英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料
船舶交通流仿真技术研究展望
Junting Xiong1 Hongbin Xie2
1 2大连海事大学航海学院，中国辽宁省大连市，116026
摘要：目前，传统的船舶交通流仿真技术已经不能满足研究人员对模型逼真度和仿真时效性的要求。考虑到AIS（Automatic Identification System）数据具有真实性和实时性的特点，基于这些数据的船舶交通流仿真可以使仿真结果更加实用。对于现在海量的AIS数据，用以往的仿真方法很难解决实际问题。根据大数据背景下机器学习方法的研究成果，我们分析基于AIS数据的船舶交通流仿真技术具有可行性。
1引言
船舶交通流是指船舶在一定规则下形成的类似于水流特性的运动状态。模拟，又称“仿真”，是指根据相似原理，建立与实际系统相对应的模型，进行实验研究。船舶交通流仿真是利用计算机技术对船舶交通流模型进行的仿真试验。将船舶交通的开发、运行和实施全部置于实验室进行研究，是研究船舶交通[1]的一种技术方法。与传统方法相比，该技术具有良好的可控性、经济性和重现性等特点，还可为船舶交通管理系统的实际应用提供优化和改进方案，为交通规划和相关导航系统设计提供科学依据和数据支持。
随着交通量和船舶类型的增加，船舶在航行中的数量和通航能力已经改变了许多。例如在航道拓宽后、建立新的航路后、提前评估航道时和预测交通流状况时，就需要船舶交通流仿真技术。这样，就可以再现和比较交通流，然后以各种方案评估航行风险程度，优化和改善航线系统和管理模式，使效益成本最大化，使船舶交通仿真系统经济合理最大化。研究人员发现不同的模拟区域，模拟的细节差别很大。如何提高保真度仿真效率已成为未来技术发展研究的重点。
2 主要分类
根据船舶航行避碰行为的再现程度，船舶交通流仿真可分为微观仿真和宏观仿真。
2.1微观仿真
微观仿真是针对每艘船舶的航行特性进行的仿真，是对船舶个体的仿真，通常包含以下模型：
2.1.1船模
由于船舶是构成船舶交通流的基本要素，每艘船舶都有其自身的特点，因此可以通过统计船舶的长度、速度、吨位等相关数据进行回归分析，并据此建立船舶模型。
2.1.2现场模型
根据不同形状和类型的节段建立现场模型，所有场可以由直线段、交叉段、y形段和倒形段组成。
2.1.3船舶运动模型
船舶运动模型是以速度为基本变量的船舶交通流仿真模型
2.2 宏观仿真
宏观模型是将船舶交通流作为一个整体来考虑，用来研究大的通道网络系统对整个船舶交通流的影响。该方法是通过计算等待时间和等待量来评估相关的交通控制或路由网络状况处于分岔点的船。根据评估，这是一个不断优化的计划，可以减少船舶的时间和数量，并多次模拟，直到它是最优的。
“网络仿真”是宏观仿真的代表。仿真的基本模型是由节点和线路组成的路由系统。“节点”表示所选路线的交点、终点和分支点。“航线”表示选择航行的船舶的航线。该模型的基本原理是由这些节点和线路组成的网络，进而代表整个路由系统。
3发展审查
自上世纪六七十年代以来，船舶交通仿真的研究从未停止过，而且从时间上看它经历了20世纪70年代、80年代、90年代和早期最重要的进化阶段21世纪。
3.1 1970s
在这一时期，船舶交通流仿真模型的建立主要是为了描述该模型主要是由于计算机的广泛使用。与过去相比，该模型具有定性精度和功能的变化。此时，软件可以用来模拟典型的船舶交通现象和交通管理措施，再现会遇情况（交叉、对遇、追越）、避碰和操纵、通行能力模拟与交通分流。由于研究的开始，目前大多数的交通流模拟系统主要是内河航运研究[2]。在大多数情况下，我们采用的是遭遇模型与事故科学相关的理论体系。
3.2 1980s
在此期间，船舶交通流仿真的主要研究课题逐渐从微观仿真模型到微观仿真模型和宏观仿真模型的结合。这个最典型的一个是以日本学者Sugisaki Akio[3]为代表的三个典型微观模拟模型的研究，船舶进出港条件网络仿真模型研究由日本Aoshan Yuying[4]代表。同时，大多数学者通过熟练运用物理和数学方法，把普通港口船舶抽象成离散模型模型。典型模型包括船舶航迹分布模型、航行密度模型、封闭区域模型和环路交通模型，船舶运动模型，船舶域模型，OD交通流模型，船舶交通量组合系统预测模型等。
