CN110175406A - 基于船联网条件下的多船跟随行为模拟方法 - Google Patents
基于船联网条件下的多船跟随行为模拟方法 Download PDFInfo
- Publication number
- CN110175406A CN110175406A CN201910448257.6A CN201910448257A CN110175406A CN 110175406 A CN110175406 A CN 110175406A CN 201910448257 A CN201910448257 A CN 201910448257A CN 110175406 A CN110175406 A CN 110175406A
- Authority
- CN
- China
- Prior art keywords
- ship
- model
- navigation
- networking
- speed
- 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
- 230000006855 networking Effects 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 238000004891 communication Methods 0.000 claims description 27
- 230000006399 behavior Effects 0.000 claims description 25
- 238000004088 simulation Methods 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 6
- 238000000611 regression analysis Methods 0.000 claims description 6
- 230000035945 sensitivity Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 2
- 230000001419 dependent effect Effects 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000010025 steaming Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于船联网条件下的多船跟随行为模拟方法。该方法建立的模型考虑了船联网和邻近船舶动态信息对当前船舶的影响。同时结合对船的速度、距离的影响建立的模型。首先从数据库中读取需要的关于船航行的记录，然后对数据进行分析，导出船队航行的有关条件和相关方程解析，最后根据提出的新模型预测出结果。该模型可以对跟随行为中速度的情况获得较高的预测精度，并且通过稳定性分析也可以知道该模型可以提高船队航行的稳定性。同时该模型可以用于船实际运行的仿真软件的模拟理论基础。
Description
技术领域
本发明涉及船安全航行仿真技术和船舶航行速度预测等技术领域，具体涉及一种在船联网下的多船跟随模型的建立。
背景技术
波罗地海域是一个相对繁忙的海上交通点，也是重要的经济贸易发展方式，冬季航行是一个相对较为危险的时间，数据分析表明冬季航行是所有报告数据中发生事故最多的，也是最典型的。随着航运的不断发展，多艘船跟随模型的研究显得举足轻重，而在现如今通信发达的时代，通信在船队安全航行中也是不可或缺的。研究出符合船队在联网情况下的航行模型对建立仿真模拟软件的理论打下坚实的基础，同时也能减少船舶碰撞事故的发生，这也是研究和讨论的重点问题。
船舶安全航行主要是三个方面：人为因素，环境因素和船舶因素。人为因素占大概80％，人为因素的影响主要在于航海船员采取的航行方式。该方式包括：航行角度，航行速度，航行距离等。在通信的情况下，船员依据已知信息提前做出反应。因此，船员操作质量可以提高。例如，当前船发送减速的信息给跟随船时，跟随船接收到信息后执行减速的反应时间会减少。这样可以及时的避免碰撞情况的发生。
现有模型大致分为三类。第一类模型考虑了在内河的船舶跟随情况。第二类模型从两船碰撞频率的角度出发得出限制的频率范围内的两船之间跟随航行所需保持的安全距离。第三类主要从船的跟随模型的角度出发，该模型保持船的安全航行并且可以运用在软件技术中，后两类模型有个共同的特点是两艘船之间的护航行动的建模，预测的范围有限，再多的船只模型就无法使用，但是航行时往往不只一艘船跟随着第一艘船，而且三类模型都没有考虑通信的情况。考虑通信的情况下船舶模型更加完善。
发明内容
为了克服上述背景技术介绍中存在的不足，本发明在于提供了一种基于船联网条件下的多船跟随行为模拟方法，解决传统模型无法预测通过船联网进行通信的情况下的多艘跟随船航行状态的问题。通过对其他船跟随模型的学习结合船在联网航行的真实情况，提高模型对多艘船在联网航行的能力。而后，通过AIS数据的研究，从而进一步提高模型的预测精度以便于能有效的运用在仿真软件中。
实现本发明目的的技术解决方案为一种在船联网下的多船跟随模型预测船的安全航速，包括如下步骤：
步骤一：获取需要进行船队航行的航行速度、航行距离、船舶的规格等信息；
步骤二：根据步骤一获取的信息，通过回归分析得到船队航行的安全速度；
步骤三：通过对船联网方式的分析，得到船舶在通信条件下受到的影响。
步骤四：建立在船联网条件下的多船跟随行为模型；
步骤五：依据建立的跟随模型，对模型的稳定性进行解析和仿真分析；
步骤六：根据船在下一时刻的实际航行速度和模型预测的下一时刻的航行速度进行对比，并分析误差。
进一步地，所述的一种基于船联网条件下的多船跟随行为模拟方法，其特征在于：所述的船航行历史数据是指数据的采集时间先于预测时刻的距离、速度等数据，获取的船航行的历史数据是以10s为时间间隔的速度采样数据。
进一步地，所述的一种基于船联网条件下的多船跟随行为模拟方法，其特征在于：长距离无线通信技术是一种低功耗的长距离传输，传输频率为433MHZ，传输距离最远达15km，可实时通信获取数据。
进一步地，所述的一种基于船联网条件下的多船跟随行为模拟方法，其特征在于：步骤二中的安全速度的回归分析关系式定义如下：
Vmax＝60.53IN3-205.4IN2+228.4IN-74.01
其中Vmax表示最大可以航行的速度，也就是安全速度。
进一步地，所述的一种基于船联网条件下的多船跟随行为模拟方法，其特征在于：船联网条件下船舶受到的影响如下：
CN＝γ[V(△xn(t))-V(△xn(t-τ))]
上述等式中，γ表示表示最优速度随记忆时间步长改变的敏感系数，τ表示记忆时间步长，V(△xn(t))-V(△xn(t-τ))表示最优速度根据时间调整的差值项。当船舶联网的情况下，船员可以提前做出一系列调整船舶航行的操作，这样有利于船舶安全行驶。
进一步地，所述的一种基于船联网条件下的多船跟随行为模拟方法，其特征在于：最终建立在船联网下的多艘船的跟随模型的定义如下：
vn(t+T)＝pVF(△xn(t))+(1-p)VB(△xn-1(t))+λ△vn(t)T+γ[V(△xn(t))-V(△xn(t-τ))]T-aiT
VF(△xn(t))＝vmax[tanh(△xn(t)-dc)+tanh(dc)]/2
VB(△xn-1(t))＝vmax[tanh(△xn-1(t)-dc)+tanh(dc)]/2
0.5≤p≤1表示当前航海操作员对前方船的关注度，1-p表示后船对当前船的影响程度，在船队航行过程中当前船对前船的关注度比对后船的关注度要高，这也符合实际环境。V(△xn(t))-V(△xn(t-τ))表示最优速度根据时间调整的差值项，τ表示记忆时间步长，γ表示最优速度随记忆时间步长改变的敏感系数，VF(△xn(t))表示向前观测的最优速度，VB(△xn-1(t))表示向后观测的最优速度。ai表示船航行受到的阻碍的加速度。△xn-1(t)＝xn(t)-xn-1(t)表示当前船和后船之间的距离差，dc表示每两艘船之间的安全距离。
进一步地，所述的一种基于船联网条件下的多船跟随行为模拟方法，其特征在于：步骤五中的稳定性分析结果如下：
进一步地，所述的一种基于船联网条件下的多船跟随行为模拟方法，其特征在于：步骤六的误差分析计算公式如下：
其中vmodel,i代表实际船舶在时间i的航行速度，vobs,i代表模拟仿真的船舶在时间i航行的速度，n代表共选取测试数据的个数。
与现有技术相比，本发明的显著优点包括：(1)可以用于在船实际运行的仿真软件模拟的理论基础，满足船队航行时通信的需求，还很符合船队在船联网下跟随航行的实际情况(2)通过对于船舶实际情况：考虑通信情况和前船和后船的影响。从而进一步提高模型的预测精度。
本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
图1是本发明的船联网下跟随行为流程图
图2是本发明的船联网下的船舶航行信息图
图3是本发明的多船在船联网下的跟随行为图
图4是本发明的模型稳定性分析图
图5是本发明的其中一艘船的速度模型结果对比图
具体实施方式
下面结合附图和具体实例，进一步阐明本发明，应理解这些实例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
基于船联网条件下的多船跟随行为模拟方法，主要流程图及其结构图如图1所示，具体过程包括以下步骤：
步骤一：获取需要进行船队航行的航行速度、航行距离、船舶的规格等信息；
步骤二：根据步骤一获取的信息，通过回归分析得到船队航行的安全速度；
步骤三：通过对船联网方式的分析，得到船舶在通信条件下受到的影响。
步骤四：建立在船联网条件下的多船跟随行为模型；
步骤五：依据建立的跟随模型，对模型的稳定性进行解析和仿真分析；
步骤六：根据船在下一时刻的实际航行速度和模型预测的下一时刻的航行速度进行对比，并分析误差。
在本实施用例中，船跟随航行数据通过AIS采集得到，获取得到的船跟随航行数据为跟随船跟随头船航行的速度、距离和所遇到的情况，本实例中采用的预测时间间隔为10s。
头船和跟随船在通信情况下的实际航行示意图如图2所示。图2中当前船能接收来自前船和头船发送的信息，航海员通过通信条件下接收的信息进行加速和减速。
该模型考虑了前视效应和后视效应并且通过距离来调整速度，考虑到船队的速度和船与船之间的距离也有着密切的关系，前船和当前船距离变小时，前船要适当减速以保持稳定安全的航行。头船的主要任务是为了开辟最佳航行路径使运输有效进行，对于模型阻力的设计考虑的因素满足航行效率和推进模型的改变。在对模型进行设计的过程中需要把通信的情况考虑进去，这样使得船联网下的多船跟随模型在实际的船运领域可以得到应用。
该模型与前人研究的最大的不同之处有两方面：一方面是考虑了实际航行过程中不只有一艘船跟随着头船航行，往往有很多艘船舶同时跟随着头船航行。另一方面考虑了通信的情况，这样大大提高了船队稳定航行。还有的模型只从安全距离的角度出发。模型的建立有助于仿真软件理论的提高，船舶航行的安全性和稳定性也因此得到了提高。
最优速度在跟随模型中很是常用，不仅在交通流中，同时在船舶跟随行为中也是适用的。可以建立起预测速度和船舶跟随航行之间复杂的函数关系。在此过程中不仅考虑前视效应的最优速度，还考虑后视效应的最优速度。一种在船联网下的多船跟随模型采用最优速度函数作为一个调节点：
VF(△xn(t))＝vmax[tanh(△xn(t)-dc)+tanh(dc)]/2 (1)
VB(△xn-1(t))＝vmax[tanh(△xn-1(t)-dc)+tanh(dc)]/2 (2)
△xn-1(t)＝xn(t)-xn-1(t) (3)
最大安全速度定义为船所能航行的最大速度，依据实际的安全航行数据进行回归分析，得到波罗地海域所能安全航行的速度。
然后采用多项式回归分析得到的最大安全航行速度之间的关系得到如下等式所示：
Vmax＝60.53IN3-205.4IN2+228.4IN-74.01 (4)
在上面的公式中，拟合得到的normr值为6.2171，表示判断精度，值越小拟合的越精确。IN的均值为1.0718，方差为0.0261。除了安全速度，安全距离也是一个十分重要的因素，安全距离计算公式如下所示：
Dsafe-ice＝xp(tn+τ)-xf(tn+τ)-lp-△D (5)
安全距离是船与船之间必须要考虑的因素，只有在允许的距离的条件下行驶才能保证航行的安全性和可靠性。通信对船舶航行安全有着很重要的保障，所以船舶在通信条件下航行的运动学方法可以体现在等式6中：
CN＝γ[V(△xn(t))-V(△xn(t-τ))] (6)
Mg＝ρwgVd＝1×103g×L×W×D×CB (7)
等式7中L表示船长，W表示船宽，D表示船的吃水深度，CB表示方形系数，ρw表示水的密度，Vd表示船的体积，M为需要求解的船的质量。在有通信的情况下，航海员能够提前掌握很详细的航海信息，从而对船队航海状况有个大致的记忆，然后根据这个信息在一段时间内对航海状况做出相应的航海策略。模型在通信部分的建立反应在考虑了这个记忆项的影响。船联网下的多船跟随模型，船队所航行的通信示意图结构如图2所示和船队在船联网航行的跟随行为图如图3所示。
传统的船跟随模型在大多数情况下对安全速度或者安全距离的单方面考虑，且还有的模型是建立在只有两艘船的基础上，有些建立了多艘船的模型但是并未考虑通信的影响，这些考虑的都比较单一或者不是很实用。由于船只在跟随头船航行不只有一艘船，多数情况下跟随3艘及以上，并且船队航行建立在有通信的情况下，这时模型就有局限性，实际上可能就无法使用了。一种在船联网下的多艘跟随船模型就很全面，不仅有前视效应，后视效应，通过船联网进行通信的情况下，并且适合多艘航行的情况，对于数据预测的准确度也有很大的提高。对船舶航行的稳定性有很大的提高，其中模型的建立过程如下等式所示：
vn(t+T)＝pVF(△xn(t))+(1-p)VB(△xn-1(t))+λ△vn(t)T+γ[V(△xn(t))-V(△xn(t-τ))]T-aiT (8)
0.5≤p≤1表示当前航海操作员对前方船的关注度，1-p表示后船对当前船的影响程度，在船队航行过程中当前船对前船的关注度比对后船的关注度要高，这也符合实际环境。V(△xn(t))-V(△xn(t-τ))表示最优速度根据时间调整的差值项，τ表示记忆时间步长，γ表示最优速度随记忆时间步长改变的敏感系数，VF(△xn(t))表示向前观测的最优速度，VB(△xn-1(t))表示向后观测的最优速度。ai表示头船航行时受到的阻碍的加速度。船队航行通信情况示意图如图2所示。
误差分析计算公式如下：
其中vmodel,i代表实际船舶在时间i的航行速度，vobs,i代表模拟仿真的船舶在时间i航行的速度，n代表共选取测试数据的个数。本发明方法的历史真实航行速度和模型仿真模拟的速度的对比图如图5所示。
Claims (8)
1.一种基于船联网条件下的多船跟随行为模拟方法，其特征在于：为了提高船实际运行的稳定性和安全性，模型中考虑了通信的情况和船队航行过程中前船和后船对当前船的影响；通信技术采用长距离无线通信，AIS提供的数据作为模型可靠性分析的基本因素。使用数据进行稳定性和预测精确度分析，从而进一步提高模型的预测精度和仿真软件模拟的真实性。具体过程包括以下步骤：
步骤一：获取需要进行船队航行的航行速度、航行距离、船舶的规格等信息；
步骤二：根据步骤一获取的信息，通过回归分析得到船队航行的安全速度；
步骤三：通过对船联网方式的分析，得到船舶在通信条件下受到的影响。
步骤四：建立在船联网条件下的多船跟随行为模型；
步骤五：依据建立的跟随模型，对模型的稳定性进行解析和仿真分析；
步骤六：根据船在下一时刻的实际航行速度和模型预测的下一时刻的航行速度进行对比，并分析误差。
2.根据权利要求1所述的一种基于船联网条件下的多船跟随行为模拟方法，其特征在于：所述的船航行历史数据是指数据的采集时间先于预测时刻的距离、速度等数据，获取的船航行的历史数据是以10s为时间间隔的速度采样数据。
3.根据权利要求1所述的一种基于船联网条件下的多船跟随行为模拟方法，其特征在于：长距离无线通信技术是一种低功耗的长距离传输，传输频率为433MHZ，传输距离最远达15km，可实时通信获取数据。
4.根据权利要求1所述的一种基于船联网条件下的多船跟随行为模拟方法，其特征在于：步骤二中的安全速度的回归分析关系式定义如下：
Vmax＝60.53IN3-205.4IN2+228.4IN-74.01
其中Vmax表示最大可以航行的速度，也就是安全速度。
5.根据权利要求1所述的一种基于船联网条件下的多船跟随行为模拟方法，其特征在于：船联网条件下船舶受到的影响如下：
CN＝γ[V(△xn(t))-V(△xn(t-τ))]
上述等式中，γ表示表示最优速度随记忆时间步长改变的敏感系数，τ表示记忆时间步长，V(△xn(t))-V(△xn(t-τ))表示最优速度根据时间调整的差值项。当船舶联网的情况下，船员可以提前做出一系列调整船舶航行的操作，这样有利于船舶安全行驶。
6.根据权利要求1所述的一种基于船联网条件下的多船跟随行为模拟方法，其特征在于：最终建立在船联网下的多艘船的跟随模型(BLI-OVCM模型)的定义如下：
vn(t+T)＝pVF(△xn(t))+(1-p)VB(△xn-1(t))+λ△vn(t)T+γ[V(△xn(t))-V(△xn(t-τ))]T-aiT
VF(△xn(t))＝vmax[tanh(△xn(t)-dc)+tanh(dc)]/2
VB(△xn-1(t))＝vmax[tanh(△xn-1(t)-dc)+tanh(dc)]/2
0.5≤p≤1表示当前航海操作员对前方船的关注度，1-p表示后船对当前船的影响程度，在船队航行过程中当前船对前船的关注度比对后船的关注度要高，这也符合实际环境。V(△xn(t))-V(△xn(t-τ))表示最优速度根据时间调整的差值项，τ表示记忆时间步长，γ表示最优速度随记忆时间步长改变的敏感系数(表示通信对模型的影响项)，VF(△xn(t))表示前船对当前船的影响的最优速度，VB(△xn-1(t))表示后船对当前船的影响的最优速度。ai表示船航行受到的阻碍的加速度。△xn-1(t)＝xn(t)-xn-1(t)表示当前船和后船之间的距离差，dc表示每两艘船之间的安全距离。
7.根据权利要求1所述的一种基于船联网条件下的多船跟随行为模拟方法，其特征在于：步骤五中的稳定性分析结果如下：
8.根据权利要求1所述的一种基于船联网条件下的多船跟随行为模拟方法，其特征在于：步骤六的误差分析计算公式如下：
其中vobs,i代表实际船舶在时间i的航行速度，vmodel,i代表模拟仿真的船舶在时间i航行的速度，n代表共选取测试数据的个数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910448257.6A CN110175406B (zh) | 2019-05-27 | 2019-05-27 | 基于船联网条件下的多船跟随行为模拟方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910448257.6A CN110175406B (zh) | 2019-05-27 | 2019-05-27 | 基于船联网条件下的多船跟随行为模拟方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110175406A true CN110175406A (zh) | 2019-08-27 |
| CN110175406B CN110175406B (zh) | 2022-10-18 |
Family
ID=67696294
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910448257.6A Expired - Fee Related CN110175406B (zh) | 2019-05-27 | 2019-05-27 | 基于船联网条件下的多船跟随行为模拟方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110175406B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111797529A (zh) * | 2020-07-07 | 2020-10-20 | 中国人民解放军军事科学院评估论证研究中心 | 一种计算机仿真模拟延缓海上行动的方法 |
| CN112213948A (zh) * | 2020-10-23 | 2021-01-12 | 武汉理工大学 | 一种基于mpc的船舶航速协同控制方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106803226A (zh) * | 2017-01-23 | 2017-06-06 | 长安大学 | 考虑最优速度记忆及后视效应的车辆跟驰建模方法 |
| CN108919800A (zh) * | 2018-06-22 | 2018-11-30 | 武汉理工大学 | 一种船舶智能列队航行系统 |
-
2019
- 2019-05-27 CN CN201910448257.6A patent/CN110175406B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106803226A (zh) * | 2017-01-23 | 2017-06-06 | 长安大学 | 考虑最优速度记忆及后视效应的车辆跟驰建模方法 |
| CN108919800A (zh) * | 2018-06-22 | 2018-11-30 | 武汉理工大学 | 一种船舶智能列队航行系统 |
Non-Patent Citations (1)
| Title |
|---|
| WEIBIN ZHANG等: "A multi-ship following model for icebreaker convoy operations in ice-covered waters", 《OCEAN ENGINEERING》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111797529A (zh) * | 2020-07-07 | 2020-10-20 | 中国人民解放军军事科学院评估论证研究中心 | 一种计算机仿真模拟延缓海上行动的方法 |
| CN111797529B (zh) * | 2020-07-07 | 2021-10-15 | 中国人民解放军军事科学院评估论证研究中心 | 一种计算机仿真模拟延缓海上行动的方法 |
| CN112213948A (zh) * | 2020-10-23 | 2021-01-12 | 武汉理工大学 | 一种基于mpc的船舶航速协同控制方法 |
| CN112213948B (zh) * | 2020-10-23 | 2022-06-10 | 武汉理工大学 | 一种基于mpc的船舶航速协同控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110175406B (zh) | 2022-10-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109753068B (zh) | 一种考虑通信情况的多usv群体协同避碰规划方法 | |
| Zhang et al. | Collision-avoidance navigation systems for Maritime Autonomous Surface Ships: A state of the art survey | |
| CN103531043B (zh) | 基于航线匹配的船舶点到点航行时间估算方法 | |
| CN105070101B (zh) | 筒型平台拖带风险预警及可视化系统 | |
| CN113156947B (zh) | 一种船舶在动态环境下的路径规划的方法 | |
| CN113671968B (zh) | 一种无人水面艇实时避碰方法 | |
| Xiong et al. | Research on data driven adaptive berthing method and technology | |
| CN110745212B (zh) | 一种基于波浪测量的舰载机着舰辅助决策方法及装置 | |
| CN110232242A (zh) | 基于冰区破冰船护航的多船跟随运动学方法 | |
| CN112000097B (zh) | 一种港区无人拖航作业的拖船集群自适应控制方法 | |
| CN110175406A (zh) | 基于船联网条件下的多船跟随行为模拟方法 | |
| Liu et al. | Cooperative ship formation system and control methods in the ship lock waterway | |
| CN114492086B (zh) | 一种船舶单锚泊锚位智能检测方法 | |
| Zhao et al. | Decision-making for the autonomous navigation of USVs based on deep reinforcement learning under IALA maritime buoyage system | |
| CN112396869B (zh) | 一种极地编队船舶协同航行及预警方法 | |
| US11897589B1 (en) | Reduced wave-making resistance of a vessel operating in a seaway based on time-dependent Kelvin wake wave generation | |
| CN101957384A (zh) | 船舶航速往复式测量方法 | |
| CN114882736B (zh) | 可容忍风险船舶航路与海上区域建筑安全间距计算方法 | |
| CN113095627B (zh) | 一种无规则限制性区域船舶调度方法 | |
| Fang et al. | Evaluation Model of Ship Berthing Behavior Based on AIS Data | |
| Zhou et al. | Scenario modeling method for collision avoidance testing in inland waterway | |
| RU2672236C2 (ru) | Способ предупреждения столкновения морских судов | |
| Xue et al. | Risk Assessment Based on KDE of Ship Collision Candidates for Ship Routing Waterway | |
| CN110648557A (zh) | 一种受限水域基于船舶集群态势的相对领域获取方法 | |
| CN114492571B (zh) | 一种基于相似度距离的船舶轨迹分类方法 |
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 | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Zhang Weibin Inventor after: Zou Ziyao Inventor after: Gui Linqing Inventor after: Shu Feng Inventor before: Zou Ziyao Inventor before: Zhang Weibin Inventor before: Gui Linqing Inventor before: Shu Feng |
|
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20221018 |