详情

原文传递内河航道交通流速度-密度模型研究与分析

论文题名：	内河航道交通流速度-密度模型研究与分析
关键词：	内河航道;AIS数据;船舶交通流;速度-密度模型;K均值聚类
摘要：	随着我国水上交通运输业的高速发展，内河航道交通量逐年攀升，通航环境也趋于复杂化，部分繁忙航段甚至出现堵塞的情况。如何缓解航道通航压力，提高航道通航效率已成为社会各界广泛关注的问题。结合内河航道交通流特性，对现有交通流模型及交通流参数进行深入分析，并对航道交通流状态进行准确识别是改善航道运行状态的有效方法，也为内河航道交通的引导及交通资源的分配提供参考。本文通过对船舶AIS数据进行挖掘分析，提取出表征内河航道交通状况的主要交通流特征参数，进而提出一种基于特征权重的k均值聚类算法的航道交通状态识别方法，并分别选取各交通状态的最适速度-密度模型，主要研究内容如下：　　（1）根据AIS数据特点并考虑船舶交通流特征参数的物理意义，对固定时间间隔内的AIS数据加以处理，提取出内河航道的主要交通流特征参数：交通流速度及交通流密度。同时，考虑了交通流样本数据偏差对参数提取和模型标定的影响，对丢失数据及错误数据进行相应处理。　　（2）针对内河交通状态的随机性、不确定性的特点，结合不同交通流特征参数对交通状态识别的不同影响程度，提出了一种基于特征权重的k均值聚类的交通状态识别方法。首先，利用经典k均值聚类算法，讨论交通流速度、交通流密度相同权重时对交通状态识别的影响。然后利用基于特征权重的k均值聚类的交通状态动态识别方法，对交通流速度及交通流密度分别取不同权重，进一步探讨特征权重对交通状态识别的影响。　　（3）通过基于特征权重的k均值聚类算法实现对交通状态的动态识别，并将航道交通流划分为不同相态。然后使用常用的交通流速度-密度模型，如Greenberg、Underwood等，利用最小二乘法，对各相位的交通状态进行拟合。计算并分析各个交通流相态下，各模型的拟合误差，选取各相态拟合精度最好的最适交通流速度-密度模型，建立可以表征航道真实运行状态的内河航道多相交通流速度-密度模型。　　本文以苏通大桥航段AIS数据为研究对象，利用基于特征权重的加权k均值聚类交通流状态识别方法，对不同相态下的交通流进行拟合并建模。结果表明，在最优特征参数权重分配方案下，基于特征加权K均值的多相交通流速度-密度模型，较不进行状态识别的单相交通流模型，拟合精度提高27.18%，较基于经典K均值的多相速度-密度模型，拟合精度提高18.95%。并利用黄浦江航段AIS数据进行实验验证，验证结果表明，本文所提方法可对不同内河航道进行交通状态识别，并得到更符合不同航道交通流特性的速度-密度交通流模型，该方法具有一定泛化性。本文的研究成果为建立合理的内河航道交通流模型提供了理论基础，为内河航道交通流的规划、控制和引导等提供了决策支持，同时也对智能交通系统的构建具有重要意义。
作者：	李佳
专业：	航海科学与技术
导师：	李铁山
授予学位：	硕士
授予学位单位：	大连海事大学
学位年度：	2021