CN110411448A - 一种船舶感知区域动态网格内代表船的选取方法 - Google Patents

一种船舶感知区域动态网格内代表船的选取方法 Download PDF

Info

Publication number
CN110411448A
CN110411448A CN201910517757.0A CN201910517757A CN110411448A CN 110411448 A CN110411448 A CN 110411448A CN 201910517757 A CN201910517757 A CN 201910517757A CN 110411448 A CN110411448 A CN 110411448A
Authority
CN
China
Prior art keywords
ship
interference
dynamic grid
region
vessel
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
Application number
CN201910517757.0A
Other languages
English (en)
Other versions
CN110411448B (zh
Inventor
王晓原
张露露
夏媛媛
姜雨函
赵新越
孙懿飞
冯凯
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.)
Qingdao University of Science and Technology
Original Assignee
Qingdao University of Science and Technology
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 Qingdao University of Science and Technology filed Critical Qingdao University of Science and Technology
Priority to CN201910517757.0A priority Critical patent/CN110411448B/zh
Publication of CN110411448A publication Critical patent/CN110411448A/zh
Application granted granted Critical
Publication of CN110411448B publication Critical patent/CN110411448B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20Instruments for performing navigational calculations

Abstract

本公开实施例涉及一种船舶感知区域动态网格内代表船的选取方法,其包括:将船舶感知区域划分为多个虚拟动态网格;对船舶可穿过安全间隙进行分析,得到所述虚拟动态网格的连通性以及所述虚拟动态网格内的船舶密度;在待选区域内结合所述虚拟动态网格的连通性和/或所述虚拟动态网格内的船舶密度选取代表船。本公开实施例提供的方法能够简化船舶集群态势船舶间影响的分析过程,利于复杂海况下船舶会遇态势的复杂性分析。

