CN110716570B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN110716570B CN110716570B CN201911046829.4A CN201911046829A CN110716570B CN 110716570 B CN110716570 B CN 110716570B CN 201911046829 A CN201911046829 A CN 201911046829A CN 110716570 B CN110716570 B CN 110716570B
- Authority
- CN
- China
- Prior art keywords
- ship
- area
- meeting
- target
- ships
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 17
- 230000035484 reaction time Effects 0.000 claims abstract description 49
- 230000009471 action Effects 0.000 claims abstract description 42
- 230000008447 perception Effects 0.000 claims description 22
- 230000002452 interceptive effect Effects 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 7
- 230000001133 acceleration Effects 0.000 claims description 6
- ALPWRKFXEOAUDR-GKEJWYBXSA-M sodium;[(2r)-2,3-di(octadecanoyloxy)propyl] hydrogen phosphate Chemical compound [Na+].CCCCCCCCCCCCCCCCCC(=O)OC[C@H](COP(O)([O-])=O)OC(=O)CCCCCCCCCCCCCCCCC ALPWRKFXEOAUDR-GKEJWYBXSA-M 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 9
- 239000002245 particle Substances 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/0206—Control of position or course in two dimensions specially adapted to water vehicles
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例涉及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,其包括:将船舶感知区域划分为多个虚拟动态网格,并计算对目标船的作用粒度值;根据会遇角度将船舶感知区域划分为一级会遇区域、二级会遇区域和三级会遇区域;在各个三级会遇区域内,根据船舶间特征项结合作用粒度值实时确定领域的边界点,船舶间特征项包括最小安全会遇距离、决策反应时间和停船视距;根据各个会遇区域内确定的多个边界点进行拟合,得到目标船的相对领域。本发明在各级会遇区域内分别综合船舶间特征结合作用粒度值确定领域的边界点,确定出针对不同级的会遇区域能够根据其特点确定相应的相对领域,能够有效的提高船舶对周围环境辨识的速度。
Description
技术领域
本发明涉及船舶技术领域,尤其涉及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。
背景技术
智能无人船舶具有安全系数高,经济环保,绿色节能的优点。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,好的船舶领域模型的建立,能够更好的保障船舶在避碰过程中,船舶的行驶安全。
现有技术中对船舶领域的相关研究,多是对船舶驾驶员进行问卷调查、海上交通观测或航海模拟器操作来获得建模数据,采用聚类分析或统计方法对这些经验或主观数据进行处理,得到某种特定情况下的领域模型,其影响因素众多,研究方法多是限于某些外界因素,缺乏对不同船舶行驶倾向性以及反应时间的分析,以及对船舶集群态势的综合研究。
基于上述,现有技术中缺乏综合研究对船舶集群态势进行分析。
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,本发明提供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,解决综合研究对船舶集群态势进行分析的问题。
