- 无标题文档
查看论文信息

中文题名:

 受限水域船舶交通流拥塞度模型研究    

姓名:

 袁志涛    

学号:

 1049721300944    

保密级别:

 公开    

论文语种:

 chi    

学科代码:

 082302    

学科名称:

 交通信息工程及控制    

学生类型:

 硕士    

学位:

 工学硕士    

学校:

 武汉理工大学    

院系:

 航运学院    

专业:

 交通运输工程    

研究方向:

 水路交通安全保障    

第一导师姓名:

 杨星    

第一导师院系:

 武汉理工大学    

第二导师姓名:

 张帆    

完成日期:

 2015-04-01    

答辩日期:

 2015-05-28    

中文关键词:

 受限水域 ; 船舶交通流 ; 拥塞度 ; 模型 ; MATLAB仿真    

中文摘要:

国际经济与贸易的发展,使得船舶交通流量和通航密度逐年攀升,特别是一些受限水域(繁忙水域、弯曲航道、多航道交汇水域及宽度受限水域)通航压力不断加大,并开始出现不同程度的船舶交通流拥塞状况。研究发现,船舶在受限水域发生事故的概率远高于港口水域或开阔水域。受限水域船舶交通秩序的规范及优化对减少碰撞事故发生、改善船舶航行条件、提升交通运行效率等方面起着关键性和决定性的作用。近年来,针对受限水域船舶交通安全管理方面的研究受到了广泛关注,但相关研究主要聚焦在事故统计及特征分析、交通流监控和预测、船舶航行风险评价、船舶智能避碰、通航安全保障等方面,对于船舶交通流拥塞问题的机理性研究欠缺。

本文构建了受限水域船舶交通流拥塞度模型以评估航道的畅通程度。首先,借用宁波VTS系统的数据提取和数据分析功能,获取船舶AIS历史数据,对虾峙门航道的船舶交通流特征进行分析,并利用概率统计及数据拟合方法进行验证分析,以探索上述特征参数属性值的特征及各属性值间的关联性。其次,通过定义船舶交通单元,并抽象受限航道模型,构建船舶区域占用及船舶干扰模型,进而分析船舶间相互作用。在对受限水域船舶交通流特征分析的基础上,提取受限水域船舶交通流拥塞度因子,通过专家问卷调查确定各因子权重,完成拥塞度模型构建,并对虾峙门航道的交通流拥塞度进行定量评价。最后,考虑到船舶交通流具有随机性和多样性特点,通过设置不同的场景数据和规则数据,采用仿真方法分析船舶交通流运行过程,分析研究受限水域船舶交通运行规律,并对船舶交通流拥塞度模型进行验证。

本文提出了船舶拥塞度概念并进行建模,以量化受限水域的船舶交通流的拥塞程度,并对船舶交通流拥塞度模型进行仿真验证,证明了提出的模型具有较强的适用性,可为船舶的运行状态评价提供一定的参考。

参考文献:

[1] Coldwell T. G. Marine traffic behavior in confined waters[J]. Journal of Navigation, 1983, 36(3): 431-444.

[2] Filipowic W. Traffic control in separation schemes[J]. Journal of Navigation, 1983, 36(3): 445-453.

[3] Inoue K., Yurtoren C. Risk control of marine traffic accident in the strait of Istanbul- management criteria for encountering in confined water area[J]. Journal of Japan Institute of Navigation, 2004, 110(1): 19-25.

[4] Guema L., Pietrzykowski Z. Ship maneuvering in restricted areas: an attempt to quantify dangerous situations using a probabilistic-fuzzy method[J]. Journal of Navigation, 2006, 59(2): 251-262.

[5] 汤国杰. 超大型船舶受限水域航行风险评价[J]. 中国航海, 2010, 33(3): 105-108.

[6] Aydogdu Y. V., Yurtoren C., Park J., et al. A study on local traffic management to improve marine traffic safety in the Istanbul Strait[J]. Journal of Navigation, 2012, 65(1): 99-122.

[7] 谭志荣, 王茂清, 刘敬贤, 等. 基于时空资源理论的受限复杂航段船舶通过能力[J]. 大连海事大学学报: 自然科学版, 2013 (4): 28-31.

[8] Filipowic W. Vessel traffic control problems[J]. Journal of Navigation, 2004, 57(1): 15-24.

[9] Bukhari A. C., Tusseyeva I., Lee B., et al. An intelligent real-time multi-vessel collision risk assessment system from VTS view point based on fuzzy inference system[J]. Expert Systems with Applications. 2013, 40(4): 1220-1230.

[10] Romero G., Duran G., Marencoe J., et al. An approach for efficient ship routing[J]. International Transaction in Operational Research. 2013, 20(1): 767-794.