Description

一种船舶感知区域动态网格内代表船的选取方法
技术领域
本公开涉及船舶技术领域,尤其涉及一种船舶感知区域动态网格内代表船的选取方法。
背景技术
智能无人船舶是一种无人驾驶船舶,拥有自主航行、智能机舱、能效管理、货物运输和智能集成平台,该技术融合了船舶、通信、自动化、机器人控制、远程监控、网络化系统等技术,可实现自主导航、智能避障等功能。与有人驾驶船相比,智能无人船舶具有安全系数高,经济环保,绿色节能的优点。而对智能无人船舶的路径规划,是智能无人船舶自主航行系统的核心内容。
船舶感知区域动态网格内代表船的选取方法是船舶集群态势分析的基础,代表船的准确选取能使船舶集群态势的分析更加简单直观。目前对船舶会遇的研究多是对两会遇船舶的分析,缺乏对复杂航行环境多船会遇的研究,没有以单一虚拟代表代替整个区域对目标船影响的研究,无法适应无人船航行的复杂性以及自主安全航行的目的。
基于上述,现有的在进行船舶会遇态势分析时选择代表船仍然存在上述缺陷。
上述缺陷是本领域技术人员期望克服的。
发明内容
(一)要解决的技术问题
为了解决现有技术的上述问题,本公开提供一种船舶感知区域动态网格内代表船的选取方法,以代表船对目标船的影响代替该区域对目标船的影响,实现对会遇态势的复杂性分析。
(二)技术方案
为了达到上述目的,本公开采用的主要技术方案包括:
本公开一实施例提供一种船舶感知区域动态网格内代表船的选取方法,其包括:
将船舶感知区域划分为多个虚拟动态网格;
对船舶可穿过安全间隙进行分析,得到所述虚拟动态网格的连通性以及所述虚拟动态网格内的船舶密度;
在待选区域内结合所述虚拟动态网格的连通性和/或所述虚拟动态网格内的船舶密度选取代表船。
在本公开的一种示例性实施例中,所述将船舶感知区域划分为多个虚拟动态网格包括:
以所述目标船为中心,以所述目标船与干扰船的安全会遇距离以及动界半径为新的半径,向外划分圆周区域;
将所述船舶感知区域从内到外依次划分为碰撞区域、主要干扰区域和次要干扰区域;
通过所述碰撞区域、所述主要干扰区域和所述次要干扰区域结合对会遇区域的角度划分结果,得到24个虚拟动态网格。
在本公开的一种示例性实施例中,当所述目标船或所述干扰船的船长大于50米时,所述新的半径为6海里。
在本公开的一种示例性实施例中,所述对会遇区域的角度划分结果为:
按照干扰船位于所述目标船的方位角为350°~5°、5°~67.5°、67.5°~112.5°、112.5°~175°、175°~185°、185°~247.5°、247.5°~292.5°、292.5°~350°对会遇区域进行划分,得到8个扇形区域。
在本公开的一种示例性实施例中,所述会遇类型包括冲突会遇、平行非冲突会遇和驶离非冲突会遇。
在本公开的一种示例性实施例中,结合会遇类型对船舶可穿过安全间隙进行分析之前,还包括:
当所述目标船需要从两个干扰船之间穿越时,计算所述目标船能够成功从两干扰船间穿越所需要的安全间隙,计算公式为:
D=dac+dbc+3.2(la+lb)+Mab
其中D为所述目标船能够成功从两干扰船间穿越所需要的安全间隙,dac为所述目标船相对于第一干扰船的安全会遇距离,dbc为所述目标船相对于第二干扰船的安全会遇距离,la为所述第一干扰船的船长,lb为所述第二干扰船的船长,Mab为所述目标船运行到所述冲突点时,所述第一干扰船和所述第二干扰船的间距较会遇开始时所述第一干扰船和所述第二干扰船间隔的变化量。
在本公开的一种示例性实施例中,所述船舶密度用船舶区域覆盖率进行衡量,计算公式为:
其中U表示船舶区域覆盖率,n表示虚拟动态网格区域内船舶数量,ci表示干扰船所占区域面积(海里2),S表示虚拟动态网格区域面积(海里2);
当所述船舶区域覆盖率小于或等于0.3时,通过模糊规则得到对应的所述船舶密度为小;
当所述船舶区域覆盖率大于0.3且小于或等于0.6时,通过模糊规则得到对应的所述船舶密度为中;
当所述船舶区域覆盖率大于0.6时,通过模糊规则得到对应的所述船舶密度为大。
在本公开的一种示例性实施例中,得到所述虚拟动态网格内的连通性包括:
当所述虚拟动态网格内存在一个或多个船群时,每个船群内部均存在大于或等于船舶可穿过安全间隙的通路,则在所述虚拟动态网格内部存在一条或多条供目标船成功穿越的路径,说明所述虚拟动态网格区域具有连通性。
在本公开的一种示例性实施例中,所述在待选区域内结合所述虚拟动态网格的连通性和/或所述虚拟动态网格内的船舶密度选取代表船包括:
当所述待选区域内不存在交通实体,在所述待选区域的中心点进行交通实体的补充;
