CN110414042A - 一种冲突会遇局面下船舶集群态势分析方法 - Google Patents

一种冲突会遇局面下船舶集群态势分析方法 Download PDF

Info

Publication number
CN110414042A
CN110414042A CN201910517746.2A CN201910517746A CN110414042A CN 110414042 A CN110414042 A CN 110414042A CN 201910517746 A CN201910517746 A CN 201910517746A CN 110414042 A CN110414042 A CN 110414042A
Authority
CN
China
Prior art keywords
ship
conflict
interference
virtual dynamic
region
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
CN201910517746.2A
Other languages
English (en)
Other versions
CN110414042B (zh
Inventor
王晓原
冯凯
夏媛媛
朱慎超
姜雨函
赵新越
孙懿飞
张露露
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 CN201910517746.2A priority Critical patent/CN110414042B/zh
Publication of CN110414042A publication Critical patent/CN110414042A/zh
Application granted granted Critical
Publication of CN110414042B publication Critical patent/CN110414042B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Traffic Control Systems (AREA)

Abstract

本公开实施例涉及一种冲突会遇局面下船舶集群态势分析方法,其包括:基于冲突会遇过程不同阶段,将目标船的感知区域划分为多个虚拟动态网格;对每个虚拟动态网格内的连通性进行确定,并在虚拟动态网格选择代表船,用以体现动态虚拟网格内的交通状况;在多个虚拟动态网格中将代表船对目标船的作用力通过作用粒度进行描述;采用模糊逻辑规则结合作用粒度进行评分,得到目标船所受作用力。本公开采取语言变量的形式,对目标船实际航行中的环境信息进行规则性近似推理;通过分析冲突会遇局面下虚拟动态网格区域内代表船对目标船的作用粒度大小,可为智慧无人船舶的避碰决策以及下一可航行区域的选择提供较为准确的感知与认知信息,提高航行安全性。

