孫書(shū)盛

摘 要：隨著航運(yùn)業(yè)的不斷發(fā)展，社會(huì)和客戶(hù)對(duì)船舶航行安全和服務(wù)質(zhì)量的要求不斷提升，因此水上交通數(shù)據(jù)的收集和處理變得越來(lái)越重要。文章基于重慶水上交通管理監(jiān)控系統(tǒng)的GPS軌跡數(shù)據(jù)，在進(jìn)行數(shù)據(jù)預(yù)處理后設(shè)計(jì)了相關(guān)的BP神經(jīng)網(wǎng)絡(luò)航段航行時(shí)間預(yù)測(cè)模型，可以通過(guò)船舶類(lèi)型和航行影響因子較為準(zhǔn)確地預(yù)測(cè)特定航段的船舶航行時(shí)間，為水上交通數(shù)據(jù)的處理提供了一種新的思路。

關(guān)鍵詞：航段航行時(shí)間預(yù)測(cè)；BP神經(jīng)網(wǎng)絡(luò)；GPS軌跡數(shù)據(jù)

中圖分類(lèi)號(hào)：U694 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-8937（2016）23-0064-02

1 概 述

重慶是長(zhǎng)江上游關(guān)鍵的交通樞紐，是西部地區(qū)唯一與長(zhǎng)江黃金水道相連的特大城市，為了促進(jìn)長(zhǎng)江航運(yùn)業(yè)和重慶航運(yùn)經(jīng)濟(jì)的發(fā)展，各種信息化航運(yùn)系統(tǒng)層出不窮，航運(yùn)數(shù)據(jù)量激增，但是大量數(shù)據(jù)的價(jià)值并未得到有效開(kāi)發(fā)。如何最大限度地利用已有數(shù)據(jù)，提高重慶航運(yùn)效率，降低航運(yùn)成本，增加航運(yùn)收益，是重慶長(zhǎng)江航運(yùn)新的研究熱點(diǎn)。

首先，水上交通與地面交通存在很多相似點(diǎn)，因此對(duì)于航運(yùn)數(shù)據(jù)的分析應(yīng)多借鑒地面交通數(shù)據(jù)的分析方法。對(duì)于地面交通，浮動(dòng)車(chē)系統(tǒng)已日趨成熟，針對(duì)浮動(dòng)車(chē)系統(tǒng)采集的數(shù)據(jù)國(guó)內(nèi)外學(xué)者進(jìn)行了大量研究，其中關(guān)于路段行程時(shí)間預(yù)測(cè)，國(guó)內(nèi)學(xué)者已取得了一定的研究成果。方志偉[1]以浮動(dòng)車(chē)數(shù)據(jù)為基礎(chǔ)，利用BP神經(jīng)網(wǎng)絡(luò)建立了路段平均行程時(shí)間的預(yù)測(cè)模型。羅虹[2]提出了實(shí)時(shí)公交車(chē)輛到達(dá)時(shí)間預(yù)測(cè)模型，并根據(jù)該預(yù)測(cè)模型建立了公交車(chē)到達(dá)時(shí)間預(yù)測(cè)系統(tǒng)。姜桂艷、常安德等[3]利用出租車(chē) GPS數(shù)據(jù)，得到了估計(jì)精度更高的路段平均速度。

對(duì)于水上交通采集到的數(shù)據(jù)，國(guó)內(nèi)學(xué)者開(kāi)展的研究主要為軌跡預(yù)測(cè)。徐婷婷，柳曉鳴和楊鑫[4]提出以預(yù)測(cè)船位差實(shí)現(xiàn)航跡預(yù)測(cè)的思想， 并設(shè)計(jì)了基于三層BP神經(jīng)網(wǎng)絡(luò)的航跡預(yù)測(cè)模型。郭文剛[5]采用新的控制技術(shù)，對(duì)BP神經(jīng)網(wǎng)絡(luò)的船舶航跡控制進(jìn)行了計(jì)算和航跡設(shè)計(jì)實(shí)現(xiàn)。劉錫鈴，阮群生和龔子強(qiáng)[6]結(jié)合船載終端GPS定位數(shù)據(jù)的特點(diǎn)，提出了一種基于離散小波變換的數(shù)據(jù)預(yù)處理方法和一種改進(jìn)的預(yù)測(cè)算法。

