留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于蚁群算法与海量AIS数据的船舶航线规划

姚肖肖,  胡勤友,  杨春

downloadPDF
文章导航 > 交通信息与安全  > 2019 >  37(3): 79-85
姚肖肖, 胡勤友, 杨春. 基于蚁群算法与海量AIS数据的船舶航线规划[J]. 交通信息与安全, 2019, 37(3): 79-85. doi: 10.3963/j.issn.1674-4861.2019.03.010
引用本文: 姚肖肖, 胡勤友, 杨春. 基于蚁群算法与海量AIS数据的船舶航线规划[J]. 交通信息与安全, 2019, 37(3): 79-85. doi: 10.3963/j.issn.1674-4861.2019.03.010
shu
YAO Xiaoxiao, HU Qinyou, YANG Chun. Route Planning of Vessels with Ant Colony Algorithm and Massive AIS Data[J]. Journal of Transport Information and Safety, 2019, 37(3): 79-85. doi: 10.3963/j.issn.1674-4861.2019.03.010
Citation: YAO Xiaoxiao, HU Qinyou, YANG Chun. Route Planning of Vessels with Ant Colony Algorithm and Massive AIS Data[J]. Journal of Transport Information and Safety, 2019, 37(3): 79-85. doi: 10.3963/j.issn.1674-4861.2019.03.010
shu

基于蚁群算法与海量AIS数据的船舶航线规划

doi: 10.3963/j.issn.1674-4861.2019.03.010

  • 上海海事大学商船学院 上海 201306

  • 上海海事大学商船学院 上海 201306

  • 上海海事大学商船学院 上海 201306

基金项目: 

上海市科委重点项目

详细信息

  • 中图分类号: U697.33

Route Planning of Vessels with Ant Colony Algorithm and Massive AIS Data

    摘要
  • 摘要: 利用船舶AIS轨迹数据,研究了基于蚁群算法和海量AIS数据的航线规划方法.采用Doug-las-Peucker算法对海量轨迹数据进行压缩处理;基于DBSCAN算法对处理后的AIS轨迹点数据进行聚类,提取出航路关键转向点;依据地理边界数据确定关键转向点的连接关系,并对靠近孤立碍航物的航线进行修正,构建出1个无向网络图,同时计算出各条边的船舶航行密度;将各边的密度值作为MMAS蚁群算法的初始信息素浓度,求解港口间的最优安全航线.以2017年黑德兰港到青岛港的散货船AIS轨迹数据为样本,进行航线规划研究.结果表明,规划的航线总航程为3487.21 n mile,推荐航线总里程为3576.9 n mile,传统蚁群算法规划出的航线总里程为3560.42 n mile.与相关推荐航线相比总航程缩短约为3%,与传统蚁群算法相比总航程缩短约2%;另外该方法相较于传统蚁群算法收敛速度更快.

     

    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献
  • 资源附件(0)
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  321
  • HTML全文浏览量:  53
  • PDF下载量:  7
  • 被引次数: 0
出版历程
  • 刊出日期:  2019-06-28

目录

    /

    返回文章
    返回

    版权所有《交通信息与安全》编辑部鄂ICP备05003336号-2

    通信地址：湖北省武汉市武昌区和平大道1178号，武汉理工大学余家头校区 (430063)

    联系电话：027-86580355电子邮箱：jtjsj@vip.163.com

    本系统由 北京仁和汇智信息技术有限公司 开发