本发明涉及算法提取水域内船舶信息可视化,具体涉及一种基于多算法联合的船舶交通流框架提取方法。
背景技术:
1、船舶交通流可视化利用可视化技术帮助人们探索、理解和分析数据,是一种把复杂的信息以直观形象的方式呈现出来并快速被人理解的手段。通过对船舶交通流的可视化分析,可直观地考察船舶交通流的分布规律、探究交通信息中隐藏的船舶行为模式,为水上交通安全监管和交通规划提供决策支持。
2、在船舶航行中,水域内整体态势并不能全面获取,很大程度上,船舶在水域内航行需要依赖于主管机关的协调以及驾驶员的应变能力,驾驶员在进入航行水域中后,往往不能充分了解到出水域内的船舶分布情况,也难以获取船舶转向点与交会点的密集区域,对于船舶航行决策以及避碰存在诸多风险。
技术实现思路
1、本发明提供了一种基于多算法联合的船舶交通流框架提取方法,以克服以往在港内船舶密度较大,航向多变水域中的避碰效果不佳的问题。
2、为了实现上述目的,本发明的技术方案是:
3、一种基于多算法联合的船舶交通流框架提取方法,包括:
4、s1:预处理水域内的多个船舶自动识别系统数据,所述船舶自动识别系统数据包括:船舶的位置信息、时间;
5、s2:根据所述船舶的位置信息,使用墨卡托坐标投影转换将船舶轨迹点绘制在海图上,并根据船舶的时间进行连线,确定船舶的轨迹;
6、s3:根据船舶的轨迹利用向量算法获取多个船舶交汇点,利用线简化法获取多个船舶的转向点;
7、s4:利用密度聚类算法压缩多个船舶的位置信息、所述多个船舶的转向点、所述多个船舶交汇点;
8、s5:将所述压缩后的多个船舶的位置信息、多个船舶的转向点、多个船舶交汇点进行加权融合;
9、s6:将多个船舶的船舶轨迹进行叠加得到叠加轨迹,将所述加权融合后的多个船舶的位置信息、多个船舶的转向点、多个船舶交汇点与所述叠加轨迹进行叠加,获得该水域内多个船舶的交通流框架;
10、s7:根据水域内多个船舶的交通流框架进行船舶航行决策风险规避。
11、进一步的,所述根据船舶的轨迹利用向量算法获取多个船舶交汇点,包括:
12、利用公式(1)获取任意船舶的轨迹向量的投影:
13、
14、其中,i为向量的起始点角标,i+1为向量的终止点角标,j为向量的起始点角标,j+1为向量的终止点角标,为向量的法向量,为向量的法向量,为点mi在法向量上的投影,为点nj在法向量上的投影,为点nj+1在法向量上的投影,为点mi在法向量上的投影,为点mi+1在法向量上的投影,为点nj在法向量上的投影;
15、利用公式(2)判断所述向量的投影是否存在船舶交汇点:
16、
17、若存在船舶交汇点,利用公式(3)计算船舶交汇点的坐标:
18、
19、其中,x为船舶交汇点横坐标,y为船舶交汇点纵坐标,x1为点mi的横坐标,y1为mi的纵坐标,x2为点mi+1横坐标,y2为点mi+1的纵坐标,x3为点nj的横坐标,y3为点nj的纵坐标,x4为nj+1的横坐标,y4为nj+1的纵坐标;获得的点(x,y)为船舶交汇点。
20、进一步的,所述利用线简化法获取船舶转向点,包括:
21、连接船舶的起始点和终点获取船舶的基线;
22、计算船舶轨迹中所有点到所述基线的距离;
23、选取所有点到所述基线的距离的最大值,以船舶位置点为圆心,将半径作为所设置的阈值,将所述最大值与阈值进行比较,若小于阈值,则用基线代替原船舶轨迹,只保留船舶的起始点和终点,若大于阈值,则将所述最大值对应的点确定为第一转向点;
24、将所述第一转向点与所述起始点、所述终点进行连接,再次获取基线;
25、重复上述阈值的比较过程获得多个船舶的转向点;
26、所述所有点到所述基线的距离的最大值的计算公式如(4)所示,
27、
