买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：上海海事大学

摘要：一种区域集装箱海运物理层‑任务层‑信息层网络模型，首先建立港口、航道、航线间的物理关联，计算集装箱海运网络节点的聚类系数，划分区域海运子网，建立区域集装箱海运物理层网络；然后针对不同运营模式下多主体决策偏好，设计考虑交通流、能量流轨迹特征的耦合拓扑结构，建立区域集装箱海运任务层网络；最后分析多主体之间的区域差异、规模差异、目标差异，构建多主体交互的决策知识空间，建立区域集装箱海运信息层网络。本发明能系统准确地认知集装箱海运网络行为及其拓扑结构特征，全局连贯地分析各层级、各区域、各决策维度之间的相互作用和影响，拓展了其实际应用范围。

主权项：1.一种区域集装箱海运物理层-任务层-信息层网络模型构建方法，其特征在于，包含以下步骤：步骤S1、建立港口、航道、航线间的物理关联，计算集装箱海运网络节点的聚类系数，划分区域海运子网，建立区域集装箱海运物理层网络；所述步骤S1中建立港口、航道、航线间的物理关联进一步包含：泊位、码头、港口、城市、区域、国家构成多级点位；全球TOP20班轮公司定期发布的船期说明了港口之间的连通关系和货流规模；电子海图获得静态地理信息，AIS提供集装箱船舶时空轨迹数据；采用多层密度聚类，将船舶时空轨迹数据与港口多级点位匹配，研究基于船舶轨迹时序数据的挂靠港口挖掘，生成港口、航道、航线间的物理关联；所述步骤S1中计算集装箱海运网络节点的聚类系数进一步包含：班轮运输连接性指数LSCI反应了国家区域在集装箱海运网络中连接性的表现情况，在LSCI基础上运用模糊C均值聚类算法，计算集装箱海运网络中各节点的聚类系数，从重要性与可达性两个方面挖掘节点间连接性作用机理，研究其空间连接性分布特征；所述步骤S1中划分区域海运子网，建立区域集装箱海运物理层网络进一步包含：结合行政区划、货运需求、运输距离属性，研究集装箱海运网络区域子网划分方式，建立区域集装箱海运物理层网络模型：Np＝Vp,Ep；其中，Vp＝V支线港∪V干线港∪V枢纽港是港口节点的集合，V支线港是支线港的集合，V干线港是干线港的集合，V枢纽港是中转枢纽港的集合； 是航线的集合，×表示笛卡尔积；步骤S2、针对不同运营模式下多主体决策偏好，设计考虑交通流、能量流轨迹特征的耦合拓扑结构，建立区域集装箱海运任务层网络；所述步骤S2中所述针对不同运营模式下多主体决策偏好，设计考虑交通流、能量流轨迹特征的耦合拓扑结构进一步包含：针对集装箱运输具有的时间和空间维度上的双重属性特征，采用布尔型变量建立区域集装箱海运网络的任务邻接矩阵其中为0-1变量，其值为1时表示t时刻任务k在港口i与港口j相连的航线上运输，反之为0；矩阵A的维度n即为任务所涉及的港口节点总个数，i、j取值为1～n之间的整数；通过拉格朗日乘子建立任务驱动下交通流和能量流之间的联系；其中，l为迭代次数，交通流中的拉格朗日乘子旨在激励与优化运输航线，能量流中的拉格朗日乘子旨在顾及时空可行性控制能耗和排放；针对制造商、贸易商、船公司、港口、政府多主体决策偏好，从效益、成本、能耗、排放视角，设计基于交通流-能量流耦合的多维拓扑结构表示方法，通过具有噪声的基于密度的聚类方法Density-BasedSpatialClusteringofApplicationswithNoise,DBSCAN，按照不同的划分粒度，建立考虑交通流-能量流轨迹特征的耦合拓扑结构；所述步骤S2中建立区域集装箱海运任务层网络进一步包含：用流量、特征、状态参变量建立集装箱海运任务功能表达式或集合阐述功能创成过程，再通过设计参变量关联方程式结合网络特性、耦合拓扑以及运营数据分析，构建区域集装箱海运任务层网络模型：Nd＝Vd,Ed,Ω1,Ω2，其中，Vd是区域集装箱海运任务层作业任务节点的集合，Vd是Vp在区域集装箱海运任务层的投影，为区域集装箱海运任务层网络中的任意两节点且a≠b所构成的边集合，分别反映区域集装箱海运任务层网络边上t时刻交通流、能量流的权重，即描述交通流、能量流的时空态势；步骤S3、分析多主体之间的区域差异、规模差异、目标差异，构建多主体交互的决策知识空间，建立区域集装箱海运信息层网络；所述步骤S3中分析多主体之间的区域差异、规模差异、目标差异进一步包含：分析制造商、贸易商、船公司、港口、政府多主体属性，从策略空间、决策目标、决策变量和约束条件方面对多主体交互的主观性和不确定性进行梳理，对决策主体的区域差异、规模差异、目标差异进行量化表示；所述步骤S3中构建多主体交互的决策知识空间进一步包含：围绕货运需求、船期安排、运力配置、制度政策、运费、合作、竞争、服务关键信息，利用分布式语言来处理同类主体内部及不同类主体间的关联决策知识特征，建立其加法、乘法、结合律和交换律运算规则，以及决策目标的排序方法；综合利用策略期望值和决策知识，建立多主体交互的决策知识空间： 其中，ESST＝fTα,φα,Dβ,φβ是策略ST的期望值，KST＝FTα,φα,Dβ,φβ是策略ST的知识空间值；所述步骤S3中建立区域集装箱海运信息层网络进一步包含：采用基于OWL的本体建模技术对结构化的决策知识进行建模，使关键信息及其关联关系具有唯一性、一致性和完备性，并支持逻辑推理，构建区域集装箱海运信息层网络模型：Nf＝Vf,Ef,Ωf，其中，为区域集装箱海运网络中的多元主体所构成的点集合，其中代表制造商集合，代表贸易商集合，代表船公司集合，代表港口集合，代表政府集合，q代表多元主体的类别；为区域集装箱海运信息层网络中的任意两节点且a≠b所构成的边集合，为区域集装箱海运信息层网络中边的权重即信息流。

全文数据：

权利要求：

百度查询： 上海海事大学 一种区域集装箱海运物理层-任务层-信息层网络模型构建方法