Description

一种冲突会遇局面下船舶集群态势分析方法
技术领域
本公开涉及船舶技术领域,尤其涉及一种冲突会遇局面下船舶集群态势分析方法。
背景技术
智慧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,绿色节能等优点。而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。
船舶集群态势是指针对无人船的感知区域内所有交通实体部署和行为所构成的状态和形势,包含交通实体所能感知到的所有信息。智慧无人船舶集群态势分析是避碰决策的前提和基础,是智慧无人船感知和认知的重要组成部分。现有的对船舶会遇的研究缺乏对冲突会遇局面下船舶集群态势的研究,缺少准确性以及全面性,无法满足无人船高效、自主航行的要求。
基于上述,现有的船舶会遇态势的分析仍然存在上述缺陷。
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,本公开提供一种冲突会遇局面下船舶集群态势分析方法,其可以使智慧无人船在冲突会遇局面下全面认识复杂的航行环境,提高航行安全性。
(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冲突会遇局面下船舶集群态势分析方法,其包括:
基于冲突会遇过程不同阶段,将目标船的感知区域划分为多个虚拟动态网格;
对每个所述虚拟动态网格内的连通性进行确定,并在所述虚拟动态网格选择代表船;
在所述多个虚拟动态网格中将所述代表船对目标船的作用力通过作用粒度进行描述;
采用模糊逻辑规则结合所述作用粒度进行评分,得到所述目标船所受作用力。
在本公开一实施例中,基于冲突会遇过程不同阶段,将目标船的感知区域划分为多个虚拟动态网格之前,还包括:
根据干扰船航向与目标船首两舷的角度范围将对会遇类型进行划分为:对遇冲突、追越冲突和交叉冲突,其中所述交叉冲突按照干扰船和目标船两船航向夹角的大小可以划分为对向交叉冲突、横向交叉冲突、同向交叉冲突。
在本公开一实施例中,基于冲突会遇过程不同阶段,将目标船的感知区域划分为多个虚拟动态网格之前,还包括:
获取所述干扰船和所述目标船的运动参数,其中所述运动参数至少包括:位置、速度、航向和干扰船当前位置到冲突点的距离;
根据所述运动参数计算干扰船和目标船的相对速度、相对速度方向、相对距离、干扰船位于目标船的方位角、干扰船相对于目标船的相对方位、安全会遇距离、最小会遇距离和船间时距;
按照所述相对距离将所述冲突会遇的过程划分为:无冲突阶段、弱冲突阶段、强冲突阶段和碰撞冲突阶段。
在本公开一实施例中,所述按照干扰船和目标船两船的相对距离将所述冲突会遇的过程划分包括:
确定冲突会遇阶段划分的临界相对距离为6海里、3海里和1海里;
当所述相对距离的范围大于6海里时,所述干扰船和所述目标船处于冲突会遇的无冲突阶段;
当所述相对距离的范围在3~6海里时,所述干扰船和所述目标船处于冲突会遇的弱冲突阶段;
当所述相对距离的范围在1~3海里时,所述干扰船和所述目标船处于冲突会遇的强冲突阶段;
当所述相对距离的范围小于1海里时,所述干扰船和所述目标船处于冲突会遇的碰撞冲突阶段。
在本公开一实施例中,所述将目标船的感知区域划分为多个虚拟动态网格包括:
以所述目标船的中心位置为圆心,分别以6海里、3海里和1海里的临界相对距离为半径形成圆形区域,其中所述半径为6海里的圆形区域为所述目标船的感知区域;
根据冲突会遇类型划分时的角度,将所述目标船的感知区域分为左前侧、正前侧、右前侧、正右侧、右后侧、正后侧、左后侧、正左侧八个分区域,且每个分区域按照所述临界相对距离被分成三个动态网格区域;
按照所述临界相对距离所述目标船的感知区域由外到内分别代表弱影响区域、强影响区域和碰撞区域,对于所述弱影响区域和所述强影响区域结合所述八个分区域被划分为16个虚拟动态网格。
在本公开一实施例中,所述对每个所述虚拟动态网格内的连通性进行确定,并在所述虚拟动态网格选择代表船包括:
当所述目标船需要从两个干扰船之间穿越时,根据所述运动参数计算所述目标船能够成功从所述两个干扰船之间穿越所需要的安全会遇距离,公式为:
Ds=dac+dbc+3.2(La+Lb)+Mab