当所述待选区域内存在交通实体时,如果所述船舶密度为小,则在所述待选区域内选择距离目标船最近的干扰船作为所述代表船。
在本公开的一种示例性实施例中,所述在待选区域内结合所述虚拟动态网格的连通性和/或所述虚拟动态网格内的船舶密度选取代表船还包括:
当所述待选区域内存在交通实体,且所述船舶密度为大或中时,判断所述虚拟动态网格的连通性;
如果所述虚拟动态网格具有连通性,结合所述虚拟动态网格内干扰船和目标船的分布位置以及船舶间距选取代表船的位置。
(三)有益效果
本公开的有益效果是:本公开实施例提供的船舶感知区域动态网格内代表船的选取方法,通过将船舶感知区域划分为多个虚拟动态网格,在虚拟动态网格中对船舶的属性以及虚拟动态网格的连通性进行分析,能够简化船舶集群态势船舶间影响的分析过程,利于复杂海况下船舶会遇态势的复杂性分析。
附图说明
图1为本公开一个实施例提供的一种船舶感知区域动态网格内代表船的选取方法的流程图;
图2为本公开一实施例中无人船会遇态势复杂性分析时得到的虚拟动态网格示意图;
图3为本公开一实施例中船舶安全可穿过间隙示意图;
图4为本公开一实施例中待选区域内存在交通实体,区域船舶密度较小时代表船的选取示意图;
图5为本公开一实施例中船舶3在干扰船1、2连线内侧的代表船选取示意图;
图6为本公开一实施例中船舶3在干扰船1、2连线外侧的代表船选取示意图。
具体实施方式
为了更好的解释本公开,以便于理解,下面结合附图,通过具体实施方式,对本公开作详细描述。
本文所使用的所有的技术和科学术语与属于本公开的技术领域的技术人员通常理解的含义相同。本文中在本公开的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本公开。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
图1为本公开一个实施例提供的一种船舶感知区域动态网格内代表船的选取方法的流程图,如图1所示,该方法包括以下步骤:
如图1所示,在步骤S110中,将船舶感知区域划分为多个虚拟动态网格;
如图1所示,在步骤S120中,对船舶可穿过安全间隙进行分析,得到所述虚拟动态网格的连通性以及所述虚拟动态网格内的船舶密度;
如图1所示,在步骤S130中,在待选区域内结合所述虚拟动态网格的连通性和/或所述虚拟动态网格内的船舶密度选取代表船。
基于上述方法,根据对动态网格内不存在船舶、存在船舶较少时,即区域船舶密度较小的情况以及动态网格内存在船舶较多,区域船舶密度较大的情况进行分析。针对不同情况,用不同的方法选取代表船,以代表船的特性表示该区域对目标船的影响,方便后续运用模糊推理规则对船舶集群态势的分析。
以下对图1所示实施例的各个步骤的具体实现进行详细阐述:
在步骤S110中,根据船舶会遇类型对船舶会遇区域进行划分。
在本公开的一个实施例中,由于船舶的会遇类型包括冲突会遇和非冲突会遇,其中冲突会遇是两船因航向交叉并在时间和空间上相互逼近从而导致某船必须采取避碰操作的局面;非冲突会遇是船舶会遇过程中客观存在的一种会遇形式,还进一步包括平行非冲突会遇和驶离非冲突会遇。
平行非冲突会遇是指干扰船与目标船的航向夹角近似为0°或180°时,两船所构成的会遇态势,此时两船虽然不构成冲突,但是干扰船占据目标船周围集群态势中的某一位置,影响目标船的下一步决策及态势的进一步演化;驶离非冲突会遇是指相对于目标船而言,干扰船向着远离目标船的方向行驶时所构成的会遇态势;且当干扰船速度大于目标船速度时,干扰船具有较快逃离目标船当前态势的趋势,对目标船下一步的决策影响相对较小;当干扰船速度小于或等于目标船速度时,对目标船的下一步决策影响较大,可见对目标船的下一步决策有影响或者说是影响较大的是平行非冲突会遇和驶离非冲突会遇情况下干扰船速度小于或等于目标船速度的情况。
在本公开的一个实施例中,所述船舶感知区域以目标船为中心根据船舶碰撞危险距离界限划定的圆形区域,具体的:首先,以所述目标船为中心,以所述目标船与干扰船的安全会遇距离以及动界半径为新的半径,向外划分圆周区域;其次,针对上述船舶感知区域,将其从内到外依次划分为碰撞区域、主要干扰区域和次要干扰区域;然后,通过所述碰撞区域、所述主要干扰区域和所述次要干扰区域结合对会遇区域的角度划分结果,得到24个棋盘状的虚拟动态网格。