而針對(duì)水上交通的航段航行時(shí)間預(yù)測(cè)的研究卻很少。譚覓[7]在充分利用AIS信息的基礎(chǔ)上，提出了基于航線(xiàn)匹配的船舶到達(dá)時(shí)間預(yù)測(cè)算法。上文研究使用的是AIS數(shù)據(jù)，而對(duì)于船舶GPS數(shù)據(jù)利用方面，進(jìn)行航段航行時(shí)間預(yù)測(cè)的研究幾乎沒(méi)有。本文首先對(duì)提取的船舶航行GPS軌跡數(shù)據(jù)進(jìn)行預(yù)處理，得出航段航行時(shí)間數(shù)據(jù)，然后利用BP神經(jīng)網(wǎng)絡(luò)對(duì)預(yù)處理結(jié)果進(jìn)行分析，設(shè)計(jì)出了時(shí)間預(yù)測(cè)模型，對(duì)船舶航行進(jìn)行時(shí)間預(yù)測(cè)。

2 數(shù)據(jù)預(yù)處理

本文數(shù)據(jù)來(lái)源為重慶水上交通管理監(jiān)控系統(tǒng)軌跡提取，為系統(tǒng)注冊(cè)船舶發(fā)回的真實(shí)軌跡數(shù)據(jù)。重慶市水上交通管理監(jiān)控系統(tǒng)是重慶市港航管理局委托深圳市成為軟件公司開(kāi)發(fā)和集成的項(xiàng)目。本文主要使用的是系統(tǒng)的船舶動(dòng)態(tài)監(jiān)控功能，提取船舶的經(jīng)緯度、航向、速度等軌跡數(shù)據(jù)加以分析研究。

由于長(zhǎng)江航段較長(zhǎng)，數(shù)據(jù)量巨大，本文僅選取重慶-三峽航段的數(shù)據(jù)進(jìn)行研究，其他航段的數(shù)據(jù)研究可以通過(guò)本文的方法進(jìn)行類(lèi)推。

數(shù)據(jù)預(yù)處理首先是對(duì)船舶GPS數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，將軌跡數(shù)據(jù)轉(zhuǎn)化為航行數(shù)據(jù)，提取出特定航段的航行時(shí)間。然后是將船舶類(lèi)型和航行影響因子量化：船舶類(lèi)型字段中，1代表集裝箱船，2代表滾裝船，3代表化危品船；航行影響因子是對(duì)航行開(kāi)始起三天內(nèi)的天氣情況和航行數(shù)據(jù)情況進(jìn)行打分，分?jǐn)?shù)為1—5分，分?jǐn)?shù)越高對(duì)船舶航行的影響越大，天氣數(shù)據(jù)來(lái)源為天氣網(wǎng)，航行數(shù)據(jù)來(lái)源為重慶水上交通管理監(jiān)控系統(tǒng)。本文示例數(shù)據(jù)，見(jiàn)表1。

3 基于BP神經(jīng)網(wǎng)絡(luò)的時(shí)間預(yù)測(cè)模型

該BP神經(jīng)網(wǎng)絡(luò)是典型的三層結(jié)構(gòu)，如圖1所示，由包含兩個(gè)輸入端的輸入層、包含一個(gè)輸出端的輸出層和隱含層組成；x、y、t分別為船舶類(lèi)型、航行影響因子、航行時(shí)間，x、y是模型的輸入，t是模型的輸出。w為輸入層神經(jīng)元和隱含層神經(jīng)元的連接權(quán)重；v為隱含層神經(jīng)元和輸出層神經(jīng)元的連接權(quán)重。