其中DS为所述目标船能够成功从所述两个干扰船之间穿越所需要的安全会遇距离,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为所述目标船航行到所述冲突点时,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;
当所述虚拟动态网格的区域内至少存在两艘干扰船时,选取所述虚拟动态网格的区域内对所述目标船影响最大的一干扰船作为代表船,其中所述代表船为一航行实体代表,用于体现所述虚拟动态网格区域的宏观交通状况。
在本公开一实施例中,所述选取所述虚拟动态网格的区域内对所述目标船影响最大的一干扰船作为代表船包括:
若所述虚拟动态网格的区域内船舶密度较小,区域能提供较大的空间供目标船航行,则以所述虚拟动态网格的区域内距所述目标船相对距离最小的干扰船作为所述代表船;
若所述虚拟动态网格的区域内船舶密度较大,存在多艘干扰船,且当所述所述虚拟动态网格的区域具有连通性时,以区域内所有干扰船与目标船构成的多边形的重心作为虚拟代表船,其中所述虚拟代表船的运动参数与距离所述目标船相对距离最小的干扰船一致;
若所述虚拟动态网格的区域内船舶密度较大,存在多艘干扰船,且当所述虚拟动态网格的区域不具有连通性时,将所述虚拟动态网格的区域中心点虚拟为代表船;
若所述虚拟动态网格的区域内无干扰船时,则按照预设规则进行航行实体代表补充后得到所述代表船。
在本公开一实施例中,所述所述代表船对目标船的作用力包括:强斥力、中斥力、弱斥力、零、弱引力、中引力或强引力,相应的作用粒度分别为[-1,-0.7)、[-0.7,-0.3)、[-0.3,-0)、0、(0,0.3]、(0.3,0.7]、(0.7,1]。
在本公开一实施例中,所述采用模糊逻辑规则结合所述作用粒度进行评分包括:
当模糊变量为所述船间时距时,利用模糊逻辑规则得到船间时距模糊集合为{小,中,大},其中船间时距从“小”到“中”的门限值T1,计算公式为:
D1=H1·H2·H3·DLA
其中,D1为保证船舶能安全避让的最小距离;D为所述相对距离;DCPA为所述最小会遇距离;vb0为所述相对速度;H1、H2、H3分别表示航行区域状况、能见度状况以及人为因素影响;DLA为最晚施舵时间内船舶驶过的距离;
船间时距从“中”到“大”的门限值T2=2.5T1
在本公开一实施例中,所述得到所述目标船所受作用力包括:
在所述目标船的感知区域内各所述虚拟动态网格中代表船对所述目标船的作用力集合为:
其中强影响区域对目标船作用力为 弱影响区域对目标船作用力为
(三)有益效果
本公开的有益效果是:本公开实施例提供的冲突会遇局面下船舶集群态势分析方法,基于模糊逻辑规则采取语言变量的形式,对目标船实际航行中的环境信息进行规则性近似推理;通过分析冲突会遇局面下虚拟动态网格区域内代表船对目标船的作用粒度大小,可为智慧无人船舶的避碰决策以及下一可航行区域的选择提供较为准确的感知与认知信息,提高航行安全性。
附图说明
图1为本公开一个实施例提供的一种冲突会遇局面下船舶集群态势分析方法的流程图;
图2为本公开一实施例中冲突会遇类型划分示意图;
图3为本公开一实施例中冲突会遇阶段划分示意图;
图4为本公开一实施例中船舶运动参数示意图;
图5为本公开一实施例中船间可穿插间隙的示意图;
图6为本公开一实施例中船舶集群态势场景界定示意图;
图7为本公开一实施例中船间时距的隶属度函数图。
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冲突会遇局面下船舶集群态势分析方法的流程图,如图1所示,该方法包括以下步骤:
如图1所示,在步骤S110中,基于冲突会遇过程不同阶段,将目标船的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,对每个所述虚拟动态网格内的连通性进行确定,并在所述虚拟动态网格选择代表船;
如图1所示,在步骤S130中,在所述多个虚拟动态网格中将所述代表船对目标船的作用力通过作用粒度进行描述;
如图1所示,在步骤S140中,采用模糊逻辑规则结合所述作用粒度进行评分,得到所述目标船所受作用力。
本公开实施例提供的冲突会遇局面下船舶集群态势分析方法,在综合考虑影响船舶集群航行相态变化的各因素的基础上,将《国际海上避碰规则》中对船舶会遇态势的划分视为冲突会遇,并分析可能出现的船舶集群态势类型,对复杂的船舶集群态势进行界定和划分,可为智慧无人船舶的避碰决策和下一可航行区域选择奠定基础,提高船舶航行安全性。