[11] 程细得, 刘祖源. 基于遗传算法的内河船舶避碰路径优化研究[J]. 中国航海, 2006 (2): 38-40.

[12] Sandler M., Wahl A., Zimmermann R., et al. Autonomous guidance of ships on waterways[J]. Robotics and Autonomous Systems, 1996, 18(3): 327-335.

[13] 丹尼尔 L.鸠洛夫, 马休 J.休伯. 交通流理论[M]. 人民交通出版社. 1983.

[14] 高岩松. 台湾海峡船舶交通流的调查与分析[J]. 中国航海, 2005, 3: 37~40.

[15] 邵敬礼, 肖英杰, 许世波. 基于不平衡模型的航道船舶流量分析[J]. 船海工程, 2010, 39(1): 115~118.

[16] 郑滨, 陈锦标, 夏少生等. 基于数据挖掘的海上交通流数据特征分析[J]. 中国航海, 2009, 32(1): 60~63.

[17] 廖鹏. 内河船舶交通流量的时空分布特征[J]. 水利水运工程学报, 2009, 2: 33~38.

[18] 刘敬贤, 文元桥. 基于船舶行为特征的港口航道通过能力仿真[J]. 大连海事大学学报, 2009, 35(2): 31~33.

[19] 杜状. Y字型航道交通通过能力研究[D]. 大连: 大连海事大学, 2008.

[20] 徐婷婷. 不同安全条件下的航道通过能力研究[D]. 南京: 河海大学, 2007.

[21] Mavrakis D, Kontinakis N. A queueing model of maritime traffic in Bosporus Straits[J]. Simulation Modelling Practice and Theory, 2008, 16(3): 315~328.

[22] Gi-Tae Yeo, Michael Roe, Sang-Moon Soak. Evaluation of the Marine Traffic Congestion of North Harbor in Busan Port[J]. Journal of Waterway Port Coastal and Ocean Engineering. 2007, 133(2): 87~93.

[23] Cottrell W..Determining Who Should Pay for Urban Traffic Congestion: Case Study of the Central Artery and Third Harbor Tunnel Project[D]. Massachusetts, Institute of Technology. Cambridge, MA, 1988.

[24] Epps A, May A, and Cortelyou C. Developing a Methodology for Quantifying Non-recurring Freeway Congestion Delay. Phase one, Identification of Alternative Methodologies[M]. Partners for Advanced Transit and Highways(PAIH). 1993: 111-126.

[25] Zhou M. and Hall L. Investigation of the Speed-flow Relationship under Congested Conditions on a Freeway[C]. 78th Annual Meetings of the Transportation Research Board. Washington, D.C, 1999.

[26] Porikli F, and Li X. Traffic Congestion Estimation Using HMM Models without Vehicle Tracking[C].Parma , Italy: Institute of Electrical and Electronics Engineers Inc, Piscataway. NJ08855-1331, United States, 2004.

[27] Ko J. Characterization of Congestion Based on Speed Distribution: A Statistical Approach Using Gaussian Mixture Model[C].84th Annual Meetings of the Transportation Research Board. Washington, D.C, 2005.

[28] Hartgen D, and Fields M. US Future Traffic Congestion and Capacity Needs[C]. 86th Annual Meetings of the Transportation Research Board. Washington, D.C. 2007.

[29] Goldberg D E. Genetic Algorithms in Search Optimization and Machine Learning[M]. Addison Wesley. 1989.

[30] Ritchie S, Cheu R. Neural Network Models for Automated Detection of Non-Recurring Congestion[M]. Panders for Advanced Transit and Highways(PATH) Research Report,UCB-ITS-PRR-93-5. California PATH Program and University of California. Berkeley, CA, 1993.

[31] 王江峰, 姜桂艳, 冮龙晖. 基于神经网络的城市快速路交通拥挤识别方法研究[C]. 现代化道路交通管理发展与展望. 2003.

[32] 陈阳舟, 田秋芳, 张利国. 基于神经网络的城市快速路交通拥堵判别算法[J]. 计算机测量与控制. 2011, 19(1): 167-169.

[33] 冯晓雪, 赵龙. 基于粒子群优化的公交车道路拥塞预测算法研究[J]. 数字技术与应用. 2014, (4): 123-124.

[34] 王超, 杨乐. 空域扇区流量与拥塞预测的概率方法[J]. 西南交通大学学报. 2011, 46(1): 162-166.

[35] 姜桂艳, 代磊磊. 城市主干路常发性拥堵扩散规律的模拟研究[J]. 交通与计算机. 2006, 24(1): 1-3.

