CN110444045B - 一种非冲突状态船舶集群态势分析方法 - Google Patents
一种非冲突状态船舶集群态势分析方法 Download PDFInfo
- Publication number
- CN110444045B CN110444045B CN201910516643.4A CN201910516643A CN110444045B CN 110444045 B CN110444045 B CN 110444045B CN 201910516643 A CN201910516643 A CN 201910516643A CN 110444045 B CN110444045 B CN 110444045B
- Authority
- CN
- China
- Prior art keywords
- ship
- area
- target
- virtual dynamic
- situation
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
-
- 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)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Computational Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Automation & Control Theory (AREA)
- Biomedical Technology (AREA)
- Fuzzy Systems (AREA)
- General Health & Medical Sciences (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Algebra (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Ocean & Marine Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开实施例涉及一种非冲突状态船舶集群态势分析方法,其包括:根据船舶会遇类型对船舶会遇区域进行划分;将船舶感知区域划分为多个虚拟动态网格,其中船舶感知区域是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;对船舶集群态势进行多视图分析,在多个虚拟动态网格中对目标船与目标船周围的干扰船之间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,得到所述虚拟动态网格内船舶对所述目标船的作用力;根据所述多个虚拟动态网格之间的作用力,得到船舶集群态势对目标船的作用力集合。本公开实施例提供的方法可以对船舶感知区域中的集群态势从作用力的角度进行全面分析,提高船舶集群态势分析的准确性。
Description
技术领域
本公开涉及船舶技术领域,尤其涉及一种非冲突状态船舶集群态势分析方法。
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。
船舶集群态势是指针对无人船在船舶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。无人船态势复杂性分析是船舶在繁忙水域航行时对船舶整体危险度评估的前提条件,并对船舶避碰决策起重要作用。现有的对船舶会遇的研究多为两船会遇的研究,缺乏对复杂繁忙水域非冲突状态下多船会遇态势的研究,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,本公开提供一种非冲突状态船舶集群态势分析方法,其可以通过无人船舶自行决策判定,实现对复杂繁忙水域中会遇情况的全面分析,满足无人船高效、自主航行的要求。
(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非冲突状态船舶集群态势分析方法,其包括:
将船舶感知区域划分为多个虚拟动态网格,其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;
对船舶集群态势进行多视图分析,在所述多个虚拟动态网格中对所述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,得到所述虚拟动态网格内船舶对所述目标船的作用力;
根据所述多个虚拟动态网格之间的作用力,得到船舶集群态势对目标船的作用力集合。
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,所述根据非冲突会遇的类型对船舶集群态势进行分层分析,在所述多个虚拟动态网格中选择虚拟代表船包括:
以所述目标船为中心,按照非冲突会遇的类型将所述船舶集群态势划分为相互叠加的三个视图;
根据所述目标船在船舶集群态势中的安全会遇距离确定可穿过安全间隙,基于所述可穿过安全间隙确定所述目标船的可航路径,得到所述多个虚拟动态网格的连通性;
在所述虚拟动态网格中选取一艘虚拟的代表船,对所述主要干扰区域内的主要干扰船和所述次要干扰区的次要干扰船进行统计,得到所述虚拟动态网格中的作用粒度。
在本公开的一种示例性实施例中,所述非冲突会遇的类型包括平行非冲突会遇和驶离非冲突会遇,所述三个视图包括第一视图、第二视图和第三视图,其中所述第一视图为仅考虑船舶会遇局面的船舶集群态势划分图,所述第二视图为考虑所述干扰船驶离所述目标船的非冲突会遇情况下的影响划分图,所述第三视图为考虑所述干扰船航向平行于所述目标船航向的非冲突会遇情况下的影响划分图
