)果流。

2 構(gòu)建航道交通擁堵判定模型

2.1 模型參數(shù)確定

1) 平均速度。船舶交通流平均速度是指單位時(shí)間內(nèi)船舶平均對(duì)地速度，計(jì)算式為

(1)

式(1)中：u為船舶交通流平均速度；∑vi為船舶對(duì)地速度之和；n為船舶數(shù)量。

2) 區(qū)域密度。船舶交通流區(qū)域密度[9]是指單位矩形區(qū)域內(nèi)存在的船舶數(shù)量，計(jì)算

式為

(2)

式(2)中：k為船舶交通流區(qū)域密度；n為船舶數(shù)量；s為區(qū)域面積。

3) 臨界密度。航道臨界密度[2]分為轉(zhuǎn)折密度和阻塞密度。轉(zhuǎn)折密度指當(dāng)船舶可安

全暢行時(shí)，航道能允許的最大交通流密度；阻塞密度指船舶密集到難以移動(dòng)時(shí)的交

通流密度。本文根據(jù)阻塞密度提出一種新的航道交通擁堵判定方法。

4) 線密度。航道線密度實(shí)際上是區(qū)域密度的一種特殊形式，指航道單位長(zhǎng)度上某

個(gè)時(shí)間段內(nèi)的船舶數(shù)量，計(jì)算式為

(3)

式(3)中：k為航道線密度；n為船舶數(shù)量；l為航道長(zhǎng)度。

2.2 標(biāo)準(zhǔn)船舶艘次計(jì)算

船舶的大小會(huì)影響航道擁堵程度，故不能只考慮船舶艘次。將各船船長(zhǎng)換算成標(biāo)準(zhǔn)

船長(zhǎng)，設(shè)置相應(yīng)系數(shù)，將船舶艘次轉(zhuǎn)換成標(biāo)準(zhǔn)船舶艘次[10](見(jiàn)表3)。標(biāo)準(zhǔn)船舶艘

次的計(jì)算式為

S=Ciμi

(4)

式(4)中：S為標(biāo)準(zhǔn)船舶艘次；Ci為同類船舶艘次；μi為每類船舶的轉(zhuǎn)換系數(shù)。

表3 船舶按船長(zhǎng)分類后的轉(zhuǎn)換系數(shù)船長(zhǎng)范圍L/m船舶艘次Ci轉(zhuǎn)換系數(shù)

μiL<30C10.330≤L<50C20.550≤L<90C31.090≤L<180C42.1L≥180C53.5

2.3 航道交通擁堵判定模型

根據(jù)藤井船舶領(lǐng)域模型[11]，在按船長(zhǎng)分類之后，單船的船舶領(lǐng)域長(zhǎng)軸計(jì)算式為

li=k0Li

(5)

式(5)中：li為單船的船舶領(lǐng)域長(zhǎng)軸；Li為單船的船長(zhǎng)；i的取值范圍為1～n2；n2

為船舶數(shù)量；k0為船舶領(lǐng)域長(zhǎng)軸系數(shù)。

若要判斷航道是否嚴(yán)重?fù)矶?，須用到臨界密度中的阻塞密度。阻塞密度等于臨界船

舶數(shù)量除以航道長(zhǎng)度，是一種線密度。臨界船舶數(shù)量是指船舶可安全暢行時(shí)航道內(nèi)

的最大標(biāo)準(zhǔn)船舶艘次。單船對(duì)應(yīng)的航道阻塞密度分量的計(jì)算式為

(6)

式(6)中：ρ0i為單船對(duì)應(yīng)的航道阻塞密度分量；n0i為單船對(duì)應(yīng)的臨界船舶數(shù)量分

量；s0為航道長(zhǎng)度。

臨界船舶數(shù)量等于航道長(zhǎng)度除以船舶領(lǐng)域長(zhǎng)軸，n0i的計(jì)算式為

(7)

將式(7)代入式(6)可得

(8)

在計(jì)算各船的平均阻塞密度時(shí)，要考慮標(biāo)準(zhǔn)船舶艘次的影響，計(jì)算式為

(9)

式(9)中:Ci為單船對(duì)應(yīng)的船舶艘次，均等于1;ρ0為航道阻塞密度;k0為船舶領(lǐng)域長(zhǎng)

軸系數(shù)，一般取1.5。[2]

判斷航道是否嚴(yán)重?fù)矶?，?shí)際上是用航道實(shí)際密度與阻塞密度相比較。航道實(shí)際密

度等于標(biāo)準(zhǔn)船舶艘次之和除以航道長(zhǎng)度，計(jì)算式為

(10)