28、其中,d表示所述所有点到所述基线的距离的最大值,(x1,y1)为所述船舶起始点的坐标,(x7,y7)为所述船舶终点的坐标,(x3,y3)为所述第一转向点的坐标。
29、进一步的,所述利用密度聚类算法压缩多个船舶的位置信息、所述多个船舶的转向点、所述多个船舶交汇点,包括:
30、分别调取所述多个船舶位置信息、所述多个船舶的转向点、所述多个船舶交汇点数据;
31、根据所述多个船舶位置信息确定船舶位置点;
32、根据海域内船舶航行的距离设置阈值,依次计算每一个所述船舶位置点在邻域内的轨迹点数量,计算阈值内船舶位置点之外的每一个点在相同阈值下包含的点的数量;
33、所述阈值内所述船舶位置点在邻域内的轨迹点数量最大的轨迹点处吸纳邻域内其他所述船舶位置点,替代原船舶位置点,完成一次聚类,对所述船舶的转向点、所述船舶交汇点在对应阈值下进行相同的密度聚类操作;
34、增大阈值,重复上述操作,得到多次聚类压缩后的多个船舶的位置信息、多个船舶的转向点、多个船舶交汇点。
35、进一步的,所述的将所述压缩后的多个船舶的位置信息、多个船舶的转向点、多个船舶交汇点进行加权融合,包括:
36、调取密度聚类压缩后形成的多个船舶的位置信息、多个船舶的转向点、多个船舶交汇点;
37、以所述船舶转向点的密度压缩的最大压缩阈值作为融合阈值,将剩余的聚类压缩后形成的多个船舶的位置信息、多个船舶的转向点、多个船舶交汇点作为中心点,以中心点为圆心,融合阈值为半径,确认在所述船舶位置点融合阈值下是否包含船舶转向点或船舶交汇点;
38、若包含所述聚类压缩后形成的多个船舶的转向点、多个船舶交汇点,则获取融合阈值内所述聚类压缩后形成的多个船舶的位置信息、多个船舶的转向点、多个船舶交汇点各自包含的点位数目,作为权重,对于存在交集的点位,将其权重进行加和,完成所述聚类压缩后形成的多个船舶的位置信息、多个船舶的转向点、多个船舶交汇点的点位融合。
39、本发明通过预处理水域内的多个船舶的位置信息、时间,得到船舶的轨迹;根据船舶的轨迹利用向量算法获取多个船舶交汇点,利用线简化法获取多个船舶的转向点;利用密度聚类算法压缩多个船舶的位置信息、多个船舶的转向点、多个船舶交汇点;将压缩后的多个船舶的位置信息、多个船舶的转向点、多个船舶交汇点进行加权融合;将多个船舶的船舶轨迹进行叠加得到叠加轨迹,将加权融合后的多个船舶的位置信息、多个船舶的转向点、多个船舶交汇点与所述叠加轨迹进行叠加,获得该水域内多个船舶的交通流框架,根据水域内多个船舶的交通流框架进行船舶航行决策风险规避。融合后的船舶交通流框架能够显示出船舶在该水域存在的重要的特征点位,能够对该水域船舶的航行情况以及运动状态进行系统性分析。解决了以往船舶交通流网络特征和可视化效果的不足,为该水域航行、作业的船舶提供操纵决策支持,为海事管理机关的航道建设和锚地规划提供参考。
1.一种基于多算法联合的船舶交通流框架提取方法,其特征在于,包括:
2.根据权利要求1中所述的基于多算法联合的船舶交通流框架提取方法,其特征在于,所述步骤3的所述根据船舶的轨迹利用向量算法获取多个船舶交汇点,包括:
3.根据权利要求1中所述的基于多算法联合的船舶交通流框架提取方法,其特征在于,所述步骤3的所述利用线简化法获取船舶转向点,包括:
4.根据权利要求1中所述的基于多算法联合的船舶交通流框架提取方法,其特征在于,所述步骤4的所述利用密度聚类算法压缩多个船舶的位置信息、所述多个船舶的转向点、所述多个船舶交汇点,包括:
5.根据权利要求1中所述的基于多算法联合的船舶交通流框架提取方法,其特征在于,所述步骤5的将所述压缩后的多个船舶的位置信息、多个船舶的转向点、多个船舶交汇点进行加权融合,包括: