[发明专利]一种获取海上智能交通网络的系统碰撞风险的方法

说明书

技术领域

本发明属于信息技术和航海领域，特别是涉及一种获取海上智能交通网络的系统碰撞风险的方法。

背景技术

随着全球贸易的繁荣发展，海上船舶交通流量日益增加，因此海上船舶交通系统的内部风险也随之明显增加，从而导致海上智能交通管理的复杂程度和压力也日益凸现。海上智能交通网络是包含大量船舶的动态网络，其碰撞事件在海上交通事故中占有很大比例，每年因其造成的经济损失和人员伤亡很大。因此，对海上智能交通网络内的船舶碰撞风险进行有效的识别、评估和风险控制管理显得异常重要。

海上智能交通网络中的船舶碰撞危险度的研究得到了众多研究者的关注，并应用模糊理论、信息融合和神经网络等先进信息处理技术获得了一些有用的研究成果。目前普遍被人们采用的计算船舶碰撞危险度的方案是：各避碰船以自身为标准，基于各自DCPA和TCPA和一些其他因素来获得目标船舶对本船的碰撞危险度。因此，计算碰撞危险度的方法研究主要从船舶操纵者角度进行，是从微观层面对碰撞风险的衡量，难以满足海事部门在进行宏观分析与全局决策上的需求，同时单一的（两船）碰撞危险度定义不具备直接描述系统（宏观）层面的风险能力。也有一些文献给出了对整个海域船舶碰撞风险的研究，但其中的风险是基于多年船舶航行数据的统计量进行的研究，是一个较长时间尺度意义的系统碰撞风险。海事部门在全局决策的时候需要的系统碰撞风险是时间尺度较短的‘即时’系统风险，也就是我们发明的内容。

到目前为止，尚未见到有关本发明涉及的获取海上智能交通网络的系统碰撞风险的报道。

发明内容

本发明的目的是克服现有技术的不足，提供一种获取海上智能交通网络的系统碰撞风险的方法。

本发明的目的是通过以下技术方案来实现的：一种获取海上智能交通网络的系统碰撞风险的方法，该方法包括如下步骤：

（1）获取一段时间的AIS数据：从船舶VTS系统中获取一段时间的海上交通的标准AIS数据；提取以下字段的数据：mmsi、shipname、sog、cog、heading、lon、lat和f_update_time。

（2）从步骤1获得的海上船舶AIS数据中提取某一采样时刻各个船舶的航行数据。

（3）对步骤2获得的数据进行层次聚类和划分类别。

（4）对步骤3中获得的若干类，进行分层化简。

（5）对步骤4中获得的每层子系统，计算其系统碰撞风险。

（6）根据结果判断海上智能交通网络的系统碰撞风险：f₁≥f时，认为整个海上智能交通网络即时系统碰撞风险较大，f₁<f时，认为整个海上智能交通网络的即时系统碰撞风险较小；其中，f为风险阈值。

本发明的有益效果是：根据获取的海上智能交通网络的系统碰撞风险值可以为海事部门进行海上碰撞风险评估，降低海上智能交通网络的整体碰撞风险提供决策依据。

附图说明

图1是最短距离法聚类得到的层次树示意图；

图2是最短距离法聚类后按阈值分层结果示意图；

图3是海上智能交通网络化简结果示意图。

具体实施方式

下面结合附图详细描述本发明，本发明的目的和效果将变得更加明显。

本发明获取海上智能交通网络的系统碰撞风险的方法，包括如下步骤：

步骤1：获取一段时间的AIS数据。

从船舶VTS系统中获取一段时间的海上交通的标准AIS数据。提取以下字段的数据：mmsi（船号）、shipname（船名）、sog（对地航速）、cog（对地航向）、heading（航向）、lon（经度）、lat（纬度）和f_update_time（更新时间）。

步骤2：从步骤1获得的海上船舶AIS数据中提取某一采样时刻各个船舶的航行数据。

将某一采样时刻各个船舶的航行数据从步骤1中获得的原始数据中提取出来，保存的格式与步骤1相同。

步骤3：对步骤2获得的数据进行层次聚类和划分类别。