图2为本公开一实施例中无人船会遇态势复杂性分析时得到的虚拟动态网格示意图,如图2所示,无论在冲突状态还是非冲突状态下,在半径方面,分为碰撞区域、主要干扰区域和次要干扰区域,在角度划分方面,分为350°~5°、5°~67.5°、67.5°~112.5°、112.5°~175°、175°~185°、185°~247.5°、247.5°~292.5°、292.5°~350°共8个扇形区域。
需要说明的是,划分船舶单只区域时,由于海上船舶驾驶员通常将船舶桅灯的能见距离作为形成碰撞危险的距离界限,对于船长大于50米的船舶,其桅灯的最小能见距离为6海里;在会遇态势复杂性分析时,感知区域内会存在船长小于或等于50米的船舶,此时船舶的碰撞危险距离界限会有不同;本文为了会遇态势划分的简便,设定无碰撞危险阶段以6海里为界限,即船舶感知区域为以目标船为圆心,半径为6海里的圆形区域。
其中会遇区域的角度划分是结合《国际海上避碰规则》对会遇的划分和实际航海经验对会遇区域进行角度划分,在本实施例中可以按照干扰船位于所述目标船的方位角为350°~5°、5°~67.5°、67.5°~112.5°、112.5°~175°、175°~185°、185°~247.5°、247.5°~292.5°、292.5°~350°对会遇区域进行划分,得到8个扇形区域。
进一步的,通过将该8个扇形区域与划分的碰撞区域、主要干扰区域和次要干扰区域进行叠加,得到24个动态虚拟网格。
在本公开一实施例中,根据所要研究的内容选取相应的参数对船舶集群态势进行研究,具体如下:
在复杂海况下,船舶集群态势主要考虑的参考因素为目标船与其他干扰船类型为Mi∈{小型船,中型船,大型船},不同的船型对船舶操纵性影响较大;船舶行驶倾向性Ki∈{高效型,中庸型,保守型},高效型的船舶一般倾向于更快速的逃离当前会遇态势,驾驶比较大胆,所需要的会遇距离较小,保守型的船舶一般更加倾向于保守驾驶,所需要的会遇距离较大;区域船舶密度为Si∈{小,中,大}。
在步骤S120中,对船舶可穿过安全间隙进行分析。
该步骤中,对船舶可穿过安全间隙的分析具体为:当目标船与干扰船形成冲突会遇态势的时候,需要考虑两船间的时距,船舶的时距为Ti∈{小,中,大};目标船与干扰船之间的冲突类型为Ci∈{一级冲突,二级冲突,三级冲突};当目标船与干扰船形成平行非冲突会遇态势的时候,需要考虑两船舶之间的相对距离Ji∈{小,中,大};当目标船与干扰船形成驶离非冲突会遇态势的时候,需要考虑两船舶的速度数值差Vi∈{正,零,负}。
在本公开的一种示例性实施例中,对船舶可穿过安全间隙进行分析之前,还包括计算目标船穿过时的安全间隙。
图3为本公开一实施例中船舶安全可穿过间隙示意图,如图3所示,对于三艘会遇的船舶A、B、C,船舶C要从船舶A、B间安全穿越。根据AIS等助航设备获取船舶A当前状态的速度为va,航向为地理位置为(xa,ya),船舶B当前状态的速度为vb,航向为地理位置为(xb,yb),船舶C当前状态的速度为vc,航向为地理位置为(xc,yc)。
当所述目标船需要从两个干扰船之间穿越时,以图3所示为例,假设船舶C能够安全穿越船舶A、B,则目标船C能够成功从两干扰船间穿越所需要的安全间隙,计算公式为:
D=dac+dbc+3.2(la+lb)+Mab
其中D为所述目标船能够成功从两干扰船间穿越所需要的安全间隙,dac为所述目标船相对于第一干扰船的安全会遇距离,即船舶C相对于船舶A的安全会遇距离,dbc为所述目标船相对于第二干扰船的安全会遇距离,即船舶C相对于船舶B的安全会遇距离,la为所述第一干扰船的船长,即船舶A的船长,lb为所述第二干扰船的船长,即船舶B的船长,Mab为所述目标船运行到所述冲突点时,所述第一干扰船和所述第二干扰船的间距较会遇开始时所述第一干扰船和所述第二干扰船间距的变化量,即船舶C运行到冲突点O时,船舶A、B的间距较会遇开始时两船间距的变化量。
在本公开一实施例中,当所述虚拟动态网格内存在一个或多个船群时,每个船群内部均存在大于或等于船舶可穿过安全间隙的通路,则在所述虚拟动态网格内部存在一条或多条供目标船成功穿越的路径,说明所述虚拟动态网格区域具有连通性。
进一步的,若某一虚拟动态网格区域能给目标船提供一条或多条可航路径,其中形成可航路径的条件就是需要两船之间的间距大于或等于该安全间隙,船舶才能通过。即虚拟动态网格区域中无干扰船存在或干扰船之间的距离可供目标船穿越,则称该虚拟动态网格区域具有连通性;反之,当两船之间的间距小于或等于该安全间隙时,船舶不能通过,也就是该虚拟动态网格区域不具有连通性。
在本公开的一种示例性实施例中,区域船舶密度主要是由区域船舶覆盖率衡量,区域船舶覆盖率的计算如下公式:
其中U表示船舶区域覆盖率,n表示虚拟动态网格区域内船舶数量,ci表示干扰船所占区域面积(海里2),S表示虚拟动态网格区域面积(海里2)。
进一步的,当所述船舶区域覆盖率小于或等于0.3时,通过模糊规则得到对应的所述船舶密度为小;当所述船舶区域覆盖率大于0.3且小于或等于0.6时,通过模糊规则得到对应的所述船舶密度为中;当所述船舶区域覆盖率大于0.6时,通过模糊规则得到对应的所述船舶密度为大。
在步骤S130中,在待选区域内结合所述虚拟动态网格的连通性和/或所述虚拟动态网格内的船舶密度选取代表船。
在本公开的一种示例性实施例中,该步骤中综合考虑待选区域内的交通实体、船舶密度等确定采取相应的规则来选取代表船,具体如下:
1)当所述待选区域内不存在交通实体,在所述待选区域的中心点进行交通实体的补充,例如,按照表2所示规则进行交通实体的补充.
表2
2)当所述待选区域内存在交通实体时,继续对船舶密度的大小进行判断,如果所述船舶密度为小或较小,则在所述待选区域内选择距离目标船最近的干扰船作为所述代表船。该种情况下目标船可以较自由的穿越该区域,因此选取该区域内距离目标船最近的干扰船作为区域内的交通实体代表,即代表船。
图4为本公开一实施例中待选区域内存在交通实体,区域船舶密度较小时代表船的选取示意图,如图4所示,选取距离目标船最近的船舶A作为代表船。
而如果所述船舶密度为大或中时,继续对所述虚拟动态网格内的连通性进行判断,即按照步骤3);
3)如果所述虚拟动态网格内具有连通性,结合所述虚拟动态网格内干扰船和目标船的分布位置以及船舶间距、时距、相对距离、会遇类型和干扰船属性,确定虚拟的代表船,具体为:
31)当待选区域内存在交通实体,且区域船舶密度较大(包括船舶密度为中或大的两种情况)时,若虚拟动态网格区域内具有联通性,则选取距离虚拟动态网格两侧边缘最近的干扰船,分别记为干扰船1和干扰船2,根据时距、相对距离、速度数值差等影响因素选取动态网格内对目标船影响最大的船舶,记为船舶3。
若船舶3在干扰船1、2连线内侧,即靠近目标船的一侧,记船舶3的位置为虚拟代表船位置点。以图5所示为例,图5为本公开一实施例中船舶3在干扰船1、2连线内侧的代表船选取示意图,如图5所示,船舶B、C分别为距离网格两侧边缘最近的干扰船1和干扰船2,船舶A为船舶3,即根据时距、相对距离、速度数值差等影响因素选取动态网格内对目标船影响最大的船舶,船舶A在BC连线的内侧,因此选择船舶A为选定的代表船。
另外,若船舶3在干扰船1、2连线外侧,记船干扰船1、2连线与船舶3和目标船连线的交点为虚拟代表船位置点。以图6所示为例,图6为本公开一实施例中船舶3在干扰船1、2连线外侧的代表船选取示意图,如图6所示,船舶B、C分别为距离网格两侧边缘最近的干扰船1和干扰船2,船舶A为船舶3,即根据时距、相对距离、速度数值差等影响因素选取动态网格内对目标船影响最大的船舶,船舶A在BC连线的外侧,因此将BC连线与船舶A和目标船的连线所形成的的交点做为选定的代表船位置,即虚拟代表船的位置。
32)确定虚拟代表船的位置后,进一步确定会遇关系,即若目标船与船舶3的会遇关系为冲突会遇,该区域的交通实体代表与目标船形成相应冲突会遇态势;若目标船与船舶3的会遇关系为非冲突会遇,该区域的交通实体代表与目标船形成相应的非冲突会遇态势。
33)除了位置和会遇关系,还进一步对区域内所有船舶船型、行驶倾向性、时距、相对距离、速度数值差等属性进行统计,代表船的各个属性均取原干扰船属性统计结果中所占比例最大的类型。以代表船的船型属性选取为例,若区域内存在五艘干扰船,三艘为大型船,一艘为中型船,一艘为小型船,则代表船船型为大型船。
34)当待选区域内存在交通实体,区域船舶密度较大时,若待选区域不具有连通性,说明该区域不能满足目标船安全穿越的条件,所以在该区域中心点按照一定规则设置交通实体代表,如表2。
表2
综上所述,采用本公开实施例提供的船舶感知区域动态网格内代表船的选取方法,一方面,通过将船舶感知区域划分为多个虚拟动态网格,结合会遇类型对不同情况下选取代表船或虚拟出一个代表船的选取方法,可以提高船舶集群态势分析的准确性。基于对船舶集群全面性和准确性的分析,有利于实现无人船舶高效和自主航行。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本公开实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (10)

1.一种船舶感知区域动态网格内代表船的选取方法,其特征在于,其包括:
将船舶感知区域划分为多个虚拟动态网格;
对船舶可穿过安全间隙进行分析,得到所述虚拟动态网格的连通性以及所述虚拟动态网格内的船舶密度;
在待选区域内结合所述虚拟动态网格的连通性和/或所述虚拟动态网格内的船舶密度选取代表船。
2.如权利要求1所述的船舶感知区域动态网格内代表船的选取方法,其特征在于,所述将船舶感知区域划分为多个虚拟动态网格包括:
以所述目标船为中心,以所述目标船与干扰船的安全会遇距离以及动界半径为新的半径,向外划分圆周区域;
将所述船舶感知区域从内到外依次划分为碰撞区域、主要干扰区域和次要干扰区域;
通过所述碰撞区域、所述主要干扰区域和所述次要干扰区域结合对会遇区域的角度划分结果,得到24个虚拟动态网格。
3.如权利要求2所述的船舶感知区域动态网格内代表船的选取方法,其特征在于,当所述目标船或所述干扰船的船长大于50米时,所述新的半径为6海里。
4.如权利要求2所述的船舶感知区域动态网格内代表船的选取方法,其特征在于,所述对会遇区域的角度划分结果为:
按照干扰船位于所述目标船的方位角为350°~5°、5°~67.5°、67.5°~112.5°、112.5°~175°、175°~185°、185°~247.5°、247.5°~292.5°、292.5°~350°对会遇区域进行划分,得到8个扇形区域。
5.如权利要求1所述的船舶感知区域动态网格内代表船的选取方法,其特征在于,所述会遇类型包括冲突会遇、平行非冲突会遇和驶离非冲突会遇。
6.如权利要求5所述的船舶感知区域动态网格内代表船的选取方法,其特征在于,结合会遇类型对船舶可穿过安全间隙进行分析之前,还包括:
当所述目标船需要从两个干扰船之间穿越时,计算所述目标船能够成功从两干扰船间穿越所需要的安全间隙,计算公式为:
D=dac+dbc+3.2(la+lb)+Mab
其中D为所述目标船能够成功从两干扰船间穿越所需要的安全间隙,dac为所述目标船相对于第一干扰船的安全会遇距离,dbc为所述目标船相对于第二干扰船的安全会遇距离,la为所述第一干扰船的船长,lb为所述第二干扰船的船长,Mab为所述目标船运行到所述冲突点时,所述第一干扰船和所述第二干扰船的间距较会遇开始时所述第一干扰船和所述第二干扰船间距的变化量。
7.如权利要求1所述的船舶感知区域动态网格内代表船的选取方法,其特征在于,所述船舶密度用船舶区域覆盖率进行衡量,计算公式为:
其中U表示船舶区域覆盖率,n表示虚拟动态网格区域内船舶数量,ci表示干扰船所占区域面积(海里2),S表示虚拟动态网格区域面积(海里2);
当所述船舶区域覆盖率小于或等于0.3时,通过模糊规则得到对应的所述船舶密度为小;
当所述船舶区域覆盖率大于0.3且小于或等于0.6时,通过模糊规则得到对应的所述船舶密度为中;
当所述船舶区域覆盖率大于0.6时,通过模糊规则得到对应的所述船舶密度为大。
8.如权利要求6所述的船舶感知区域动态网格内代表船的选取方法,其特征在于,得到所述虚拟动态网格内的连通性包括:
当所述虚拟动态网格内存在一个或多个船群时,每个船群内部均存在大于或等于船舶可穿过安全间隙的通路,则在所述虚拟动态网格内部存在一条或多条供目标船成功穿越的路径,说明所述虚拟动态网格区域具有连通性。
9.如权利要求8所述的船舶感知区域动态网格内代表船的选取方法,其特征在于,所述在待选区域内结合所述虚拟动态网格间的连通性和/或所述虚拟动态网格内的船舶密度选取代表船包括:
当所述待选区域内不存在交通实体,在所述待选区域的中心点进行交通实体的补充;
当所述待选区域内存在交通实体时,如果所述船舶密度为小,则在所述待选区域内选择距离目标船最近的干扰船作为所述代表船。
10.如权利要求9所述的船舶感知区域动态网格内代表船的选取方法,其特征在于,所述在待选区域内结合所述虚拟动态网格的连通性和/或所述虚拟动态网格内的船舶密度选取代表船还包括:
当所述待选区域内存在交通实体,且所述船舶密度为大或中时,判断所述虚拟动态网格的连通性;
如果所述虚拟动态网格具有连通性,结合所述虚拟动态网格内干扰船和目标船的分布位置以及船舶间距选取代表船的位置。
CN201910517757.0A 2019-06-14 2019-06-14 一种船舶感知区域动态网格内代表船的选取方法 Active CN110411448B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910517757.0A CN110411448B (zh) 2019-06-14 2019-06-14 一种船舶感知区域动态网格内代表船的选取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910517757.0A CN110411448B (zh) 2019-06-14 2019-06-14 一种船舶感知区域动态网格内代表船的选取方法

