技术摘要：
本发明公开了一种港口水域船舶交通风险预警方法，包括如下步骤：步骤S1、启动系统，实时检测港口水域船舶交通风险预警的工作状态；步骤S2、判断港口水域船舶交通风险预警工作状态；步骤S3、风险成因分析信息和风险预警机制信息；步骤S4、将采集到的风险成因分析信息和  全部
背景技术：
港口水域船舶交通风险预警研究，一直是智能航海领域一个重要的研究方向。在 现有的船舶交通风险分析与评估相关研究基础之上，从预警的角度出发，结合其他领域的 预警模型方法，来对港口水域船舶交通风险进行新的探索与研究。结果表明，港口水域船舶 交通风险的预警研究是可行的也是必要的，其不仅为船舶交通风险的相关研究拓宽了方 向，也为海事部门更为有效监管船舶交通风险动态提供了理论支持。 港口水域船舶交通风险预警，是指在科学理论方法指导的基础上，通过对港口水 域船舶交通历史事故统计分析和经验总结。从中加以归纳和总结得出港口水域船舶交通事 故发生的基本规律，并主要通过指标体系的选择和建立，揭示和认识具体指标与船舶交通 风险总体态势和局部特征之间的内在联系。最终使得海事监管部门在对港口水域船舶航行 过程中有关指标变化持续监测的条件下，能够从中得船舶交通风险变化态势和局部特征变 化的较为准确的判断，从而尽可能地提前采取监督应对措施，最大限度地促进港口水域船 舶交通良好运行，同时尽量避免不良态势或船舶交通事故的发生。 要实现港口水域船舶交通风险的预警，必须建立相适应的预警指标体系。指标体 系是预警系统进行风险识别、判断、预控的前提，船舶交通风险预警指标的选择是根据历史 统计资料，寻找与船舶交通风险相关的因素，在分析各种因素与港区水域船舶交通状况关 系的基础上，寻找既能分析当前船舶交通风险状况，又能预测未来风险程度的指标。因此， 预警指标的选取和建立会直接影响到预警效果的好坏，所以选择的预警指标应满足以下原 则： (1)可操作性原则。预警指标体系的构建是为了达到预警的目的，需要依靠数据支 持。因此，预警指标的选取，应充分的考虑所涉及的指标在实践中便于获取和统计，从而得 到有效的监测数据。 (2)准确性和规范性原则。预警指标和监测数据的取得应具有规范性，指标并不是 越多越好，需要是可以计量计算的，以便于对指标的处理和监测数据的共享。 (3)相对独立原则。船舶交通风险预警指标体系中包含很多指标变量，每个指标都 有实际的计量含义。有些指标数据值是直接观测到的，而有些指标数据值是需要计算得出 的。所以，设计预警指标时应尽量避免各指标之间可能存在的重叠区域，减小指标间的关联 性。 (4)动态与静态结合原则。影响船舶交通风险的因素中，即有一些静态不随时间变 化的因素，如船舶吨位、尺寸等因素；也有一些不断变化的因素，如船舶交通流、风、能见度 等。因此，指标的选取要兼顾静态和动态两类影响因素，以此来提高预警准确度。 (5)灵敏性原则。预警指标所评测的船舶交通风险能够敏感的反映港口水域风险 状况，同时指标的变动与港口水域风险的变动相关联，其数值的变化能直接反映出风险程 4 CN 111613094 A 说　明　书 2/16 页 度的变动态势。 目前，缺乏一种预警准确率高的港口水域船舶交通风险预警方法。
技术实现要素：
本发明的目的是提供一种将粗糙集理论的知识约简算法和支持向量机的分类方 法这两者的优点结合，通过级联结构的支持向量机分类训练流程，建立基于RS-SVM的预警 模型，由此构建预警准确率高的港口水域船舶交通风险预警方法。 本发明的技术方案如下：本发明的一种港口水域船舶交通风险预警方法，包括如 下步骤： 步骤S1、启动系统，实时检测港口水域船舶交通风险预警的工作状态，进入步骤 S2； 步骤S2、判断港口水域船舶交通风险预警工作状态，若港口水域船舶交通风险预 警工作异常，转入步骤S9；若港口水域船舶交通风险预警正常工作，则进入步骤S3； 步骤S3、风险成因分析信息和风险预警机制信息； 步骤S4、将采集到的风险成因分析信息和风险预警机制信息进行信息融合处理； 步骤S5、根据船舶碰撞风险测度模型，结合经风险成因分析信息和风险预警机制 信息，对船舶进行实时交通风险的测试，确定港口水域船舶交通风险预警指标体系； 步骤S6、将上述预警指标结果进行记录，构建预警指标体系； 步骤S7、将上述预警指标体系结果在系统界面上进行显示，根据不同的风险值，生 成粗糙集约简指标； 步骤S8、将上述粗糙集约简指标进行精度检验；若精度检测结果不满意，转入步骤 S5；若精度检测结果满意，转入步骤S9； 步骤S9、预警结果。 