CN110009936A - 一种用于繁忙水域的船舶辅助避碰方法 - Google Patents
一种用于繁忙水域的船舶辅助避碰方法 Download PDFInfo
- Publication number
- CN110009936A CN110009936A CN201910196803.1A CN201910196803A CN110009936A CN 110009936 A CN110009936 A CN 110009936A CN 201910196803 A CN201910196803 A CN 201910196803A CN 110009936 A CN110009936 A CN 110009936A
- Authority
- CN
- China
- Prior art keywords
- ship
- risk
- target
- collision
- risk object
- 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.)
- Granted
Links
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
本发明涉及一种用于繁忙水域的船舶辅助避碰方法，包括：S1，采集当前船只预定航行区域内的多个目标船只的航行参数；S2，分别计算得到各目标船只碰撞危险度；S3，根据各目标船只的危险等级将其分为安全目标船、次危险目标船只和危险目标船只；根据安全目标船、次危险目标船只的航行参数划分禁航区；S4，判断危险目标船只的数量是否超出危险目标船只数量阈值范围；S401，若未超出，则获取当前船只的避碰方案；S402，若超出，则调整预设的危险等级阈值范围。通过将安全目标船和次危险目标船只划到禁航区来减少目标船，使得危险目标船只数目减少至预定数量以下，方便现有宽水域多目标辅助避碰技术较好地运用于繁忙水域的避碰决策中。
Description
技术领域
本发明涉及船舶航行技术领域，尤其涉及一种用于繁忙水域的船舶辅助避碰方法。
背景技术
根据海上实际的航行环境，船舶的智能避碰决策基本过程如下：
海域信息的自动采集与预处理；计算当前船只航行区域内所有船舶的运动参数；判断是否存在对当前船只有危险的目标船；若有，则根据目标船生成当前船只航行的最佳航行区域；若否，则继续进行海域信息的自动采集与预处理。
而海域信息的自动采集和预处理决定着避碰决策的合理性和有效性，在这个步骤中，需要得到必要的数据同时又需要尽可能地简化数据，良好的信息采集与预处理，能够极大的提升避碰算法的功能。目前船舶的宽水域多目标辅助避碰技术可以较好的实现3-5艘危险目标船只的避碰，能够较好地满足船舶在远洋航行中的避碰决策需要。如果船舶在繁忙水域中航行，船舶附近的水域会有10个以上的AIS(Automatic identification system，船舶自动识别系统)目标，船舶航行的复杂性也远超宽水域，现有的辅助避碰技术无法较好地实现5个以上目标的避碰，所以宽水域多目标辅助避碰技术无法较好地运用于繁忙水域的避碰决策中。
聚类算法(聚类分析)又称群分析，它是研究(样品或指标)分类问题的一种统计分析方法，其中的划分法即给定一个有N个元组或者纪录的数据集，将其构造为K个分组，每一个分组就代表一个聚类，K<N。
目前，应用于繁忙水域的聚类算法的关键技术有：
第一，确定聚类的数量。因为每个繁忙水域的情况不尽相同，聚类的数量决定着避碰算法输出的决策的合理性；
第二，聚类算法的标准测度函数，即聚类什么时候停止才能形成合理的禁航区域，需要考虑到船舶自身的安全性参数。
因此，提供一种用于繁忙水域的船舶辅助避碰方法。
发明内容
鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的用于繁忙水域的船舶辅助避碰方法，解决宽水域多目标辅助避碰技术无法较好地运用于繁忙水域的避碰决策的问题。
根据本发明的一个方面，提供一种用于繁忙水域的船舶辅助避碰方法，包括：
S1，采集当前船只预定航行区域内的多个目标船只的航行参数；
S2，根据各目标船只的航行参数以及当前船只的预定航行参数分别计算得到各目标船只碰撞危险度；
S3，根据预设的危险等级阈值范围对各目标船只碰撞危险度进行危险等级的分类，并根据各目标船只的危险等级将其分为安全目标船、次危险目标船只和危险目标船只；在当前船只预定航行区域内根据安全目标船、次危险目标船只的航行参数划分禁航区；
S4，将禁航区以外的当前船只预定航行区域划分为可航行区域，并根据预设的危险目标船只数量阈值范围判断在处于可航行区域内危险目标船只的数量；
S401，若危险目标船只的数量未超出危险目标船只数量阈值范围，则根据可航行区域和危险目标船只的航行参数获取当前船只的避碰方案；