(二)技术方案
为了达到上述目的,本发明采用的主要技术方案包括:
本发明一实施例提供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,其包括:
将船舶感知区域划分为多个虚拟动态网格;
采用模糊逻辑规则计算所述虚拟动态网格对目标船的作用粒度值;
根据会遇角度将船舶感知区域划分为一级会遇区域、二级会遇区域和三级会遇区域;
在所述一级会遇区域、所述二级会遇区域和所述三级会遇区域内,根据船舶间特征项结合所述作用粒度值实时确定领域的边界点,所述船舶间特征项包括最小安全会遇距离、决策反应时间和停船视距;
根据所述一级会遇区域、所述二级会遇区域和所述三级会遇区域内确定的多个边界点进行拟合,得到目标船的相对领域。
在本发明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会遇区域对所述船舶感知区域进行划分,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会遇角度划分,得到24个虚拟动态网格。
在本发明的一种示例性实施例中,所述采用模糊逻辑规则计算所述虚拟动态网格对目标船的作用粒度值包括:
在所述虚拟动态网格中根据多个干扰船的分布情况结合干扰船特性虚拟出虚拟代表船;
根据所述虚拟代表船与所述目标船的船型和行驶倾向性,采用模糊逻辑规则计算在所述虚拟动态网格对所述目标船的作用粒度值。
在本发明的一种示例性实施例中,所述根据会遇角度将船舶感知区域划分为一级会遇区域、二级会遇区域和三级会遇区域包括:
将干扰船与目标船的会遇角度为350°~112.5°的扇形区域记为一级会遇区域;
将干扰船与目标船的会遇角度为247.5°~350°的扇形区域记为二级会遇区域;
将干扰船与目标船的会遇角度为112.5°~247.5°的扇形区域记为三级会遇区域。
在本发明的一种示例性实施例中,所述最小安全会遇距离的计算公式为:
dDSPA=a1×a2×y
a1为水文气象条件系数,a2为船舶密度,y为让路船全速满舵避让90°时两船之间的距离,其中a1的取值范围为0~1;
a2的计算公式为:
其中ρ为所述船舶感知区域内所有船舶的数量;
y的计算公式为:
其中ωjk、vjk为中间变量。
在本发明的一种示例性实施例中,所述决策反应时间包括感知决策时间和操作反应时间的总和时间。
在本发明的一种示例性实施例中,所述感知决策时间由船舶行驶倾向性确定,所述船舶行驶倾向性包括高效型、中庸型和保守型,当所述船舶行驶倾向性为高效型时,所述操作反应时间为2.5min;当所述船舶行驶倾向性为中庸型时,所述操作反应时间为3min;当所述船舶行驶倾向性为保守型时,所述操作反应时间为3.5min。
在本发明的一种示例性实施例中,所述操作反应时间为船舶从接收操作指令到做出相应操作所需要的时间,计算公式为:
其中ts为船首转向ΔC角,速度改变Δv时所用的时间;δ为使用的舵角;K为在所述舵角下回旋性指数;T为航向稳定性指数;a为船舶的加速度。
在本发明的一种示例性实施例中,所述停船视距的计算公式为:
v为跟驶船初始行驶的速度;a为跟驶船制动加速度;lz为跟驶船的船长;tm为所述感知决策时间;L为干扰船与目标船之间的距离。
在本发明的一种示例性实施例中,所述根据船舶间特征项结合所述作用粒度值实时确定领域的边界点包括:
其中dDSPA为船舶间所述最小安全会遇距离;tsa为目标船的操作反应时间;tma为目标船的行驶倾向性感知决策反应时间;va为目标船的速度;tsb为干扰船的操作反应时间;tmb为干扰船的行驶倾向性感知决策反应时间;vb为干扰船的速度;β为反应时间内船舶行驶的距离转换到最小安全会遇距离方向的系数;fn为动态网格区域n对目标船的作用粒度;S为跟驶干扰船的停船视距。
(三)有益效果
本发明的有益效果是:本发明实施例提供的开阔繁忙水域基于船舶集群态势的相对领域获取方法,通过对船舶感知区域按照会遇角度划分为不同级的会遇区域,进而在各级会遇区域内分别综合最小安全会遇距离、决策反应时间和停船视距等船舶间特征结合所述作用粒度值确定领域的边界点,从而确定出针对不同级的会遇区域能够根据其特点确定相应的相对领域,能够有效的提高船舶对周围环境辨识的速度。
附图说明
图1为本发明一实施例提供的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的流程图;
图2为本发明一实施例中两船会遇基本信息示意图;
图3为本发明一实施例中对目标船感知区域进行划分的示意图;
图4为本发明一实施例中对船舶感知区域进行会遇区域划分的示意图;
图5为本发明一实施例中各类决策及反应时间示意图;
图6为本发明一实施例中停船视距的示意图;
图7为本发明一实施例中船舶相对领域的示意图。
具体实施方式