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,基于冲突会遇过程不同阶段,将目标船的感知区域划分为多个虚拟动态网格。
在本公开的一个实施例中,可以将目标船称之为本船,将干扰船称之为他船,《国际海上避碰规则》(International Regulations for Preventing Collisions at Sea,简称COLREGS)中对船舶会遇态势的划分视为冲突会遇。
在本公开一实施例中,基于冲突会遇过程不同阶段,将目标船的感知区域划分为多个虚拟动态网格之前,还包括:
根据干扰船航向与目标船首两舷的角度范围将对会遇类型进行划分为:对遇冲突、追越冲突、对向交叉冲突、横向交叉冲突和同向交叉冲突五种类型,冲突会遇类型的划分具体如下:
(1)对遇冲突:干扰船航向处在目标船首两舷000°~005°范围内的冲突,主要表现为冲突的两船以相反或近似相反的航向相互逼近,是船首与船首之间的冲突碰撞;
(2)追越冲突:干扰船航向处在目标船首两舷175°~180°范围内的冲突,主要表现为冲突的两船以相同或近似相同的航向相互逼近,是船首与船尾之间的冲突碰撞;
(3)交叉冲突:干扰船航向处在目标船首两舷005°~175°范围内的冲突,主要表现为冲突的两船以交错的航向相互逼近,是船首与船侧之间的冲突碰撞,按照两船航向夹角的大小可以分为对向交叉冲突、横向交叉冲突、同向交叉冲突;
①对向交叉冲突:来船航向处在目标船首两舷005°~067.5°范围内的交叉冲突;②横向交叉冲突:来船航向处在目标船首两舷067.5°~112.5°范围内的交叉冲突;③同向交叉冲突:来船航向处在目标船首两舷112.5°~175°的范围内的交叉冲突。
基于上述,图2为本公开一实施例中冲突会遇类型划分示意图。
在本公开一实施例中,根据冲突会遇两船间距的变化将冲突会遇过程划分为几个不同的阶段,在此之前需要:首先,获取所述干扰船和所述目标船的运动参数,其中所述运动参数至少包括:位置、速度、航向和干扰船当前位置到冲突点的距离;其次,根据所述运动参数计算干扰船和目标船的相对速度、相对速度方向、相对距离、干扰船位于目标船的方位角、干扰船相对于目标船的相对方位、安全会遇距离、最小会遇距离和船间时距;然后,按照所述相对距离将所述冲突会遇的过程划分为:无冲突阶段、弱冲突阶段、强冲突阶段和碰撞冲突阶段,具体如下:
(1)无冲突阶段
无冲突阶段是两船相距较远,不存在碰撞危险,两船可以根据原有计划航线自由采取行动的阶段。距离上不存在碰撞危险,是根据国际上对COLREGS的解释和海上船舶避碰的通常做法所取得的共识来认定。从定量角度解释,通常情况下,船舶在能见度良好的海洋上航行时,认为自由行动阶段两船相对距离至少为6海里(n mile)。因此,本实施例中可以将无冲突阶段的两船临界相对距离定义为6海里。考虑COLREGS中机动船、帆船等不同船舶种类之间的影响距离以及避让责任不同,为简化问题,本公开的各实施例中暂假设目标船感知区域内均为机动船。
(2)弱冲突阶段
当两船相对距离迫近到需要让路船采取避碰措施,以使两船安全会遇时的阶段为弱冲突阶段。这一阶段只需要让路船根据COLREGS的规则要求采取避碰措施,就可以避免发生碰撞。通过对海上船舶避碰实际情况的调查并结合航海经验,本实施例将弱冲突阶段的两船相对距离定义为3~6海里。
(3)强冲突阶段
此阶段与船舶会遇中的紧迫局面相对应。COLREGS并没有对“紧迫局面”给出具体定义,我国航海界通过对这一概念的研究,认为“当两船接近到单凭一船的行动已不能在安全距离上驶过时,紧迫局面即形成”。本实施例将强冲突阶段定义为当会遇两船的相对距离迫近到需要两船共同采取措施才能保证安全让清的阶段。此时,直航船应在让路船采取措施的基础上采取避碰行动,甚至可以违背COLREGS的规定,以使双方能避免碰撞或减小损失,这一阶段需要两船共同采取措施。通常情况下,紧迫局面时的两船间距一般为1~3海里,故本实施例将强冲突阶段的两船相对距离定义为1~3海里。
(4)碰撞冲突阶段
碰撞冲突阶段是指已处于强冲突的两船未采取有效避碰措施继续航行至濒临碰撞的阶段。由于COLREGS中并未给出确定的定义两船之间的距离接近到何种程度即形成碰撞局面。通常认为“在大雾、阴雨等天气状况不好或夜间情况下,两船间避免碰撞的最小距离要大于2海里;在气象条件良好的条件下,两船间能安全通过的最小距离要大于1海里,即当船间距离小于1海里时,两船可能会发生碰撞危险”。基于此,本实施例将碰撞冲突阶段的两船最大间距定义为1海里。
