原文传递
基于船舶大数据的航行安全信息挖掘方法研究
| 论文题名： | 基于船舶大数据的航行安全信息挖掘方法研究 |
| 关键词： | 航行安全;信息挖掘;风险感知;船舶大数据 |
| 摘要： | 近些年来，随着海洋运输成为世界贸易当中最重要的运输方式，船舶逐渐向高速化、大型化以及专业化的方向发展，船载传感器安装数量显著增加，因此与船舶航行相关的数据爆炸性增长。同时随着船舶数量的增多，通航水域船舶密度增大，船舶航行环境情况变复杂，影响着船舶的航行安全。因此，如何基于船舶大数据对船舶航行安全信息进行挖掘，帮助船舶更加快捷、有效地感知航行风险，为船舶提供导助航服务，从而保障船舶航行安全成为了目前该领域研究的重难点问题。但是目前传统的船舶航行安全信息挖掘模型存在计算步骤复杂、计算量大、航行安全特征权重确定过程当中存在主观意见影响以及基于传统的交通实测数据难以满足船舶航行安全信息挖掘要求的问题。基于上述问题，本文具体工作如下： （1）构建船舶航行安全信息特征分析模型。通过对大量的研究文献进行阅读与整理，根据船舶大数据相关信息，对AIS数据、流速与风速进行深层次的数据挖掘，构建基于船舶大数据的船舶航行安全信息特征分析模型，并结合船舶事故报告书、历史文献研究经验对各安全信息特征进行危险度量化。最后计算AIS数据、水流及风速当中的船舶航行安全信息特征，进行特征融合，得到船舶航行安全信息挖掘模型输入数据集。 （2）构建船舶航行安全信息挖掘模型。针对现有方法存在计算步骤复杂、计算过程缓慢的问题，本文基于船舶大数据提出一种船舶航行安全信息挖掘模型。将Informer神经网络引入到船舶航行安全信息挖掘领域，将船舶航行安全信息特征作为特征输入，熵权-云模型对船舶航行安全信息特征数据集计算得到的结果作为输出，得到基于Informer神经网络的船舶航行安全信息挖掘模型，实现动态、客观、准确、快速地挖掘船舶航行安全信息。 （3）最终选取珠江口水域进行实验，结果表明本文基于船舶大数据计算得到的船舶航行安全特征权重系数是合理的，与历史文献相比航行安全特征权重排序具有较高的一致性。其次通过对本文提出的船舶航行安全信息挖掘模型进行实验，验证模型的精度与有效性，实验结果表明本文所提出的方法与传统熵权-云模型相比误差低于0.03。 研究成果优化了船舶大数据挖掘当中针对长时序数据无法较好预测以及常规方法计算复杂的问题，在保证计算结果准确的前提下提高计算速度，降低计算复杂度。本文提出的船舶航行安全信息挖掘模型可以为船舶在海上航行过程中感知周围安全提供参考意义，在船舶航行过程中提供导助航服务，提高船舶的航行安全，降低船舶航行过程当中发生事故的概率。 |
| 作者： | 李抒 |
| 专业： | 导航与信息工程 |
| 导师： | 何正伟 |
| 授予学位： | 硕士 |
| 授予学位单位： | 武汉理工大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