为了更好的解释本发明,以便于理解,下面结合附图,通过具体实施方式,对本发明作详细描述。
本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明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,不是旨在于限制本发明。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。
基于上述,本发明提供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,其包括:结合《国际海上避碰规则》的理论以及实际航行经验丰富的船长的实践经验,对目标船感知区域进行划分;对船舶间最小安全会遇距离、船舶行驶倾向性的感知决策时间、船舶操作反应时间以及船舶停船视距进行研究;结合船舶集群态势的复杂性分析,确定目标船周围的相对船舶领域。
图1为本发明一实施例提供的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,采用模糊逻辑规则计算所述虚拟动态网格对目标船的作用粒度值;
如图1所示,在步骤S130中,根据会遇角度将船舶感知区域划分为一级会遇区域、二级会遇区域和三级会遇区域;
如图1所示,在步骤S140中,在所述一级会遇区域、所述二级会遇区域和所述三级会遇区域内,根据船舶间特征项结合所述作用粒度值实时确定领域的边界点,所述船舶间特征项包括最小安全会遇距离、决策反应时间和停船视距;
如图1所示,在步骤S150中,根据所述一级会遇区域、所述二级会遇区域和所述三级会遇区域内确定的多个边界点进行拟合,得到目标船的相对领域。
基于上述方法,在开阔繁忙水域,对目标船感知区域进行分析,根据不同区域干扰船的航行特征确定区域内的代表干扰船。分别研究目标船与各个代表干扰船的会遇特性,考虑船舶最小安全会遇距离、船舶反应时间以及船舶的停船视距等影响因素刻画目标船相对于集群态势的船舶相对领域。通过对船舶感知区域按照会遇角度划分为不同级的会遇区域,进而在各级会遇区域内分别综合最小安全会遇距离、决策反应时间和停船视距等船舶间特征结合作用粒度值确定领域的边界点,从而确定出针对不同级的会遇区域能够根据其特点确定相应的相对领域,能够有效的提高船舶对周围环境辨识的速度。
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,采用模糊逻辑规则计算所述虚拟动态网格对目标船的作用粒度值。
在本发明的一个实施例中,该步骤具体包括:首先,以所述目标船为中心,以所述目标船与干扰船的会遇区域对所述船舶感知区域进行划分,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会遇角度划分,得到24个虚拟动态网格。
在本发明的一个实施例中,船舶感知区域是目标船重点关注的范围,当感知区域内有干扰船进入时,即认为相互之间会产生影响。以下结合实例对目标船的感知区域的划分进行介绍:
图2为本发明一实施例中两船会遇基本信息示意图,如图2所示,以目标船中心为坐标原点,东经方向为X轴正方向,北纬方向为Y轴正方向建立坐标轴,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)。相关的计算过程为:
两船舶在X轴上的相对速度分量vXr,两船舶在Y轴上相对速度分量vYr:
干扰船相对于目标船的真方位αT:
干扰船相对于目标船的相对方位θ:
动界是为了保持目标船舶领域不受侵犯而设置的需让路船提前采取适当避碰行为的超级船舶领域,动界包含船舶领域。目标船相对于干扰船的动界半径R:
船舶安全会遇距离一般是指在避碰过程中为保证两船最终能够安全避碰结束,考虑航行环境和船舶运动状态,在让路船采取转向、变速等避碰措施时两船之间的距离,船舶安全会遇距离小于动界。目标船相对于干扰船的安全会遇距离d:
图3为本发明一实施例中对目标船感知区域进行划分的示意图,如图3所示,图3(a)是对船舶感知区域的区域划分示意图,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50m的船舶,其桅灯的最小能见距离为6n mile。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50m的船舶,此时船舶的碰撞危险距离界限会有不同。
本实施例中为了会遇态势划分的简便,设定无碰撞危险阶段以6n mile为界限。通过电子海图等助航设备获取目标船以及干扰船当前航行状态的基本信息,按照上述公式(4)和公式(5)计算目标船相对于不同干扰船的动界半径R和安全会遇距离d。如图3(a)所示,在目标船与干扰船艏连线上分别取动界边界点A、B、C、D,安全会遇距离点E、F、G、H,对两组点分别进行拟合,此时形成了三个以目标船为圆心的虚线圆区域,三个圆区域将船舶感知区域依次划分为子区域N1、子区域N2和子区域N3,即子区域N1对应碰撞区域,子区域N2对应主要干扰区域,子区域N3对应次要干扰区域。