3.3 1990s
现阶段，对海上交通流的研究趋于多样化。世界各国对船舶交通系统（VTS）的研究方兴未艾，开发了许多模拟船舶进出港情况的仿真软件。在这个时候，评估船舶交通流的评价方法逐渐系统化、具体化，主要是常规的评价方法建立了风险度、排队长度、碰撞判断值、SJ等指标（主体判断）价值、等待时间、利用率等。目前，不确定性分析模型基于概率风险评估的海上交通风险评估模型仍然是目前应用最广泛的模型评估模型。大连海事大学的吴兆林[5]和方祥林[6]对船舶交通系统安全评估的原则和方法完善了海上交通环境安全评价方法建设。
3.4 21st初期
随着科学技术的飞速发展，世界各国纷纷展开了对智能化船舶的探索，这就导致了船舶智能化研究的新水平。经典研究成果包括智能导航管理系统，智能避碰导航系统，智能航路规划系统和智能海况监测系统。两款最具代表性的模型其中包括人、船、环境和管理的相互作用以及多智能船。杨甚华[7]等开发的智能港口交通流仿真系统采用MAS（多智能体系统）技术，大大提高了仿真的及时性，采用的是自动导航理论和离散事件算法。文章[8]使用了模糊理论并用神经网络研究了船舶的智能规避方法，并分析了解决方案问题。
4核心技术
4.1建模方法
蒙特卡罗方法是船舶交通流模型建模的基础，并已升级为元胞自动机和智能体方法等多种人工智能方法。
4.1.1蒙特卡罗方法
利用蒙特卡罗模拟方法生成船舶交通流各种概率统计工具，如直方图、假设检验或曲线拟合，以进行详细的各种船舶随机变量的数据历史分析。从而得到相关变量，如船速、船长和到达时间间隔，并总结规律，然后构造了随机数据的生成算法。论文[9]对这一类型进行了统计分析，建立了芬兰湾少数船舶的尺寸、到达时间和航线的概率模型，然后用蒙特卡罗方法生成交通流。论文[10]使用蒙特卡罗方法模拟海上交通流，评估海上交通状况。
4.1.2元胞自动机方法
元胞自动机方法是将学习空间划分为若干个单元根据实际需要有秩序地观察这些细胞的变化离散时间。在船舶交通流的研究中，研究人员将路径输入到相应的网格中是指以元胞为单位，将船舶运动相关的时间、空间和速度划分为整数可以直观。网格包含血管，细胞状态称为“1”；反之，是“0”。在此基础上单位时间内细胞数的移动（即从t到t 1的过程）根据交通规则被观察到。Feng H[11]建立了一个元胞自动机模型，考虑了船的交互作用和模拟器通道被船舶的交通流部分封闭。论文[12]是通过描述船舶的运动来模拟船舶的运动环形通道。
4.1.3智能体方法
智能体具有一定的自主性、社会性和反应性。那就是，也就是说，智能体的行为状态可以完全控制，可以将人或智能体互动，感知环境，根据环境的变化改变自己的行为状态。这个使用智能体来模拟船舶交通流的明显优点是在仿真比较理想，常用于船舶交通仿真。论文[13]开发了一个基于Agent的实时海洋仿真系统，同时设置200多艘船舶，可应用于船舶的安全航行评估。肖夫等[14]建立了基于长江环境，可以模拟船舶之间的相互作用，也有助于交通管理和路线设计。
4.2建模工具
4.2.1所形成的交通流仿真软件
因为它的高度随机性和离散性水上交通仿真软件的构建难度很大。对于水上交通分散的特点，研究人员已经做了他们的研究，他们已经开发了一些更完整的仿真软件，如Anylogic、Arena等。Koacute;se E等[15]使用SlamⅡ对伊斯坦布尔海峡交通流不同条件下的软件进行了研究，文章[16]使用Arena内河航道船舶能力研究软件。这些软件有着相同的缺陷，即研究方向是从宏观层面进行的，因此船舶之间的微观行为不能直观反映出来。
4.2.2基于编程语言的独立编程
为了模拟船舶从微观层面更为准确，人们开始进行自主编程。Access、SQL和Oracle等软件可用于船舶数据的整理和计算机程序设计如Visual C 或java语言，则使用电子海图作为可视化显示背景。为了例如，文章[17]是通过Visual、C 实现船舶交通流的可视化表示。文章[18]使用Java编程实现了海洋交通流的模型基于代理。C 和java都可以描述和编程船舶行为作为对象，以便实现了船舶交通流仿真模型的编程。然而，与C 语言相比，java更为主流。
5 大数据背景下
5.1传统方法的不足
