典型文献
基于多源海事数据的大型船舶精细化分段乘潮研究
文献摘要：
针对大型船舶长航道乘潮进港窗口期时长不充足问题,本文提出了基于船舶自动识别系统(Automatic Identification System,AIS)数据、港口潮汐数据、官方电子海图数据和航道地理位置数据等多源海事数据的大型船舶长航道精细化分段乘潮模型.首先,基于AIS数据采用K中心点算法对大型船舶乘潮航行行为特征进行挖掘,识别出大型船舶乘潮航迹关键点,计算大型船舶乘潮航行行为变化关键船位点.接着,结合长航道地理环境特征和大型船舶航行行为特征对长航道进行精细化分段,在此基础上基于港口潮汐数据构建大型船舶精细化分段乘潮窗口期计算模型.其次,设计乘潮历时自适应排列算法求解大型船舶乘潮最长窗口期;然后,以黄骅港综合港区航道为例验证了本文所提出的精细化分段乘潮模型.最后,基于电子海图数据利用地理信息系统平台实现大型船舶精细化分段乘潮三维动态推演,进一步验证大型船舶精细化分段乘潮航行的安全性.结果表明,该模型能够有效增加大型船舶乘潮进港窗口期时长,提高大型船舶乘潮进港效率,可为港航管理部门制定大型船舶进港计划提供理论指导.
文献关键词：
多源海事数据;K中心点算法;精细化;分段乘潮;窗口期;历时排列;地理信息系统;三维动态推演
中图分类号：
作者姓名：
张新宇;郭文强;王婧贇;杨炳栋
作者机构：
大连海事大学海上智能交通研究团队,大连116026;黄骅港引航站,沧州061000
文献出处：
引用格式：
[1]张新宇;郭文强;王婧贇;杨炳栋-.基于多源海事数据的大型船舶精细化分段乘潮研究)[J].地球信息科学学报,2022(09):1688-1700
A类：
多源海事数据,分段乘潮,三维动态推演,历时排列
B类：
大型船舶,长航,航道,进港,窗口期,船舶自动识别系统,Automatic,Identification,System,AIS,港口,潮汐,电子海图,图数据,位置数据,中心点,点算,行行,行为特征,航迹,行为变化,船位,地理环境特征,船舶航行,潮历时,黄骅港,港区,数据利用,地理信息系统,信息系统平台,港航,航管
AB值：
0.206449
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