人工神經(jīng)網(wǎng)絡(luò)的最主要特征之一是可以學(xué)習(xí)。學(xué)習(xí)過(guò)程是通過(guò)外界輸入的刺激，讓神經(jīng)網(wǎng)絡(luò)的連接權(quán)值不斷改變，使得模型最終的輸出結(jié)果不斷接近期望，本質(zhì)是對(duì)各連接權(quán)值的動(dòng)態(tài)調(diào)整。BP神經(jīng)網(wǎng)絡(luò)采用的學(xué)習(xí)的類(lèi)型是有導(dǎo)師學(xué)習(xí)，學(xué)習(xí)過(guò)程，如圖2所示。

本文預(yù)測(cè)模型使用MATLAB R2014b編程，隱含層有6個(gè)神經(jīng)元，輸出層有1個(gè)神經(jīng)元，隱含層的激活函數(shù)為tansig，輸出層的激活函數(shù)為logsig，訓(xùn)練函數(shù)為梯度下降函數(shù)，輸出結(jié)果如圖3所示。模型輸出結(jié)果為實(shí)際時(shí)間與預(yù)測(cè)時(shí)間的比較，折線(xiàn)為實(shí)際航行時(shí)間，“+”表示預(yù)測(cè)時(shí)間。由圖3可見(jiàn)，預(yù)測(cè)模型的結(jié)果誤差較小，說(shuō)明BP神經(jīng)網(wǎng)絡(luò)能夠?qū)W會(huì)實(shí)際航行中船舶的時(shí)間規(guī)律，在船舶航行時(shí)間預(yù)測(cè)中具有實(shí)際使用價(jià)值。

4 結(jié) 語(yǔ)

本文分析了水上交通數(shù)據(jù)分析現(xiàn)狀，參考地面交通數(shù)據(jù)分析方法，以船舶航行軌跡數(shù)據(jù)為基礎(chǔ)，構(gòu)造BP神經(jīng)網(wǎng)絡(luò)時(shí)間預(yù)測(cè)模型，介紹了BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程和預(yù)測(cè)結(jié)果，模型結(jié)果可以較為準(zhǔn)確地預(yù)測(cè)船舶的航行時(shí)間，具有一定的現(xiàn)實(shí)意義。由于時(shí)間關(guān)系，本文存在很多不足，航行影響因子打分可以考慮更多指標(biāo)進(jìn)行更為細(xì)致地評(píng)估，希望在以后的學(xué)習(xí)研究中不斷完善。

參考文獻(xiàn)：

[1] 方志偉.基于浮動(dòng)車(chē)數(shù)據(jù)的城市路段行程時(shí)間預(yù)測(cè)研究[D].北京：北京 交通大學(xué)，2007.

[2] 羅虹.基于GPS的公交車(chē)輛到達(dá)時(shí)間預(yù)測(cè)技術(shù)研究[D].重慶：重慶大學(xué)，

2007.

[3] 姜桂艷，常安德，李琦，等.基于出租車(chē)GPS數(shù)據(jù)的路段平均速度估計(jì)模 型[J].西南交通大學(xué)學(xué)報(bào)，2011，04：638-644.

[4] 徐婷婷，柳曉鳴，楊鑫.基于BP神經(jīng)網(wǎng)絡(luò)的船舶航跡實(shí)時(shí)預(yù)測(cè)[J].大連海 事大學(xué)學(xué)報(bào)，2012，01：9-11.

[5] 郭文剛.基于BP神經(jīng)網(wǎng)絡(luò)的船舶航跡控制技術(shù)[J].艦船科學(xué)技術(shù)，

2014，08：87-93.

[6] 劉錫鈴，阮群生，龔子強(qiáng).船舶航行GPS定位軌跡的新預(yù)測(cè)模型[J].江南 大學(xué)學(xué)報(bào)（自然科學(xué)版），2014，06：686-692.

[7] 譚覓.基于航線(xiàn)匹配的控制河段船舶航行時(shí)間預(yù)測(cè)算法研究[D].重慶：

重慶大學(xué)，2014.