公共文化服务平台

何正伟: 作品数：18 被引量：76H指数：5; 供职机构：武汉理工大学航运学院更多>>; 发文基金：中央高校基本科研业务费专项资金国家自然科学基金国家级大学生创新创业训练计划更多>>; 相关领域：交通运输工程自动化与计算机技术文化科学更多>>

合作作者

基于Spark和小波分析的水上交通异常数据实时检测方法研究被引量：2: 2019年; 针对不断增加的水路运输产生的水上交通数据量增长,导致的水上交通监测难度更大、处理时间更长,提出一种基于Spark的交通异常数据实时检测方法,通过对船舶自动识别系统(AIS)数据进行处理,对不同类型的交通数据进行分析并写入分布式文件系统HDFS中。然后通过小波分析的方法对AIS数据进行多层分解,去除高频噪声并对数据进行重构,找出AIS数据中的异常信息。通过对异常信息进行分析,结合Spark的数据处理结果,最终实时检测出交通异常数据。实验结果表明能够在短时间内对异常数据进行检测和分析,处理速度快,异常数据检测结果符合该水域的交通情况,检测方法能够为海事部门提供实时、稳定的监管服务。; 杨帆何正伟刘力荣; 关键词：船舶自动识别系统小波分析

船舶系泊状态下缆绳受力分析及形态仿真研究被引量：2: 2014年; 为研究缆绳的受力分析及状态仿真,采用二维坐标法,建立在风、浪、流联合作用下缆绳的细长杆-微元模型。通过对缆绳的形态进行模拟,开发缆绳的形态仿真软件实现对缆绳受力和形态进行仿真,并优化程序得到模型的快速解算方法。结果表明,该研究可为航海模拟器的视景仿真中的缆绳形状、位置和姿态的仿真提供方法,也可为船舶系泊和缆绳受力分析研究提供技术支撑。; 何正伟李胜利刘克中郑友芹; 关键词：视景仿真仿真软件缆绳

基于LSTM神经网络的船舶异常行为检测方法被引量：15: 2019年; 船舶异常行为检测属于海事监管的重要内容,它对于保障船舶正常航行,规避船舶风险具有重要意义.针对船舶异常行为识别检测,提出一种基于长短期记忆网络(LSTM)的船舶异常行为检测方法.通过人为划分船舶异常行为状态标签,对海量船舶自动识别系统(AIS)数据进行学习,在双向LSTM神经网络中建立模型.选取了2016年9月—2017年2月江苏江阴航道的AIS数据进行实验分析,在TensorFlow平台上对模型进行训练.实验结果表明,双向LSTM神经网络模型在对训练数据集和测试数据集异常识别准确率分别可以达到90.91%和89.82%.通过和单向LSTM模型、BP神经网络模型比较可知,双向LSTM模型的识别准确率更高,能够及时发现船舶异常行为.; 杨帆何正伟何帆; 关键词：AIS数据海事监管

基于AIS实时数据的航道交通拥堵快速判定方法被引量：5: 2018年; 针对目前人工判定和事后判定时效性差的问题,研究具有实时性和自动化的判定方法。借鉴国内外道路交通拥堵判定方法,运用交通流参数、标准船舶艘次和船舶领域模型,建立航道交通拥堵快速判定模型,构建船舶自动识别系统(Automatic Identification System,AIS)Spark实时数据处理平台,运用多个实例对该模型进行在线试验验证。试验结果表明,该模型能在线快速、准确地判定航道交通状态,可为水上交通监管部门实时获取航道交通信息、及时管控和疏导航道交通拥堵提供有效的方法。; 何正伟刘力荣杨帆杨帆; 关键词：实时数据处理 AIS数据船舶领域

一种动态环境下无人艇局部路径规划方法被引量：3: 2023年; 文中针对避碰复杂性、策略各异性,以及避碰后复航等问题,综合考虑实时性和避碰代价等因素,提出了一种基于改进动态窗口的无人艇动态路径规划方法,在线求解避碰决策和路径规划问题.利用对抗网络构建轨迹障碍域模型,实现船舶航迹的时空建模.仿真实验模拟多种船舶冲突局面下的实时路径规划.结果表明:该方法能够有效地完成复杂交通环境下的无人艇动态避碰和复航.; 容煜何正伟王森杰; 关键词：无人艇动态环境路径规划动态障碍物

