本发明涉及海上交通管理，具体而言，尤其涉及一种基于双层多级复杂网络的多维时空船舶交通态势边界评估方法。
背景技术：
1、海上交通环境作为影响mass正常运行的重要因素之一，构成了其安全航行的基础，良好的交通态势感知能力可以帮助mass及时识别潜在的风险和障碍，但目前成果主要着重于海上交通监管，对于从船舶自身评估交通态势的成果较少。
2、在此背景下，本发明开发一种基于双层多级复杂网络的多维时空船舶交通态势边界评估方法，使mass操作人员能够了解当前船舶所处的交通态势，特别是当交通态势被识别为高复杂度时，该机制能够向操作人员提供预警信息，从而确保有充分的时间进行接管和决策，进而增强mass整体航行的安全性和效率。
技术实现思路
1、根据上述提出的技术问题提供一种基于双层多级复杂网络的多维时空船舶交通态势边界评估方法。本发明基于复杂网络理论构建的双层多级网络模型从多维时空角度进行了细致评估，同时通过聚类算法确定了不同交通态势的边界，并实现了船舶交通态势模式的动态分析，能够有效地识别并提示操作人员面临的复杂交通态势，这种预警机制为mass的操作人员提供了更多的反应时间，使其能够更好地准备和执行必要的措施，从而增强mass航行安全性和效率。
2、本发明采用的技术手段如下：
3、一种基于双层多级复杂网络的多维时空船舶交通态势边界评估方法，包括：
4、s1、获取船舶ais数据，提取ais数据中船舶的经纬度、航向信息；
5、s2、构建面向船舶航行的多维时空船舶交通态势复杂度向量，包括空间多级复杂网络和时间双层复杂网络；
6、s3、利用k-means算法确定船舶交通态势边界；
7、s4、通过滑动时间窗方法对船舶交通态势的模式评估。
8、进一步地，步骤s1，具体包括：
9、获取以本船为中心，并以3海里、6海里和12海里为半径内的船舶ais数据，提取ais数据中船舶的经纬度、航向信息。
10、进一步地，步骤s2，具体包括：
11、s21、将船舶视为复杂网络中的节点，船舶之间的关系视为连边，分别构建以本船为中心，并以3海里、6海里和12海里为半径的复杂网络，获取空间多级复杂网络；
12、s22、将ais数据按3分钟和8分钟间隔切片处理，获取时间双层复杂网络；
13、s23、对空间多级复杂网络和时间双层复杂网络的指标进行标准化处理；
14、s24、基于上述步骤，构建面向船舶航行的多维时空船舶交通态势复杂度向量。
15、进一步地，步骤s21，具体包括：
16、s211、由空间汇聚因子cvij(t)确定两船之间的连边，当两船的空间汇聚因子cvij(t)＜0时，即确定两船之间存在连边，定义空间汇聚因子cvij(t)，如下：
17、cvij(t)＝vj(t)(αx(t)sin(θj(t))+αy(t)cos(θj(t)))-vi(t)(αx(t)sin(θi(t))+αy(t)cos(θi(t)))；
18、其中，vi(t)和vj(t)表示t时刻船舶i和船舶j的速度，θi(t)和θj(t)表示t时刻船舶i和船舶j的航向，表示两船之间相对距离矢量模长，计算如下式所示：
19、
20、其中，loni和lati为船舶的经纬度，lonj和latj为船舶的经纬度；
21、s212、构建以本船为中心，以3海里、6海里和12海里为半径的复杂网络q1(t)、q2(t)和q3(t)，不同的复杂网络关注不同的网络指标；3海里范围内关注船舶数n，平均连边数量e和平均聚类系数c，6海里范围内关注船舶数n，平均连边数量e，12海里范围内关注船舶数n；
22、s213、计算连边数量e和平均聚类系数c，计算公式如下：
23、
24、
25、
26、其中，l为网络中的连边数量，n为船舶数量；ci为节点i的聚类系数，ki为节点i的邻居节点数量，ei为邻居节点之间实际存在的连边数量；因此q1(t)＝{n1(t)，e1(t)，c1(t)}，q2(t)＝{n2(t)，e2(t)}，q3(t)＝{n3(t)}，n、e和c的下标1，2，3分别表示3海里、6海里和12海里的网络评价指标。
