CN110849371A - 一种无人船气象航线动态优化方法和系统 - Google Patents

Abstract

本发明涉及一种无人船气象航线动态优化方法和系统，该方法包括：对船舶航行区域进行网格化处理，得到多个格点；获取船舶的初始航线，并对所述航行区域中所有网格点计算评价值；船舶按照所述初始航线航行过程中，实时将船舶当前位置的格点与所述初始航线进行对比、将实时气象数据与对应格点的气象数据进行对比；响应于航线偏离或气象数据发生变化，根据所述实时气象数据对船舶行驶格点所在列到终点之间格点的评价值进行更新，得到更新的格点评价值；根据所述更新的格点评价值确定最佳航线。本发明基于动态规划递推方程建立无人船气象航线动态优化模型，该模型对船舶航行海域网格化处理，根据实时海洋气象数据更新评价值，根据航线评价值获取最佳航线。

Description

一种无人船气象航线动态优化方法和系统

技术领域

本发明涉及船舶技术领域，尤其涉及一种无人船气象航线动态优化方法和系统。

背景技术

气象航线设计作为保障智能无人船舶安全高效航行的重要研究内容，航线的安全性和经济性也是衡量船舶航线优劣的两个指标，能耗和航行时间是影响航线经济性的两个重要因素。

传统的航线优化方法多采用静态气象信息作为气象航线设计依据，无法反应实时气象对航线的影响，缺乏对能耗与航时的同时考量，已有研究多为实现航线的单目标最优，仅实现航线的航时最短或能耗最低不能满足船舶实际航行需求。

可见，现有方法在航线规划过程中存在无法基于实时变化的气象数据进行优化的问题。

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，本发明提供一种无人船气象航线动态优化方法和系统，以解决现有方法在航线规划过程中无法基于实时变化的气象数据进行优化的问题。

(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无人船气象航线动态优化方法，其包括：

对船舶航行区域进行网格化处理，得到多个格点；

获取船舶的初始航线，并对所述航行区域中所有网格点计算评价值；

船舶按照所述初始航线航行过程中，实时将船舶当前位置的格点与所述初始航线进行对比、将实时气象数据与对应格点的气象数据进行对比；

响应于航线偏离或气象数据发生变化，根据所述实时气象数据对船舶行驶格点所在列到终点之间格点的评价值进行更新，得到更新的格点评价值；

根据所述更新的格点评价值确定最佳航线。

本发明的一个实施例中，所述对船舶航行区域进行网格化处理包括：

按照预设间隔对所述船舶航行区域进行第一方向的划分，对所述船舶航行区域进行第二方向的划分，所述第一方向和第二方向交叉形成网格；

其中第一方向为纬线方向，第二方向为经线方向。

本发明的一个实施例中，所述对船舶航行区域进行网格化处理之前，还包括：

基于N级决策的动态规划递推方程建立气象航线动态优化模型，所述动态规划递推方程为：

x(k+1)＝f[x(k),u(k),k] k＝0,1,...,N

其中N为所述初始航线的起始点到终点之间航路点的个数，从起始点到终点之间进行N级决策，x(k+1)为N个航路点中第k+1个航路点的位置决策，u(k)为第k个航路点的实时气象数据，x(k)为选定航路点的位置决策，k为选定航路点之前的k段子航线。

本发明的一个实施例中，所述初始航线为大圆航线，所述大圆航线为所述起始点到所述终点之间航程最短的航线。

本发明的一个实施例中，所述对所述航行区域中所有网格点计算评价值之前，还包括：

针对一个格点获取气象数据，所述气象数据至少包括风速、风向角度；

根据船舶航向结合所述风向角度计算得到船体迎风角，计算公式为：

β＝|180°-|C-α||

其中β为船体迎风角，C为船舶航向，α为风向角度；

根据风区长度结合所述风速就算得到波高，计算公式为：

其中g为重力加速度，取9.8m/s，F为风区长度；

根据所述船体迎风角、风速、波高结合船舶静水航速、船舶排水量和相对波向计算船舶的实际航速，计算公式为：

v＝v₀-(1.08h-0.126qh+2.77v_windcosβ)(1-2.33Dv₀)

其中v为船舶实际航速，v₀为船舶静水航速，v_wind为风速，h为波高，β为船体迎风角，D为船舶排水量，q为相对波向；

根据波高计算船舶临界速度，计算公式为：

v_max＝e^0.13[1.4×10^-4q²³+12.0-h]^1.6+4.0×10^-4q²³+7.0

其中h为所述波高，q为相对波向，用于表示船舶行驶方向与波浪方向的夹角。

本发明的一个实施例中，所述对所述航行区域中所有网格点计算评价值包括：

分别构建以能耗和航时为目标的双目标航线优化模型；

利用所述双目标航线优化模型针对每个格点分别求解得到两个最优解为

和

根据所述两个最优解结合所述船舶临界速度和权重因子与转换因子计算得到所述评价值，计算公式为：

其中ω₁和ω₂分别为能耗与航时的权重因子，γ₁和γ₂分别为能耗与航时的转换因子，用于将能耗和航时转化为评价航线的经济性指标，γ₁＝γ₂Cv_(i,j)，C为常数，N为航线上恒向线个数，v_(i,j)为船舶在(i,j)格点中的实际航速，S_(i,j)为船舶在(i,j)格点中的航程长度，T_e(i,j)为船舶在(i,j)格点的主机推力。