进一步地，在步骤S5中，确定港口水域船舶交通风险预警指标体系分为警兆指标 和警度指标；所述的警兆指标包括人为因素指标X1、船舶因素指标X2、环境因素指标X3、管理 因素指标X4，所述的警度指标包括碰撞风险Y1、触损风险Y2、搁浅风险Y3和其他交通风险Y4。 进一步地，在步骤S5中，主层级联SVM分类器用于对风险类别进行分类，将港口水 域风险类别分为碰撞风险、触损风险、搁浅风险和其他交通风险四个类别；其中SVM1用来区 分碰撞风险与其他三类风险，如果SVM1的输出结果为 1，则表明该船舶所处风险类别为碰 撞风险；如果SVM1的输出结果为-1，则该船舶所处风险类别为其他三种；SVM2用来区分触损 风险与剩余两类风险，如果SVM2的输出结果为 1，则表明该船舶所处风险类别为触损风险； 如果SVM2的输出结果为-1，则表明该船舶所处风险类别为剩余两种；SVM3用来区分搁浅风 险与其他交通风险，如果SVM3的输出结果为 1，则表明该船舶所处风险类别为搁浅风险；如 果SVM3的输出结果为-1，则该船舶所处风险类别为其他交通风险；子层级联SVM分类器是在 主层级联SVM分类基础之上，分别对每类风险的风险状态做出进一步的分类，分类等级为红 灯、橙灯、黄灯、蓝灯四个级别；以碰撞风险为例，构造三级SVM分类器； 其中，SVM11用来区分蓝灯与其他三类风险等级，如果SVM11的输出结果为 1，则表 明该船舶所处风险状态为低度危险(蓝灯)的碰撞风险；如果SVM11的输出结果为-1,则表明 该船舶所处风险状态为其他三类等级的碰撞风险；SVM12用来区分黄灯与剩余两类风险等 5 CN 111613094 A 说　明　书 3/16 页 级，如果SVM12的输出结果为 1，则表明该船舶所处风险状态为中度危险(黄灯)的碰撞风 险；如果SVM12的输出结果为-1 ,则表明该船舶所处风险状态为剩余两类等级的碰撞风险； SVM13用来区分橙灯与红灯风险等级，如果SVM13的输出结果为 1，则表明该船舶所处风险 状态为较高危险(橙灯)的碰撞风险；如果SVM13的输出结果为-1，则表明该船舶所处风险状 态为高度危险(红灯)的碰撞风险。 更进一步地，在步骤S5中，将粗糙集和支持向量机两者结合，来实现港口水域船舶 交通风险预警模型算法。 进一步地，在步骤S8中，港口水域船舶交通风险预警模型的构建；结合粗糙集RS理 论算法与支持向量机(SVM)方法的各自的优点，将二者组合用于预警模型的构建。 进一步地，在步骤S9中，某港区水域船舶交通历史事故数据，在模型训练完成之 后，对模型的预警准确率做出检验。 更进一步地，在步骤S9中，对于港口水域船舶交通风险来说，在真实情况下若船舶 在港口水域航行时受到的各种风险因素影响，与曾经发生事故时船舶受到的风险因素相似 或相同，则可认为该船舶发生相似事故的可能性较大，即风险较高。 与现有技术相比，本发明具有如下优点： (1)对港口水域船舶交通风险影响因素进行分析，在明确风险因素的基础上，进一 步解决了在港口水域的船舶交通风险预警机制。 (2)在对风险因素分析的基础上结合相关文献研究，构建了港口水域的风险预警 指标体系，可有效减少对船舶在港口航行的安全风险，提高了港口的周转效率，减少港口船 舶等待时间，间接减低了船舶的运行成本。 (3)港口水域船舶交通风险预警模型的构建。结合粗糙集(RS)理论算法与支持向 量机(SVM)方法的各自的优点，将二者组合用于预警模型的构建。 (4)通过对某港区水域船舶交通历史事故数据，在模型训练完成之后，对模型的预 警准确率做出检验，其效果准确率高，对海事部门和船舶港口安全预警提供了较好了补充。 附图说明 图1为本发明的预警警度区间的示意图； 图2为本发明的港口水域船舶交通风险预警的警度示意图； 图3为本发明的港口水域船舶交通风险预警指标体系的示意图； 图4为本发明的港口水域船舶交通风险预警计算流程图； 图5为本发明的级联支持向量机分类训练流程图； 图6为本发明的CMSVM软件主界面； 图7为本发明的分类精度示意图。 图8为本发明的流程示意图。