S402，若危险目标船只的数量超出危险目标船只数量阈值范围，则调整预设的危险等级阈值范围，并根据调整后的危险等级阈值范围对各危险目标船只碰撞危险度再次进行危险等级的分类，并根据各危险目标船只的危险等级将其分为高度危险目标船只和轻度危险目标船只；在当前船只预定航行区域内根据轻度危险目标船只的航行参数再次划分禁航区；
S403，根据再次划分的禁航区重新调整可航行区域，并根据预设的危险目标船只数量阈值范围再次判断在处于调整后的可航行区域内的高度危险目标船只的数量；
S4031，若高度危险目标船只的数量未超出危险目标船只数量阈值范围，则根据调整后的可航行区域和高度危险目标船只的航行参数获取当前船只的避碰方案；
S4032，若高度危险目标船只的数量超出危险目标船只数量阈值范围，则重复步骤S402，直至高度危险目标船只的数量未超出危险目标船只数量阈值范围后，则根据调整后的可航行区域和高度危险目标船只的航行参数获取当前船只的避碰方案。
进一步地，通过聚类算法分别根据安全目标船、次危险目标船只的航行参数划分禁航区，并通过聚类算法根据轻度危险目标船只的航行参数再次划分禁航区。
进一步地，通过聚类算法根据安全目标船的航行参数划分禁航区，具体实现如下：
第一步，通过SSE根据各安全目标船的相对位置选取聚类数；
第二步，从所有安全目标船中任意选取聚类数个安全目标船作为初始聚类中心；
第三步，计算每个安全目标船与初始聚类中心的距离，并根据最小距离将安全目标船划分至不同的聚类中；
第四步，计算每一个聚类中所有安全目标船的中心位置作为新聚类中心；
第五步，计算每一个聚类中所有安全目标船到新聚类中心的距离均值，并与每个安全目标船的平均SDA值相比；
第六步，若每一个聚类中所有安全目标船到新聚类中心的距离均值大于每个安全目标船的平均SDA值，则聚类区域为禁航区；
第七步，若每一个聚类中所有安全目标船到新聚类中心的距离均值小于每个安全目标船的平均SDA值，则回到第三步。
进一步地，航行参数包括船只的航速、航向、位置。
进一步地，通过模糊数学计算法、BP神经网络法和灰色关联分析法中任一种计算各目标船相对于当前船只的碰撞危险度。
进一步地，碰撞危险度为DCPA值。
进一步地，碰撞危险度为TCPA值。
进一步地，在步骤S2中，碰撞危险度包括SDA值和TCPA值；在步骤S3中，碰撞危险度为DCPA值；在步骤S402中，碰撞危险度为TCPA值。
进一步地，危险目标船只数量阈值范围为1～5。
进一步地，通过PIDVCA算法根据可航行区域和危险目标船只获取避碰方案。
本发明与现有技术相比具有以下的优点：
1.本发明将各目标船分为次危险目标船只、危险目标船只和安全目标船，分别根据次危险目标船只和安全目标船设置预定航行区域内的禁航区，通过将次危险目标船只划到禁航区来减少目标船，使得危险目标船只数目减少至预定数量以下，方便现有宽水域多目标辅助避碰技术较好地运用于繁忙水域的避碰决策中；
2.本发明利用聚类算法分别将安全目标船和次危险目标船只聚合在一起，形成禁航区，简化了繁忙水域的海域信息，缩小可航行区域，减少避碰算法的计算量，使得聚类算法融入到现有宽水域多目标辅助避碰系统，使现有宽水域多目标辅助避碰系统能够应用到繁忙水域中；
3.本发明通过SSE根据各安全目标船的相对位置选取聚类数，优化聚类算法，使得禁航区更加合理。
附图说明
以下结合附图和实施例对本发明作进一步说明。
图1是本发明的用于繁忙水域的船舶辅助避碰方法步骤图；
图2是本发明的通过聚类算法根据安全目标船的航行参数划分禁航区具体实现步骤图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非被特定定义，否则不会用理想化或过于正式的含义来解释。
图1是本发明的用于繁忙水域的船舶辅助避碰方法步骤图，参见图1，本发明提供的用于繁忙水域的船舶辅助避碰方法，包括：
S1，采集当前船只预定航行区域内的多个目标船只的航行参数。
具体地，航行参数包括船只的航速、航向、位置。
S2，根据各目标船只的航行参数以及当前船只的预定航行参数分别计算得到各目标船只碰撞危险度。
可选地，碰撞危险度可以通过模糊数学计算法、BP(Back Propagation，反向传播)神经网络法和灰色关联分析法中任一种根据当前船只的航速和航向、目标船只的航速和航向、目标船只相对于当前船只的方位角以及目标船只与当前船只之间的距离计算各目标船相对于当前船只的碰撞危险度。可选地，碰撞危险度也可以为DCPA(Distance of closepoint of approaching，两船会遇时的最小通过距离)值或TCPA(Time of close point ofapproaching，两船最小会遇时间)值，此时，根据当前船只的航速和航向、目标船只的航速和航向、目标船只相对于当前船只的方位角以及目标船只与当前船只之间的距离计算DCPA值或TCPA值。