式(10)中:ρ1為航道實(shí)際密度;n1為標(biāo)準(zhǔn)船舶艘次之和。

借鑒公路交通擁堵判定方法，由表1可知，當(dāng)V/C>1時(shí)，交通擁堵很嚴(yán)重。同理，

若航道水域的總面積大于航道中所有船舶的領(lǐng)域之和，則航道處于嚴(yán)重?fù)矶聽(tīng)顟B(tài)，

結(jié)合式(3)，可對(duì)ρ1和ρ0定義一個(gè)標(biāo)準(zhǔn)：若ρ1≥ρ0，則航道處于嚴(yán)重?fù)矶聽(tīng)顟B(tài)。

單船的平均速度為vi，所有船舶的實(shí)際平均速度等于所有vi的平均值，計(jì)算式為

(11)

vi對(duì)應(yīng)q個(gè)AIS點(diǎn)，計(jì)算式為

(12)

式(12)中:vij為vi在q個(gè)點(diǎn)中對(duì)應(yīng)的第j個(gè)點(diǎn)；j的取值范圍為1～q。

自由流速度u0是指暢通狀態(tài)下的航道最高限速值，該值可定為8 kn。[12]

借鑒公路交通擁堵判定方法，由表1和表2可知，當(dāng)行駛速度下降到自由流速度

的30%時(shí)，交通開(kāi)始出現(xiàn)擁堵。同理，可對(duì)與u0定義一個(gè)標(biāo)準(zhǔn)：若則航道處于

一般擁堵?tīng)顟B(tài)；若則航道處于暢通狀態(tài)。

綜上所述，判定航道交通狀態(tài)的標(biāo)準(zhǔn)為

(13)

3 實(shí)例驗(yàn)證

3.1 長(zhǎng)江南通段航道數(shù)據(jù)試驗(yàn)

該試驗(yàn)的數(shù)據(jù)來(lái)源于長(zhǎng)江南通段，該航段見(jiàn)圖2。試驗(yàn)于2017年2月6日

10:00—10:05進(jìn)行，初始數(shù)據(jù)個(gè)數(shù)m1=2 822。

選取東經(jīng)120.5°～121.25°、北緯31.5°～32.5°的范圍作為有效區(qū)域(見(jiàn)圖3)。

選取東經(jīng)120.85°～120.9°、北緯31.9°～31.95°范圍內(nèi)的小段航道作為研究區(qū)域，

其數(shù)據(jù)個(gè)數(shù)m4=240，分類后有24艘船。將數(shù)據(jù)擬合成曲線1(見(jiàn)圖4)。

a)地圖

b)船舶流量統(tǒng)計(jì)圖圖2 南通航段地理位置

圖3 在有效區(qū)域內(nèi)的船舶數(shù)據(jù)分布

圖4 在研究區(qū)域內(nèi)的船舶數(shù)據(jù)分布

在圖4中，清除偏離主航道的數(shù)據(jù)，將剩余數(shù)據(jù)擬合成曲線2(見(jiàn)圖5)。

圖5 在研究區(qū)域內(nèi)的主航道上的船舶數(shù)據(jù)分布

取曲線2上的(120.860，31.952)和(120.882，31.903)2點(diǎn)作為該段航道的主航

道的起止點(diǎn)，用式(14)求出其長(zhǎng)度s0=5.829 8 km。

(14)

式(14)中:R為地球半徑,約6 370 km;(x1,y1)和(x2,y2)為地球上任意2點(diǎn)。

試驗(yàn)結(jié)果見(jiàn)表4第1行。將10:00—10:59分成10段，重復(fù)進(jìn)行試驗(yàn)，結(jié)果見(jiàn)表

4。

表4 各時(shí)間間隔內(nèi)的試驗(yàn)結(jié)果序號(hào)時(shí)間間隔船舶數(shù)量m5/艘航道實(shí)際密度ρ1/(艘

/km)航道阻塞密度ρ0/(艘/km)實(shí)際平均速度u/(km/h)自由流速度u0/(km/h)擁

堵?tīng)顟B(tài)判定結(jié)果實(shí)際擁堵?tīng)顟B(tài)判定耗時(shí)/s110:00—10:05246.398 26.906 25.349

514.816暢通暢通1.57210:06—10:11235.574 87.468 75.084 614.816暢通暢

通1.54310:12—10:17225.677 77.124 15.107 714.816暢通暢通1.52410:18—

10:23185.043 16.518 24.769 914.816暢通暢通1.48510:24—10:29205.454

76.804 14.279 414.816一般擁堵暢通1.50610:30—10:35215.969 37.060

44.630 114.816暢通暢通1.51710:36—10:41174.837 27.000 44.401 214.816

一般擁堵暢通1.46810:42—10:47163.928 17.927 14.846 014.816暢通暢通

1.44910:48—10:53195.420 46.537 84.911 014.816暢通暢通1.491010:54—

10:59165.214 65.877 34.728 814.816暢通暢通1.45??????????

