随着我国与世界各国贸易合作不断加强,港口区域船舶密度不断提高,致使港口区域交通状况复杂度上升和船舶通航风险增加。科学准确的船舶交通流预测模型能为海事机关和港航部门,进行港口基础设施建设以及港口交通流组织提供数据支持和理论依据。同时,对减少港口水域海上交通事故发生具有十分重要的意义。基于元胞机和概率模型的港口水域交通流预测模型应用元胞自动机理论和概率模型对整个港口区域进行交通流预测。该模型通过对港口历史AIS数据挖掘结合港口实际通航条件,将整个港口区域划分为航道内和航道外两个区域。针对两个区域不同交通流特点应用上述两种交通流预测模型分别进行港口水域交通流预测,并将两部分集成到统一交通流预测平台,进行两个预测体系交互。本文主要工作如下:(1)通过对历史数据处理结合实际通航条件将港口区域划分为航道内和航道外两个区域。对历史数据处理主要是进行航迹聚类,通过航迹聚类再结合实际港口区域航道划分,将海图上一些航迹类划分为航道区域,并在聚类结果上进行航道绘制,海图除该区域以外区域统一划分为航道外区域。(2)对于航道内区域应用元胞自动机理论进行交通流预测建模,具体过程包括:由船舶行为确立元胞状态、根据船舶领域理论进行元胞邻域建模、航道内元胞自动机模型建立、航道内元胞自动机更新规则制定。依据制定的更新规则,将传统元胞自动机更新模型中的加减速规则并入跟驰规则。仿真实验航道设定为定线制双向航道,因此追越规则中增加追越后复位规则。将航道外船舶穿越航道情况,结合海上避碰规则来制定区域性更新规则,并提出一种预定机制的穿越规则。(3)航道外区域应用概率模型理论进行建模,具体过程包括:基于历史数据对船舶行为进行分析、航道外概率模型建立、生成船舶移动概率矩阵、根据实时AIS船舶信息和船舶移动概率矩阵进行船舶航迹推演。此处进行船舶移动概率矩阵求解所用AIS数据为经过插值后的数据,以固定时间间隔进行数据插值,并且该时间间隔为元胞自动机更新时间步长,这样保证以该数据所训练船舶移动概率矩阵为该时间步长下的概率矩阵。船舶进行穿越航道时会根据航道内穿越规则反馈信号进行穿越或等待穿越。通过上述研究,将元胞自动机模型规则性强、预测精度稳定的特点和概率模型预测精度高、适合短期预测的特点匹配到航道内航道外不同特征交通流预测,并将两种预测模型进行结合,在一定程度上可以提高港口水域交通流预测精度,为港口水域交通流预测研究提供一种新思路。