本发明的一个实施例中，所述响应于航线偏离或气象数据发生变化，根据所述实时气象数据对船舶行驶格点所在列到终点之间格点的评价值进行更新包括：

响应于气象数据发生变化时，从终点所在列到起始点所在列根据实时气象数据对格点评价值进行更新；

响应于航行中航线偏离时，从终点所在列到船舶行驶格点所在列根据实时气象数据对格点评价值进行更新。

本发明的一个实施例中，所述根据所述更新的格点评价值确定最佳航线包括：

根据从终点所在列到所述起始点所在列或从终点所在列到所述船舶行驶格点所在列更新的格点评价值计算航线评价值；

根据格点相邻列的分布关系计算得到多条航线的航线评价值；

比较多条航线对应的航线评价值，确定将评价值最小的航线作为最佳航线。

本发明的一个实施例中，所述根据格点相邻列的分布关系计算得到多条航线的航线评价值包括：

从第一个格点开始，向第一个格点所在列开始向右侧相邻列的右上侧、右侧、右下侧三个格点出发，得到航线的三个第一个航段；

重复上述操作，得到多个航段，将所述多个航段按照格点从左向右的顺序依次连接形成多条航线；

根据每条航线上的格点评价值计算得到航线评价值，所述航线评价值为航线上所有格点更新的评价值之和。

本发明另一实施例还提供一种无人船气象航线动态优化系统，包括：

网格化模块，用于对船舶航行区域进行网格化处理，得到多个格点；

评价值模块，用于获取船舶的初始航线，并对所述航行区域中所有网格点计算评价值；

对比模块，用于船舶按照所述初始航线航行过程中，实时将船舶当前位置的格点与所述初始航线进行对比、将实时气象数据与对应格点的气象数据进行对比；

更新模块，用于响应于航线偏离或气象数据发生变化，根据所述实时气象数据对船舶行驶格点所在列到终点之间格点的评价值进行更新，得到更新的格点评价值；

优化模块，用于根据所述更新的格点评价值确定最佳航线。

(三)有益效果

本发明的有益效果是：本发明上述实施例提供的无人船气象航线动态优化方法和系统，对船舶航行海域网格化处理，根据实时海洋气象数据更新格点评价值，用于计算航行区域内网格航线评价值，根据航线评价值对无人船航线进行动态优化，获取最佳航线。

附图说明

图1为本发明一实施例提供的一种无人船气象航线动态优化方法的流程图；

图2为本发明一实施例中N级决策过程的示意图；

图3为本发明一实施例中某一历史时期全球风速分布图；

图4为本发明一实施例中风向计算示意图；

图5为本公开一实施例中航线评价值更新的示意图；

图6为本发明一实施例中格点评价值计算的流程图；

图7为本发明一实施例中航线优化过程的示意图；

图8为本发明一实施例实现上述航线优化方法的寻优流程图；

图9为本发明另一实施例提供的一种无人船气象航线动态优化系统的示意图。

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。

本发明以下实施例提供一种无人船气象航线动态优化方法，建立无人船双目标全局气象航线模型，该模型通过分析海洋气象信息，结合航路点优化准则，调整原大圆航线上航路点位置，优化船舶能耗与航行时间，降低不利的气象水文因素对船舶航行的影响，求解能耗与航时的双重最优气象航线，节省船舶能耗和航时，从而对无人船的航线进行规划。

图1为本发明一实施例提供的一种无人船气象航线动态优化方法的流程图，如图1所示，该方法包括以下步骤：

如图1所示，在步骤S110中，对船舶航行区域进行网格化处理，得到多个格点；

如图1所示，在步骤S120中，获取船舶的初始航线，并对所述航行区域中所有网格点计算评价值；

如图1所示，在步骤S130中，船舶按照所述初始航线航行过程中，实时将船舶当前位置的格点与所述初始航线进行对比、将实时气象数据与对应格点的气象数据进行对比；

如图1所示，在步骤S140中，响应于航线偏离或气象数据发生变化，根据所述实时气象数据对船舶行驶格点所在列到终点之间格点的评价值进行更新，得到更新的格点评价值；

如图1所示，在步骤S150中，根据所述更新的格点评价值确定最佳航线。

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，对船舶航行区域进行网格化处理，得到多个格点。

由于本实施例中的航线动态优化方法就是对航线动态规划的过程实质就是航路点选择的过程，本实施例的气象航线动态优化模型属于离散型控制系统的动态规划的模型，一条航线起始点到终点之间有N个航路点，代表在航线设计过程中需要做N次航向选择，即N次决策，在第k+1段处把全局航线看成前k段子航线和后N-k段子航线两部分。