图3(b)为结合《国际海上避碰规则》(Convention on the InternationRegulations for Preventing Collisions at Sea,COLREGs)对船舶会遇态势划分的理论依据以及航行经验丰富船长的实际经验共同对感知区域的角度划分图,其中会遇角度划分包括: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。
图3(c)为图3(a)和图3(b)的叠加图,分别从会遇区域和会遇角度两个方向对船舶感知区域进行划分,将船舶感知区域划分为圆盘状的多个虚拟动态网格,不同虚拟动态网格内的干扰船对目标船的影响不同。
在步骤S120中,采用模糊逻辑规则计算所述虚拟动态网格对目标船的作用粒度值。
在本发明的一个实施例中,该步骤首先需要在所述虚拟动态网格中根据多个干扰船的分布情况结合干扰船特性虚拟出虚拟代表船;其次,根据所述虚拟代表船与所述目标船的船型和行驶倾向性,采用模糊逻辑规则计算所述虚拟动态网格对所述目标船的作用粒度值。
在本发明的一个实施例中,由于一个虚拟动态网格区域内可能存在多艘船舶,不利于相对领域边界的确定。根据船舶集群态势复杂性的研究,可以考虑对船舶当前所处集群态势进行分析,再针对不同动态网格内干扰船分布情况以及干扰船特性虚拟出能够代表动态网格对目标船影响的虚拟代表船。此处仅对虚拟动态网格内存在一艘或多艘船舶的情况进行处理,对不存在船舶的动态网格暂时不考虑。在实际的船舶航行过程中,驾驶员对周围环境的感知是模糊的、不完全的。模糊逻辑方法可以采用语言变量的形式进行规则型近似推理,适用于刻画建立在驾驶员知识和经验基础上的主观判断过程,所以可以借助模糊逻辑方法获取目标船感知区域中各动态网格区域内船舶对目标船的作用力,进而得到目标船在行驶过程中所受的作用力。
在本发明的一个实施例中,作用粒度主要考虑的参考因素为目标船和代表干扰船的船型、目标船和代表干扰船的行驶倾向性、船间时距、动态网格服务水平、船舶间冲突类型等。力的大小用作用粒度描述,引力最大的作用粒度用1表示,斥力最大的作用粒度用-1表示,不同力的作用粒度用其所在区间内的实数表示,如表1所示。
表1不同作用力对应的作用粒度
在船舶集群态势分析时,通过模糊逻辑规则确定动态网格对目标船的作用粒度值。
fn=[f1 f2 ... f16] (公式6)
表2为模糊推理规则表,选取平行非冲突状态下的模糊推理规则为例。
表2平行非冲突状态下的模糊推理规则
在步骤S130中,根据会遇角度将船舶感知区域划分为一级会遇区域、二级会遇区域和三级会遇区域。
在本发明的一个实施例中,该步骤中基于船舶集群态势的相对领域边界应该根据船舶会遇复杂性的变化而变化,船舶感知区域内干扰船与目标船形成不同会遇态势时,应根据船舶间的特征确定实时的领域边界点。
图3(b)为船舶集群态势感知区域角度的划分图,参考COLREGs中对遇局面、交叉相遇局面以及追越局面的角度划分,结合船长专家对规则的解释和驾驶员的实践经验为基础可知,当目标船在海上与干扰船会遇时,应视不同的会遇类型采取不同的应对措施,以此为依据对目标船感知区域进行划分。
图4为本发明一实施例中对船舶感知区域进行会遇区域划分的示意图,如图4所示,将干扰船与目标船的会遇角度为350°~112.5°的扇形区域记为一级会遇区域;将干扰船与目标船的会遇角度为247.5°~350°的扇形区域记为二级会遇区域;将干扰船与目标船的会遇角度为112.5°~247.5°的扇形区域记为三级会遇区域。
若一级会遇区域内存在干扰船,则目标船为让路船,需要采取相应的避碰措施;若二级会遇区域或三级会遇区域内存在干扰船,目标船为直航船。根据三个区域内会遇船舶的不同会遇特点,对船舶集群态势的相对领域边界进行划设。
在步骤S140中,在所述一级会遇区域、所述二级会遇区域和所述三级会遇区域内,根据船舶间特征项结合所述作用粒度值实时确定领域的边界点,所述船舶间特征项包括最小安全会遇距离、决策反应时间和停船视距。
在本发明的一个实施例中,该步骤中对基于船舶集群态势相对领域的研究需要根据目标船周围不同方位干扰船的会遇特性选取不同的计算方式,采用多种方式进行建模。建模过程中除了考虑船舶间速度、方位等,还要考虑各类反应时间以及船舶的停船视距等影响因素,即综合考虑包括上述因素在内的船舶间特征项结合所述作用粒度值,达到更加全面的对开阔水域集群态势船舶相对领域建模的目的。
在本发明的一个实施例中,上述船舶间特征项中的最小安全会遇距离是指在避碰过程中为使两会遇船最终能刚好安全的避碰结束,在让路船全速满舵避让90°时,两船之间的距离,计算公式为:
dDSPA=a1×a2×y (公式7)