上述三种建模方法各有优点，但也有相应的缺点。它的根本性问题可以归结为逼真度或建模效率的模拟，而不能满足大数据时代系统仿真的需要。
（1）蒙特卡罗方法实际上是一种随机模拟方法，它采用了随机抽样解决随机数的相关计算问题。最后，近似值并通过计算机模拟得到了解。由于数据量大，建模效率高不能满足，只能采用随机抽样的方法。然而，模拟这样产生的效果只能是随机产生的几艘自由移动的船只。球场，速度而且导航状态都是随机的，运动轨迹是混沌的，不能满足智能避碰要求。然而，蒙特卡罗方法被认为是船舶交通流仿真研究的基础，因为它具有生成船的航行路线。但是，这种方法通常需要与其他人工方法相结合利用智能方法对船舶避碰进行更精确的决策研究。
（2）元胞自动机的特点是时间和空间是离散的，每个变量都有只有有限个状态，并且变化的规则在时间和空间上都是局部的。这些特征限制了位置、速度和航向要素的采集数量和范围，基本上是复杂系统的简化，建立一个简化的模型，观察在“0”和“1”之间变化规律和移动情况，使得结果精度不是很高，但是智能化也有待提高。根据细胞自动机可以使用的特性简单直观的进化方法来模拟复杂的交通流状态，研究人员经常使用这种方法对大面积海域的船舶交通流进行模拟，此时误差比较大很小。
（3）作为智能体研究的先驱之一，美国的Macs公司认为自主智能是指那些承载复杂动态的计算系统环境，自主感知环境信息，自主行动，自主实现预先设定的一系列目标或任务。智能体方法可以说是最接近实现船舶模型自动避碰的方法。通过这种方法，可以将船舶模型与人的模型相加主观的避碰意识，使船舶模型运动具有一定的规律性实际的情况。然而，Agent建模只适用于简单水域船舶数量较少。在模拟复杂交通流的过程中，工作量很大增加，不仅需要编辑多个智能体，还需要精确计算每个智能体操作框架。这将导致运行效率降低、消耗的精力增加和模拟的结果变慢。
5.2基于AIS数据的船舶交通流模拟预报
5.2.1AIS系统简介
AIS系统是一种船舶自动识别系统。它被用在船舶航行过程中导航信息的自主交换。它可以显示位置，航速、周边船舶航向、船舶运行状态等信息。数据将被发送并以小于10s的频率实时更新。根据《国际海上人命安全公约》，“AIS应是”提供给所有总吨位为300吨或以上的从事国际航行、货物运输的船舶总吨位在500吨以上的船舶、从事国际航行、任何大小的客船。装载了AIS设备的船舶将记录大量数据航行，这些是很有价值的[19]。考虑到AIS数据可以作为建模的数据源，仿真结果将更接近真实的船舶交通行为[20]。然而，使用传统的处理和分析方法来处理AIS数据是不现实的，因为需要引进新技术。
5.2.2机器学习
“深度学习”的概念起源于人工神经的研究网络。作为当前机器学习领域的一个热门分支，它不仅发展迅速，使机器学习得到了许多实际应用，同时也扩大了整个人工学习的范围，在无人驾驶汽车等一些具有代表性的领域，例如表现良好的智能人脸识别，库存预测和生物医药。鉴于这种学习深度的限制和缺乏反馈机制，主要适用于图像、文本、语音的处理“强化学习”可以真正实现机器的自我学习和自我反思，而机器已经做到了这一点根据相关反馈，通过与环境的互动来学习的特性，不需要监控信号，可以根据评价反馈完善自己的行动计划信息在环境中以便适应环境。总之，它是非常适合的处理在线、实时预测和决策问题。深度学习不仅可以为强化学习带来端口到端口优化的便利，也使强化学习成为不再局限于低维空间，大大扩展了加固的应用范围学习。组合的“深度强化学习”方法[21-23]得到了更广泛的应用。
在大数据时代，Hadoop、Spark等成熟的分布式计算机平台已经出现能够为大规模数据分析和建模问题提供技术支持。交通流的计算速度在很大程度上取决于分布式策略，当然是速度越快越好。另一个例子是分布式的Map-Reduce[24]批量处理该计算框架能够并行、高效地处理海量的弹道数据可以利用集群计算能力显著提高弹道处理的效率。新兴的云计算能够综合应用，比如可以提供解决方案，以高效率来处理海量数据处理。文献[25]以道路交通为研究方向，然后通过大数据技术研究了以汽车数据为数据源
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[241324]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