在本公开的一种示例性实施例中,所述对所述主要干扰区域内的主要干扰船和所述次要干扰区的次要干扰船进行统计包括:
对所述主要干扰船和所述次要干扰船的船型、行驶倾向性、相对距离、速度数值差和船舶区域服务水平的各项属性进行统计,并分别取所有干扰船的各项属性的统计结果中比例最大的值作为所述代表的各项属性,其中所述代表船用以表示所述虚拟动态网格内的船舶整体状态。
在本公开的一种示例性实施例中,所述采用模糊逻辑规则结合所述作用粒度,得到所述虚拟动态网格内船舶对所述目标船的作用力包括:
对所述平行非冲突会遇局面下的船舶集群态势进行模糊推理,分别得到所述目标船的船型的模糊集合为{小,中,大},相对距离的模糊集合为{小,中,大},行驶倾向性类型的模糊集合为{高效型,中庸型,低效型},区域服务水平的模糊集合为{畅通,缓慢,拥挤}。
在本公开的一种示例性实施例中,所述采用模糊逻辑规则结合所述作用粒度,得到所述虚拟动态网格内船舶对所述目标船的作用力还包括:
对所述驶离非冲突会遇局面下的船舶集群态势进行模糊推理,分别得到所述目标船的船型的模糊集合为{小,中,大},行驶倾向性类型的模糊集合为{高效型,中庸型,低效型},区域服务水平的模糊集合为{畅通,缓慢,拥挤},速度数值差的模糊集合为{正,零,负}。
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,所述根据所述多个虚拟动态网格之间的作用力,得到船舶集群态势对目标船的作用力集合包括:
对所述8个扇形区域内分别计算所述多个虚拟动态网格内船舶对所述目标船的作用力,所述作用力的表达式为[相邻虚拟动态网格作用力,相隔虚拟动态网格作用力];
根据所述8个扇形区域内的作用力得到船舶集群态势对所述目标船的作用力集合,所述作用力集合的表达式为[P1区域作用力,P2区域作用力,P3区域作用力,P4区域作用力,P5区域作用力,P6区域作用力,P7区域作用力,P8区域作用力]。
(三)有益效果
本公开的有益效果是:本公开实施例提供的非冲突状态船舶集群态势分析方法,通过将船舶感知区域划分为多个虚拟动态网格,从而可以在多个虚拟动态网格内对船舶集群态势进行多视图分析,可以对船舶感知区域中的集群态势从作用力的角度进行全面分析,提高船舶集群态势分析的准确性。
附图说明
图1为本公开一个实施例提供的一种非冲突状态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非冲突状态下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集群态势场景界定图;
图4为本发明一实施例中船舶相对距离隶属度函数曲线。
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非冲突状态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,将船舶感知区域划分为多个虚拟动态网格,其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;
如图1所示,在步骤S120中,对船舶集群态势进行多视图分析,在所述多个虚拟动态网格中对所述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S130中,采用模糊逻辑规则结合所述作用粒度,得到所述虚拟动态网格内船舶对所述目标船的作用力;
如图1所示,在步骤S140中,根据所述多个虚拟动态网格之间的作用力,得到船舶集群态势对目标船的作用力集合。
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,将船舶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,由于船舶会遇类型包括冲突会遇和非冲突会遇,其中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。
首先,对船舶集群态势分析过程中需要用到的基础参数以及中间参数进行计算并说明。假设目标船A此时的速度为va,航向为地理坐标为(xa,ya);干扰船B此时的速度为vb,航向为地理坐标为(xb,yb);计算两会遇船的相对速度大小vr及方向ψ、两船间的相对距离L、干扰船相对于目标船的相对方位θ和真方位αT、两船的动界半径R以及船舶安全会遇距离d,参见如下公式:
两船速度数值差为两会遇船舶速度模的差值,两会遇船形成驶离非冲突态势时,速度数值差的计算公式为:
Δv=|vb|-|va|
针对速度数值差,存在以下三种情况:
当干扰船的速度数值大于目标船的速度数值时,说明干扰船可以很快的逃离目标船集群态势,对目标船的避碰决策影响较小,此时速度数值差取正;
当两船的速度数值相等时,速度数值差取零;
当目标船的速度数值大于干扰船的速度数值时,速度数值差取负。
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个虚拟动态网格。
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。