其中a1为水文气象条件系数,a2为船舶密度,y为让路船全速满舵避让90°时两船之间的距离,其中a1的取值范围为0~1。例如,当水文气象条件好的时候a1=0.1,水文气象条件差的时候a1=0.9,水文气象条件一般时a1=0.5。
a2的计算公式为:
其中ρ为所述船舶感知区域内船舶的数量;
y的计算公式为:
其中ωjk、vjk为中间变量,具体为ωjk为网络系数,vjk为规则层的输出量。
在本发明的一个实施例中,上述船舶间特征项中的决策反应时间包括感知决策时间和操作反应时间的总和时间,驾驶员的决策反应时间是指从发现问题到做出相应避碰决策所需要的时间。综合考虑有人船和无人船的特性,以不同船舶行驶倾向性的特征为研究基础,对船舶感知信息的时间以及做出决策的时间进行界定。
图5为本发明一实施例中各类决策及反应时间示意图,如图5所示,感知决策时间更进一步包括船舶感知信息时间和船舶决策时间,感知决策时间由船舶行驶倾向性确定,所述船舶行驶倾向性包括高效型、中庸型和保守型,针对不同的行驶倾向性,本实施例对船舶行驶倾向性感知决策反应时间进行描述,当所述船舶行驶倾向性为高效型时,所述操作反应时间为2.5min;当所述船舶行驶倾向性为中庸型时,所述操作反应时间为3min;当所述船舶行驶倾向性为保守型时,所述操作反应时间为3.5min。
如图5所示,操作反应时间进一步包括接收操作指令及反应时间和做出相应操作的时间,即为船舶从接收操作指令到做出相应操作所需要的时间,计算公式为:
其中ts为船首转向ΔC角,速度改变Δv时所用的时间;δ为使用的舵角;K为在所述舵角下回旋性指数;T为航向稳定性指数;a为船舶的加速度。
在本发明的一个实施例中,还需要考虑船舶间特征项的停船视距,在道路交通工程中,停车视距是为了保证汽车在行驶时驾驶员看到前方车辆或障碍物后,采取制动措施能够使汽车在障碍物前停下来所需要的最短距离。相似的,船舶在海上航行时,后方跟驶船在运行中与前方船舶同样需要保持一定的停船视距。由于无人船对周围航行信息的获取均依靠感知系统,通过对感知信息的分析进一步得到相应的避碰决策。所以无人船的停船视距既要考虑船舶的感知时间又要考虑船舶的决策反应时间,据此本实施例对船舶停船视距的刻画选取船舶行驶倾向性感知决策反应时间为影响因素。
图6为本发明一实施例中停船视距的示意图,如图6所示,停船视距包括安全距离、操作距离和反应距离。基于上述,停船视距的计算公式为:
其中v为跟驶船初始行驶的速度;a为跟驶船制动加速度;lz为跟驶船的船长;tm为所述感知决策时间;L为干扰船与目标船之间的距离。
在本发明的一个实施例中,在不同级别的会遇距离中,确定相对领域的边界点时考虑的因素也有不同。结合不同区域对目标船的作用力,本实施例中船舶相对领域的计算公式为:
其中dDSPA为船舶间所述最小安全会遇距离;tsa为目标船的操作反应时间;tma为目标船的行驶倾向性感知决策反应时间;va为目标船的速度;tsb为干扰船的操作反应时间;tmb为干扰船的行驶倾向性感知决策反应时间;vb为干扰船的速度;β为反应时间内船舶行驶的距离转换到最小安全会遇距离方向的系数;fn为动态网格区域n对目标船的作用粒度;S为跟驶干扰船的停船视距。
例如,在一级会遇区域内存在干扰船时,应考虑两船舶间的最小安全会遇距离、船舶行驶倾向性感知决策反应时间、船舶操作反应时间以及区域对目标船的作用粒度fn等影响因素;
在二级会遇区域内存在干扰船时,应考虑两船舶间的最小安全会遇距离,干扰船的船舶行驶倾向性感知决策反应时间、干扰船操作反应时间以及区域对目标船的作用粒度等影响因素;
在三级会遇区域内存在干扰船时,应主要考虑跟驶船的停船视距,而不考虑上述一级会遇区域和二级会遇区域时考虑的因素,如不存在跟驶船,则该区域边界点选取距离该区域最近距离的领域边界点。
在步骤S150中,根据所述一级会遇区域、所述二级会遇区域和所述三级会遇区域内确定的多个边界点进行拟合,得到目标船的相对领域。
在本发明的一个实施例中,对船舶周围动态网格内的代表干扰船按照上述计算方法得到相应目标船相对领域边界点,将多个边界点进行拟合即得到开阔繁忙水域船舶相对领域。
图7为本发明一实施例中船舶相对领域的示意图,如图7所示,对目标船而言,在其三个级别的会遇区域确定相应的边界点,进而对这些边界点进行拟合,形成的区域为相对领域。根据上述思路,基于船舶集群态势的相对领域模型在当前船舶领域仅考虑两艘船相互影响的确定方法基础上对船舶集群态势进行整体性思考,考虑集群态势对目标船的影响,进而确定目标船的相对领域。
综上所述,采用本发明实施例提供的开阔繁忙水域基于船舶集群态势的相对领域获取方法,首先建立针对整个集群态势的目标船舶领域,更好的表示周围会遇环境对目标船的影响;对目标船感知区域进行分析,划分不同的会遇区域,有针对性地在不同的会遇区域采取不同的计算方法确定领域的边界点;在考虑船舶周围会遇安全距离的基础上,考虑船舶间各类决策反应时间,更大程度的保障船舶会遇的安全性;在虚拟动态网格中以虚拟代表船代表区域对目标船的影响,确定各个区域对目标船影响的领域边界点,对多个边界点进行拟合得到整体的领域边界;在船舶相对领域的建模过程中,考虑集群态势中动态网格区域的作用粒度,考虑区域的引斥力,更好的表达集群态势对目标船相对领域的影响。该方法通过对不同会遇区域船舶避碰特点的研究,确定不同区域领域边界的确定方法,能够有效的提高船舶对周围环境辨识的速度。且具有较高的辨识度。能够更好的保障船舶航行过程中的安全性,实时的体现周围会遇复杂性的变化。
