【技術實現步驟摘要】
本專利技術涉及船舶交通流預測，特別是指一種船舶交通流的預測方法、裝置及設備。
技術介紹
1、海上貿易是貿易的最主要的方式，然而現有的交通設施愈發疲于應對逐漸壯大、復雜的交通流，使得傳統的海上交通管理與調度變得困難。另一方面，由船舶不規范行駛引發的碰撞、擱淺、油泄露等交通屢有發生，如何保障船舶的安全航行也是一大問題。
2、基于可信、合理的流量預測數據，可以為港口、重要航道的交通組織和優化的提供重要的工作基礎，船舶交通流量預測能為最大化航道通航能力提供依據，為提高通行效率和交通安全提供理論基礎。但是，現有的交通流預測方法沒有考慮不良天氣對交通流的影響，無法滿足實際場景需求。
技術實現思路
1、本專利技術提供一種船舶交通流的預測方法、裝置及設備，能夠實現不良天氣影響下的交通流預測，在不良天氣影響下穩定準確預測交通流，有助于保障船舶的安全航行，便于進行海上交通管理與調度。
2、為解決上述技術問題，本專利技術的技術方案如下：
3、一種船舶交通流的預測方法，包括：
4、獲取船舶航道的實時交通流數據以及實時天氣因素數據；
5、根據所述天氣因素數據和實時交通流數據的相關性，確定目標交通流特征數據；
6、將所述目標交通流特征數據輸入目標交通流預測模型的分解層進行分解處理，得到多個特征數據序列；
7、將所述多個特征數據序列輸入所述目標交通流預測模型的中間層進行處理，得到中間層處理結果；
8、將所述中間層處理
9、可選的，根據所述天氣因素數據和實時交通流數據的相關性，確定目標交通流特征數據，包括：
10、通過公式：
11、
12、獲得所述天氣因素數據和實時交通流數據的相關性系數；
13、將所述相關性系數大于預設值的實時交通流數據，確定為目標交通流特征數據；
14、其中，ρx,y為相關性系數，所述天氣因素數據的序列為：x＝[x1,x2,…,xn]；為序列x中元素的均值，xi為序列x中的元素；所述實時交通流數據的序列為：y＝[y1,y2,…,yn]；為序列y中元素的均值，yi為序列y中的元素，n為序列x或者序列y中元素的個數。
15、可選的，將所述目標交通流特征數據輸入目標交通流預測模型的分解層進行分解處理，得到多個特征數據序列，包括：
16、將所述目標交通流特征數據輸入目標交通流預測模型的分解層，按照y(t)＝f(t)+r(t)＝exp(g'(t)+h'(t))+s(t)+εt進行分解處理，得到規則性分量特征數據序列和殘差分量特征數據序列；
17、其中，
18、y(t)表示目標交通流特征數據；f(t)表示規則性分量；r(t)表示殘差分量；g(t)表示趨勢項；s(t)表示季節項；h(t)表示天氣影響項；εt表示無法擬合的奇異項。
19、可選的，將所述多個特征數據序列輸入所述目標交通流預測模型的中間層進行處理，得到中間層處理結果，包括：
20、將所述規則性分量特征數據序列輸入所述目標交通流預測模型的中間層的第一處理模塊進行處理，得到第一中間層處理結果；
21、將所述規則性分量特征數據序列和所述殘差分量特征數據序列輸入所述目標交通流預測模型的中間層的第二處理模塊進行處理，得到第二中間層處理結果。
22、可選的，將所述規則性分量特征數據序列輸入所述目標交通流預測模型的中間層的第一處理模塊進行處理，得到第一中間層處理結果，包括：
23、將所述規則性分量特征數據序列輸入所述目標交通流預測模型的中間層的第一處理模塊的時間序列預測單元進行處理，得到的處理結果作為第一中間層處理結果。
24、可選的，將所述規則性分量特征數據序列和所述殘差分量特征數據序列輸入所述目標交通流預測模型的中間層的第二處理模塊進行處理，得到第二中間層處理結果，包括：
25、將所述規則性分量特征數據序列和所述殘差分量特征數據序列輸入所述目標交通流預測模型的中間層的第二處理模塊的編碼器單元進行處理，得到中間向量；
26、將所述中間向量輸入所述目標交通流預測模型的中間層的第二處理模塊的解碼器單元進行處理，得到第二中間層處理結果。
27、可選的，將所述中間層處理結果輸入到所述目標交通流預測模型的預測層進行交通流預測處理，得到船舶交通流預測結果，包括：
28、將所述中間層處理結果輸入到所述目標交通流預測模型的預測層的淺層全連接神經網絡單元進行特征擬合處理，得到船舶交通流預測結果。
29、本專利技術還提供一種船舶交通流的預測裝置，包括：
