CN109697892B - 一种时空感知的船舶碰撞风险智能预警方法 - Google Patents
一种时空感知的船舶碰撞风险智能预警方法 Download PDFInfo
- Publication number
- CN109697892B CN109697892B CN201910133015.8A CN201910133015A CN109697892B CN 109697892 B CN109697892 B CN 109697892B CN 201910133015 A CN201910133015 A CN 201910133015A CN 109697892 B CN109697892 B CN 109697892B
- Authority
- CN
- China
- Prior art keywords
- ship
- target
- ellipse
- early warning
- field
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G3/00—Traffic control systems for marine craft
- G08G3/02—Anti-collision systems
Landscapes
- Engineering & Computer Science (AREA)
- Ocean & Marine Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明属于船舶的碰撞预警技术领域,公开了一种时空感知的船舶碰撞风险智能预警方法,根据目标船舶的领域面积与其他船舶的位置,判断进行碰撞预警的目标船舶与之周围的船舶对象集合A中的船舶有哪些直接包含于进行碰撞检测的目标船舶的领域内,输出可能与目标船舶产生碰撞的船舶的集合;船舶可能产生碰撞的危险级别。本发明提供将船舶信息抽象为椭圆状,在碰撞预警计算时进一步抽象为菱形进行碰撞预警,大大减少了碰撞预警的计算量,缩短了预警系统的响应时间;将碰撞预警算法抽象简化为椭圆的相交,大大降低了计算的难度和复杂性。
Description
技术领域
本发明属于船舶的碰撞预警技术领域,尤其涉及一种时空感知的船舶碰撞风险智能预警方法
背景技术
在世界经济全球化的大背景下,内河航运作为重要的基础性环节,在交通运输上有着至关重要的作用。随着内河航道交通压力日渐增大,以及AIS系统的迅猛发展,海事监管部门对水上交通的管理监测由事后应急向事前预警转变,船舶的碰撞预警技术作为船舶智能信息化发展的重要环节,它的发展能大幅提高海上交通运输的安全性。
相对传统雷达设备等,AIS设备拥有受地形天气影响小,高定位精度等优点,且可以提供更丰富的船舶轨迹特征数据。目前船舶的碰撞检测常使用距离、时间或其他相关的指标作为判断条件,其算法有安全角度算法、安全区域算法、安全距离算法、碰撞时间算法和数据挖掘等。安全距离算法、安全角度算法和安全区域算法只能针对直线碰撞的问题;数据挖掘方法需建立知识库;碰撞时间算法虽能解决各个方向的碰撞问题,但是算法复杂、运算代价大,不易实现。
综上所述,目前技术存在的问题包括:
传统雷达设备在进行船舶的碰撞距离、时间或其他相关的指标判断中,数据处理算法有局限性只能针对直线碰撞的问题;数据挖掘方法需建立知识库;碰撞时间算法复杂、运算代价大,不易实现;当前大多数船舶行为分析研究并未针对大规模船舶AIS数据进行展开。
解决上述技术问题的难度:
针对航线规划中的热点航迹时空分布问题,本发明基于DBSCAN思想提出了一种航迹热点预警模型,该模型结合了航船群体的时空分布规律及单个航船的船速、船长、航向等多种动静态因素,对航迹热点进行预警,即预测局部区域内可能形成碰撞危险性的航迹热点。
解决上述技术问题的意义:
当前,大多数船舶行为分析研究是基于船舶少量个体的统计模型,并未针对大规模船舶AIS数据进行展开知识发现的研究。本课题从船舶行为特征包含位置、航向、航速、加速度、转头速率等多维动态属性中,挖掘了船舶群体航行的时空分布规律,并结合DBSCAN思想,提出了AIS数据航迹热点预测预警模型。
发明内容
针对现有技术存在的问题,本发明提供了一种时空感知的船舶碰撞风险智能预警方法,
本发明是这样实现的,一种时空感知的船舶碰撞风险智能预警方法包括:
步骤一:确定算法的输入参数,包括:密度阈值MinPts,每个对象对应的领域Epsilon,船头指向;根据船舶的运行速度V(单位m/s),船舶长度L(单位m)来计算船舶的安全领域;
步骤二:根据目标船舶的领域面积与其他船舶的位置,判断进行碰撞预警的目标船舶与之周围的船舶对象集合A中的船舶有哪些直接包含于进行碰撞检测的目标船舶的领域内,将这些船舶记为集合i(in);
步骤三:通过循环遍历,找出除集合i外集合A领域与目标船舶领域相交的船舶,把这些船舶记为集合o(out);
步骤四:输出可能与目标船舶产生碰撞的船舶的集合(可用于可视化的标注);船舶可能产生碰撞的危险级别。
进一步,步骤一中,所述船舶安全领域计算方法包括:
根据实际情况,可以把船舶领域简化为椭圆,所以根据V和L得到长轴长LAL(Longaxis length)和短轴长SAL(Short axis length):
Epsilon=π*LAL*SAL
进一步,步骤二中,所述集合A包括:
根据资料显示,商用、民用船舶的速度一般不会超过30海里/小时,即54公里/小时,船长一般不会超过300米;所以可以在目标船舶的椭圆领域基础上,再外接多个以最大速度54公里/小时和最大船长300米作为参数计算出来的椭圆领域,两者相结合就是选取对象集合A的范围。
进一步,步骤二中,所述判断是否包含在目标船舶领域内的方法包括:
其中,LAL为目标船舶领域长轴长,SAL为目标船舶领域短轴长,中心点(目标船舶位置)(sx,sy);进行判断的船舶位置(x,y);当Result=1,在椭圆上;Result<1在椭圆内;Result>1在椭圆外。
进一步,步骤三中,所述相交判断方法包括:
(1)以目标船舶为原点,利用目标船舶领域长轴长centricLal;目标船舶领域短轴长centricSal;中心点(目标船舶位置)(sx,sy);目标船舶船首向(角度α)进行判断的船舶的长轴长otherLal;进行判断的船舶的短轴长otherSal;进行判断的船舶位置(x,y);进行判断的船舶船首向(角度β)得到其关于椭圆领域的椭圆方程:
(2)根据目标船舶与进行判断船舶的位置关系,得出判断船舶的椭圆领域,然后对该椭圆领域进行简化,变成一个椭圆内接菱形;计算出椭圆内接菱形四条边对应的直线方程表达式;
(3)根据集合i的集合数量与集合o中的集合数量相加得到可能与目标船舶发生碰撞的船的总数,再与密度阈值MinPts比较,来判断目标船舶可能发生碰撞的危险级别。
综上所述,本发明的优点及积极效果为:
本发明提供将船舶信息抽象为椭圆状,在碰撞预警计算时进一步抽象为菱形进行碰撞预警,大大减少了碰撞预警的计算量,缩短了预警系统的响应时间;将碰撞预警算法抽象简化为椭圆的相交,大大降低了计算的难度和复杂性。
本发明的另一目的在于提供一种实施所述时空感知的船舶碰撞风险智能预警方法的时空感知的船舶碰撞风险智能预警系统。
为了实现航船轨迹及分布热点的多维动态可视化,可按船舶MMSI及时间特征进行AIS数据的存储与管理,设计航行时间尺度和空间尺度的自定义航迹可视化,以灵活模拟与重现特定船舶集合的具体航行轨迹。
将本发明应用到船舶碰撞风险智能预警系统中,以长江航道为研究对象,船舶碰撞预警范围示意如图5所示。长江航道全程航迹热点分布如图6所示。
附图说明
图1是本发明实施例提供的时空感知的船舶碰撞风险智能预警方法流程图;
图2是本发明实施例提供的进行碰撞预警的目标船舶与之周围的船舶对象集合A示例图;
图3是本发明实施例提供的船舶的椭圆领域示意图;
图4是本发明实施例提供的椭圆内菱形边示意图。
图5是本发明实施例提供的本发明应用到船舶碰撞风险智能预警系统中,以长江航道为研究对象,船舶碰撞预警范围示意图。
图6是本发明实施例提供的长江航道全程航迹热点分布图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
传统雷达设备在进行船舶的碰撞距离、时间或其他相关的指标判断中,数据处理算法有局限性只能针对直线碰撞的问题;数据挖掘方法需建立知识库;碰撞时间算法复杂、运算代价大,不易实现。
为解决上述问题,下面结合技术方案对本发明作详细描述。
如图1所示,本发明实施例提供的时空感知的船舶碰撞风险智能预警方法包括:
S101:确定算法的输入参数,包括:密度阈值MinPts,每个对象对应的领域Epsilon,船头指向。
S102:根据船舶的运行速度V(单位m/s),船舶长度L(单位m)来计算船舶的安全领域。
S103:根据目标船舶的领域面积与其他船舶的位置,判断进行碰撞预警的目标船舶与之周围的船舶对象集合A中的船舶有哪些直接包含于进行碰撞检测的目标船舶的领域内,将这些船舶记为集合i(in)。
S104:通过循环遍历,找出除集合i外集合A领域与目标船舶领域相交的船舶,把这些船舶记为集合o(out)。
S105:输出可能与目标船舶产生碰撞的船舶的集合(可用于可视化的标注);船舶可能产生碰撞的危险级别。
步骤S101中,本发明实施例提供的船舶安全领域计算方法包括:
根据实际情况,可以把船舶领域简化为椭圆,所以根据V和L得到长轴长LAL(Longaxis length)和短轴长SAL(Short axis length):
Epsiloii=π*LAL*SAL
如图2所示,步骤S102中,本发明实施例提供的集合A包括:
根据资料显示,商用、民用船舶的速度一般不会超过30海里/小时,即54公里/小时,船长一般不会超过300米;所以可以在目标船舶的椭圆领域基础上,再外接多个以最大速度54公里/小时和最大船长300米作为参数计算出来的椭圆领域,两者相结合就是选取对象集合A的范围。
步骤二中,本发明实施例提供的判断是否包含在目标船舶领域内的方法包括:
其中,LAL为目标船舶领域长轴长,SAL为目标船舶领域短轴长,中心点(目标船舶位置)(sx,sy);进行判断的船舶位置(x,y);当Result=1,在椭圆上;Result<1在椭圆内;Result>1在椭圆外。
如图3所示,步骤S103中,本发明实施例提供的相交判断方法包括:
(1)以目标船舶为原点,利用目标船舶领域长轴长centricLal;目标船舶领域短轴长centricSal;中心点(目标船舶位置)(sx,sy);目标船舶船首向(角度α)进行判断的船舶的长轴长otherLal;进行判断的船舶的短轴长otherSal;进行判断的船舶位置(x,y);进行判断的船舶船首向(角度β)得到其关于椭圆领域的椭圆方程:
(2)根据目标船舶与进行判断船舶的位置关系,得出判断船舶的椭圆领域,然后对该椭圆领域进行简化,变成一个椭圆内接菱形;计算出椭圆内接菱形四条边对应的直线方程表达式;
(3)根据集合i的集合数量与集合o中的集合数量相加得到可能与目标船舶发生碰撞的船的总数,再与密度阈值MinPts比较,来判断目标船舶可能发生碰撞的危险级别。
如图4所示,步骤(2)中,本发明实施例提供的椭圆内接菱形上下左右这4条边的计算方法包括:
1)、α=90-船首向差值(进行判定船舶β-目标船舶α);
2)、通过以目标船舶位置为原点,建立直角坐标系,所以可以得到进行判定船舶对应的位置(x,y);
3)、计算4个点;
对于点A和B:
a=sinα*半长轴长;A=(x-b,y-a);b=cosα*半轴长;B=(x+b,y+a)
对于点C和D:
b=sinα*短半轴长;C=(x-b,y+a);a=cosα*短半轴长;D=(x+b,y-a);
4)、两点组成一条直线A与C、D;B与C、D,可根据两点式得到方程(x1,y1),(x2,y2)变成一般式:
Ax+By+C=0;
(y2-y1)*x–(x2-x1)*y–(y2-y1)*x1+(x2-x1)*y1=0;
A=(y2-y1);B=-(x2-x1);C=–(y2-y1)*x1+(x2-x1)*y1。
5)、将求得的直线方程与目标椭圆的方程联立,变成一个一元二次方程:
6)、通过求判别式,求解直线与椭圆是否有交点,Δ>1有两个交点,Δ=1有一个交点,Δ<1没有交点:
7)、如果有交点,得判断是否在进行判定船舶的内部。通过求根公式判断x是否在x1与x2的范围内;如果在范围内,则说明直线与椭圆相交,即目标椭圆与进行判断的椭圆相交;如果不在范围内,就判断其他未进行判断的线是否与椭圆相交;只要存在一条相交的直线,就能说明两椭圆相交,若四条直线都未与目标椭圆相交,则说明这两个椭圆不相交。
将本发明应用到船舶碰撞风险智能预警系统中,以长江航道为研究对象,船舶碰撞预警范围示意如图5所示。长江航道全程航迹热点分布如图6所示。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种时空感知的船舶碰撞风险智能预警方法,其特征在于,所述时空感知的船舶碰撞风险智能预警方法包括:
步骤一:根据船舶的运行速度V,船舶长度L计算船舶的安全运行领域;
步骤二:根据目标船舶的领域面积与其他船舶的位置,判断进行碰撞预警的目标船舶与之周围的船舶对象集合A中的船舶有哪些直接包含于进行碰撞检测的目标船舶的领域内,将这些船舶记为集合i;
步骤三:通过循环遍历,找出除集合i外集合A领域与目标船舶领域相交的船舶,船舶记为集合o;
所述相交判断方法包括:
(1)以目标船舶为原点,利用目标船舶领域长轴长centricLal;目标船舶领域短轴长centricSal;中心点(目标船舶位置)(sx,sy);目标船舶船首向(角度α)进行判断的船舶的长轴长otherLal;进行判断的船舶的短轴长otherSal;进行判断的船舶位置(x,y);进行判断的船舶船首向(角度β)得到其关于椭圆领域的椭圆方程:
(2)根据目标船舶与进行判断船舶的位置关系,得出判断船舶的椭圆领域,然后对该椭圆领域进行简化,变成一个椭圆内接菱形;计算出椭圆内接菱形四条边对应的直线方程表达式;
所述椭圆内接菱形上下左右这4条边的计算方法包括:
1)、α=90-船首向差值,进行判定船舶β-目标船舶α;
2)、通过以目标船舶位置为原点,建立直角坐标系,所以可以得到进行判定船舶对应的位置(x,y);
3)、计算4个点;
对于点A和B:
a=sinα*半长轴长;A=(x-b,y-a);b=cosα*半轴长;B=(x+b,y+a)
对于点C和D:
b=sinα*短半轴长;C=(x-b,y+a);a=cosα*短半轴长;D=(x+b,y-a);
4)、两点组成一条直线A与C、D;B与C、D,可根据两点式得到方程(x1,y1),(x2,y2)变成一般式:
Ax+By+C=0;
(y2-y1)*x–(x2-x1)*y–(y2-y1)*x1+(x2-x1)*y1=0;
A=(y2-y1);B=-(x2-x1);C=–(y2-y1)*x1+(x2-x1)*y1;
5)、将求得的直线方程与目标椭圆的方程联立,变成一个一元二次方程:
6)、通过求判别式,求解直线与椭圆是否有交点,Δ>1有两个交点,Δ=1有一个交点,Δ<1没有交点:
7)、如果有交点,得判断是否在进行判定船舶的内部;通过求根公式判断x是否在x1与x2的范围内;如果在范围内,则说明直线与椭圆相交,即目标椭圆与进行判断的椭圆相交;如果不在范围内,就判断其他未进行判断的线是否与椭圆相交;只要存在一条相交的直线,说明两椭圆相交,若四条直线都未与目标椭圆相交,则说明这两个椭圆不相交;
(3)根据集合i的集合数量与集合o中的集合数量相加得到可能与目标船舶发生碰撞的船的总数,再与密度阈值MinPts比较,来判断目标船舶可能发生碰撞的危险级别;
步骤四:输出可能与目标船舶产生碰撞的船舶的集合;船舶可能产生碰撞的危险级别。
3.如权利要求1所述时空感知的船舶碰撞风险智能预警方法,其特征在于,步骤二中,所述集合A包括:
根据资料显示,商用、民用船舶的速度一般不会超过30海里/小时,即54公里/小时,船长一般不会超过300米;所以可以在目标船舶的椭圆领域基础上,再外接多个以最大速度54公里/小时和最大船长300米作为参数计算出来的椭圆领域,两者相结合就是选取对象集合A的范围。
5.一种实施权利要求1所述时空感知的船舶碰撞风险智能预警方法的时空感知的船舶碰撞风险智能预警系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910133015.8A CN109697892B (zh) | 2019-02-22 | 2019-02-22 | 一种时空感知的船舶碰撞风险智能预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910133015.8A CN109697892B (zh) | 2019-02-22 | 2019-02-22 | 一种时空感知的船舶碰撞风险智能预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109697892A CN109697892A (zh) | 2019-04-30 |
CN109697892B true CN109697892B (zh) | 2021-04-27 |
Family
ID=66234943
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910133015.8A Active CN109697892B (zh) | 2019-02-22 | 2019-02-22 | 一种时空感知的船舶碰撞风险智能预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109697892B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110444045B (zh) * | 2019-06-14 | 2021-03-02 | 青岛科技大学 | 一种非冲突状态船舶集群态势分析方法 |
CN110264577B (zh) * | 2019-06-26 | 2020-04-17 | 中国人民解放军火箭军工程大学 | 一种基于时空相关跟踪策略的碰撞实时检测方法 |
CN110956364B (zh) * | 2019-11-11 | 2021-04-30 | 山东大学 | 船舶撞击河道滩地电力线塔防撞桩的风险评估方法及系统 |
CN111241948B (zh) * | 2020-01-02 | 2023-10-31 | 武汉船舶通信研究所(中国船舶重工集团公司第七二二研究所) | 全天候识别船舶的方法和系统 |
CN112200052B (zh) * | 2020-09-30 | 2023-06-09 | 驭势(上海)汽车科技有限公司 | 轨迹偏移识别、车辆行驶分析方法、装置、设备及介质 |
CN112373642B (zh) * | 2020-10-30 | 2022-02-01 | 东南大学 | 一种基于船舶领域的内河船舶追越行为检测及跟踪方法 |
CN112885151B (zh) * | 2021-03-23 | 2022-03-15 | 武汉理工大学 | 一种融合几何解析与数据挖掘的船舶碰撞风险预警方法 |
CN113065996B (zh) * | 2021-04-23 | 2022-03-08 | 苏州百胜动力机器股份有限公司 | 一种基于计算机的舷外机航行辅助系统 |
CN113744570B (zh) * | 2021-11-03 | 2022-03-25 | 武汉理工大学 | 一种桥区水域船舶防撞预警方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA1047631A (en) * | 1973-03-27 | 1979-01-30 | George B. Litchford | Passive aircraft proximity indicating system which adapts mode of operation to side lobe suppression signal strength |
CN102815370A (zh) * | 2012-09-04 | 2012-12-12 | 中船桂江造船有限公司 | 一次性对中船舶轴系安装方法 |
CN107408352A (zh) * | 2015-03-31 | 2017-11-28 | 深圳市大疆创新科技有限公司 | 用于地理围栏装置通信的系统和方法 |
CN107886773A (zh) * | 2017-10-19 | 2018-04-06 | 天津大学 | 一种基于信息量的船舶所处会遇态势紧迫度量化分析方法 |
CN108281043A (zh) * | 2018-03-23 | 2018-07-13 | 上海海事大学 | 一种船舶碰撞风险预警系统及预警方法 |
CN108538088A (zh) * | 2018-02-11 | 2018-09-14 | 江苏金海星导航科技有限公司 | 基于定位的船舶碰撞预测方法及装置 |
CN108847054A (zh) * | 2018-06-15 | 2018-11-20 | 武汉理工大学 | 基于无人机的船舶碰撞预警系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101551946A (zh) * | 2009-04-22 | 2009-10-07 | 上海普适导航技术有限公司 | 船舶安全救助信息化系统及其实施方法 |
CN101639988B (zh) * | 2009-05-15 | 2011-06-22 | 天津七一二通信广播有限公司 | 避免船只碰撞的方法 |
CN101615349B (zh) * | 2009-07-24 | 2011-03-30 | 姚和平 | 渔船环境监控避碰报警系统 |
KR101941896B1 (ko) * | 2018-08-21 | 2019-01-24 | 김정훈 | 선박의 자율 운항 제어 시스템 |
-
2019
- 2019-02-22 CN CN201910133015.8A patent/CN109697892B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA1047631A (en) * | 1973-03-27 | 1979-01-30 | George B. Litchford | Passive aircraft proximity indicating system which adapts mode of operation to side lobe suppression signal strength |
CN102815370A (zh) * | 2012-09-04 | 2012-12-12 | 中船桂江造船有限公司 | 一次性对中船舶轴系安装方法 |
CN107408352A (zh) * | 2015-03-31 | 2017-11-28 | 深圳市大疆创新科技有限公司 | 用于地理围栏装置通信的系统和方法 |
CN107886773A (zh) * | 2017-10-19 | 2018-04-06 | 天津大学 | 一种基于信息量的船舶所处会遇态势紧迫度量化分析方法 |
CN108538088A (zh) * | 2018-02-11 | 2018-09-14 | 江苏金海星导航科技有限公司 | 基于定位的船舶碰撞预测方法及装置 |
CN108281043A (zh) * | 2018-03-23 | 2018-07-13 | 上海海事大学 | 一种船舶碰撞风险预警系统及预警方法 |
CN108847054A (zh) * | 2018-06-15 | 2018-11-20 | 武汉理工大学 | 基于无人机的船舶碰撞预警系统 |
Non-Patent Citations (2)
Title |
---|
内河船舶领域及避碰模型优化研究;赵虎刚;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20170415;正文第3页1.2.1节第1段第1-3行,正文第11页倒数第2段,正文第25页倒数第1段-第26页第2段 * |
基于椭圆碰撞锥的无人艇动态避障方法;蒲华燕 等;《仪器仪表学报》;20170731;正文第2节 无人艇海洋动态避障控制方法 * |
Also Published As
Publication number | Publication date |
---|---|
CN109697892A (zh) | 2019-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109697892B (zh) | 一种时空感知的船舶碰撞风险智能预警方法 | |
Zhang et al. | A big data analytics method for the evaluation of ship-ship collision risk reflecting hydrometeorological conditions | |
Wu et al. | Long-voyage route planning method based on multi-scale visibility graph for autonomous ships | |