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,根据本发明的实施方式,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,根据本发明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)执行根据本发明实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、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发明的一般性原理并包括本发明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,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明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。本发明的范围仅由所附的权利要求来限制。
Claims (3)
1.一种开阔繁忙水域基于船舶集群态势的相对领域获取方法,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;
采用模糊逻辑规则计算所述虚拟动态网格对目标船的作用粒度值;
所述采用模糊逻辑规则计算所述虚拟动态网格对目标船的作用粒度值包括:
在所述虚拟动态网格中根据多个干扰船的分布情况结合干扰船特性虚拟出虚拟代表船;
根据所述虚拟代表船与所述目标船的船型和行驶倾向性,采用模糊逻辑规则计算所述虚拟动态网格对所述目标船的作用粒度值;
所述模糊逻辑规则为平行非冲突状态下的模糊推理规则;
具体地,当目标船型与代表船型均为小和/或中,目标船行驶倾向性为中庸型,代表船行驶倾向性为保守型,所述虚拟动态网格对所述目标船的作用粒度值为1;
当目标船型为大,代表船型均为小或中,目标船行驶倾向性为保守型,代表船行驶倾向性为保守型,所述虚拟动态网格对所述目标船的作用粒度值为0.8;
当目标船型为小或中,代表船型均为大,目标船行驶倾向性为保守型,代表船行驶倾向性为高效型,所述虚拟动态网格对所述目标船的作用粒度值为0.6;
当目标船型为小,代表船型均为大,目标船行驶倾向性与代表船行驶倾向性均为高效型或中庸型,所述虚拟动态网格对所述目标船的作用粒度值为0.4;
根据会遇角度将船舶感知区域划分为一级会遇区域、二级会遇区域和三级会遇区域;
在所述一级会遇区域、所述二级会遇区域和所述三级会遇区域内,根据船舶间特征项结合所述作用粒度值实时确定领域的边界点,所述船舶间特征项包括最小安全会遇距离、决策反应时间和停船视距;
根据所述一级会遇区域、所述二级会遇区域和所述三级会遇区域内确定的多个边界点进行拟合,得到目标船的相对领域;
所述根据船舶间特征项结合所述作用粒度值实时确定领域的边界点,具体为:
其中dDSPA为船舶间所述最小安全会遇距离;tsa为目标船的操作反应时间;tma为目标船的行驶倾向性感知决策反应时间;va为目标船的速度;tsb为干扰船的操作反应时间;tmb为干扰船的行驶倾向性感知决策反应时间;vb为干扰船的速度;β为反应时间内船舶行驶的距离转换到最小安全会遇距离方向的系数;fn为动态网格区域n对目标船的作用粒度;S为跟驶干扰船的停船视距;
所述最小安全会遇距离的计算公式为:
dDSPA=a1×a2×y
a1为水文气象条件系数,a2为船舶密度,y为让路船全速满舵避让90°时两船之间的距离,其中a1的取值范围为0~1;
a2的计算公式为:
其中ρ为所述船舶感知区域内所有船舶的数量;
y的计算公式为:
其中ωjk、vjk为中间变量;
所述决策反应时间包括感知决策时间和操作反应时间的总和时间;
所述感知决策时间由船舶行驶倾向性确定,所述船舶行驶倾向性包括高效型、中庸型和保守型,当所述船舶行驶倾向性为高效型时,所述操作反应时间为2.5min;当所述船舶行驶倾向性为中庸型时,所述操作反应时间为3min;当所述船舶行驶倾向性为保守型时,所述操作反应时间为3.5min;
所述操作反应时间为船舶从接收操作指令到做出相应操作所需要的时间,计算公式为:
其中ts为船首转向ΔC角,速度改变Δv时所用的时间;δ为使用的舵角;K为在所述舵角下回旋性指数;T为航向稳定性指数;a为船舶的加速度;
所述停船视距的计算公式为:
