基于AIS数据估计船舶在狭窄航道上的航行时间外文翻译资料

 2022-08-01 22:04:40

英语原文共 16 页，剩余内容已隐藏，支付完成后下载完整资料

基于AIS数据估计船舶在狭窄航道上的航行时间

吴星，罗伊，哈米迪，克雷格

（美国拉马尔大学土木与环境工程系；美国拉马尔大学工业工程系）

关键词:旅行时间，旅行时间分布，AIS数据，休斯敦航道

摘要：本文提出了一种基于ais数据的船舶航行时间精确估计模型，并给出了该模型在狭窄航道上任意两点间的航行时间分布。了解交通控制的关键点之间的旅行时间(及其分布)是至关重要的。该模型由两部分组成:(1)识别船舶的目的港码头、到达时间和离开时间(关键是如何区分船舶的航次)；(2)估计船舶从目的港(或某一特定地点)到另一特定地点(或另一特定地点)的航行时间，反之亦然。两点之间的旅行时间称为遍历时间。然后将提出的算法应用于2017年11个月AIS数据的Houston 航道(HSC)，重点关注8号环城大桥上方的出境游。通过货物和油轮从目的港到某点的旅行时间可能是正态分布的，它们在两个点之间的旅行时间更可能是对数正态分布的。船宽、吃水和船型对穿越时间分布有显著影响，但与日、月时间无关。相邻链路的遍历时间也高度正相关。

1. 介绍

休斯敦港是美国第二繁忙的海港

根据2013年的数据(AAPA，2015)，各州的总吨数。大约200个私人和公共工业码头沿着52英里长的休斯敦航道(HSC)延伸，每年有超过8200艘船只和21.5万艘驳船通过HSC运送超过2.47亿吨货物(休斯顿港，2019年)。HSC在支持德州能源和石化工业方面发挥着关键作用。图1为HSC地图。从广义上讲，它可以分为两部分:较低的一段通过加尔维斯顿航道，受到加尔维斯顿海上浮标的约束，而较高的一段受到实际河岸(圣哈辛托河和布法罗河口)的约束。高铁大约有45英尺(14米)深，所以它可以容纳大型船只。

HSC较窄，尤其是休斯顿附近的上段(如图1所示的“内通道”)，本文仅关注这一上段。由于每天都有那么多的船只通过英吉利海峡，许多船只都受到各种原因的严重延误。其中一个重要的原因来自于大型船只，因为它们在通过一些狭窄的区域时可能会阻塞整个海峡。为了更好地估计船舶延误，进一步制定船舶在高等级混凝土中的流动优化方案，首先需要了解不同类型和尺寸船舶的航行时间特性。目前，对航道内船舶航行时间的了解主要是基于驾驶员的经验和工作报告。这些数据主要来自报告。

本文总结了高速公路交通流优化的初步研究，重点研究了如何准确估算船舶从一个特定位置到另一个特定位置的航行时间。这些特定的点表示特定的部分。例如，高速公路上的环城八号桥是一个重要的地标:在桥梁上方的通道部分，航道只能容纳一艘正横106英尺(32米)以上的大船，与之相对的大型船舶的交通必须被中断。即使是初步的研究，也面临着3个问题:(1)对于一艘船，如何将一艘船的AIS数据与其他船的AIS数据进行分离；(2)如何根据目的地码头附近的所有AIS点来判断船舶不同航次的到港和离港时间；(3)如何准确估计船舶在通道内任意一点的到达时间。通过求解这些问题，可以求出船舶在通道中两点之间的航行时间。另一个有趣的问题是:船舶的航行时间是如何分布的?哪些因素影响航行时间的分布?

值得注意的是，虽然本文只研究高铁中的大型船舶(货船和油轮)，但所提出的方法可以应用于任何有码头的大型船舶码头内狭窄航道。内陆狭窄的河道通常是通过疏浚天然河床到一定深度而形成的适应大型船只。因此，大型船舶的航行路线被严格限制在一个通道内，包括与码头相连的航线。这样的约束使得仅根据船舶的航行数据来回答上述问题成为可能。由于这个原因，所提出的方法不能适用于拖船等小船，因为它们可以停泊在岸边的任何地方。