基于上述,图3为本公开一实施例中冲突会遇阶段划分示意图。
需要说明的是,本实施例中可以依据船载雷达与船舶自动识别系统(AutomaticIdentification System,简称AIS)等助航设备获取的本船与他船的位置、航向、航速等数据求得所需船舶运动参数。
进一步的,该步骤中获取的船舶运动参数包括:
以目标船中心位置为坐标原点,东经方向为x轴正方向,北纬方向为y轴正方向建立坐标系假设目标船初始位置为(x0,y0),速度为v0,航向为α,目标船当前位置到冲突点的距离为l0;干扰船位置为(xb,yb),速度为vb,航向为β,干扰船当前位置到冲突点的距离为lb,图4为本公开一实施例中船舶运动参数示意图。
基于图4所示运动参数,进一步根据以下公式计算目标船速度在x、y轴上的分量v0x、v0y
根据以下公式计算干扰船速度在x、y轴上的分量vbx、vby
根据以下公式计算两船相对速度在x、y轴上的分量vb0x、vb0y
根据以下公式计算两船相对速度:
根据以下公式计算两船相对速度方向:
其中
根据以下公式计算两船相对距离:
根据以下公式计算干扰船相对于目标船的方位角:
其中
船舶安全会遇距离是考虑航行环境和船舶运动状态,使两船能够安全通过的最小会遇距离。根据以下公式计算干扰船相对于目标船的相对方位;
其中
根据以下公式计算目标船相对干扰船的安全会遇距离:
其中最小会遇距离(Distance of Closest Point of Approaching,简称DCPA)是影响船舶运动的因素之一。DCPA是指两船会遇时相互间的最近距离,在相对运动雷达中,为本船位置至他船相对运动线的垂直距离,根据以下公式计算两船最小会遇距离:
船间时距是存在冲突的两船各自保持当前航速和航向,从当前位置点到冲突点时间差的绝对值。当船间时距大时,两船到达冲突点的时间间隔大,干扰船对目标船的航行安全影响较小;当船间时距小时,两船到达冲突点的时间间隔小,干扰船对目标船的航行安全影响较大,根据以下公式计算船间时距:
当目标船需要从两个干扰船之间穿越时,根据运动参数计算目标船能够成功从两个干扰船之间穿越所需要的安全会遇距离(即船间可穿插间隙),公式为:
Ds=dac+dbc+3.2(La+Lb)+Mab
其中DS为目标船C能够成功从两个干扰船A和B之间穿越所需要的安全会遇距离,dac为目标船相对于第一干扰船A的安全会遇距离,dbc为目标船相对于第二干扰船B的安全会遇距离,la为第一干扰船A的船长,lb为第二干扰船B的船长,Mab为目标船航行到冲突点时,第一干扰船A和第二干扰船B的间距较会遇开始时第一干扰船A和第二干扰船B间距的变化量。
图5为本公开一实施例中船间可穿插间隙的示意图。
在本公开一实施例中,对船舶集群态势场景界定,具体包括:
图6为本公开一实施例中船舶集群态势场景界定示意图,如图6所示,以目标船的中心位置为圆心,根据上述冲突会遇不同阶段,以冲突会遇不同阶段6海里、3海里和1海里的的临界相对距离为半径形成圆形区域,即圆O1、O2、O3,其中所述半径为6海里的圆形区域为所述目标船的感知区域,即最外圆O1作为目标船感知区域的外围边界。
根据冲突会遇类型划分时的角度,将船舶集群态势中目标船的感知区域分为左前侧、正前侧、右前侧、正右侧、右后侧、正后侧、左后侧、正左侧八个分区域,且每个分区域按照所述临界相对距离被分成三个动态网格区域。进一步的,按照所述临界相对距离所述目标船的感知区域由外到内分别代表弱影响区域、强影响区域和碰撞区域,对于所述弱影响区域和所述强影响区域结合所述八个分区域被划分为16个虚拟动态网格,其中碰撞区域不予考虑。
在步骤S120中,对每个所述虚拟动态网格内的连通性进行确定,并在所述虚拟动态网格选择代表船。
在本公开一实施例中,该步骤中进一步基于划分的虚拟动态网格对区域连通性进行定义。若某一动态网格区域能给目标船提供一条或多条可航路径,即动态网格区域中无干扰船存在或干扰船之间的空间可供目标船穿越,则称该动态网格区域具有连通性。为简化船舶集群态势的获取方法,当某一虚拟动态网格区域内至少存在两艘干扰船时,选取该网格区域内对目标船影响最大的某一干扰船作为航行实体代表用于体现该区域的宏观交通状况,对于该航行实体代表用代表船表示,具体采用以下方法选取干扰船作为代表干扰船,简称为代表船:
①若所述虚拟动态网格的区域内船舶密度较小,区域能提供较大的空间供目标船航行,则以所述虚拟动态网格的区域内距所述目标船相对距离最小的干扰船作为所述代表船。
②若所述虚拟动态网格的区域内船舶密度较大,存在多艘干扰船,且当所述所述虚拟动态网格的区域具有连通性时,以区域内所有干扰船与目标船构成的多边形的重心作为虚拟代表船,其中所述虚拟代表船的运动参数与距离所述目标船相对距离最小的干扰船一致;这种情况下由于找到的是一个位置,且该位置上没有实体的船舶,因此用虚拟代表船进行表示。
③若所述虚拟动态网格的区域内船舶密度较大,存在多艘干扰船,且当所述虚拟动态网格的区域不具有连通性时,将所述虚拟动态网格的区域中心点虚拟为代表船;即将网格区域中心点虚拟为船间时距小,船型大的冲突会遇干扰船。
④若所述虚拟动态网格的区域内无干扰船时,则按照预设规则进行航行实体代表补充后得到所述代表船,表1为航行实体代表补充规则表:
表1
基于上述,对船舶集群态势中的目标船与代表船进行标定。
在步骤S130中,在所述多个虚拟动态网格中将所述代表船对目标船的作用力通过作用粒度进行描述。
该步骤中借助物理学中“力”的概念对船舶集群态势进行数学表达,抽象表述各动态网格区域内代表船对目标船的作用效果,力的大小用作用粒度描述,不同力的作用粒度可以用其所在区间的一个实数表示;
在本公开一实施例中,所述所述代表船对目标船的作用力包括:强斥力、中斥力、弱斥力、零、弱引力、中引力或强引力,相应的作用粒度分别为[-1,-0.7)、[-0.7,-0.3)、[-0.3,-0)、0、(0,0.3]、(0.3,0.7]、(0.7,1],即如表2所示
表2
在步骤S140中,采用模糊逻辑规则结合所述作用粒度进行评分,得到所述目标船所受作用力。
该步骤中考虑目标船与感知区域各动态网格区域内代表船的船型(分为大、中、小三类)、船间时距、区域船舶覆盖率(分为小、中、大三类)及区域船舶平均航速(分为大、中、小三类)5个方面的因素,利用模糊逻辑方法分别对冲突会遇局面下的作用粒度进行合理的评分。
本实施例中通过以某一网格区域代表船对目标船的作用粒度计算为例,对冲突会遇局面下船舶集群态势进行模糊推理,剔除不符合实际情况(区域船舶覆盖率为大且区域船舶平均速度为大及区域船舶覆盖率为小且区域船舶平均速度为小的情况)的规则数54条后,剩余的总规则数为189条,可得作用粒度的推理规则如表3所示(冲突会遇局面下作用粒度的模糊推理规则),其中一条典型的语言模糊规则如下:
若目标船为小型船、虚拟动态网格区域代表船为小型船、船间时距为大、网格区域的船舶覆盖率为小、网格区域区域内船舶平均航速为大,则网格区域代表船对目标船的作用粒度为1。
表3
在本公开一实施例中,在模糊逻辑方法中,当模糊变量为所述船间时距△T时,利用模糊逻辑规则得到船间时距模糊集合为{小,中,大},其中船间时距从“小”到“中”的门限值T1,计算公式为:
D1=H1·H2·H3·DLA
其中,D1为保证船舶能安全避让的最小距离;D为所述相对距离;DCPA为所述最小会遇距离;vb0为所述相对速度;H1、H2、H3分别表示航行区域状况、能见度状况以及人为因素影响;DLA为最晚施舵时间内船舶驶过的距离,例如可以取为船长的12倍。
船间时距从“中”到“大”的门限值T2=2.5T1
图7为本公开一实施例中船间时距的隶属度函数图,其中示出时距与隶属度的关系。
在本公开一实施例中,在所述目标船的感知区域内各所述虚拟动态网格中代表船对所述目标船的作用力集合为:
其中强影响区域对目标船作用力为 弱影响区域对目标船作用力为
综上所述,采用本公开实施例提供的冲突会遇局面下船舶集群态势分析方法,通过利用物理学中“力”的概念来表述船舶集群各动态网格分区域内代表船对目标船的作用力效果;利用模糊逻辑推理、采取语言变量的形式,对目标船实际航行中的环境信息进行规则性近似推理,用于刻画建立在航行知识和经验基础上的判断过程;通过分析冲突会遇局面下虚拟动态网格区域内代表船对目标船的作用粒度大小,可为智慧无人船舶的避碰决策以及下一可航行区域的选择提供较为准确的感知与认知信息,提高航行安全性。
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)