基于AIS数据的船舶安全航行水深参考图被引量：3: 2018年; 通过挖掘海量AIS数据,提出了一种新的航道水深信息获取方法,即构建船舶安全航行水深参考图;采用数据预处理的方法对历史与在线的AIS数据进行清洗和修补,生成船舶运动轨迹;选定船舶航行区域的时间与经纬度,采用K-means聚类算法对船舶航行过程中的吃水数据进行聚类分析,得到不同安全航行区域的船舶分类,运用BP神经网络模型预测并补齐AIS数据中缺失的船舶最大吃水信息;分割船舶历史轨迹,当子轨迹的时间间隔在10~20min时,采用Spline插值方法对船舶轨迹中的丢失数据进行插值;采用凸包构建同类船舶的安全航行水深区域图,将不同吃水类型船舶的安全航行水深区域图合并,得到船舶安全航行水深合并图;将不同吃水类型的船舶安全航行水深合并图与航道图叠加,得到船舶安全航行水深参考图。试验结果表明:当聚类算法参数设置为4时,聚类后得到4类船舶,对应的船舶最大吃水范围分别为0.1~4.8、4.8~6.6、6.6~10.0、10.0~13.0m,对应的至少可通航船舶吃水分别为1.8、2.4、3.3、5.0m,说明船舶最大吃水与至少可通航船舶吃水呈正相关关系;构建的船舶安全航行水深参考图在电子航道图中覆盖了86%的航道,并与航道图的深水部分重合率为80%,因此,构建的船舶安全航行水深参考图能反映航道水深的真实情况,满足不同类别船舶的导航需求。; 何正伟杨帆杨帆; 关键词：交通信息工程 BP神经网络

基于电子海图的船舶异常行为识别方法研究被引量：9: 2019年; 针对船舶在航行中存在的异常行为,基于电子海图平台ECIVMSSDK,采用提出的时空分析法及航行状态判定法,有针对性的从船舶位置、间距、轨迹、航向、航速等方面对其进行研究及显示.通过实验,重点对船舶违法追越行为进行了研究,实验结果表明,船舶违法追越轨迹被描绘准确且船舶位置经纬度显示正确的准确率为82%,通过将其与位置及直观解算方法进行比较,可以得出应用于平台下此方法的数学模型得出的识别准确率更高,可实时对船舶异常行为进行监测,保障船舶安全航行.; 何帆何正伟杨帆杨帆

基于深度网络和船舶交通流的航道水深预测方法研究被引量：4: 2019年; 根据水上交通的特点,提出了一种基于船舶自动识别系统(AIS)大数据,构建深度网络模型预测航道水深的方法,并利用最新航道水深数据作为标签验证.分别利用深度神经网络算法和决策树-深度神经网络结合的DT-NN算法,对水深数据和AIS数据进行学习.实验结果表明,深度神经网络算法的预测准确度为90.84%,DT-NN算法的预测准确度为91.15%,因此,采用决策树和深度神经网络结合的DT-NN算法对于水深预测的模型准确率较高,对于弥补航道水深数据的不足,指导船舶安全航行.; 杨帆何正伟何帆; 关键词：航道水深决策树

基于生成对抗网络的船舶航迹预测模型被引量：9: 2021年; 为提高复杂交通局面下的船舶航迹预测精度,提出一种基于生成对抗网络的船舶航行轨迹预测模型(Generative Adversarial Networks with Attention and Interaction,GAN-AI)对多艘船舶轨迹同时进行预测。通过编码器对船舶轨迹时空序列进行编码,设计交互模块对多艘会遇船舶的相对位置和相对速度等信息进行抓取和分析,设计注意力模块将船舶自身运动信息和群体交互信息融合后输入解码器对轨迹进行预测。利用舟山港历史轨迹数据进行验证,试验结果表明:GAN-AI模型相较于Seq2seq、朴素GAN和Kalman预测模型分别提升了20%、24%和72%的预测精度,对提高船舶交通服务(Vessel Traffic Service,VTS)系统安全管理水平、判断船舶交通风险程度具有重要意义。; 王森杰何正伟; 关键词：轨迹预测船舶会遇

航海导航科技发展及专业人才培养思考: 2022年; 航海导航专业具有较强的实践性和交叉性,对人才专业素质要求高,目前航海导航专业人才严重缺乏,亟待加强航海导航专业人才培养。梳理航海导航科技发展现状,在分析航海导航科技发展特点及对专业人才素质要求的基础上,提出航海导航专业人才培养建议。; 何正伟徐小本

何正伟

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

何正伟

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