内河船舶航行安全态势分析与可视化研究

摘要

我国境内拥有丰富的内河运输资源，水运面积辽阔，但大多数重要通航水域环境复杂，船舶流密集，复杂的内河水域通航环境客观上加大了内河船舶航行的安全风险。近年来，内河航道上桥梁建设步伐的日益加快和船舶大型化趋势愈加明显，复杂水域通航事故越发增多，如东方之星、皖神舟67等，安全隐患逐渐显现，内河航运交通事故的预控管理对内河船舶航行重要性日益凸显。可视化是一种通过交互式可视界面帮助人们探索、理解和分析数据，以直观形象的方式呈现复杂或抽象的信息并使其快速容易地被人理解的手段,可视化技术日益成熟。因此，构建船舶航行安全态势评估与预测机制，对其可视化后进行分析，是十分迫切且亟需，它将有助于降低航运事故发生率，减少所造成的社会和经济损失，对提高水上交通安全管理水平具有重要理论价值与实际应用意义。
　　本文以内河（长江）船舶航行安全态势为研究对象，在所采集的船舶航行数据基础上，进行清洗与处理，提出基于平行坐标、专家分析法和谱聚类算法的安全态势要素提取方法，针对安全态势的评估与预测，分别提出基于集对分析的内河船舶航行的安全态势评估方法和基于DAE深度学习的内河船舶航行安全态势预测方法，探索了基于平行坐标可视化交互模型，以及基于地图的安全态势可视化呈现。论文主要研究工作如下：
　　1)内河船舶航行数据的采集及安全态势要素提取研究
　　以内河水域船舶航行的AIS系统数据、航道信息、气象信息等数据为基础，从内河船舶航行的实际情况出发，总结出相关影响因素，形成安全态势因素集。在内河水域船舶航行的相关信息数据的基础上，利用平行坐标对因素集数据进行可视化呈现，交互式操作后提取出相关度较大的因素，以生成安全态势要素初始集。结合专家评分法，使用谱聚类算法对要素之间的相关性作进一步分析，将数据聚类划分，形成内河船舶航行安全态势要素集。
　　2)内河船舶航行安全态势评估方法研究
　　采用熵值法，确定内河船舶航行安全态势各要素之间的权重。根据内河船舶航行安全态势的综合性的特点，提出基于集对分析的内河船舶航行安全态势评估方法；在内河船舶航行安全态势要素集数据的基础上，实例验证基于集对分析的内河船舶航行安全态势评估方法的可行性；
　　3)内河船舶航行安全态势预测方法研究
　　针对内河船舶航行安全态势预测问题，提出了一种基于降噪自编码（DAE）深度学习的预测方法。构建内河船舶航行安全态势特征向量并确定预测状态，利用降噪自编码网络对特征向量进行重构以形成新特征向量，利用Softmax回归分类器对添加标签的新特征向量进行学习确定预测状态。在内河船舶航行安全态势要素集数据的基础上，实验验证基于DAE深度学习的内河船舶航行安全态势预测方法的正确性。
　　4)内河船舶航行安全态势可视化研究
　　利用平行坐标可视化方法提取内河船舶航行安全态势的要素初始集。结合内河船舶航行安全态势评估结果与要素初始集数据，在平行坐标中可视化呈现，分析出要素集中对内河船舶航行安全态势评估结果影响较大的要素。在地图上对内河船舶航行安全态势评估以及预测结果进行可视化呈现。

目录

声明

第1章 绪论

1.1 课题背景及研究意义

1.2 国内外研究现状分析

1.3 存在的问题分析及解决方案

1.4 研究内容

1.5 论文结构

第2章 内河船舶航行安全态势要素提取方法研究

2.1 总体设计思路

2.2 态势感知定义

2.3 内河船舶航行安全态势影响因素分析

2.4 基于平行坐标的要素初始集提取

2.5 基于专家分析法的要素数据收集

2.6 基于谱聚类的要素集获取方法

2.7 本章小结

第3章 内河船舶航行安全态势评估方法研究

3.1 安全态势评估方法概述

3.2 基于集对分析的内河船舶航行安全态势评估

3.3 内河船舶航行安全态势评估实例验证

3.4 本章小结

第4章 基于DAE深度学习的安全态势预测方法研究

4.1 常用的预测算法与深度学习概述

4.2 安全态势深度学习模型设计

4.3 基于降噪自编码（DAE）深度学习的安全态势预测方法

4.4 基于DAE深度学习的安全态势预测方法实验验证

4.5 本章小结

第5章 面向内河船舶航行安全态势的可视化研究

5.1 可视化与平行坐标概述

5.2 实验平台与实验数据来源

5.3 基于平行坐标的安全态势要素提取可视化

5.4 内河船舶航行安全态势评估可视化分析

5.5 基于地图的安全态势预测结果可视化

5.6 本章小结

第6章 总结与展望

6.1 研究工作总结

6.2 展望

致谢

参考文献

攻读硕士学位期间的研究成果