原文传递
基于BP神经网络的海上交通流冲突严重度评价研究
| 论文题名： | 基于BP神经网络的海上交通流冲突严重度评价研究 |
| 关键词： | 海上交通流;冲突严重度;BP神经网络;船舶尺度;航向分布 |
| 摘要： | 近年来，我国经济飞速发展以及国家海洋和航运强国战略实施，对海上交通安全提出了更高的要求。而海上交通流复杂性增加，现代船舶高速化和大型化发展，进一步加大了海上交通安全监管难度。对海上交通风险开展分析和研究，需要利用更加前瞻性的方法，以更好地避免海上交通事故发生，提高海域内船舶航行的安全性。而对海上交通流冲突严重度开展评价是揭示交通流特征、规律、机理和演进的基础性工作，不仅可以分析水域海上交通的安全状况，为管理部门采取交通管理措施提供决策依据，而且对预防海上交通事故具有积极的参考作用。 现有海上交通安全评价方法在评价指标关系模糊、来源不清等情况下难以运用，且主观性较强，客观性不足可能导致评价结果严重偏离。为此，本文对交通流冲突影响因素进行了分析，提取了船型分布、船舶尺度分布、船速分布、航向分布等11项影响因子，建立了基于BP神经网络的海上交通流冲突严重度评价模型。由于不同水域数据之间差异性较大，在BP神经网络训练过程中，原始数据之间的差异性会间接影响BP神经网络的训练效率和评价精度，因此本文将训练数据按照欧几里得度量进行归类，以减少不同类别之间数据的差异性，并将分类数据分别进行网络训练与验证。为更加科学全面地评价海上交通流冲突严重度，本文选取的影响因子较多,而BP神经网络输入层因素太多也会增加网络计算复杂度和精确度，因此运用主成分分析法对影响因子进行成分降维，由少数几个主成分代替原有的影响因素。在数据归类与降维后，通过网络训练进行函数比较，确定最符合模型设定要求函数精度和迭代次数，以构建最终评价模型。本文运用了9个水域的历史统计数据对模型进行了验证，通过比较原始数据与聚类降维数据在BP神经网络中的评价精度，发现评价平均误差从10.9%降低到2.8%，进一步验证了BP神经网络在该领域的可行性。结果表明，该评价模型利用聚类分析、主成分分析法与BP神经网络相结合的方法，不仅客观性较强，而且与单一使用BP神经网络相比更进一步提升了评价结果的精度。最后本文利用该评价模型对老铁山至京唐港水道2016年数据进行评价与分析。 |
| 作者： | 王驰 |
| 专业： | 交通信息工程及控制 |
| 导师： | 范耀天 |
| 授予学位： | 硕士 |
| 授予学位单位： | 武汉理工大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