Publications (2)

Publication Number Publication Date
CN110411448A true CN110411448A (zh) 2019-11-05
CN110411448B CN110411448B (zh) 2021-03-02

Family

ID=68359131

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910517757.0A Active CN110411448B (zh) 2019-06-14 2019-06-14 一种船舶感知区域动态网格内代表船的选取方法

Country Status (1)

Country Link
CN (1) CN110411448B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111125948A (zh) * 2019-12-06 2020-05-08 北京京航计算通讯研究所 基于网格船位布设计算的速度优化方法
CN112929579A (zh) * 2021-02-03 2021-06-08 广州市赋安电子科技有限公司 一种自适应锁定密集区域的多摄像头联动船舶抓拍方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6260505B1 (en) * 1999-12-03 2001-07-17 Midwest Pontoon Covers, Inc. Pontoon boat cover system
KR101132861B1 (ko) * 2011-06-20 2012-04-03 김수진 방파제 블록
CN102968122A (zh) * 2012-12-12 2013-03-13 深圳市银星智能科技股份有限公司 一种用于移动平台在未知区域自建地图的覆盖方法
CN104050329A (zh) * 2014-06-25 2014-09-17 哈尔滨工程大学 一种检测船舶碰撞危险度的方法
CN104794526A (zh) * 2015-05-13 2015-07-22 哈尔滨工程大学 一种狼群搜索算法优化的船舶自动避碰方法
CN104899263A (zh) * 2015-05-22 2015-09-09 华中师范大学 一种基于特定区域的船舶轨迹挖掘分析与监控方法
CN105022270A (zh) * 2015-03-20 2015-11-04 武汉理工大学 基于速度矢量坐标系的船自动避碰方法
US20170052029A1 (en) * 2015-08-19 2017-02-23 Furuno Electric Co., Ltd. Ship display device
US20170264688A1 (en) * 2015-09-09 2017-09-14 Telefonaktiebolaget Lm Ericsson (Publ) Methods and devices for requesting and providing information
US20170361905A1 (en) * 2016-06-17 2017-12-21 Alaska Maritime Prevention And Response Network Emergency vessel towing system and method
CN108665099A (zh) * 2018-05-07 2018-10-16 大连海事大学 一种船舶穿越间隙计算方法
CN109508004A (zh) * 2018-12-10 2019-03-22 鄂尔多斯市普渡科技有限公司 一种用于无人驾驶汽车的障碍物优先等级避让系统及方法
CN109871738A (zh) * 2018-12-18 2019-06-11 青岛科技大学 一种适应人自混行环境的行人运动意图辨识方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6260505B1 (en) * 1999-12-03 2001-07-17 Midwest Pontoon Covers, Inc. Pontoon boat cover system
KR101132861B1 (ko) * 2011-06-20 2012-04-03 김수진 방파제 블록
CN102968122A (zh) * 2012-12-12 2013-03-13 深圳市银星智能科技股份有限公司 一种用于移动平台在未知区域自建地图的覆盖方法
CN104050329A (zh) * 2014-06-25 2014-09-17 哈尔滨工程大学 一种检测船舶碰撞危险度的方法
CN105022270A (zh) * 2015-03-20 2015-11-04 武汉理工大学 基于速度矢量坐标系的船自动避碰方法
CN104794526A (zh) * 2015-05-13 2015-07-22 哈尔滨工程大学 一种狼群搜索算法优化的船舶自动避碰方法
CN104899263A (zh) * 2015-05-22 2015-09-09 华中师范大学 一种基于特定区域的船舶轨迹挖掘分析与监控方法
US20170052029A1 (en) * 2015-08-19 2017-02-23 Furuno Electric Co., Ltd. Ship display device
US20170264688A1 (en) * 2015-09-09 2017-09-14 Telefonaktiebolaget Lm Ericsson (Publ) Methods and devices for requesting and providing information
US20170361905A1 (en) * 2016-06-17 2017-12-21 Alaska Maritime Prevention And Response Network Emergency vessel towing system and method
CN108665099A (zh) * 2018-05-07 2018-10-16 大连海事大学 一种船舶穿越间隙计算方法
CN109508004A (zh) * 2018-12-10 2019-03-22 鄂尔多斯市普渡科技有限公司 一种用于无人驾驶汽车的障碍物优先等级避让系统及方法
CN109871738A (zh) * 2018-12-18 2019-06-11 青岛科技大学 一种适应人自混行环境的行人运动意图辨识方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
GREMILLET, DAVID等: ""Radar detectors carried by Cape gannets reveal surprisingly few fishing vessel encounters"", 《PLOS ONE》 *
LIU, XUEYUN等: ""The global burden of cerebral small vessel disease related to neurological deficit severity and clinical outcomes of acute ischemic stroke after IV rt-PA treatment"", 《NEUROLOGICAL SCIENCES》 *
任亚磊: ""基于AIS数据的船舶会遇特征研究"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
夏媛媛等: ""基于混沌蚁群算法的动态用户最优配流方法"", 《山东理工大学学报(自然科学版)》 *
王方等: ""基于完全信息多人动态博弈的车道选择模型"", 《计算机工程与应用》 *
郑中义等: ""多船会遇避碰决策研究—I 多船会遇局面定义、划分及属于各类判断"", 《航海技术》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111125948A (zh) * 2019-12-06 2020-05-08 北京京航计算通讯研究所 基于网格船位布设计算的速度优化方法
CN112929579A (zh) * 2021-02-03 2021-06-08 广州市赋安电子科技有限公司 一种自适应锁定密集区域的多摄像头联动船舶抓拍方法
CN112929579B (zh) * 2021-02-03 2021-09-28 广州市赋安电子科技有限公司 一种自适应锁定密集区域的多摄像头联动船舶抓拍方法