S3，根据预设的危险等级阈值范围对各目标船只碰撞危险度进行危险等级的分类，并根据各目标船只的危险等级将其分为安全目标船、次危险目标船只和危险目标船只；在当前船只预定航行区域内根据安全目标船、次危险目标船只的航行参数划分禁航区。
具体地，当碰撞危险度为DCPA值时，目标船只在其DCPA值小于SDA(Safe distanceof approach，安全会遇距离)值时为危险目标船只；目标船只在其DCPA值大于SDA值时为安全目标船只，例如，SDA值可以是1～2海里，但不限于此。目标船只在0<DCPA值≤1海里时为危险目标船只，目标船只在1海里<DCPA值<2海里时为次危险目标船只。当碰撞危险度为TCPA值时，目标船只在TCPA值>30min海里时为安全目标船只，目标船只在20min<TCPA值<30min海里时为次危险目标船只，目标船只在TCPA值≤20min海里时为危险目标船只，但不限于此。
可以通过聚类算法分别根据安全目标船、次危险目标船只的航行参数划分禁航区，并通过聚类算法根据轻度危险目标船只的航行参数再次划分禁航区。
具体地，参见图2，通过聚类算法根据安全目标船的航行参数划分禁航区，具体实现如下：
第一步，通过SSE根据各安全目标船的相对位置选取聚类数；
第二步，从所有安全目标船中任意选取聚类数个安全目标船作为初始聚类中心；
第三步，计算每个安全目标船与初始聚类中心的距离，并根据最小距离将安全目标船划分至不同的聚类中；
第四步，计算每一个聚类中所有安全目标船的中心位置作为新聚类中心；
第五步，计算每一个聚类中所有安全目标船到新聚类中心的距离均值，并与每个安全目标船的平均SDA值相比；
第六步，若每一个聚类中所有安全目标船到新聚类中心的距离均值大于每个安全目标船的平均SDA值，则聚类区域为禁航区；
第七步，若每一个聚类中所有安全目标船到新聚类中心的距离均值小于每个安全目标船的平均SDA值，则回到第三步。
本发明通过SSE根据各安全目标船的相对位置选取聚类数，优化聚类算法，使得禁航区更加合理。
同理，通过聚类算法根据次危险目标船只的航行参数划分禁航区的具体实现方法可以与安全目标船相同，另外，通过聚类算法根据轻度危险目标船只的航行参数划分禁航区的具体实现方法可以与安全目标船相同。
本发明利用聚类算法分别将安全目标船和次危险目标船只聚合在一起，形成禁航区，简化了繁忙水域的海域信息，缩小可航行区域，减少避碰算法的计算量，使得聚类算法融入到现有宽水域多目标辅助避碰系统，使现有宽水域多目标辅助避碰系统能够应用到繁忙水域中。
S4，将禁航区以外的当前船只预定航行区域划分为可航行区域，并根据预设的危险目标船只数量阈值范围判断在处于可航行区域内危险目标船只的数量。
具体地，危险目标船只数量阈值范围为1～5。
S401，若危险目标船只的数量未超出危险目标船只数量阈值范围，则根据可航行区域和危险目标船只的航行参数获取当前船只的避碰方案。
具体地，根据现有宽水域多目标辅助避碰技术计算避碰区域。例如，可以通过PIDVCA(Personifying Intelligent Decision-making for Vessel CollisionAvoidance，船舶拟人智能避碰决策)算法根据第二可航行区域和初始危险目标船只获取避碰方案。
S402，若危险目标船只的数量超出危险目标船只数量阈值范围，则调整预设的危险等级阈值范围，并根据调整后的危险等级阈值范围对各危险目标船只碰撞危险度再次进行危险等级的分类，并根据各危险目标船只的危险等级将其分为高度危险目标船只和轻度危险目标船只；在当前船只预定航行区域内根据轻度危险目标船只的航行参数再次划分禁航区。
在这里，当碰撞危险度为DCPA值时，目标船只在0.5海里<DCPA值≤1海里时为轻度危险目标船只，目标船只在0<DCPA值≤0.5海里时为高度危险目标船只。当碰撞危险度为TCPA值时，目标船只在10min<TCPA值≤20min海里时为轻度危险目标船只，目标船只在TCPA值≤10min海里时为高度危险目标船只，但不限于此。
S403，根据再次划分的禁航区重新调整可航行区域，并根据预设的危险目标船只数量阈值范围再次判断在处于调整后的可航行区域内的高度危险目标船只的数量。
S4031，若高度危险目标船只的数量未超出危险目标船只数量阈值范围，则根据调整后的可航行区域和高度危险目标船只的航行参数获取当前船只的避碰方案。
S4032，若高度危险目标船只的数量超出危险目标船只数量阈值范围，则重复步骤S402，直至高度危险目标船只的数量未超出危险目标船只数量阈值范围后，则根据调整后的可航行区域和高度危险目标船只的航行参数获取当前船只的避碰方案。
碰撞危险度的选取包括但不限于以下组合：
在步骤S2、步骤S3和步骤S402中，碰撞危险度可以均为DCPA值；在步骤S2、步骤S3和步骤S402中，碰撞危险度可以均为TCPA值；在步骤S2中，碰撞危险度包括SDA值和TCPA值；在步骤S3中，碰撞危险度为DCPA值；在步骤S402中，碰撞危险度为TCPA值。
本发明将各目标船分为次危险目标船只、危险目标船只和安全目标船，分别根据次危险目标船只和安全目标船设置预定航行区域内的禁航区，通过将次危险目标船只划到禁航区来减少目标船，使得危险目标船只数目减少至预定数量以下，方便现有宽水域多目标辅助避碰技术较好地运用于繁忙水域的避碰决策中，还大大增加了现有宽水域多目标辅助避碰技术的适用场景，使得现有宽水域多目标辅助避碰技术能够应用于更多的船舶类型中。
对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种用于繁忙水域的船舶辅助避碰方法，其特征在于，包括：
S1，采集当前船只预定航行区域内的多个目标船只的航行参数；
S2，根据各目标船只的航行参数以及当前船只的预定航行参数分别计算得到各目标船只碰撞危险度；
S3，根据预设的危险等级阈值范围对各目标船只碰撞危险度进行危险等级的分类，并根据各目标船只的危险等级将其分为安全目标船、次危险目标船只和危险目标船只；在当前船只预定航行区域内根据安全目标船、次危险目标船只的航行参数划分禁航区；
S4，将禁航区以外的当前船只预定航行区域划分为可航行区域，并根据预设的危险目标船只数量阈值范围判断在处于可航行区域内危险目标船只的数量；
S401，若危险目标船只的数量未超出危险目标船只数量阈值范围，则根据可航行区域和危险目标船只的航行参数获取当前船只的避碰方案；
S402，若危险目标船只的数量超出危险目标船只数量阈值范围，则调整预设的危险等级阈值范围，并根据调整后的危险等级阈值范围对各危险目标船只碰撞危险度再次进行危险等级的分类，并根据各危险目标船只的危险等级将其分为高度危险目标船只和轻度危险目标船只；在当前船只预定航行区域内根据轻度危险目标船只的航行参数再次划分禁航区；
S403，根据再次划分的禁航区重新调整可航行区域，并根据预设的危险目标船只数量阈值范围再次判断在处于调整后的可航行区域内的高度危险目标船只的数量；
S4031，若高度危险目标船只的数量未超出危险目标船只数量阈值范围，则根据调整后的可航行区域和高度危险目标船只的航行参数获取当前船只的避碰方案；
S4032，若高度危险目标船只的数量超出危险目标船只数量阈值范围，则重复步骤S402，直至高度危险目标船只的数量未超出危险目标船只数量阈值范围后，则根据调整后的可航行区域和高度危险目标船只的航行参数获取当前船只的避碰方案。
2.根据权利要求1所述的用于繁忙水域的船舶辅助避碰方法，其特征在于，通过聚类算法分别根据安全目标船、次危险目标船只的航行参数划分禁航区，并通过聚类算法根据轻度危险目标船只的航行参数再次划分禁航区。
3.根据权利要求2所述的用于繁忙水域的船舶辅助避碰方法，其特征在于，通过聚类算法根据安全目标船的航行参数划分禁航区，具体实现如下：
第一步，通过SSE根据各安全目标船的相对位置选取聚类数；
第二步，从所有安全目标船中任意选取聚类数个安全目标船作为初始聚类中心；
第三步，计算每个安全目标船与初始聚类中心的距离，并根据最小距离将安全目标船划分至不同的聚类中；
第四步，计算每一个聚类中所有安全目标船的中心位置作为新聚类中心；
第五步，计算每一个聚类中所有安全目标船到新聚类中心的距离均值，并与每个安全目标船的平均SDA值相比；
第六步，若每一个聚类中所有安全目标船到新聚类中心的距离均值大于每个安全目标船的平均SDA值，则聚类区域为禁航区；
第七步，若每一个聚类中所有安全目标船到新聚类中心的距离均值小于每个安全目标船的平均SDA值，则回到第三步。
4.根据权利要求3所述的用于繁忙水域的船舶辅助避碰方法，其特征在于，航行参数包括船只的航速、航向、位置。
5.根据权利要求4所述的用于繁忙水域的船舶辅助避碰方法，其特征在于，通过模糊数学计算法、BP神经网络法和灰色关联分析法中任一种计算各目标船相对于当前船只的碰撞危险度。
6.根据权利要求4所述的用于繁忙水域的船舶辅助避碰方法，其特征在于，碰撞危险度为DCPA值。
7.根据权利要求4所述的用于繁忙水域的船舶辅助避碰方法，其特征在于，碰撞危险度为TCPA值。
8.根据权利要求4所述的用于繁忙水域的船舶辅助避碰方法，其特征在于，在步骤S2中，碰撞危险度包括SDA值和TCPA值；在步骤S3中，碰撞危险度为DCPA值；在步骤S402中，碰撞危险度为TCPA值。
9.根据权利要求4所述的用于繁忙水域的船舶辅助避碰方法，其特征在于，危险目标船只数量阈值范围为1～5。
10.根据权利要求9所述的用于繁忙水域的船舶辅助避碰方法，其特征在于，通过PIDVCA算法根据可航行区域和危险目标船只获取避碰方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910196803.1A CN110009936B (zh) | 2019-03-15 | 2019-03-15 | 一种用于繁忙水域的船舶辅助避碰方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910196803.1A CN110009936B (zh) | 2019-03-15 | 2019-03-15 | 一种用于繁忙水域的船舶辅助避碰方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110009936A true CN110009936A (zh) | 2019-07-12 |
| CN110009936B CN110009936B (zh) | 2021-01-05 |
Family
ID=67167079
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910196803.1A Active CN110009936B (zh) | 2019-03-15 | 2019-03-15 | 一种用于繁忙水域的船舶辅助避碰方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110009936B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110758669A (zh) * | 2019-10-30 | 2020-02-07 | 青岛科技大学 | 一种开阔繁忙水域的双层相对领域获取方法 |
| CN111260963A (zh) * | 2020-03-11 | 2020-06-09 | 武汉理工大学 | 一种多船会遇避碰方法 |
| CN111275084A (zh) * | 2020-01-15 | 2020-06-12 | 智慧航海（青岛）科技有限公司 | 基于k近邻算法的会遇船舶碰撞危险类别确定方法和装置 |
| CN113240944A (zh) * | 2021-06-16 | 2021-08-10 | 广东海洋大学 | 一种基于大数据的个体船舶碰撞风险计算方法 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101615349A (zh) * | 2009-07-24 | 2009-12-30 | 姚和平 | 渔船环境监控避碰报警系统 |
| KR20120074874A (ko) * | 2010-12-28 | 2012-07-06 | 한국해양연구원 | 변동행동공간탐색법을 이용한 선박충돌회피 지원 시스템 |
| CN102890875A (zh) * | 2012-10-15 | 2013-01-23 | 浙江大学 | 一种获取海上智能交通网络的系统碰撞风险的方法 |
| CN103106812A (zh) * | 2013-01-17 | 2013-05-15 | 中华人民共和国深圳海事局 | 一种获取海上船舶系统平均碰撞风险的方法 |
| KR20140102045A (ko) * | 2013-02-13 | 2014-08-21 | 목포해양대학교 산학협력단 | 선회 조기 감지 시스템 |
| CN105185162A (zh) * | 2015-10-26 | 2015-12-23 | 中国电子科技集团公司第二十八研究所 | 一种基于ais信息的多目标防撞预警方法 |
| CN105390029A (zh) * | 2015-11-06 | 2016-03-09 | 武汉理工大学 | 基于航迹融合和航迹预测的船舶避碰辅助决策方法及系统 |
| CN106205213A (zh) * | 2014-12-30 | 2016-12-07 | 江苏理工学院 | 一种船舶轨迹预测方法 |
| CN107577230A (zh) * | 2017-08-16 | 2018-01-12 | 武汉理工大学 | 一种面向无人船的智能避碰系统 |
| CN107933568A (zh) * | 2017-11-15 | 2018-04-20 | 中国联合网络通信集团有限公司 | 防碰撞控制方法、装置及系统 |
| CN109190170A (zh) * | 2018-08-02 | 2019-01-11 | 哈尔滨工程大学 | 一种基于云模型理论的船舶碰撞危险度建模方法 |
| CN109448442A (zh) * | 2018-10-12 | 2019-03-08 | 天津大学 | 一种海域内多船碰撞危险度的高效监测方法 |
-
2019
- 2019-03-15 CN CN201910196803.1A patent/CN110009936B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101615349A (zh) * | 2009-07-24 | 2009-12-30 | 姚和平 | 渔船环境监控避碰报警系统 |
| KR20120074874A (ko) * | 2010-12-28 | 2012-07-06 | 한국해양연구원 | 변동행동공간탐색법을 이용한 선박충돌회피 지원 시스템 |
| CN102890875A (zh) * | 2012-10-15 | 2013-01-23 | 浙江大学 | 一种获取海上智能交通网络的系统碰撞风险的方法 |
| CN103106812A (zh) * | 2013-01-17 | 2013-05-15 | 中华人民共和国深圳海事局 | 一种获取海上船舶系统平均碰撞风险的方法 |
| KR20140102045A (ko) * | 2013-02-13 | 2014-08-21 | 목포해양대학교 산학협력단 | 선회 조기 감지 시스템 |
| CN106205213A (zh) * | 2014-12-30 | 2016-12-07 | 江苏理工学院 | 一种船舶轨迹预测方法 |
| CN105185162A (zh) * | 2015-10-26 | 2015-12-23 | 中国电子科技集团公司第二十八研究所 | 一种基于ais信息的多目标防撞预警方法 |
| CN105390029A (zh) * | 2015-11-06 | 2016-03-09 | 武汉理工大学 | 基于航迹融合和航迹预测的船舶避碰辅助决策方法及系统 |
| CN107577230A (zh) * | 2017-08-16 | 2018-01-12 | 武汉理工大学 | 一种面向无人船的智能避碰系统 |
| CN107933568A (zh) * | 2017-11-15 | 2018-04-20 | 中国联合网络通信集团有限公司 | 防碰撞控制方法、装置及系统 |
| CN109190170A (zh) * | 2018-08-02 | 2019-01-11 | 哈尔滨工程大学 | 一种基于云模型理论的船舶碰撞危险度建模方法 |
| CN109448442A (zh) * | 2018-10-12 | 2019-03-08 | 天津大学 | 一种海域内多船碰撞危险度的高效监测方法 |
Non-Patent Citations (4)
| Title |
|---|
| WILSON PA等: "A line of sight counteraction navigation algorithm for ship encounter collision avoidance", 《THE JOURNAL OF NAVIGATION》 * |
| 周伟: "宽水域船舶智能避碰决策算法验证及优化", 《中国优秀硕士学位论文全文数据库（工程科技Ⅱ辑）》 * |
| 李丽娜: "船舶拟人智能避碰决策方法研究综述", 《航海》 * |
| 毕修颖: "船舶碰撞危险度及避碰决策模型的研究", 《中国优秀博士学位论文全文数据库（工程科技Ⅱ辑）》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110758669A (zh) * | 2019-10-30 | 2020-02-07 | 青岛科技大学 | 一种开阔繁忙水域的双层相对领域获取方法 |
| CN110758669B (zh) * | 2019-10-30 | 2021-01-26 | 青岛科技大学 | 一种开阔繁忙水域的双层相对领域获取方法 |
| CN111275084A (zh) * | 2020-01-15 | 2020-06-12 | 智慧航海（青岛）科技有限公司 | 基于k近邻算法的会遇船舶碰撞危险类别确定方法和装置 |
| CN111260963A (zh) * | 2020-03-11 | 2020-06-09 | 武汉理工大学 | 一种多船会遇避碰方法 |
| CN111260963B (zh) * | 2020-03-11 | 2021-02-26 | 武汉理工大学 | 一种多船会遇避碰方法 |
| CN113240944A (zh) * | 2021-06-16 | 2021-08-10 | 广东海洋大学 | 一种基于大数据的个体船舶碰撞风险计算方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110009936B (zh) | 2021-01-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110009936A (zh) | 一种用于繁忙水域的船舶辅助避碰方法 | |