v为跟驶船初始行驶的速度;a为跟驶船制动加速度;lz为跟驶船的船长;tm为所述感知决策时间;L为干扰船与目标船之间的距离。
2.如权利要求1所述的开阔繁忙水域基于船舶集群态势的相对领域获取方法,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会遇区域对所述船舶感知区域进行划分,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会遇角度划分,得到24个虚拟动态网格。
3.如权利要求1所述的开阔繁忙水域基于船舶集群态势的相对领域获取方法,其特征在于,所述根据会遇角度将船舶感知区域划分为一级会遇区域、二级会遇区域和三级会遇区域包括:
将干扰船与目标船的会遇角度为350°~112.5°的扇形区域记为一级会遇区域;
将干扰船与目标船的会遇角度为247.5°~350°的扇形区域记为二级会遇区域;
将干扰船与目标船的会遇角度为112.5°~247.5°的扇形区域记为三级会遇区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911046829.4A CN110716570B (zh) | 2019-10-30 | 2019-10-30 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911046829.4A CN110716570B (zh) | 2019-10-30 | 2019-10-30 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110716570A CN110716570A (zh) | 2020-01-21 |
CN110716570B true CN110716570B (zh) | 2022-09-06 |
Family
ID=69213525
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911046829.4A Active CN110716570B (zh) | 2019-10-30 | 2019-10-30 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110716570B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103207937A (zh) * | 2013-04-15 | 2013-07-17 | 大连海事大学 | 一种四元船舶安全领域模型及船舶避碰方法 |
CN103963920A (zh) * | 2014-04-25 | 2014-08-06 | 河海大学 | 一种海轮船舶领域的确定方法 |
CN107886773A (zh) * | 2017-10-19 | 2018-04-06 | 天津大学 | 一种基于信息量的船舶所处会遇态势紧迫度量化分析方法 |
CN109597417A (zh) * | 2019-01-14 | 2019-04-09 | 哈尔滨工程大学 | 一种基于避碰准则的多usv群体协同避碰规划方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7437246B2 (en) * | 2006-08-01 | 2008-10-14 | Raytheon Company | Method of determining a collision avoidance maneuver |
-
2019
- 2019-10-30 CN CN201911046829.4A patent/CN110716570B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103207937A (zh) * | 2013-04-15 | 2013-07-17 | 大连海事大学 | 一种四元船舶安全领域模型及船舶避碰方法 |
CN103963920A (zh) * | 2014-04-25 | 2014-08-06 | 河海大学 | 一种海轮船舶领域的确定方法 |
CN107886773A (zh) * | 2017-10-19 | 2018-04-06 | 天津大学 | 一种基于信息量的船舶所处会遇态势紧迫度量化分析方法 |
CN109597417A (zh) * | 2019-01-14 | 2019-04-09 | 哈尔滨工程大学 | 一种基于避碰准则的多usv群体协同避碰规划方法 |
Non-Patent Citations (1)
Title |
---|