1.一种冲突会遇局面下船舶集群态势分析方法,其特征在于,其包括:
基于冲突会遇过程不同阶段,将目标船的感知区域划分为多个虚拟动态网格;
对每个所述虚拟动态网格内的连通性进行确定,并在所述虚拟动态网格选择代表船;
在所述多个虚拟动态网格中将所述代表船对目标船的作用力通过作用粒度进行描述;
采用模糊逻辑规则结合所述作用粒度进行评分,得到所述目标船所受作用力。
2.如权利要求1所述的冲突会遇局面下船舶集群态势分析方法,其特征在于,基于冲突会遇过程不同阶段,将目标船的感知区域划分为多个虚拟动态网格之前,还包括:
根据干扰船航向与目标船首两舷的角度范围将对会遇类型进行划分为:对遇冲突、追越冲突和交叉冲突,其中所述交叉冲突按照干扰船和目标船两船航向夹角的大小可以划分为对向交叉冲突、横向交叉冲突、同向交叉冲突。
3.如权利要求2所述的冲突会遇局面下船舶集群态势分析方法,其特征在于,基于冲突会遇过程不同阶段,将目标船的感知区域划分为多个虚拟动态网格之前,还包括:
获取所述干扰船和所述目标船的运动参数,其中所述运动参数至少包括:位置、速度、航向和干扰船当前位置到冲突点的距离;
根据所述运动参数计算干扰船和目标船的相对速度、相对速度方向、相对距离、干扰船位于目标船的方位角、干扰船相对于目标船的相对方位、安全会遇距离、最小会遇距离和船间时距;
按照所述相对距离将所述冲突会遇的过程划分为:无冲突阶段、弱冲突阶段、强冲突阶段和碰撞冲突阶段。
4.如权利要求3所述的冲突会遇局面下船舶集群态势分析方法,其特征在于,所述按照干扰船和目标船两船的相对距离将所述冲突会遇的过程划分包括:
确定冲突会遇阶段划分的临界相对距离为6海里、3海里和1海里;
当所述相对距离的范围大于6海里时,所述干扰船和所述目标船处于冲突会遇的无冲突阶段;
当所述相对距离的范围在3~6海里时,所述干扰船和所述目标船处于冲突会遇的弱冲突阶段;
当所述相对距离的范围在1~3海里时,所述干扰船和所述目标船处于冲突会遇的强冲突阶段;
当所述相对距离的范围小于1海里时,所述干扰船和所述目标船处于冲突会遇的碰撞冲突阶段。
5.如权利要求4所述的冲突会遇局面下船舶集群态势分析方法,其特征在于,所述将目标船的感知区域划分为多个虚拟动态网格包括:
以所述目标船的中心位置为圆心,分别以6海里、3海里和1海里的临界相对距离为半径形成圆形区域,其中所述半径为6海里的圆形区域为所述目标船的感知区域;
根据冲突会遇类型划分时的角度,将所述目标船的感知区域分为左前侧、正前侧、右前侧、正右侧、右后侧、正后侧、左后侧、正左侧八个分区域,且每个分区域按照所述临界相对距离被分成三个动态网格区域;
按照所述临界相对距离所述目标船的感知区域由外到内分别代表弱影响区域、强影响区域和碰撞区域,对于所述弱影响区域和所述强影响区域结合所述八个分区域被划分为16个虚拟动态网格。
6.如权利要求3所述的冲突会遇局面下船舶集群态势分析方法,其特征在于,所述对每个所述虚拟动态网格内的连通性进行确定,并在所述虚拟动态网格选择代表船包括:
当所述目标船需要从两个干扰船之间穿越时,根据所述运动参数计算所述目标船能够成功从所述两个干扰船之间穿越所需要的安全会遇距离,公式为:
Ds=dac+dbc+3.2(La+Lb)+Mab
其中DS为所述目标船能够成功从所述两个干扰船之间穿越所需要的安全会遇距离,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为所述目标船航行到所述冲突点时,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;
当所述虚拟动态网格的区域内至少存在两艘干扰船时,选取所述虚拟动态网格的区域内对所述目标船影响最大的一干扰船作为代表船,其中所述代表船为一航行实体代表,用于体现所述虚拟动态网格区域的宏观交通状况。
7.如权利要求6所述的冲突会遇局面下船舶集群态势分析方法,其特征在于,所述选取所述虚拟动态网格的区域内对所述目标船影响最大的一干扰船作为代表船包括:
若所述虚拟动态网格的区域内船舶密度较小,区域能提供较大的空间供目标船航行,则以所述虚拟动态网格的区域内距所述目标船相对距离最小的干扰船作为所述代表船;
若所述虚拟动态网格的区域内船舶密度较大,存在多艘干扰船,且当所述所述虚拟动态网格的区域具有连通性时,以区域内所有干扰船与目标船构成的多边形的重心作为虚拟代表船,其中所述虚拟代表船的运动参数与距离所述目标船相对距离最小的干扰船一致;
若所述虚拟动态网格的区域内船舶密度较大,存在多艘干扰船,且当所述虚拟动态网格的区域不具有连通性时,将所述虚拟动态网格的区域中心点虚拟为代表船;
若所述虚拟动态网格的区域内无干扰船时,则按照预设规则进行航行实体代表补充后得到所述代表船。
8.如权利要求7所述的冲突会遇局面下船舶集群态势分析方法,其特征在于,所述所述代表船对目标船的作用力包括:强斥力、中斥力、弱斥力、零、弱引力、中引力或强引力,相应的作用粒度分别为[-1,-0.7)、[-0.7,-0.3)、[-0.3,-0)、0、(0,0.3]、(0.3,0.7]、(0.7,1]。
9.如权利要求3所述的冲突会遇局面下船舶集群态势分析方法,其特征在于,所述采用模糊逻辑规则结合所述作用粒度进行评分包括:
当模糊变量为所述船间时距时,利用模糊逻辑规则得到船间时距模糊集合为{小,中,大},其中船间时距从“小”到“中”的门限值T1,计算公式为:
D1=H1·H2·H3·DLA
其中,D1为保证船舶能安全避让的最小距离;D为所述相对距离;DCPA为所述最小会遇距离;vb0为所述相对速度;H1、H2、H3分别表示航行区域状况、能见度状况以及人为因素影响;DLA为最晚施舵时间内船舶驶过的距离;
船间时距从“中”到“大”的门限值T2=2.5T1
10.如权利要求5所述的冲突会遇局面下船舶集群态势分析方法,其特征在于,所述得到所述目标船所受作用力包括:
在所述目标船的感知区域内各所述虚拟动态网格中代表船对所述目标船的作用力集合为:
其中强影响区域对目标船作用力为F0 q=[左前代表船作用力,正前代表船作用力,右前代表船作用力,正右船代表作用力,右后代表船作用力,正后代表船作用力,左后代表船作用力,正左代表船作用力],弱影响区域对目标船作用力为
CN201910517746.2A 2019-06-14 2019-06-14 一种冲突会遇局面下船舶集群态势分析方法 Active CN110414042B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910517746.2A CN110414042B (zh) 2019-06-14 2019-06-14 一种冲突会遇局面下船舶集群态势分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910517746.2A CN110414042B (zh) 2019-06-14 2019-06-14 一种冲突会遇局面下船舶集群态势分析方法

