NGHIÊN CỨU SỬ DỤNG PHƯƠNG PHÁP TẾ BÀO TỰ ĐỘNG VÀ THUẬT TOÁN BAYES ĐỂ MÔ PHỎNG LUỒNG GIAO THÔNG HÀNG HẢI
Nội dung chính của bài viết
Tóm tắt
Bài báo đề xuất một phương pháp mô phỏng luồng giao thông hàng hải bằng cách kết hợp tế bào tự động (Cellular Automata - CA) và thuật toán Bayes, nhằm nâng cao độ chính xác trong dự báo và phân tích các mô hình di chuyển của tàu thuyền. Mô hình CA được sử dụng để mô phỏng động lực học không gian - tuần tự của các tàu thuyền, trong khi thuật toán Bayes giúp xử lý tính bất định và cập nhật xác suất dựa trên dữ liệu thực tế thu được từ Hệ thống nhận dạng tự động (Automatic Identification System - AIS). Mô hình kết hợp CA-Bayes cho phép tận dụng ưu điểm của cả hai phương pháp và phản ánh chính xác hoạt động của tàu thuyền trong khu vực nghiên cứu. Mô hình được thử nghiệm và so sánh với dữ liệu AIS tại cảng Dafeng, Trung Quốc.
Từ khóa
Tế bào tự động, thuật toán Bayes, luồng giao thông hàng hải, dữ liệu AIS.
Chi tiết bài viết
Tài liệu tham khảo
[2] Ö. Uğurlu, E. Yüksekyıldız, E. Köse (2014), Simulation Model on Determining of Port Capacity and Queue Size: A Case Study for BOTAS Ceyhan Marine Termina, Marine Navigation and Safety of Sea Transportation, Vol.8, pp.143-150.
[3] J. Zhu, W. Zhang (2009), Calculation Model of Inland Waterway Transit Capacity based on Ship following Theory, Traffic and Transportation Engineering, Vol.9, pp.83-87.
[4] J. Chen, L. Lin, R. Jiang (2016), Assigning On ramp Flows to Maximize Capacity of Highway with Two On-ramps and One Off-ramp in Between, Physica A-Statistical Mechanics and its Applications, Vol.465, pp.347 - 357.
[5] L. Qi (2017), Research on Ship Traffic Flow in Waterway based on Cellular Automata, Doctor Thesis, Dalian Maritime University, Dalian, China.
[6] J. Ke (2012), Study on Navigable Hydro-junction Organization Mode with Cellular Automata, Doctor Thesis, Wuhan Maritime University, Wuhan, China.
[7] L. Chen, J. Qi, J. Shi (2023), A cellular automata ship traffic flow model considering navigation rule in narrowing channel, Alexandria Engineering Journal, Vol.69, pp.715-726.
[8] J. Pearl (1988), Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference, Morgan Kaufmann Publishers Inc., CA, United States.
[9] Nguyễn Thanh Bằng, Doãn Hà Phong (2022), Spatial and Temporal Modeling of Land use/Land cover Change at the Ca River Basin (North Central Viet Nam) Using Markov Chain and Cellular Automata Approach, Vietnam Journal of Hydro - Meteorology, Vol.10, pp.35-54.
[10] Ngô Việt Đức, Chu Công Minh (2014), Ứng dụng mô hình tác tử vào mô phỏng dòng xe hỗn hợp trên đường, Tạp chí Giao thông vận tải, số 10/2014.
[11] Trần Đức Phú (2020), Ứng dụng mạng Bayes đánh giá nguyên nhân đâm va của phương tiện thủy trong quá trình hàng hải, Tạp chí Khoa học Công nghệ Hàng hải, Số 63, tr.57-62.
[12] J. Von Neumann, A. W. Burks (1966), Theory of self-reproducing automata, Urbana, University of Illinois Press.
[13] H. Akin, S. Uğuz, I. Siap (2011), Characterization of 2D Cellular Automata with Moore Neighborhood over Ternary Fields, Vol.1389.
[14] K. Nagel, M. Schereckenberg (1992), A cellular automaton model for freeway traffic, Journal de Physique I.