时空建成模方法及其在海上交通的应用研究.docVIP

时空建模方法及其在海上交通的应用研究 上海海事大学 黄洪琼 摘要：海上船舶流量的预测是海事智能运输系统（MITS）的重要组成部分。当前船舶交通流预测的研究主要都是针对单一航道进行的，而实际港口、航道、近海域船舶交通是一个空间网络，本文将时空模型应用到船舶交通流网络预测中，提出基于时空建模方法的海上交通流预测研究，达到对船舶交通流进行准确预测的目的。 前言 海洋运输在整个运输体系中有着极其重要的地位，世界各国在安全航海方面做了很多的研究。基于高新科技的航海技术的研究处于国际前沿领域和研究热点，海洋安全随着新仪器新设备以及信息化、智能化新方法的不断涌现而迅速发展，其显著特点和发展趋势是建立全球性统一信息系统，形成全球共享信息网络。中国作为世界航运第一大国、造船第三大国，舰船装备的现代化、信息化和自动化，特别是具有自主知识产权的船舶自动导航系统和航运监控系统对于保障航运安全至关重要，对于国民经济的稳定发展和维护国家安全具有重大的战略意义。 在过去很长一段时期内，相对于各种水域和水道的船舶交通容量来说，拥有的船舶数量是微不足道的，对船舶交通流量的预测并没有太多的实际意义。随着社会经济的发展，各国、各地区之间的贸易往来愈加频繁，社会总体拥有的船舶数量也越来越多，这样使许多交通繁忙的水道、海峡和港口的船舶交通流量猛增，导致各种船舶交通事故增加，使人们对于交通繁忙水道及港口的航行管理做出重新的认识。 近年来，世界水运发展十分迅猛。主导世界海运业发展的趋势是世界经济、贸易的变化，据有关资料显示，1983年后世界经济在低速增长拉动海运需求秩序增长，使得海运业一直保持稳定增长，1997年世界海运量达51吨，98年受亚洲金融危机影响，出现负增长，1999年随着世界经济复苏，海运量恢复发展，到2000年海运量上升到了54.34亿吨，2003年达到60亿吨。2015年将会达到76亿吨。 船舶交通流量预测是将水运工程技术和预测技术有效结合起来的一门新兴的应用科学，从技术层面上讲，对海上交通流量的预测比一般的预测等所要考虑的影响因素和指标要更为复杂和繁多，这要求在具体方法的应用时要因地制宜，采用不同的方法或多种方法的结合。 海上交通流预测历史及现状 对海上交通流预测的研究主要集中在我国。1980年开始，国务院就明确规定要搞好预测工作[5]。有资料可查的我国最早进行水运客流量预测的是俞伟峰用二次指数平滑法对南京港的水运客流量进行预测。96年吕靖和方祥麟提出了船舶交通量的组合预测模型（CSFM），这种模型反映了政策变量和人为因素。97年，于明澜和王晓宁第一次提出了应用BP神经网络对湛江至海口的航线客流量进行预测，拟解决非线性问题。2000年黄飞和何明采用医学上常用的圆分布法对南京长江大桥水域的船舶交通流量进行预测。2002年William Seabrooke等提出了用回归的方法预测香港港的货运量。04年Reiner Onken等研究了地中海的科西嘉岛和意大利之间的水域，提出了一种嵌套模型对交通量进行预测，即将一个高分辨率的Harvard Ocean预测系统（HOPS）嵌入到覆盖西地中海北部的粗略预测的科罗大多大学普林斯顿海洋模型（CUPOM）中。2006年黄洪琼提出了港口吞吐量的动态平滑参数预测模型，该模型将最优梯度算法应用于指数平滑模型，通过构造优选并自动生成最佳平滑参数，使模型得到优化；同年，河海大学的谢卫奇等利用GM(1,1)残差修正模型对张家港市航道总通过量、对等级航道、等外级航道的通过量做了初步预测；而杨翔、吴兆麟针对组合预测模型（CSFM）的固定权重问题，提出了一种基于模糊变权重的组合预测方法，提高了预测的精度。2007年汪益兵等运用支持向量机方法对深圳西部水域的船舶流量进行了预测，这种方法预测的结果比实际值略微偏小。同年罗松淼等根据航道双向通航理论，对虾峙门航道通航能力进行评估。08年刘敬贤等运用数理统计的方法对天津港主航道船舶到达规律进行了统计分析，得出其主航道日到达艘数服从正态分布。08年9月张仁初使用了BP神经网络和RBF神经网络相对比的方法对宁波港船舶交通流量进行了预测，得出RBF方法比BP方法更准确。08年底黄洪琼等提出了基于智能融合的船舶交通流预测系统，使用基于最优梯度自适应权重优化预测模型、基于小波分解的ARMA-WNN组合预测模型以及基于异方差性分析的时间序列模型组合GARCH模型的智能融合预测方法，结果证明融合预测能对多个数据源进行预测，并在一定程度上减缓单种预测方法单独预测的不确定性，增加了预测的准确性和整个预测系统的鲁棒性。09年郑滨等将基于数据挖掘的聚类分析和图形化属性分析方法引入到海上交通流数据特征分析领域，其结果证明利用数据挖掘方法可以得到有价值的交通特性信息，并能为海上交通的有效管理提供有力的决策依据。 但是，