图2为本公开一实施例中非冲突状态下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。会遇区域划分过程中,标记动界边界点以及安全会遇距离点的标记如图2所示,A、B、C、D均为动界边界点,E、F、G、H均为安全会遇距离点。而会遇区域角度划分得到8个扇形区域,从而将8个扇形区域与三个圆形区域进行叠加,得到图2所示的24个虚拟动态网格,其中350°~5°的扇形区域记作区域P1,5°~67.5°的扇形区域记作区域P2,67.5°~112.5°的扇形区域记作区域P3,112.5°~175°的扇形区域记作区域P4,175°~185°的扇形区域记作区域P5,185°~247.5°的扇形区域记作区域P6,247.5°~292.5°的扇形区域记作区域P7,292.5°~350°的扇形区域记作区域P8。
在步骤S130中,根据非冲突会遇的类型对船舶集群态势进行分层分析,在所述多个虚拟动态网格中选择虚拟代表船。
在该步骤中,首先,以所述目标船为中心,按照非冲突会遇的类型将所述船舶集群态势划分为相互叠加的三个视图,图3为本公开一实施例中船舶集群态势场景界定图,如图3所示,船舶集群态势可以分为相互叠加的三个视图,所述三个视图包括第一视图、第二视图和第三视图,其中所述第一视图为仅考虑船舶会遇局面的船舶集群态势划分图,仅考虑船舶自身条件及信息,例如船舶类型、位置等,所述第二视图为考虑所述干扰船驶离所述目标船的非冲突会遇情况下的影响划分图,所述第三视图为考虑所述干扰船航向平行于所述目标船航向的非冲突会遇情况下的影响划分图。
在该步骤中,其次,根据所述目标船在船舶集群态势中的安全会遇距离确定可穿过安全间隙,基于所述可穿过安全间隙确定所述目标船的可航路径,得到所述多个虚拟动态网格的连通性,
例如,可穿过安全间隙的概念,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,如果有可航路径则称动态网格区域具有连通性。在研究区域内选取对研究对象有最直观影响的交通实体作为代表,以交通实体代表的特性表示区域对目标船的影响。当待选区域内存在交通实体,区域船舶密度较小,目标船可以较自由的穿越该区域,则选取该区域内距离目标船最近的干扰船为区域内交通实体代表;当待选区域内存在交通实体,区域船舶密度较大时,若区域具有连通性,则选取当前区域内所有干扰船组成的多边形的重心为虚拟代表船位置点。若目标船与距离其最近的干扰船的会遇关系为非冲突会遇时,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;若目标船与距离其最近的干扰船的会遇关系为冲突会遇时,该区域的交通实体代表与目标船形成相应的冲突会遇态势。
在该步骤中,然后,在所述虚拟动态网格中选取一艘虚拟的代表船,对所述主要干扰区域内的主要干扰船和所述次要干扰区的次要干扰船进行统计,得到所述虚拟动态网格中的作用粒度。
通过对所述主要干扰船和所述次要干扰船的船型、行驶倾向性、相对距离、速度数值差和船舶区域服务水平的各项属性进行统计,并分别取所有干扰船的各项属性的统计结果中比例最大的值作为所述代表的各项属性,其中所述代表船用以表示所述虚拟动态网格内的船舶整体状态。
两船速度数值差为两会遇船舶速度模的差值,速度数值差Δv是驶离非冲突会遇态势下表征干扰船对目标船避碰决策影响程度的因素,计算公式为:
Δv=|vb|-|va|
在该步骤中,借用物理中“力”的概念抽象描述船舶间的作用关系,刻画不同动态网格对目标船的作用力,力的大小用作用粒度描述,不同力的作用粒度用其所在区间内的实数表示,表1示出不同作用力对应的作用粒度。
表1不同作用力对应的作用粒度
对主要干扰区域内的主要干扰船和次要干扰区域内的次要干扰船进行研究,态势中各船舶的速度分别记为vi(i=0,1,2,3...16);目标船与其他干扰船类型为Mi∈{小型船,中型船,大型船}(i=0,1,2...16);船舶行驶倾向性Ki∈{高效型,中庸型,保守型}(i=0,1,2...16);相对距离分别记为Ji∈{小,中,大}(i=1,2,3...16);速度数值差分别记为Vi∈{正,零,负}(i=1,2,3...16);船舶区域服务水平为Si∈{畅通,缓慢,拥挤}(i=1,2,3...16)。
在步骤S130中,采用模糊逻辑规则结合所述作用粒度,得到所述虚拟动态网格内对船舶所述目标船的作用力。
在该步骤中,采用模糊逻辑对所述平行非冲突会遇局面下的船舶集群态势进行模糊推理,所考虑的参考因素为:目标船所在编组关系内船舶的船型(小、中、大)、船舶间的相对距离(小、中、大)、船舶行驶倾向性类型(高效型、中庸型、保守型)、区域服务水平(畅通、缓慢、拥挤)等。因此,分别得到所述目标船的船型的模糊集合为{小,中,大},相对距离的模糊集合为{小,中,大},行驶倾向性类型的模糊集合为{高效型,中庸型,低效型},区域服务水平的模糊集合为{畅通,缓慢,拥挤}。
以某一区域内代表船对目标船的作用粒度计算为例,对平行非冲突会遇局面下船舶集群态势进行模糊推理;国际航运协会(Permanent International Association ofNavigation Congresses,PIANC)导则规定船舶类型大小的划分标准主要参考船舶总吨或载重量;按照一定规则对船舶船型进行划分,例如,船型的划分可以为:总吨大于30000吨的属于大型船,总吨大于15000且小于30000吨的属于中型船,总吨小于15000吨的属于小型船。
另外,船舶区域覆盖率是指某一虚拟动态网格内,某一时刻区域内所有干扰船所占面积与动态网格面积的比值,公式如下:
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)。
根据航行经验,船舶区域覆盖率能很好的表示研究区域内的船舶密集程度,根据船舶区域覆盖率将区域服务水平分为畅通、缓慢、拥挤,如下表2所示:
表2