將表4的擁堵?tīng)顟B(tài)判定結(jié)果與實(shí)際擁堵?tīng)顟B(tài)用折線圖表示，結(jié)果見(jiàn)圖6。

圖6 擁堵?tīng)顟B(tài)判定結(jié)果與實(shí)際擁堵?tīng)顟B(tài)

由表4和圖6可知:在10:00—10:59時(shí)段，ρ1均<ρ0，該段航道并未嚴(yán)重?fù)矶拢?/span>

除第5行和第7行外，均>0.3u0，判定結(jié)果均為暢通。該模型的判定準(zhǔn)確率為

80%，多次重復(fù)試驗(yàn)可使判定準(zhǔn)確率提高至91.7%。判定耗時(shí)趨于1.50 s。因此,

該判定模型的準(zhǔn)確性和實(shí)時(shí)性較高。

3.2 湘江湘陰段航道數(shù)據(jù)試驗(yàn)

該試驗(yàn)的數(shù)據(jù)來(lái)源于湘江湘陰段，該航段見(jiàn)圖7。試驗(yàn)于2017年2月18日

17:00—17:05進(jìn)行，初始數(shù)據(jù)個(gè)數(shù)m1=301。

選取東經(jīng)112.5°～113°、北緯28°～29°的范圍作為有效區(qū)域(見(jiàn)圖8)。

選取東經(jīng)112.805°～112.815°、北緯28.57°～28.59°范圍內(nèi)的航道作為研究區(qū)域，

其數(shù)據(jù)個(gè)數(shù)m4=77，分類后有10艘船。將數(shù)據(jù)擬合成曲線1(見(jiàn)圖9)。

a)地圖

b)船舶流量統(tǒng)計(jì)圖圖7 湘陰航段

圖8 在有效區(qū)域內(nèi)的船舶數(shù)據(jù)分布

由于沒(méi)有偏離主航道的數(shù)據(jù)，可取曲線1上的(112.805 2，28.571 0)和(112.811

8，28.590 0)作為該段航道的主航道的起止點(diǎn)，用式(14)求出其長(zhǎng)度s0=2.208 5

km。

試驗(yàn)結(jié)果見(jiàn)表5第1行。將17:00—17:47分成8段，重復(fù)進(jìn)行試驗(yàn)，結(jié)果見(jiàn)表5。

圖9 在研究區(qū)域內(nèi)的船舶數(shù)據(jù)分布

將表5的擁堵?tīng)顟B(tài)判定結(jié)果與實(shí)際擁堵?tīng)顟B(tài)用折線圖表示,結(jié)果見(jiàn)圖10。

由表5和圖10可知:在17:00—17:47時(shí)段，均<0.3u0，該航道并未暢通；除第7

行外，ρ1均>ρ0，判定結(jié)果均為嚴(yán)重?fù)矶?。該模型的判定?zhǔn)確率為87.5%，多次

重復(fù)試驗(yàn)可使判定準(zhǔn)確率提高至92.4%。判定耗時(shí)趨于1.50 s。因此,該判定模型

的準(zhǔn)確性和實(shí)時(shí)性較高。

表5 各時(shí)間間隔內(nèi)的試驗(yàn)結(jié)果序號(hào)時(shí)間間隔船舶數(shù)量m5/艘航道實(shí)際密度ρ1/(艘

/km)航道阻塞密度ρ0/(艘/km)實(shí)際平均速度u/(km/h)自由流速度u0/(km/h)擁

堵?tīng)顟B(tài)判定結(jié)果實(shí)際擁堵?tīng)顟B(tài)判定耗時(shí)/s117:00—17:05107.425 96.221 50.694

314.816嚴(yán)重?fù)矶聡?yán)重?fù)矶?/span>1.53217:06—17:11107.425 96.221 50.490 114.816

嚴(yán)重?fù)矶聡?yán)重?fù)矶?/span>1.51317:12—17:17107.425 96.336 50.440 114.816嚴(yán)重?fù)?/span>

堵嚴(yán)重?fù)矶?/span>1.50417:18—17:2396.973 15.983 10.360 414.816嚴(yán)重?fù)矶聡?yán)重?fù)?/span>

堵1.47517:24—17:2996.973 15.919 70.386 014.816嚴(yán)重?fù)矶聡?yán)重?fù)矶?/span>

1.46617:30—17:3596.973 16.042 10.411 214.816嚴(yán)重?fù)矶聡?yán)重?fù)矶?/span>

1.47717:36—17:4186.022 26.162 60.344 914.816一般擁堵嚴(yán)重?fù)矶?/span>

1.45817:42—17:47107.923 95.846 40.353 714.816嚴(yán)重?fù)矶聡?yán)重?fù)矶?/span>

1.55??????????