30、獲取模塊，用于獲取船舶航道的實時交通流數據以及實時天氣因素數據；
31、處理模塊，用于根據所述天氣因素數據和實時交通流數據的相關性，確定目標交通流特征數據；將所述目標交通流特征數據輸入目標交通流預測模型的分解層進行分解處理，得到多個特征數據序列；將所述多個特征數據序列輸入所述目標交通流預測模型的中間層進行處理，得到中間層處理結果；將所述中間層處理結果輸入到所述目標交通流預測模型的預測層進行交通流預測處理，得到船舶交通流預測結果；其中，所述目標交通流預測模型的分解層根據第一預設網絡模型訓練得到，所述中間層根據第二預設網絡模型和第三預設網絡模型訓練得到，所述預測層根據第四預設網絡模型訓練得到。
32、本專利技術還提供一種計算設備，包括：處理器、存儲有計算機程序的存儲器，所述計算機程序被處理器運行時，執行如上所述的方法。
33、本專利技術還提供一種計算機可讀取存儲介質，存儲有指令，當所述指令在計算機上運行時，使得計算機執行如上所述的方法。
34、本專利技術的上述方案至少包括以下有益效果：
35、本專利技術的上述方案，通過獲取船舶航道的實時交通流數據以及實時天氣因素數據；根據所述天氣因素數據和實時交通流數據的相關性，確定目標交通流特征數據；將所述目標交通流特征數據輸入目標交通流預測模型的分解層進行分解處理，得到多個特征數據序列；將所述多個特征數據序列輸入所述目標交通流預測模型的中間層進行處理，得到中間層處理結果；將所述中間層處理結果輸入到所述目標交通流預測模型的預測層進行交通流預測處理，得到船舶交通流預測結果；能夠實現不良天氣影響下的交通流預測，在不良天氣影響下穩定準確預測交通流，有助于保障船舶的安全航行，便于進行海上交通管理與調度。
本文檔來自技高網...【技術保護點】
1.一種船舶交通流的預測方法，其特征在于，包括：
2.根據權利要求1所述的船舶交通流的預測方法，其特征在于，根據所述天氣因素數據和實時交通流數據的相關性，確定目標交通流特征數據，包括：
3.根據權利要求1所述的船舶交通流的預測方法，其特征在于，將所述目標交通流特征數據輸入目標交通流預測模型的分解層進行分解處理，得到多個特征數據序列，包括：
4.根據權利要求3所述的船舶交通流的預測方法，其特征在于，將所述多個特征數據序列輸入所述目標交通流預測模型的中間層進行處理，得到中間層處理結果，包括：
5.根據權利要求4所述的船舶交通流的預測方法，其特征在于，將所述規則性分量特征數據序列輸入所述目標交通流預測模型的中間層的第一處理模塊進行處理，得到第一中間層處理結果，包括：
6.根據權利要求4所述的船舶交通流的預測方法，其特征在于，將所述規則性分量特征數據序列和所述殘差分量特征數據序列輸入所述目標交通流預測模型的中間層的第二處理模塊進行處理，得到第二中間層處理結果，包括：
7.根據權利要求4所述的船舶交通流的預測方法，其特
8.一種船舶交通流的預測裝置，其特征在于，包括：
9.一種計算設備，其特征在于，包括：處理器、存儲有計算機程序的存儲器，所述計算機程序被處理器運行時，執行如權利要求1至7任一項所述的方法。
10.一種計算機可讀取存儲介質，其特征在于，存儲有指令，當所述指令在計算機上運行時，使得計算機執行如權利要求1至7任一項所述的方法。
...【技術特征摘要】
1.一種船舶交通流的預測方法，其特征在于，包括：
2.根據權利要求1所述的船舶交通流的預測方法，其特征在于，根據所述天氣因素數據和實時交通流數據的相關性，確定目標交通流特征數據，包括：
3.根據權利要求1所述的船舶交通流的預測方法，其特征在于，將所述目標交通流特征數據輸入目標交通流預測模型的分解層進行分解處理，得到多個特征數據序列，包括：
4.根據權利要求3所述的船舶交通流的預測方法，其特征在于，將所述多個特征數據序列輸入所述目標交通流預測模型的中間層進行處理，得到中間層處理結果，包括：
5.根據權利要求4所述的船舶交通流的預測方法，其特征在于，將所述規則性分量特征數據序列輸入所述目標交通流預測模型的中間層的第一處理模塊進行處理，得到第一中間層處理結果，包括：
6....
【專利技術屬性】
技術研發人員：趙妍，李晶，盧紅洋，高中靈，孟俊，
申請(專利權)人：交信北斗科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。