Also Published As

Publication number Publication date
CN110411448B (zh) 2021-03-02

Similar Documents

Publication Publication Date Title
Wang et al. Application of real-coded genetic algorithm in ship weather routing
CN102541069B (zh) 偏离损失的避免操纵
CN103365293B (zh) 一种基于动态区域划分的机器人安全路径规划方法
Wu et al. Long-voyage route planning method based on multi-scale visibility graph for autonomous ships
Li et al. Ship’s trajectory planning based on improved multiobjective algorithm for collision avoidance
CN108803656A (zh) 一种基于复杂低空的飞行控制方法及系统
CN110444046A (zh) 一种受限水域非冲突会遇船舶集群态势分析方法
CN110411448A (zh) 一种船舶感知区域动态网格内代表船的选取方法
Tsou Integration of a geographic information system and evolutionary computation for automatic routing in coastal navigation
CN110703759B (zh) 一种多船博弈的船舶避碰处理方法
Blaich et al. Extended grid based collision avoidance considering COLREGs for vessels
CN110414042A (zh) 一种冲突会遇局面下船舶集群态势分析方法
CN110444045A (zh) 一种非冲突状态船舶集群态势分析方法
CN111199096A (zh) 受限水域基于船舶集群态势的相对碰撞危险度建模方法
CN110443368A (zh) 一种冲突状态下船舶集群态势分析方法
CN111623780B (zh) 一种基于优先级目标分配的多无人船协同路径规划方法
CN110415562A (zh) 一种受限水域冲突会遇船舶集群态势分析方法
CN110415561B (zh) 一种非冲突会遇局面下船舶集群态势分析方法
Bye et al. A RECEDING HORIZON GENETIC ALGORITHM FOR DYNAMIC MULTI-TARGET ASSIGNMENT AND TRACKING-A Case Study on the Optimal Positioning of Tug Vessels along the Northern Norwegian Coast
CN112697148A (zh) 一种自适应复杂度栅格环境模型构建方法以及路径搜索方法
Akdağ et al. A decision support system for autonomous ship trajectory planning
Gao et al. Artificial intelligence algorithms in unmanned surface vessel task assignment and path planning: A survey
Szłapczyński Evolutionary sets of cooperating trajectories in multi-ship encounter situations-use cases
Nie et al. A Novel Through Capacity Model for One-way Channel Based on Characteristics of the Vessel Traffic Flow
CN110298119A (zh) 基于人机交互的船舶居住区域快速建模方法

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