圖10 擁堵?tīng)顟B(tài)判定結(jié)果與實(shí)際擁堵?tīng)顟B(tài)

4 結(jié)束語(yǔ)

本文借鑒國(guó)內(nèi)外道路交通擁堵判定方法，將航道交通狀態(tài)劃分為嚴(yán)重?fù)矶隆⒁话銚?/span>

堵和暢通等3種，運(yùn)用交通流參數(shù)、標(biāo)準(zhǔn)船舶艘次和船舶領(lǐng)域模型，根據(jù)參數(shù)計(jì)

算公式，構(gòu)建航道交通擁堵快速判定模型。在Spark實(shí)時(shí)數(shù)據(jù)處理平臺(tái)上實(shí)時(shí)處

理AIS數(shù)據(jù)，運(yùn)用該模型分別對(duì)長(zhǎng)江南通段航道和湘江湘陰段航道進(jìn)行多組在線

試驗(yàn)。

試驗(yàn)結(jié)果表明:2段航道數(shù)據(jù)試驗(yàn)的判定準(zhǔn)確率均達(dá)到80%以上，準(zhǔn)確率較高；判

定耗時(shí)均為1.50 s左右，判定速度較快；多次重復(fù)試驗(yàn)可使判定準(zhǔn)確率達(dá)到90%

以上。

本文提出的航道交通擁堵判定方法是一種全新的方法，考慮的參量與已有方法的參

量有很大不同，思路也不一致，因此難以直接對(duì)比。本文的創(chuàng)新點(diǎn)和優(yōu)勢(shì)可概括為:

1) 實(shí)時(shí)性高，利用詳細(xì)的AIS實(shí)時(shí)數(shù)據(jù)，實(shí)時(shí)運(yùn)用判定模型，快速判定航道交通

狀態(tài)。

2) 利用計(jì)算機(jī)平臺(tái)進(jìn)行自動(dòng)化判定，大大降低了人為因素的影響。

3) 判定準(zhǔn)確率高，判定速度快，具有可重復(fù)性、可驗(yàn)證性，明確了航道交通狀態(tài)

的定量劃分，克服了以往人工判定和事后判定的缺陷，可為海事部門實(shí)時(shí)掌握航道

交通狀態(tài)提供有效的技術(shù)支持。

參考文獻(xiàn)

【相關(guān)文獻(xiàn)】

[1] 劉予笑. 基于模糊綜合評(píng)價(jià)的航道擁堵?tīng)顟B(tài)識(shí)別研究[D]. 杭州:浙江工商大學(xué), 2015.

[2] 劉賽龍, 蔣璘暉. 內(nèi)河航道服務(wù)水平及通過(guò)能力研究[J]. 水運(yùn)工程, 2014(3):134-139.

[3] 劉明俊, 萬(wàn)長(zhǎng)征. 航道通過(guò)能力影響因素的分析[J]. 船海工程, 2008,37(5): 116-118.

[4] 祝付玲. 城市道路交通擁堵評(píng)價(jià)指標(biāo)體系研究[D]. 南京:東南大學(xué), 2006.

[5] KNORR F, SCHRECKENBERG M. Influence of Inter-Vehicle Communication on Peak

Hour Traffic Flow[J]. Physica A: Statistical Mechanics & Its Applications, 2012, 391(6):

2225-2231.

[6] LAKAS A, CHAQFEH M. A Novel Method for Reducing Road Traffic Congestion Using

Vehicular Communication[C]//International Wireless Communications & Mobile

Computing Conference, 2010: 16-20.

[7] 李文棟. 基于Spark的大數(shù)據(jù)挖掘技術(shù)的研究與實(shí)現(xiàn)[D]. 濟(jì)南:山東大學(xué), 2015.

[8] 李天喜. 基于Spark Streaming的試驗(yàn)數(shù)據(jù)處理系統(tǒng)的研究與實(shí)現(xiàn)[D]. 西安：西安電子科技大

學(xué), 2015.

[9] 馮宏祥, 孔凡邨, 肖英杰,等. 基于AIS的元胞自動(dòng)機(jī)模型的船舶交通流特征參數(shù)分析[J]. 武漢理工

大學(xué)學(xué)報(bào)(交通科學(xué)與工程版), 2014(2):324-328.

[10] 鄧順江, 劉明俊. 船舶領(lǐng)域模型的對(duì)比研究[J]. 中國(guó)水運(yùn), 2009, 9(6):7-9.

[11] 丁法. 基于AIS數(shù)據(jù)的開(kāi)闊水域船舶領(lǐng)域分析研究[D]. 大連:大連海事大學(xué), 2016.

[12] 徐春, 鄭中義, 吳兆麟. 受限航道中船舶的限速[J].大連海事大學(xué)學(xué)報(bào), 2002, 28(2):6-9.