自2002年起，所有拥有300艘或以上格罗索号的新船及所有远洋船只，以及所有客船，均须在船上安装自动识别系统(AIS)。AIS系统在船与船之间以及船与船之间传输疾病状态信息。AIS数据包含船舶详细的、连续的时空信息(船舶ID、船名、宽度、长度、类型)，以及船舶真实的操纵行为(如船舶每1分钟的经度、纬度、速度、航向、吃水等)。因此，近年来AIS数据在航道运输研究中得到了广泛的应用，包括船舶碰撞风险分析、船舶航行行为建模、船舶航迹估计等。AIS数据为研究船舶在航道中的航行时间提供了良好可靠的数据来源。例如，它们可以用来估计船舶遭受的延误。这里的延迟是指船舶在航道中由于航行限制、船舶的波束(宽度)限制等各种原因造成的等待时间。目前AIS数据的应用主要集中在两个方向:航行风险分析和船舶航行行为分析。为了分析船舶碰撞和/或搁浅的风险，许多研究基于船舶域的概念(Horteborn et al.， 2019)，这是一个“船舶的领航员想要远离其他船舶或固定目标的有效水域”(Goodwin， 1975)。通过AIS数据分析，研究人员对船舶的船舶域入侵频率进行了研究，船舶域被定义为各种形状(如Montewka et al.(2010)， Qu et al.(2011)， Weng et al.(2014)， Wu et al.(2016))。还提出了其他基于ais数据的方法。例如，Mou等人(2010)开发了基于ais数据的线性回归模型，以评估船舶在鹿特丹港外碰撞的风险，基于两个指标:两船之间的最接近点(CPA)和最接近点时间(TCPA)；Zaman等(2014)提出了一种基于ais数据的模糊FMEA模型来评估马六甲海峡船舶碰撞风险；Huang等(2019)提出了基于ais数据的交叉线法和蒙特卡罗法来评估高雄港的搁浅风险:前者旨在评估船舶的搁浅概率，后者用于模拟船舶的轨迹来评估搁浅频率。

AIS数据不断提供船舶状态的详细信息，因此成为研究航道关键部位船舶航行行为的重要来源，以更好地了解航道的通行能力(1)，更有效地安排航道内的船舶通行。

(1)航道断面通行能力是指单位时间内通过航道断面的船舶数量。这是考虑到天气条件、船只大小、船只行为、速度、安全距离等因素的最大流量。

Xiao等(2015)基于AIS数据研究了船舶在两个地点(一个靠近鹿特丹港，另一个靠近上海)的航行行为，包括船舶航速、航线和到达时间间隔的分布。Wu et al.(2018)研究了油轮和货物如何通过Sabine-Neches水道(SNWW)的热点地区，这在他们之前的研究中已经确认(Wu et al.， 2016)。有趣的是，他们发现，与高速公路交通不同，船舶的平均航行时间似乎与交通密度无关。这种独立性也在加尔维斯顿船舶航道的入口处被发现(Roy and Wu， 2019)。Kang等(2018)也研究了新加坡海峡15条腿中船舶平均航行时间与交通密度之间的关系。然而，他们发现旅行时间与密度相关。两项研究之间的差异可能来自船只数量:新加坡海峡的船只数量比新加坡海峡和加尔维斯顿海峡的船只数量多得多。此外，Kang等人(2019)研究了船只如何通过印加波海峡的l形通道，重点研究了船只的加速和减速模式。Zhou等(2019)提出了一种基于ais数据的船舶航行行为聚类分类方法。

AIS系统的数据量是巨大的。不可避免地存在异常值和数据丢失。如何有效地去除异常值并弥补缺失的数据是一个很大的挑战。提出了各种方法。Zhang等(2018)利用样条模型重建血管运动轨迹。该模型能够拟合任何类型的轨迹，甚至包括圆形轨迹，并能清晰地捕捉船舶的航行行为。通过轨迹构建，异常值可以被识别，丢失的数据可以被弥补。Kang等人(2019)提出了一系列算法来检查经度和纬度、速度和航向。另一方面，Wu等(2016，2018)使用地理信息系统(GIS)包中的统计方法和空间关系函数来去除离群点。

在高速公路和高速公路上估算行车时间的方法已在文献中得到了广泛的研究。加州运输部(Caltrans)建议，旅行时间可以提供各种形式的信息，以帮助管理者、交通工程师、规划者、高速公路使用者和研究人员(Choe et al.， 2002)。许多研究试图利用先进的系统，如视频图像处理、自动车辆识别、移动电话跟踪和探测车辆，开发估算高速公路行驶时间的算法。例如，Turner(1996)、Jiyoun et al.(2008)和El Esawey et al.(2011)在样本数据集较小的情况下，利用相邻链路的出行时间关系来估计路网上的出行时间；Nie et al.(2012)根据来自环路检测器的数据和芝加哥都市道路网的电动收费站记录，估算出每个路段的行驶时间分布；和Wang等人(2014)利用地图数据源和GPS轨迹估计了城市中任意路径的旅行时间。这些模型被用于交通监控(Chawla et al.，2012)、出租车调度(Yuan et al.， 2013)、出行时间可靠性分析(Nie et al.，2012等应用；吴和聂，2013年；吴，2013)。

航行时间数据也用于水道研究的各种应用。Rahimikelarijani et al.(2018)和Kaneria et al.(2019)使用休斯顿试点过境数据，使用旅行时间来确定高HSC的最佳关闭方案(由于环城8号桥的拆除和重建)，以最小化船舶等待时间。为了估算船舶在内河航道上的航行时间，Asamerand Prandtstetter(2014)提出了两种基于历史和当前观测速度的方法，从记录的船舶轨迹预测船舶在内河航道上的航行时间；DiJoseph和mitchell(2015)提出了一种利用内河系统存档AIS位置建立基线走时统计的方法；Rileyet al.(2015)利用AIS数据和河流水位数据分析了船舶过境时间与水位的关系，并测量了船舶在两年内的航行时间。