Publications (2)

Publication Number Publication Date
CN110414042A true CN110414042A (zh) 2019-11-05
CN110414042B CN110414042B (zh) 2023-05-05

Family

ID=68359152

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910517746.2A Active CN110414042B (zh) 2019-06-14 2019-06-14 一种冲突会遇局面下船舶集群态势分析方法

Country Status (1)

Country Link
CN (1) CN110414042B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111061165A (zh) * 2019-12-16 2020-04-24 青岛科技大学 一种船舶相对碰撞危险度模型的验证方法
CN111915928A (zh) * 2020-06-28 2020-11-10 大连海事大学 一种船舶碰撞事故率预测方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1996388A (zh) * 2006-12-21 2007-07-11 上海交通大学 虚拟手术系统中形变物体的实时冲突检测方法
CN102436604A (zh) * 2011-09-08 2012-05-02 哈尔滨工程大学 一种基于多目标进化方法的多弹协同航路计算方法
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
CN105882648A (zh) * 2016-05-09 2016-08-24 上汽大众汽车有限公司 一种基于模糊逻辑算法的混合动力系统能量管理方法
CN109191916A (zh) * 2018-10-11 2019-01-11 苏州大学 一种基于图像的船舶防碰撞预警系统
CN109637136A (zh) * 2018-12-28 2019-04-16 青岛科技大学 一种适应人自混杂环境的骑行意图辨识方法
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 (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1996388A (zh) * 2006-12-21 2007-07-11 上海交通大学 虚拟手术系统中形变物体的实时冲突检测方法
CN102436604A (zh) * 2011-09-08 2012-05-02 哈尔滨工程大学 一种基于多目标进化方法的多弹协同航路计算方法
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
CN105882648A (zh) * 2016-05-09 2016-08-24 上汽大众汽车有限公司 一种基于模糊逻辑算法的混合动力系统能量管理方法
CN109191916A (zh) * 2018-10-11 2019-01-11 苏州大学 一种基于图像的船舶防碰撞预警系统
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
CN109637136A (zh) * 2018-12-28 2019-04-16 青岛科技大学 一种适应人自混杂环境的骑行意图辨识方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
AKSENOV, A等: "Virtual Basin for Simulating Ship Sailing Qualities on HPC Resources", 《WEB OF SCIENCE》 *
XIE, SR等: "Design and Analysis of an Autonomous Controlled Four Wheeled Land Yacht", 《WEB OF SCIENCE》 *
林晓杰: "基于改进势场法的受限水域中船舶自动避碰模型研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
赵健等: "基于动态水域网格计算的船舶领域研究", 《舰船科学技术》 *
雷进宇等: "基于可视分析的船舶航行态势感知系统设计", 《中国航海》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111061165A (zh) * 2019-12-16 2020-04-24 青岛科技大学 一种船舶相对碰撞危险度模型的验证方法
CN111915928A (zh) * 2020-06-28 2020-11-10 大连海事大学 一种船舶碰撞事故率预测方法
CN111915928B (zh) * 2020-06-28 2022-04-26 大连海事大学 一种船舶碰撞事故率预测方法

Also Published As

Publication number Publication date
CN110414042B (zh) 2023-05-05

Similar Documents

Publication Publication Date Title
Kang et al. Collision avoidance path planning for ships by particle swarm optimization
CN108564202B (zh) 一种基于环境预报信息的无人艇航线优化方法
Sun et al. A formation autonomous navigation system for unmanned surface vehicles with distributed control strategy
CN111222701B (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
Daranda Neural network approach to predict marine traffic
Li et al. Ship’s trajectory planning based on improved multiobjective algorithm for collision avoidance
CN110444046A (zh) 一种受限水域非冲突会遇船舶集群态势分析方法
CN110414042A (zh) 一种冲突会遇局面下船舶集群态势分析方法
CN112347218B (zh) 无人船艇的环境地图生成方法及无人船艇感知系统
CN110703759B (zh) 一种多船博弈的船舶避碰处理方法
Vagale et al. Evaluation of path planning algorithms of autonomous surface vehicles based on safety and collision risk assessment
Yang et al. Improved reinforcement learning for collision-free local path planning of dynamic obstacle
Bye A receding horizon genetic algorithm for dynamic resource allocation: A case study on optimal positioning of tugs
CN110443368B (zh) 一种冲突状态下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
Liu et al. Decision support based on optimal collision avoidance path and collision risk
Li et al. Modelling and simulation of intelligent collision avoidance based on ship domain
Wang et al. Complex encounter situation modeling and prediction method for unmanned ships based on bounded rational game
Ivanovsky et al. Algorithm design for ship’s steering with specified limitations under various weather conditions
CN110444045B (zh) 一种非冲突状态船舶集群态势分析方法
Fışkın et al. Deterministic-based ship anti-collision route optimization with web-based application
Liu et al. Spatial modeling and analysis approach for ship-encounters dynamic spatial–temporal domain
CN110415561B (zh) 一种非冲突会遇局面下船舶集群态势分析方法
CN110716570B (zh) 一种开阔繁忙水域基于船舶集群态势的相对领域获取方法
Wang et al. An intelligent collision avoidance algorithm research

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