[36] 汪玲, 王剑. 基于异质结构的复杂交通网络拥塞分析[J]. 交通运输系统工程与信息. 2012, 12(2): 119-125.

[37] 潘登, 郑应平, 陆小芳. 避免车辆路径拥塞的动态蚁群算法[J]. 计算机工程. 2008, 34(5): 1-4.

[38] 王奇志, 程新宇. 基于拥塞信息的道路交通导航系统[C]. 南京: 2009中国智能自动化会议论文集. 2009. 1592-1595.

[39] Waziri M. Development of Highway Congestion Index with Fuzzy SetModels[J]. Journal of Transpiration Research Record 1802 , Transportation Research Board, 2002: 16-22.

[40] Hamad K, Kikuehi S. A Measure of Traffic Congestion: A Fuzzy Inference Approach[C].8lst Annual Meetings of the Transportation Research Board. Washington, D.C, 2002.

[41] Jia L, Li C. Congestion Evaluation from Traffic Flow Information based on Fuzzy Logic[C]. The 6th Imitational IEEE Conference on Intelligent Transportation Systems, Shanghai, China, 2003.

[42] Turner S, Lomax T, and Levinson H. Measuring and Estimating Congestion Using Travel Time-Based Procedures. In Transportation Research Record, No1564:Journal of Transportation Research Board series, TRB, National Research Council. Washington, D.C, 1996: 11-19.

[43] 王建玲, 蒋阳升. 交通拥堵状态的识别与分析[J]. 系统工程.2006, (10): 105-409.

[44] 卓晓昭. 基于云模型的道路交通拥塞程度评估[J]. 福建电脑. 2013, (7): 97-99.

[45] Dazhi, SUN, Jinpeng, LV, Travis, WALLER. In-depth analysis of traffic congestion using computational fluid dynamics (CFD) modeling method[J]. Journal of Modern Transportation. 2011, 19(1): 58-67.

[46] PEI Yu-long, LANG Yi-shun. Research on traffic congestion mechanism and countermeasures based on dynamic traffic assignment[J]. Journal of Harbin Institute of Technology. 2005, 2(3): 235-238.

[47] Zhao Yifei, Chen Kai. Application of Evidence Theory in Air Traffic Congestion Assessment[J]. JOURNAL OF TRANSPORT INFORMATION AND SAFETY. 2010, 28(1): 426-429.

[48] 祝付玲. 城市道路交通拥堵评价指标体系研究[D]. 南京: 东南大学, 2006.

[49] 龙小强, 谭云龙. 基于模糊综合评价的城市道路交通拥堵评价研究[J]. 交通工程与安全. 2011, (11): 114-117.

[50] JIA Hongfei, TAN Yunlong, Fu Xiaoyan. Study on Evaluation Method of Urban Traffic Congestion Based on Fuzzy Comprehensive Evaluation[C]. Guilin: 2012 Third International Conference on Digital Manufacturing & Automation. 2012. 819-822.

[51] 王曦, 祝付玲. 基于高斯混合分布的交通拥堵评价模型[J]. 公路交通科技. 2011, 28(2): 127-132.

[52] 刘梦涵. 面向特大城市的分层次交通拥堵评价模型及算法[D]. 北京: 北京交通大学, 2008.

[53] 白茹. 基于VHT的路网交通拥堵度判定方法研究[D]. 西安: 长安大学, 2013.

[54] 蔡学龙, 刘克中, 杨星, 等. 内河航道交汇水域交通流仿真[J]. 大连海事大学学报: 自然科学版, 2012, 38(2): 19-21.

[55] 吴兆麟,朱军.海上交通工程[M].大连.大连海事大学.2004

[56] 邵春福, 周伟, 张生瑞. 交通流理论与方法[M]. 北京:中国铁道出版社, 2010.

[57] Lindley J. Urban Freeway Congestion: Quantification of the Problem and Effectiveness of Potential Solutions[J]. ITE Journal. 2007:27-32.

[58] Mccumber, M. and Cushman, K. 1999 System Performance Report: Central Puget Sound Congestion Management System[R]. Puget Sound Regional Council, 2001.

[59] Federal Transit Administration. Joint FHWA/FTA Regulations, Management and Monitoring Systems, 49 C.F.R . Part614, Dec. l, 2003.

[60] Schrank, D., and Lomax, .2001 Urban Mobility Report[M]. Texas Transportation Institute 2001: pp. 67.

中图分类号:

 U675.9    

馆藏号:

 U675.9/0944/2015    

备注:

 403-西院分馆博硕论文库;203-余家头分馆博硕论文库    

无标题文档

   建议浏览器: 谷歌 火狐 360请用极速模式,双核浏览器请用极速模式