但是上述的这些研究都不是关于一个信道中任意一点的行程分离和到达时间估计(例如，dijoseph和Mitchell(2015)的研究是基于给定的AIS在通道中的位置)。AIS数据集可能覆盖很长一段时间，其中船舶可以多次访问感兴趣的通道。基于AIS数据估计船舶航行时间，需要对船舶的不同航次进行识别。本研究的目的是建立一种更通用的方法来确定船舶在不同船型和航行状态下(如从出发出发的航行时间或正常航行状态下的航行时间)所覆盖的任何路段上的航行时间。这是本文的主要方法论贡献。

通过建立船舶航行时间库，可以得到不同类型船舶的航行时间可靠性，并对船舶延误进行定量估计。这为优化狭窄繁忙航道的船舶交通流量，如高速公路的封闭和船舶调度打开了大门。为了安排关闭(例如，由于疏浚任务或建设)在航道的特定位置，船舶交通服务(VTS)需要考虑船舶行驶到航道封闭部分的时间，以确定关闭的最佳时间。最佳关闭时间可使受关闭影响的所有抵港及帆船的总等候时间减至最少。虽然飞行员和海岸警卫队经常使用实时AIS数据，但他们的系统并没有整合历史数据来优化操作。另一个应用是船舶调度。引航员需要在航道上安排和订购船只。调度的复杂性来自于对船只大小的航行限制。例如，宽度大于106英尺(32米)的船只是限制在8号环城大桥上单向通行的，而长度大于560英尺(171米)的液化石油气(LPG)油轮是限制在高速公路上通行的。这些限制增加了通道的拥塞，并可能造成其他船只的延误。在考虑不同导航规则的情况下，直接对信道进行优化导航需要进行走时估计。

本文的提醒组织如下。第二节给出了估计航道内船舶航行时间的方法框架；第3节给出了数值算例，研究了油轮、货物等大型船舶在高速船员舱内的航行时间特性；第四部分是本文的结论。

2. 方法

2.1到达和离开时间到达目的地码头

关于开头提到的问题，本节主要回答前两个问题:(1)确定一艘大船的目的港，(2)确定一艘大船在目的港的到达和离开时间。

2.1.1模型公式

探讨船舶在繁忙的旅行时间库存狭窄的通道，有必要找到船的目的地码头，以及其在这个码头到达时间和离开时间从这个码头，因为目的地码头附近的一艘船只的速度将非常不同于当一个容器在正常导航状态。此外，为了建立旅行时间清单，有必要找到船舶的目的地码头作为它的目的地和起点。

在关于船只信息的数据集中，报告了该船只的目的地。但是，这样的目的地仅指目的端口。一个港口通常有很多码头，如图2 (A)所示，沿着HSC共有81个码头。考虑到像HSC这样的狭窄航道，有大量的大型船舶，如油轮和货船，码头附近的水深要比没有码头的岸边水深大得多。因此，对于一艘大船，如果它的AIS点靠近一个码头(如图2所示)，则说明这个码头就是该船的目的码头。

AIS的给定一组数据，一船如果只有一个目的地码头，并参观了这个目的地码头只有一次，然后就容易确定这艘船的目的地码头和相应的到达陆地起飞时间，分别，我们可以得到的信息简单地检查所有的这艘船的AIS数据接近码头，例如，这个船坞的缓冲区内，见图2 (b)。然而，给定的AIS数据通常覆盖整个月。船舶有可能访问多个目的港码头，并/或访问一个码头超过一次。因此，有必要开发一种通用算法来分别识别目的地码头、到达时间和离开时间。当应用HSC的AIS数据时，缓冲半径为150英尺(46米)来确定船舶的目标码头。仅对缓冲区中的AIS数据进行分析，研究目的港码头的到达时间和离开时间。这样就排除了具有空间误差的AIS数据进行进一步的分析。

图2所示。一个基于AIS数据识别船舶目的地码头的例子。

  1. 一艘船只的AIS数据。(b)靠近码头的AIS详细视图:航道两岸的棕色线段是指码头的位置。码头线周围的区域是指码头的缓冲区，半径为150英(约46米)。

考虑一个内河运输系统与一系列码头:jfrac14;1；2；⋯；nd，船只ifrac14;1；2；⋯；nv，其中nd和nv分别为系统中唯一的码头和船舶数量。然后，表示delta;ijfrac14;=1如果船i停泊在码头j；则delta;ijfrac14;=0 否则。对于船舶i， AIS点在一个时间段t内包含以下信息:经度、纬度、对地速度(SOG)和对地航向(COG)(以下文字中使用了“速度”“航向”，分别指SOG和COG) 。i类船只的这类资料分别记为xt i； yt i； st i；和 ct i。 给定一个时间段，船只的AIS点可以被唯一识别。它意味着给定ti， xt i； yt i； st i； 和 ct i可以被识别。

此外，两个不同容器的时间系列也不相同。例如，对于一艘

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[241352]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

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。

您可能感兴趣的文章