27、进一步地，步骤s22中，获取的时间双层复杂网络具体如下：
28、m1(t)＝(n1，1(t)，e1，1(t)，c1，1(t)，n1，2(t)，e1，2(t)，n1，3(t))
29、m2(t)＝(n2，1(t)，e2，1(t)，c2，1(t)，n2，2(t)，e2，2(t)，n2，3(t))
30、其中，m的下标1，2分别表示3分钟和8分钟切片处理的网络评价指标，n、e和c的第一个下标1，2分别表示第一层和第二层网络评价指标，n、e和c的第二个下标1，2，3分别表示3海里、6海里和12海里的网络评价指标。
31、进一步地，步骤s23中，对空间多级复杂网络和时间双层复杂网络的指标进行标准化处理，具体包括：
32、
33、其中，x′为标准化后的值，x∈m1(t)，x∈m2(t)，max(x)表示参数x的最大值，min(x)表示参数x的最小值。
34、进一步地，步骤s4中，构建的面向船舶航行的多维时空船舶交通态势复杂度向量，具体为：
35、m(t)＝w1*m1(t)+w2*m2(t)
36、其中，w1和w2分别表示3分钟和8分钟切片交通态势的权重。
37、进一步地，步骤s3，具体包括：
38、利用k-means算法确定船舶交通态势边界，聚类数量选择为3，计算样本之间的距离，计算公式如下：
39、
40、其中，d(y(t)，z(t))表示y(t)和z(t)之间的距离，∑-1表示协方差矩阵。
41、进一步地，通过滑动时间窗方法对船舶交通态势的模式评估，其中滑动时间窗口大小选择为3，滑动时间窗大小选择为1。
42、较现有技术相比，本发明具有以下优点：
43、1、本发明提供的一种基于双层多级复杂网络的多维时空船舶交通态势边界评估方法，其构建的双层多级复杂网络模型在评估船舶交通态势复杂度方面表现出色，能够准确识别不同时空范围内的交通态势变化，为mass的odd研究提供了新的思路和方法。。
44、2、本发明提供的一种基于双层多级复杂网络的多维时空船舶交通态势边界评估方法，提出的模型相较于传统的船舶避碰措施，更加注重对交通态势的综合评估，该模型通过确定不同交通态势的边界，能够有效地识别并提示操作人员面临的复杂交通状况，这种预警机制为mass的操作人员提供了更多的反应时间，使其能够更好地准备和执行必要的措施，从而增强航行安全性和效率。
45、3、本发明提供的一种基于双层多级复杂网络的多维时空船舶交通态势边界评估方法，通过收集不同时空范围的ais数据，深入探讨了不同交通模式之间的演变规律，揭示了交通态势随时间变化的动态特征，为全面评估船舶交通态势复杂度提供了重要的参考。
46、基于上述理由本发明可在海上船舶交通等领域广泛推广。
1.一种基于双层多级复杂网络的多维时空船舶交通态势边界评估方法，其特征在于，包括：
2.根据权利要求1所述的一种基于双层多级复杂网络的多维时空船舶交通态势边界评估方法，其特征在于，步骤s1，具体包括：
3.根据权利要求1所述的一种基于双层多级复杂网络的多维时空船舶交通态势边界评估方法，其特征在于，步骤s2，具体包括：
4.根据权利要求3所述的一种基于双层多级复杂网络的多维时空船舶交通态势边界评估方法，其特征在于，步骤s21，具体包括：
5.根据权利要求3所述的一种基于双层多级复杂网络的多维时空船舶交通态势边界评估方法，其特征在于，步骤s22中，获取的时间双层复杂网络具体如下：
6.根据权利要求3所述的一种基于双层多级复杂网络的多维时空船舶交通态势边界评估方法，其特征在于，步骤s23中，对空间多级复杂网络和时间双层复杂网络的指标进行标准化处理，具体包括：
7.根据权利要求3所述的一种基于双层多级复杂网络的多维时空船舶交通态势边界评估方法，其特征在于，步骤s4中，构建的面向船舶航行的多维时空船舶交通态势复杂度向量，具体为：
8.根据权利要求1所述的一种基于双层多级复杂网络的多维时空船舶交通态势边界评估方法，其特征在于，步骤s3，具体包括：
9.根据权利要求1所述的一种基于双层多级复杂网络的多维时空船舶交通态势边界评估方法，其特征在于，步骤s4，具体包括：