Ship"s Trajectory Planning for Collision Avoidance at Sea Based on Modified;Hongguang Lyu,Yong Yin;《2017 2nd International Conference on Robotics and Automation Engineering》;20171230;第351-356页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110716570A (zh) | 2020-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110456823B (zh) | 一种针对无人机计算与存储能力受限的双层路径规划方法 | |
CN108564202B (zh) | 一种基于环境预报信息的无人艇航线优化方法 | |
CN109597417B (zh) | 一种基于避碰准则的多usv群体协同避碰规划方法 | |
CN110956853B (zh) | 一种多船碰撞预测方法、系统和存储介质 | |
Zhang et al. | An adaptive obstacle avoidance algorithm for unmanned surface vehicle in complicated marine environments | |
Wang et al. | Ship route planning based on double-cycling genetic algorithm considering ship maneuverability constraint | |
Wang et al. | Local path optimization method for unmanned ship based on particle swarm acceleration calculation and dynamic optimal control | |
JP2021018484A (ja) | 周辺状態表現方法、避航動作学習プログラム、避航動作学習システム、及び船舶 | |
CN110444046A (zh) | 一种受限水域非冲突会遇船舶集群态势分析方法 | |
Vagale et al. | Evaluation of path planning algorithms of autonomous surface vehicles based on safety and collision risk assessment | |
CN113538973B (zh) | 一种基于改进粒子群算法的船舶自动避碰方法 | |
CN111256694A (zh) | 一种确定水面无人艇路径的方法 | |
CN110826891B (zh) | 一种基于船舶集群态势的相对碰撞危险度获取方法 | |
Guo et al. | Mission-driven path planning and design of submersible unmanned ship with multiple navigation states | |
CN110411448B (zh) | 一种船舶感知区域动态网格内代表船的选取方法 | |
CN114088094A (zh) | 一种无人艇的智能航路规划方法及系统 | |
Wu et al. | An overview of developments and challenges for unmanned surface vehicle autonomous berthing | |
CN110414042B (zh) | 一种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 | |
Zhang et al. | Dynamic path planning algorithm for unmanned surface vehicle under island-reef environment | |
CN111199096B (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 | |
CN110796142B (zh) | 一种基于船舶集群态势的船间相对领域获取方法 | |
Dinh et al. | A study on the construction of stage discrimination model and consecutive waypoints generation method for ship’s automatic avoiding action | |
CN110443368B (zh) | 一种冲突状态下船舶集群态势分析方法 | |
CN110758669B (zh) | 一种开阔繁忙水域的双层相对领域获取方法 |
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 |