CN109933067B (zh) | 一种基于遗传算法和粒子群算法的无人艇避碰方法 | |
Xin et al. | A simulation model for ship navigation in the “Xiazhimen” waterway based on statistical analysis of AIS data | |
CN107886773B (zh) | 一种基于信息量的船舶所处会遇态势紧迫度量化分析方法 | |
Zhen et al. | A novel arena-based regional collision risk assessment method of multi-ship encounter situation in complex waters | |
Chen et al. | A research on AIS-based embedded system for ship collision avoidance | |
Bakdi et al. | Testbed scenario design exploiting traffic big data for autonomous ship trials under multiple conflicts with collision/grounding risks and spatio-temporal dependencies | |
Tang et al. | Detection of abnormal vessel behaviour based on probabilistic directed graph model | |
Kang et al. | Collision avoidance path planning in multi-ship encounter situations | |
Yang et al. | Maritime traffic flow clustering analysis by density based trajectory clustering with noise | |
Liu et al. | Spatial topological analysis model of ship encounter space | |
Qiao et al. | A collision risk identification method for autonomous ships based on field theory | |
CN112347218B (zh) | 无人船艇的环境地图生成方法及无人船艇感知系统 | |
Li et al. | Towards real-time ship collision risk analysis: An improved R-TCR model considering target ship motion uncertainty | |
Choi et al. | Voyage optimization using dynamic programming with initial quadtree based route | |
Xue et al. | Ship collision avoidance based on brain storm optimization near offshore wind farm | |
Chen et al. | Pattern knowledge discovery of ship collision avoidance based on AIS data analysis | |
Li et al. | Modelling and simulation of intelligent collision avoidance based on ship domain | |
Rudan et al. | Early detection of vessel collision situations in a vessel traffic services area | |
Feng et al. | Real-time vessel trajectory data-based collison risk assessment in crowded inland waterways | |
CN114331042A (zh) | 一种船舶碰撞风险分析方法 | |
Rong et al. | Collision probability assessment based on uncertainty prediction of ship trajectories | |
Lee et al. | Changes in Maritime Traffic Patterns According to Installation of Floating LiDAR Using Spatial Analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |