CN110196986A - 基于气象环境信息的无人船舶最短航时航线优化方法 - Google Patents

基于气象环境信息的无人船舶最短航时航线优化方法 Download PDF

Info

Publication number
CN110196986A
CN110196986A CN201910169129.8A CN201910169129A CN110196986A CN 110196986 A CN110196986 A CN 110196986A CN 201910169129 A CN201910169129 A CN 201910169129A CN 110196986 A CN110196986 A CN 110196986A
Authority
CN
China
Prior art keywords
way point
ship
great
latitude
current
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.)
Pending
Application number
CN201910169129.8A
Other languages
English (en)
Inventor
王晓原
夏媛媛
姜雨函
刘亚奇
唐学大
赵新越
高杰
柴垒
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Navigation Brilliance Qingdao Technology Co Ltd
Original Assignee
Navigation Brilliance Qingdao Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Navigation Brilliance Qingdao Technology Co Ltd filed Critical Navigation Brilliance Qingdao Technology Co Ltd
Priority to CN201910169129.8A priority Critical patent/CN110196986A/zh
Publication of CN110196986A publication Critical patent/CN110196986A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Evolutionary Computation (AREA)
  • Strategic Management (AREA)
  • Computer Hardware Design (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computational Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Navigation (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明涉及一种基于气象环境信息的无人船舶最短航时航线优化方法，包括：S1、根据气象环境信息，构建无人船舶航行失速矩阵模型；S2、根据无人船舶航线起点和终点经纬度值，获取从起点到终点大圆航线，及大圆航线上各个航路点的经纬度值；S3、依据无人船舶航行失速矩阵对大圆航线上的航路点进行调整；S4、判断调整后的大圆航线耗时是否小于调整前的大圆航线耗时，若是，则输出最短航时航线，若否，则返回步骤S3对大圆航线上的航路点继续进行调整。该方法在航线规划同时考虑了气象环境信息，在保障船舶安全性的前提下，躲避不利于船舶航行的因素，最大限度利用有利于航行的气象条件，实现无人船舶航行时间最短，提升船舶运行效率。

Description

基于气象环境信息的无人船舶最短航时航线优化方法
技术领域
本发明涉及无人船舶航线规划技术，尤其涉及一种基于气象环境信息的无人船舶最短航时航线优化方法。
背景技术
在大洋中航行的无人船舶，会或多或少地遇到较大的风浪，在无人船舶全局航线规划中，躲避大风浪区域是考虑气象对航线影响的重要目的之一。目前，无人船舶全局航线规划方面研究的主要内容为航线最短路算法、避障算法等，这些算法大多是为了避障，以避障和路径最短作为路径规划目的，虽然保障了船舶航行的安全性，但是没有考虑气象信息以及不利于躲避船舶航行的风浪流因素，没有最大限度的利用有利于船舶航行的气象条件，没有对航线的经济性、生态性做出有效保障，不利于降低船舶运营成本，减少船舶运行效率。
因此，提出一种基于气象环境信息的无人船舶最短航时航线优化方法是非常必要的。
发明内容
(一)发明目的
本发明提供一种基于气象环境信息的无人船舶最短航时航线优化方法，该方法改进了目前仅以避障和路径最短作为唯一标准的大圆航线规划方法，航线规划同时考虑了气象水文信息，在保障船舶安全性的前提下，躲避不利于船舶航行的风浪流等因素，最大限度利用有利于航行的气象条件。
(二)技术方案
为了达到上述目的，本发明一种基于气象环境信息的无人船舶最短航时航线优化方法，包括：
S1、根据气象环境信息，构建无人船舶航行失速矩阵模型；
S2、根据无人船舶航线起点和终点经纬度值，获取从起点到终点大圆航线，及大圆航线上预设数目的各个航路点的经纬度值；
S3、依据无人船舶航行失速矩阵对大圆航线上的航路点进行调整：
判断大圆航线上的航路点是否满足：当前航路点的失速小于预设船舶临界速度，并且当前航路点的无人船舶的外部气象阻力小于船舶自身的推力，若是，则该航路点为理想航路点，不用调整，若否，则对该航路点的经度和纬度增加或者减少一个随机的数值；
S4、判断调整后的大圆航线耗时是否小于调整前的大圆航线耗时，若是，则输出最短航时航线，若否，则返回步骤S3对大圆航线上的航路点继续进行调整。
所述步骤S1中无人船舶航行失速矩阵模型包括：
根据公式一建立在航线地图上的经纬度下的船舶航行失速V的模型；
公式一：
V＝V0-(a1h-a2qh+a3Fcosα)(1-a4DV0)；
其中，V0为无人船舶的静水航速，aj为无人船舶性能系数，j＝1,2,3,4； h为当前经纬度的浪高，q为当前经纬度的相对波向，F为当前经纬度的风速，α为当前经纬度的相对风向，D为无人船舶的排水量。
所述步骤S1包括：
S11、获取全球气象信息，获得风力矩阵，所述风力矩阵包括经向风矩阵、纬向风向矩阵和风速矩阵；
S12、根据风力矩阵获得航线地图上当前经纬度的风速F，相对风向α；；
S13、根据风力矩阵，获得海浪矩阵:
其中，v为10m高度处的风速，g为重力加速度，为海浪平均浪高；
S14、根据风向矩阵获得航线地图上，当前经纬度的相对波向q：
q＝|180°-|C-α||；
其中，C为船舶航向；
S15、根据当前经纬度的风速F、相对风向α、浪高h，相对波向q获得当前经纬度下的船舶航行失速V矩阵模型。
所述步骤S3中船舶临界速度VL为：
VL＝e0.13[u(q)-h]0.16+r(q)；
其中，u(q)＝12.0+1.4×10-4q23，r(q)＝7.0+4.0×10-4q23。
所述步骤S3包括：
S31、获取大圆航线上的任意一个航路点，设为当前航路点；
S32、根据公式一获得当前航路点的失速；
S33、判断当前航路点的失速是否小于预设船舶临界速度，并且当前航路点的无人船舶的外部气象阻力是否小于船舶自身的推力，若是，则将该航路点记为理想航路点并返回步骤S31获取下一个航路点，若否，则执行步骤S34；
S34、对当前航路点的经度或纬度增加或者减少一个随机的数值；
S35、记录步骤S34修正后的航路点并返回步骤S31获取下一个航路点。
所述步骤S34包括：
产生一个0-1范围内的随机数值rand1，判断产生随机数值rand1是否大于0.5，若是，则对当前航路点的经度增加0.25～1.25范围内的随机的数值，若否，则对当前航路点的经度减少0.25～1.25范围内的随机的数值；
同时，产生一个0-1范围内的随机数值rand2，判断产生随机数值rand2 是否大于0.5，若是，则对当前航路点的纬度增加0.25～1.25范围内的随机的数值，若否，则对当前航路点的纬度减少0.25～1.25范围内的随机的数值。
所述步骤S4中判断调整后的大圆航线耗时是否小于调整前的大圆航线耗时，包括：
通过航程耗时公式，获得调整前以及调整后的大圆航线耗时；
航程耗时公式：
其中，t为航程的总航时，Si为第i段航程的长度，vi为第i段航程的航速。
可选地，所述方法还包括：
S5、判断航线迭代次数是否到达预设设定值，若否，则返回步骤S3，若是，则输出当前最短航时航线。
(三)有益效果
本发明的有益效果是：改进了目前仅以避障和路径最短作为唯一标准的大圆航线规划方法，航线规划同时考虑了气象环境信息，在保障船舶安全性的前提下，躲避不利于船舶航行的风浪流等因素，最大限度利用有利于航行的气象条件，通过适当绕航的方法，实现无人船舶航行时间最短，提升船舶运行效率。
附图说明
图1为本发明一种基于气象环境信息的无人船舶最短航时航线优化方法的示意图；
图2为本发明一种基于气象环境信息的无人船舶最短航时航线优化方法步骤S1流程图；
图3为本发明一种基于气象环境信息的无人船舶最短航时航线优化方法步骤S2流程图；
图4为本发明一种基于气象环境信息的无人船舶最短航时航线优化方法步骤S5流程示意图；
图5为普通方法规划的大圆航线示意图；
图6为本发明方法规划的大圆航线示意图；
图7为普通方法与本发明方法规划的大圆航线对比图；
图8为本发明方法相对波向q的计算方法示意图。
具体实施方式
为了更好的解释本发明，以便于理解，下面通过具体实施方式，对本发明作详细描述。
本发明提出一种基于气象环境信息的无人船舶最短航时航线优化方法，是在岸基指挥中心和环境监测的共同作用下，利用电子海图或其他可以获取海洋中的气象水文信息，获得无人船舶航线航行中的一系列复杂海洋环境、气象环境，将气象环境信息进行分析处理，转化为全局规划系统所需的风、浪、流的数据，根据气象数据对无人船舶从起点到终点的大圆航线进行自主优化，规划出一条从起始点安全到达目标点合理的全局航线。本发明在优化过程中引入了风浪流对航线的影响，在保障船舶安全性的前提下，躲避不利于船舶航行的风浪等因素，尽可能利用有利于航行的气象条件，通过适当“绕航”和改变航向的方式，并以最短航时的方式到达目标港。
如图1所示，本发明一种基于气象环境信息的无人船舶最短航时航线优化方法，包括：
S1、根据气象环境信息，构建无人船舶航行失速矩阵模型。
船舶在风浪中航行时，若主机发出的功率不变，由于风浪产生的阻力使船速低于静水船速，这种船速降低的现象称为失速，也称为非主动失速或自然失速。具体地，如图2所示，本步骤包括：
S11、获取全球气象信息，获得风力矩阵，所述风力矩阵包括经向风矩阵、纬向风向矩阵和风速矩阵；
基于环境监测信息，例如实时风向图、天气预报等，利用电子海图或其他可以获取海洋中环境信息，获得海洋环境中的风力矩阵，风力矩阵为在电子海图上，每一个经纬度上的风力信息，包括经向风、纬向风向和风速三个矩阵，将经向风、纬向风矩阵合成，得到风向矩阵。
S12、根据风力矩阵获得在航线地图上，当前经纬度的风速F以及相对风向α。
S13、根据风力矩阵，获得海浪矩阵。
由步骤S11获得的风场信息推算浪场信息，根据风力矩阵，获得海浪矩阵。
其中，v为10m高度处的风速，g为重力加速度，为海浪平均浪高。
S14、根据海浪矩阵获得航线地图上，当前经纬度的浪高h，相对波向q。
由于波向近似与风向，因此波向矩阵等同于风向矩阵。
根据波向矩阵和船舶航向，获得船体的迎风角矩阵。
船体迎风角β是指船舶航向C与风向α之间的夹角。如图8所示，直角坐标系中，y轴正方向为正北方向，则迎风角β的计算公式为：
β＝|180°-|C-α||。
式中，α为风向角度，C为船舶航向。该式求得的角度范围为[0,π)。
由此获得当前经纬度的相对波向q即船体迎风角β。
S15、根据当前经纬度的风速F、相对风向α、浪高h，相对波向q获得当前经纬度下的船舶航行失速V矩阵模型。
结合风浪矩阵，构造船舶失速矩阵，以风场和浪场数据对船舶失速值进行推算，得到全球范围内的船舶失速矩阵。
根据公式一建立在航线地图上的经纬度下的船舶航行失速V的模型；
公式一：
V＝V0-(a1h-a2qh+a3Fcosα)(1-a4DV0)；
其中，V0为无人船舶的静水航速，aj为无人船舶性能系数，j＝1,2,3,4； h为当前经纬度的浪高，q为当前经纬度的相对波向，F为当前经纬度的风速，α为当前经纬度的相对风向，D为无人船舶的排水量。
由此，获得全球范围内的船舶失速矩阵，可在航线规划时读取确定的船速数据，得到的航线结果精确度高的规划路径。
S2、根据无人船舶航线起点和终点经纬度值，获取从起点到终点大圆航线，及大圆航线上预设数目的各个航路点的经纬度值；
基于岸基指挥中心指令，获得无人船舶航线起点和终点经纬度值，基于电子海图，定义地图的边界，绘制全球地图大陆和岛屿。获取从起点到终点大圆航线：
如图3所示，包括：
输入大圆航线的起点和终点经纬度值；
设置航路点个数N；
生成大圆航线，并得到各个航路点的经纬度值。
S3、依据无人船舶航行失速矩阵对大圆航线上的航路点进行调整：
判断大圆航线上的航路点是否满足：当前航路点的失速小于预设船舶临界速度，并且当前航路点的无人船舶的外部气象阻力小于船舶自身的推力，若是，则该航路点为理想航路点，不用调整，若否，则对该航路点的经度和纬度增加或者减少一个随机的数值。
在调整过程中引入了风浪流对航线的影响，在保障船舶安全性的前提下，躲避不利于船舶航行的风浪等因素，尽可能利用有利于航行的气象条件，通过适当“绕航”和改变航向的方式，并以最短航时的方式到达目标港的全局路径规划。具体地，如图所示，本步骤包括：
S31、获取大圆航线上的航路点，设为当前航路点；
读取大圆航线的航路点数据作为航线优化的初始数据；读取大圆航线上各个航路点的经纬度值，获取其中任意一个航路点，对获取的航路点进行扰动调整。
调整策略为：a)首次调整时，通过产生一定范围内随机数，随机调整航路点的变化大小，对需要调整的航路点，产生一个范围0～1的rand，若rand≥0.5，则航路点经度增加0.25～1.25，因气象矩阵每两个格子间距为0.25°，故0.25～1.25范围内取0.25的倍数，即航路点调整1～5个格子的范围；若rand<0.5，则航路点经度减少0.25～1.25。对航路点纬度的调整亦如是；b)当航路点已经达到比较理想的位置，理想点意义如下：1. 失速公式计算所得船舶速度小于船舶临界速度，计算方法见公式(3)； 2.外部气象条件给予的阻力应小于船舶自身的推力，不予变动；c)保存位置比较理想的航路点，在下一次调整时，只调整位置不够理想的航路点。
S32、根据公式一获得当前航路点的失速。
S33、判断当前航路点的失速是否小于预设船舶临界速度，并且当前航路点的无人船舶的外部气象阻力是否小于船舶自身的推力，若是，则将该航路点记为理想航路点并返回步骤S31获取下一个航路点，若否，则执行步骤S34。
其中，船舶临界速度VL为：
VL＝e0.13[u(q)-h]0.16+r(q)；
其中，u(q)＝12.0+1.4×10-4q23，r(q)＝7.0+4.0×10-4q23。
通过设定船舶临界速度，设定航路点的调整规则，在随机扰动航路点的过程中，选择更为理想的航路点，且在下一次的扰动过程中，以一定的概率保留位置较好的航路点，调整位置不够理想的航路点。
S34、对当前航路点的经度或纬度增加或者减少一个随机的数值。
产生一个0-1范围内的随机数值rand1，判断产生随机数值rand1是否大于0.5，若是，则对当前航路点的经度增加0.25～1.25范围内的随机的数值，若否，则对当前航路点的经度减少0.25～1.25范围内的随机的数值；
同时，产生一个0-1范围内的随机数值rand2，判断产生随机数值rand2 是否大于0.5，若是，则对当前航路点的纬度增加0.25～1.25范围内的随机的数值，若否，则对当前航路点的纬度减少0.25～1.25范围内的随机的数值。
S35、记录步骤S34修正后的航路点并返回步骤S31获取下一个航路点。
S4、判断调整后的大圆航线耗时是否小于调整前的大圆航线耗时，若是，则输出最短航时航线，若否，则返回步骤S3对大圆航线上的航路点继续进行调整。
计算新航线的总航程，读取船舶失速矩阵，统计航路点经过每个格子的船舶速度，判断新航线航时是否小于原有航线航时。
通过航程耗时公式，获得调整前以及调整后的大圆航线耗时；
航程耗时公式：
其中，t为航程的总航时，Si为第i段航程的长度，vi为第i段航程的航速。
计算新航线与当前最佳航线之间总航时之差，若新航线耗时小于当前最佳航线，则新航线取代当前航线为最佳航线。使用新航线代替原有航线成为最优航线。
可选地，如图4所示，还可设定迭代次数，判断航线迭代次数是否到达设定值，若未达到，继续迭代，若已完成迭代则输出当期最佳航线，即航时最小航线。
S5、判断航线迭代次数是否到达预设设定值，若否，则返回步骤S3，若是，则输出当前最短航时航线。
可设定航线迭代次数，对经步骤S1-S4获得的新航线，再次进行迭代计算，最后获得最短航时的最佳航线。
对航线经过的每个栅格的数据均进行统计，充分考虑风浪因素对船舶航时的影响，通过适当绕航和改变航向的方式，尽可能的利用海洋环境资源以提高船舶的实际航速或者尽可能的减少船舶的失速，最终减少船舶航时。
本发明充分考虑了复杂的海洋气象信息，并将海洋气象信息结合到航线优化上来，使无人船舶的航时最小化，由此降低船舶航行时间，使船舶运行更加高效，提升了船舶利用率，降低了成本。
如图5-图7所示，本发明实施例提供了一个实际仿真应用。
仿真的起止点分别为日本横滨港(34°40′N，140°E)和美国的长滩港(34°25′N，120°E)。利用3月份平均数据以及3月份短期气象数据，对航时最短的航线优化模型进行求解。
图5为普通方法规划的大圆航线，图6为本发明规划优化后的航时最短航线，图7为普通方法规划的大圆航线与本发明优化后的航线对比。
大圆航线与本发明优化后的航线结果比较结果如下表：
大圆航线 优化后航线
总航程 8698.7359km 8766.3267km
总航时 273.62h 263.83h
需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
最后应说明的是：以上所述的各实施例仅用于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：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或全部技术特征进行等同替换；而这些修改或替换，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范围。

Claims (8)

1.一种基于气象环境信息的无人船舶最短航时航线优化方法，其特征在于，所述方法包括：
S1、根据气象环境信息，构建无人船舶航行失速矩阵模型；
S2、根据无人船舶航线起点和终点经纬度值，获取从起点到终点大圆航线，及大圆航线上预设数目的各个航路点的经纬度值；
S3、依据无人船舶航行失速矩阵对大圆航线上的航路点进行调整：
判断大圆航线上的航路点是否满足：当前航路点的失速小于预设船舶临界速度，并且当前航路点的无人船舶的外部气象阻力小于船舶自身的推力，若是，则该航路点为理想航路点，不用调整，若否，则对该航路点的经度和纬度增加或者减少一个随机的数值；
S4、判断调整后的大圆航线耗时是否小于调整前的大圆航线耗时，若是，则输出最短航时航线，若否，则返回步骤S3对大圆航线上的航路点继续进行调整。
2.根据权利要求1所述的方法，其特征在于，所述步骤S1中无人船舶航行失速矩阵模型包括：
根据公式一建立在航线地图上的经纬度下的船舶航行失速V的模型；
公式一：
V＝V0-(a1h-a2qh+a3Fcosα)(1-a4DV0)；
其中，V0为无人船舶的静水航速，aj为无人船舶性能系数，j＝1，2，3，4；h为当前经纬度的浪高，q为当前经纬度的相对波向，F为当前经纬度的风速，α为当前经纬度的相对风向，D为无人船舶的排水量。
3.根据权利要求2所述的方法，其特征在于，所述步骤S1包括：
S11、获取全球气象信息，获得风力矩阵，所述风力矩阵包括经向风矩阵、纬向风向矩阵和风速矩阵；
S12、根据风力矩阵获得航线地图上当前经纬度的风速F，相对风向α；
S13、根据风力矩阵，获得海浪矩阵：
其中，v为10m高度处的风速，g为重力加速度，为海浪平均浪高；
S14、根据风向矩阵获得航线地图上当前经纬度的相对波向q：
q＝|180°-|C-α|l；
其中，C为船舶航向；
S15、根据当前经纬度的风速F、相对风向α、浪高h，相对波向q获得当前经纬度下的船舶航行失速V矩阵模型。
4.根据权利要求1所述的方法，其特征在于，所述步骤S3中船舶临界速度VL为：
VL＝e0.13[u(q)-h]0.16+r(q)；
其中，u(q)＝12.0+1.4×10-4q23，r(q)＝7.0+4.0×10-4q23。
5.根据权利要求2所述的方法，其特征在于，所述步骤S3包括：
S31、获取大圆航线上的任意一个航路点，设为当前航路点；
S32、根据公式一获得当前航路点的失速；
S33、判断当前航路点的失速是否小于预设船舶临界速度，并且当前航路点的无人船舶的外部气象阻力是否小于船舶自身的推力，若是，则将该航路点记为理想航路点并返回步骤S31获取下一个航路点，若否，则执行步骤S34；
S34、对当前航路点的经度或纬度增加或者减少一个随机的数值；
S35、记录步骤S34修正后的航路点并返回步骤S31获取下一个航路点。
6.根据权利要求1所述的方法，其特征在于，所述步骤S34包括：
产生一个0-1范围内的随机数值rand1，判断产生随机数值rand1是否大于0.5，若是，则对当前航路点的经度增加0.25～1.25范围内的随机的数值，若否，则对当前航路点的经度减少0.25～1.25范围内的随机的数值；
同时，产生一个0-1范围内的随机数值rand2，判断产生随机数值rand2是否大于0.5，若是，则对当前航路点的纬度增加0.25～1.25范围内的随机的数值，若否，则对当前航路点的纬度减少0.25～1.25范围内的随机的数值。
7.根据权利要求1所述的方法，其特征在于，所述步骤S4中判断调整后的大圆航线耗时是否小于调整前的大圆航线耗时，包括：
通过航程耗时公式，获得调整前以及调整后的大圆航线耗时；
航程耗时公式：
其中，t为航程的总航时，Si为第i段航程的长度，vi为第i段航程的航速。
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
S5、判断航线迭代次数是否到达预设设定值，若否，则返回步骤S3，若是，则输出当前最短航时航线。
CN201910169129.8A 2019-03-06 2019-03-06 基于气象环境信息的无人船舶最短航时航线优化方法 Pending CN110196986A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910169129.8A CN110196986A (zh) 2019-03-06 2019-03-06 基于气象环境信息的无人船舶最短航时航线优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910169129.8A CN110196986A (zh) 2019-03-06 2019-03-06 基于气象环境信息的无人船舶最短航时航线优化方法

Publications (1)

Publication Number Publication Date
CN110196986A true CN110196986A (zh) 2019-09-03

Family

ID=67751794

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910169129.8A Pending CN110196986A (zh) 2019-03-06 2019-03-06 基于气象环境信息的无人船舶最短航时航线优化方法

Country Status (1)

Country Link
CN (1) CN110196986A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110849371A (zh) * 2019-11-18 2020-02-28 青岛科技大学 一种无人船气象航线动态优化方法和系统
CN111222701A (zh) * 2020-01-08 2020-06-02 中国船舶重工集团公司第七二四研究所 一种基于海洋环境图层的船舶航线自动规划与评价方法
CN111780760A (zh) * 2020-06-10 2020-10-16 智慧航海（青岛）科技有限公司 基于远洋航行气象时效性的船舶航路仿真测试方法
CN111859222A (zh) * 2020-07-28 2020-10-30 自然资源部第一海洋研究所 三维海浪显示方法和装置
CN112612282A (zh) * 2020-12-24 2021-04-06 武汉理工大学 基于船舶主机优化的内河航行控制方法、系统和存储介质
CN112651106A (zh) * 2020-12-04 2021-04-13 中国航空工业集团公司沈阳飞机设计研究所 一种等间距大圆航线确定方法及装置
CN113052359A (zh) * 2019-12-29 2021-06-29 广东华风海洋信息系统服务有限公司 一种初始航线优化的方法
CN113624241A (zh) * 2021-10-11 2021-11-09 中国人民解放军66136部队 一种面向进港运动船舶的无人机查证路线规划方法
CN115545289A (zh) * 2022-09-26 2022-12-30 上海鼎衡航运科技有限公司 一种航线规划方法、装置以及电子设备
CN116234746A (zh) * 2019-11-27 2023-06-06 株式会社地球气象 船舶航线预测系统以及用于该航线预测系统的程序

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008145312A (ja) * 2006-12-12 2008-06-26 Universal Shipbuilding Corp 最適航路探索方法
CN104504278A (zh) * 2014-12-31 2015-04-08 大连海事大学 基于ecdis 的船舶安全性智能评估和动态显示系统
CN105159296A (zh) * 2015-09-09 2015-12-16 广州睿航电子科技有限公司 一种无人船抗风浪巡航控制方法及系统
CN105539797A (zh) * 2015-12-21 2016-05-04 大连海事大学 一种基于ecdis的风力助航船舶的航行方法及系统
CN107563541A (zh) * 2017-07-28 2018-01-09 广东华风海洋信息系统服务有限公司 一种节省时间的船舶航线规划算法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008145312A (ja) * 2006-12-12 2008-06-26 Universal Shipbuilding Corp 最適航路探索方法
CN104504278A (zh) * 2014-12-31 2015-04-08 大连海事大学 基于ecdis 的船舶安全性智能评估和动态显示系统
CN105159296A (zh) * 2015-09-09 2015-12-16 广州睿航电子科技有限公司 一种无人船抗风浪巡航控制方法及系统
CN105539797A (zh) * 2015-12-21 2016-05-04 大连海事大学 一种基于ecdis的风力助航船舶的航行方法及系统
CN107563541A (zh) * 2017-07-28 2018-01-09 广东华风海洋信息系统服务有限公司 一种节省时间的船舶航线规划算法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
李元奎: "风力助航船舶航线优化模型及智能算法研究", 《万方数据知识服务平台》 *
王风武: "船舶在风浪中航行的临界速度探讨", 《世界海运》 *
褚善东: "船舶在大风浪中航行产生的失速问题探讨", 《浙江国际海运职业技术学院学报》 *
赵化川: "基于实况气象的动态航线规划方法设计", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110849371A (zh) * 2019-11-18 2020-02-28 青岛科技大学 一种无人船气象航线动态优化方法和系统
CN110849371B (zh) * 2019-11-18 2021-11-12 青岛科技大学 一种无人船气象航线动态优化方法和系统
CN116234746B (zh) * 2019-11-27 2024-04-26 株式会社地球气象 船舶航线预测系统以及船舶航线预测方法
CN116234746A (zh) * 2019-11-27 2023-06-06 株式会社地球气象 船舶航线预测系统以及用于该航线预测系统的程序
CN113052359A (zh) * 2019-12-29 2021-06-29 广东华风海洋信息系统服务有限公司 一种初始航线优化的方法
CN111222701A (zh) * 2020-01-08 2020-06-02 中国船舶重工集团公司第七二四研究所 一种基于海洋环境图层的船舶航线自动规划与评价方法
CN111780760A (zh) * 2020-06-10 2020-10-16 智慧航海（青岛）科技有限公司 基于远洋航行气象时效性的船舶航路仿真测试方法
CN111859222B (zh) * 2020-07-28 2021-09-14 自然资源部第一海洋研究所 三维海浪显示方法和装置
CN111859222A (zh) * 2020-07-28 2020-10-30 自然资源部第一海洋研究所 三维海浪显示方法和装置
CN112651106A (zh) * 2020-12-04 2021-04-13 中国航空工业集团公司沈阳飞机设计研究所 一种等间距大圆航线确定方法及装置
CN112651106B (zh) * 2020-12-04 2023-10-27 中国航空工业集团公司沈阳飞机设计研究所 一种等间距大圆航线确定方法及装置
CN112612282A (zh) * 2020-12-24 2021-04-06 武汉理工大学 基于船舶主机优化的内河航行控制方法、系统和存储介质
CN113624241A (zh) * 2021-10-11 2021-11-09 中国人民解放军66136部队 一种面向进港运动船舶的无人机查证路线规划方法
CN115545289A (zh) * 2022-09-26 2022-12-30 上海鼎衡航运科技有限公司 一种航线规划方法、装置以及电子设备

Similar Documents

Publication Publication Date Title
CN110196986A (zh) 基于气象环境信息的无人船舶最短航时航线优化方法
CN110967022B (zh) 船舶航速优化辅助决策系统
CN108564202B (zh) 一种基于环境预报信息的无人艇航线优化方法
CN110147900A (zh) 一种船舶航线航速多任务综合优化方法
Tsou et al. An Ant Colony Algorithm for efficient ship routing
US7836633B2 (en) Method and apparatus for robotic ocean farming for food and energy
CN105976643B (zh) 海上风电场的运维控制方法、装置及海上风电系统
JP7312263B2 (ja) 海上船舶の最適ルートを決定するための装置
CN102231082A (zh) 基于迷你声纳的水下目标探测与auv自动避碰方法及其系统
JP2013134089A (ja) 最適航路計算装置及び最適航路計算方法
CN107289939A (zh) 基于svm算法的无人船路径规划方法
Takashima et al. 4 On the fuel saving operation for coastal merchant ships using weather routing
CN108489491A (zh) 一种水下自主航行器的三维航迹智能规划方法
CN111222701A (zh) 一种基于海洋环境图层的船舶航线自动规划与评价方法
CN110095120A (zh) 自治水下航行器在海洋环流下的生物启发自组织映射路径规划方法
CN111665846B (zh) 一种基于快速扫描法的水面无人艇路径规划方法
JP2019012029A (ja) 最適航路探索方法及び装置
CN111580518A (zh) 一种基于改进果蝇优化和动态窗口法的无人艇分层避障方法
CN112819255B (zh) 多准则船舶航线确定方法、装置、计算机设备及可读存储介质
CN113962473A (zh) 船舶航线规划方法、装置、电子设备和存储介质
CN104483975B (zh) 一种基于航路点的uuv转弯速度自适应调整方法
CN110778398B (zh) 一种船用柴油机燃油管理控制系统
CN112084573A (zh) 一种评价智能船舶动力定位系统定位能力的方法
Vlachos Optimal ship routing based on wind and wave forecasts
Yuankui et al. Minimal time route for wind-assisted ships

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190903

RJ01 Rejection of invention patent application after publication