在对平行非冲突态势进行模糊推理时,干扰船与目标船相对距离Li可能的模糊集合:{小、中、大};L1、L2、L3是论域内相对距离模糊子集的边界值。图4为本发明一实施例中船舶相对距离隶属度函数曲线,从相对距离“小”到相对距离“中”的门限值应该是目标船与干扰船能同时采取避碰措施而不发生碰撞危险的最小距离,依据Pedersen提出的碰撞模型,用该模型的碰撞直径表示最小距离,如以下公式:
其中,l0、lt分别为目标船和干扰船的船长,B0、Bt分别为目标船和干扰船的船宽,v0、vt分别为目标船和干扰船的航速,vr为相对速度,δ为两船航向夹角,从相对距离“中”到相对距离“远”的门限值为4L1。
以某一区域内代表船对目标船的作用粒度计算为例,对平行非冲突会遇局面下的船舶集群态势进行模糊推理,通过对某一动态网格区域内干扰船对目标船的作用粒度计算为例,对平行非冲突会遇局面下船舶集群态势进行模糊推理,得到作用粒度的模糊推理表3所示。
表3
另外,该步骤中还应用模糊逻辑方法对所述驶离非冲突会遇局面下的船舶集群态势进行模糊推理,所考虑的参考因素为:目标船所在编组关系内船舶的船型(小、中、大)、船舶行驶倾向性类型(高效型、中庸型、保守型)、区域服务水平(畅通、缓慢、拥挤)、速度数值差(正、零、负)等。因此,分别得到所述目标船的船型的模糊集合为{小,中,大},行驶倾向性类型的模糊集合为{高效型,中庸型,低效型},区域服务水平的模糊集合为{畅通,缓慢,拥挤},速度数值差的模糊集合为{正,零,负}。
该步骤中通过对某一动态网格区域内干扰船对目标船的作用粒度计算为例,对驶离非冲突会遇局面下船舶集群态势进行模糊推理,得到作用粒度的模糊推理表4所示:
表4
在步骤S140中,根据所述多个虚拟动态网格之间的作用力,得到船舶集群态势对目标船的作用力集合。
在该步骤中,对所述8个扇形区域内目标船周围船舶集群态势的数学表达,首先需要计算不同动态网格内船舶对所述目标船的作用力,所述作用力的表达式为[相邻虚拟动态网格作用力,相隔虚拟动态网格作用力],即F1 1=[F1 q,F1 qg];
根据所述8个扇形区域内的作用力得到船舶集群态势对所述目标船的作用力集合,集群态势对目标船的作用力集合的表达式为[P1区域作用力,P2区域作用力,P3区域作用力,P4区域作用力,P5区域作用力,P6区域作用力,P7区域作用力,P8区域作用力],即:
F1 0=[F1 1,F1 2,F1 3,F1 4,F1 5,F1 6,F1 7,F1 8]。
综上所述,采用本公开实施例提供的非冲突状态船舶集群态势分析方法,一方面,通过将船舶感知区域划分为多个虚拟动态网格,从而可以在多个虚拟动态网格内对船舶集群态势进行多视图分析,能够综合各种水域环境下的船舶非冲突会遇情况并对船舶集群态势进行全面分析;另一方面,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 (6)
1.一种非冲突状态船舶集群态势分析方法,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;
对船舶集群态势进行多视图分析,在所述多个虚拟动态网格中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,得到所述虚拟动态网格内船舶对所述目标船的作用力;
根据所述多个虚拟动态网格之间的作用力,得到船舶集群态势对目标船的作用力集合;
其中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;
其中对船舶集群态势进行多视图分析,在所述多个虚拟动态网格中对目标船的作用力通过作用粒度进行描述包括:
以所述目标船为中心,按照非冲突会遇的类型将所述船舶集群态势划分为相互叠加的三个视图,其中所述非冲突会遇的类型包括平行非冲突会遇和驶离非冲突会遇,所述三个视图包括第一视图、第二视图和第三视图,所述第一视图为仅考虑船舶会遇局面的船舶集群态势划分图,所述第二视图为考虑所述干扰船驶离所述目标船的非冲突会遇情况下的影响划分图,所述第三视图为考虑所述干扰船航向平行于所述目标船航向的非冲突会遇情况下的影响划分图;
根据所述目标船在船舶集群态势中的安全会遇距离确定可穿过安全间隙,基于所述可穿过安全间隙确定所述目标船的可航路径,得到所述多个虚拟动态网格的连通性;
在所述虚拟动态网格中选取一艘虚拟的代表船,对所述主要干扰区域内的主要干扰船和所述次要干扰区的次要干扰船进行统计,得到所述虚拟动态网格中的作用粒度;
其中对所述主要干扰区域内的主要干扰船和所述次要干扰区的次要干扰船进行统计包括:对所述主要干扰船和所述次要干扰船的船型、行驶倾向性、相对距离、速度数值差和船舶区域服务水平的各项属性进行统计,并分别取所有干扰船的各项属性的统计结果中比例最大的值作为所述代表船的各项属性,其中所述代表船用以表示所述虚拟动态网格内的船舶整体状态。
2.如权利要求1所述的非冲突状态船舶集群态势分析方法,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。
3.如权利要求1所述的非冲突状态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,得到所述虚拟动态网格内船舶对所述目标船的作用力包括:
对所述平行非冲突会遇局面下的船舶集群态势进行模糊推理,分别得到所述目标船的船型的模糊集合为{小,中,大},相对距离的模糊集合为{小,中,大},行驶倾向性类型的模糊集合为{高效型,中庸型,低效型},区域服务水平的模糊集合为{畅通,缓慢,拥挤}。
4.如权利要求3所述的非冲突状态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,得到所述虚拟动态网格内船舶对所述目标船的作用力还包括:
对所述驶离非冲突会遇局面下的船舶集群态势进行模糊推理,分别得到所述目标船的船型的模糊集合为{小,中,大},行驶倾向性类型的模糊集合为{高效型,中庸型,低效型},区域服务水平的模糊集合为{畅通,缓慢,拥挤},速度数值差的模糊集合为{正,零,负}。
5.如权利要求1所述的非冲突状态船舶集群态势分析方法,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。
6.如权利要求5所述的非冲突状态船舶集群态势分析方法,其特征在于,所述根据所述多个虚拟动态网格之间的作用力,得到船舶集群态势对目标船的作用力集合包括:
对所述8个扇形区域内分别计算所述多个虚拟动态网格内船舶对所述目标船的作用力,所述作用力的表达式为[相邻虚拟动态网格作用力,相隔虚拟动态网格作用力];
根据所述8个扇形区域内的作用力得到船舶集群态势对所述目标船的作用力集合,所述作用力集合的表达式为[P1区域作用力,P2区域作用力,P3区域作用力,P4区域作用力,P5区域作用力,P6区域作用力,P7区域作用力,P8区域作用力]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910516643.4A CN110444045B (zh) | 2019-06-14 | 2019-06-14 | 一种非冲突状态船舶集群态势分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910516643.4A CN110444045B (zh) | 2019-06-14 | 2019-06-14 | 一种非冲突状态船舶集群态势分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110444045A CN110444045A (zh) | 2019-11-12 |
CN110444045B true CN110444045B (zh) | 2021-03-02 |
Family
ID=68429149
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910516643.4A Active CN110444045B (zh) | 2019-06-14 | 2019-06-14 | 一种非冲突状态船舶集群态势分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110444045B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113470435B (zh) * | 2021-07-09 | 2022-10-25 | 上海海事大学 | 生成自然对抗海洋环境的智能船舶测试场景的方法及终端 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1405578A (zh) * | 2001-08-03 | 2003-03-26 | 古野电气株式会社 | 移动体显示装置 |
KR101193687B1 (ko) * | 2011-04-18 | 2012-10-22 | 창원대학교 산학협력단 | 선박 충돌 방지를 위한 운항 제어 시스템 |
KR20130013495A (ko) * | 2011-07-28 | 2013-02-06 | 목포대학교산학협력단 | 해상무선통신환경에서 육상기지국 기반 ais와 위성 기반 ais를 사용하는 통합 ais 시스템 |
CN105096660A (zh) * | 2015-09-09 | 2015-11-25 | 河海大学常州校区 | 一种基于碰撞分类检测的船舶安全预警方法 |
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 |
CN109697892A (zh) * | 2019-02-22 | 2019-04-30 | 湖北大学 | 一种时空感知的船舶碰撞风险智能预警方法 |
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 |
-
2019
- 2019-06-14 CN CN201910516643.4A patent/CN110444045B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1405578A (zh) * | 2001-08-03 | 2003-03-26 | 古野电气株式会社 | 移动体显示装置 |
KR101193687B1 (ko) * | 2011-04-18 | 2012-10-22 | 창원대학교 산학협력단 | 선박 충돌 방지를 위한 운항 제어 시스템 |
KR20130013495A (ko) * | 2011-07-28 | 2013-02-06 | 목포대학교산학협력단 | 해상무선통신환경에서 육상기지국 기반 ais와 위성 기반 ais를 사용하는 통합 ais 시스템 |
CN105096660A (zh) * | 2015-09-09 | 2015-11-25 | 河海大学常州校区 | 一种基于碰撞分类检测的船舶安全预警方法 |
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 |
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 |