| Perera et al. | Ocean vessel trajectory estimation and prediction based on extended Kalman filter | |
| CN106845716A (zh) | 一种基于导航误差约束的水面无人艇局部分层路径规划方法 | |
| Daranda | Neural network approach to predict marine traffic | |
| CN111536962B (zh) | 智能船舶的航线规划方法及装置、存储介质、计算机设备 | |
| CN105353368A (zh) | 一种基于策略判决的自适应变结构雷达对海目标跟踪方法 | |
| CN110472500A (zh) | 一种基于高速无人艇的水面视觉目标快速检测算法 | |
| CN104537891A (zh) | 一种船舶轨迹实时预测方法 | |
| Lazarowska | Decision support system for collision avoidance at sea | |
| Naus | Drafting route plan templates for ships on the basis of AIS historical data | |
| CN110084491A (zh) | 对流天气条件下基于最优穿越路径的航路阻塞度评估方法 | |
| KR101658133B1 (ko) | 선박의 충돌위험도 산출 시스템 | |
| CN110703759B (zh) | 一种多船博弈的船舶避碰处理方法 | |
| Copping et al. | Likelihood of a marine vessel accident from wind energy development in the Atlantic | |
| Rong et al. | Simulation and analysis of maritime traffic in the Tagus River Estuary using AIS data | |
| Vagale et al. | Evaluation of path planning algorithms of autonomous surface vehicles based on safety and collision risk assessment | |
| Zhang et al. | A method of performing real-time ship conflict probability ranking in open waters based on AIS data | |
| CN104504934A (zh) | 一种航海交通管制方法 | |
| CN104504935A (zh) | 航海交通管制方法 | |
| KR20200086818A (ko) | 등리스크 곡선 맵핑 기반 항로 설정 방법 | |
| Cheng et al. | A probabilistic decision-making system for joining traffic lanes within an inland traffic separation scheme | |
| Bye | A receding horizon genetic algorithm for dynamic resource allocation: A case study on optimal positioning of tugs | |
| Hasegawa et al. | Qualitative and quantitative analysis of congested marine traffic environment–an application using marine traffic simulation system | |
| Millefiori et al. | Validation of the Ornstein-Uhlenbeck route propagation model in the Mediterranean Sea | |
| CN105388472A (zh) | 一种对海雷达系统中交错重叠目标跟踪方法 |
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 |