CN109697892A (zh) * | 2019-02-22 | 2019-04-30 | 湖北大学 | 一种时空感知的船舶碰撞风险智能预警方法 |
Non-Patent Citations (2)
Title |
---|
基于改进势场法的受限水域中船舶自动避碰模型研究;林晓杰;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20180615;第41-51、60-64页 * |
基于混合模糊多人多目标非合作博弈的车道选择模型;王晓原 等;《 自动化学报》;20171130;第43卷(第11期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110444045A (zh) | 2019-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102541069B (zh) | 偏离损失的避免操纵 | |
Han et al. | A dynamically hybrid path planning for unmanned surface vehicles based on non-uniform Theta* and improved dynamic windows approach | |
CN109597417B (zh) | 一种基于避碰准则的多usv群体协同避碰规划方法 | |
Wu et al. | Long-voyage route planning method based on multi-scale visibility graph for autonomous ships | |
CN110444046B (zh) | 一种受限水域非冲突会遇船舶集群态势分析方法 | |
Tang et al. | Detection of abnormal vessel behaviour based on probabilistic directed graph model | |
Ni et al. | An application-orientated anti-collision path planning algorithm for unmanned surface vehicles | |
Yang et al. | Maritime traffic flow clustering analysis by density based trajectory clustering with noise | |
CN110703759B (zh) | 一种多船博弈的船舶避碰处理方法 | |
Chen et al. | Autonomous port management based AGV path planning and optimization via an ensemble reinforcement learning framework | |
Li et al. | Towards real-time ship collision risk analysis: An improved R-TCR model considering target ship motion uncertainty | |
CN110411448B (zh) | 一种船舶感知区域动态网格内代表船的选取方法 | |
CN110444045B (zh) | 一种非冲突状态船舶集群态势分析方法 | |
Zhang et al. | A data-driven approach for ship-bridge collision candidate detection in bridge waterway | |
Charalambopoulos et al. | Efficient ship weather routing using probabilistic roadmaps | |
CN104504934A (zh) | 一种航海交通管制方法 | |
CN110414042B (zh) | 一种冲突会遇局面下船舶集群态势分析方法 | |
Gao et al. | An optimized path planning method for container ships in Bohai bay based on improved deep Q-learning | |
CN110443368B (zh) | 一种冲突状态下船舶集群态势分析方法 | |
CN105388472A (zh) | 一种对海雷达系统中交错重叠目标跟踪方法 | |
CN110415561B (zh) | 一种非冲突会遇局面下船舶集群态势分析方法 | |
Wei | Design of ship navigation trajectory analysis and application system based on image processing technology | |
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 | |
Tu et al. | Decision-making method for multi-ship collision avoidance based on improved extensive game model | |
CN110415562B (zh) | 一种受限水域冲突会遇船舶集群态势分析方法 |
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 |