图2为本发明一实施例中N级决策过程的示意图，如图2所示，对于后部子航线来说，x(k)可看作是由x₀及前k段初始决策u₀，u₁，.…，u_k-1所形成的初始状态。因此航线多段决策的最优策略具有以下性质：无论初始状态和决策如何，后段决策对于由初始决策形成的状态来说，必为最优策略。

本发明的一个实施例中，该步骤中的网格化处理之前，还包括：

基于N级决策的动态规划递推方程建立气象航线动态优化模型，所述动态规划递推方程为：

x(k+1)＝f[x(k),u(k),k] k＝0,1,...,N 公式(1)

其中N为所述初始航线的起始点到终点之间航路点的个数，从起始点到终点之间进行N级决策，x(k+1)为N个航路点中第k+1个航路点的位置决策，u(k)为第k个航路点的实时气象数据，x(k)为选定航路点的位置决策，k为选定航路点之前的k段子航线。

本发明的一个实施例中，该步骤中的网格化处理具体包括：

按照预设间隔对所述船舶航行区域进行第一方向的划分，对所述船舶航行区域进行第二方向的划分，所述第一方向和第二方向交叉形成网格；

其中第一方向为纬线方向，第二方向为经线方向。

需要说明的是，上述预设间隔可以根据需要进行选择，预设间隔较小则船舶航行区域网格化后的栅格密度大，动态优化算法运行较慢，但是航行更精确；预设间隔较大则舶航行区域网格化后的栅格密度小，动态优化算法运行较块，但是航行精确性较差。本实施例中预设间隔选取40km进行等间距划分，得到沿经纬度方向划分的多个栅格。在步骤S120中，获取船舶的初始航线，并对所述航行区域中所有网格点计算评价值。

本发明的一个实施例中，所述获取初始航线为大圆航线，由于大圆航线是地球上两点之间的最短航线，因此本实施例中针对船舶设定的大圆航线为起始点到终点之间航程最短的航线。基于大圆航线进行气象航线设计，可以保证在总航程变化不大的基础上实现航线优化，降低航行时间和能耗的同时，使航程相对较短，当气象条件发生变化时，以大圆航线作为参照，能够对初始航线进行优化，更快生成新航线。

本发明的一个实施例中，该步骤中计算评价值之前，还包括：

首先，针对一个格点获取气象数据，所述气象数据至少包括风速、风向角度。

图3为本发明一实施例中某一历史时期全球风速分布图，如图3所示，其中横轴为纬度，纵轴为经度，灰色区域代表陆地，下方的彩色横条下的数字表示风速，风速单位为m·s^-1，图3中海洋区域风速大小用横条中的颜色对应，从图3中可以看出整个海洋环境中的风场分布情况。

本实施例中以经度增大的方向作为横轴的正方向，以纬度增大的方向作为纵轴的正方向，在风场数据中，某一栅格点上的风向通过经度和纬度分量上的风向数据来计算，风向角度的计算公式为：

其中α为风向角度，Lon为经向风的风向值，Lat为纬向风的风向值，根据公式(2)求得风向角度的角度范围为[-π,π]。

其次，根据船舶航向结合所述风向角度计算得到船体迎风角。风向度量基准为x轴的正方向，航向C的度量基准为y轴正方向，二者角度范围均为[0,π)。因此，需要将风向与航向采取统一的度量基准和方式。

首先，改变度量基准：

从而风向的基准变为正北，度量范围变为

其次，改变度量范围：α＝rem(α+π,π)，其中rem函数为趋于，函数α＝rem(α,π)函数作用α除以π的余数，目的是使角度均不小于零且不大于180°，α＝rem(α,π)为：

船体迎风角β是指船舶航向C与风向α之间的夹角，建立直角坐标系，图4为本发明一实施例中风向计算示意图，如图4所示，设y轴正方向为正北方向，根据图4所示，迎风角β的计算公式为：

β＝|180°-|C-α|| 公式(4)

其中β为船体迎风角，C为船舶航向，α为风向角度，根据公式(4)求得船体迎风角的角度范围为[0,π)。

然后，根据风区长度结合所述风速就算得到波高。在实际的海洋气象环境中，风、浪数据都可分别获取，但由于数据时效性不同，不能准确获取同一时刻的风、浪数据，为保证浪数据的精确，采用以下式推算波高h计算公式为：

其中g为重力加速度，取9.8m/s，F为风区长度，风区长度F是指状态大致相同的风作用的海域范围。

最后，根据所述船体迎风角、风速、波高结合船舶静水航速、船舶排水量和相对波向计算船舶的实际航速。无人船在航行过程中，会受到气象和水文因素的影响，进而产生失速现象，在其中各种因素中，受到风、浪的影响尤为严重。船舶在航行中由于受到风、浪带来的影响，其受到的航行阻力会远远大于其在静水中所受到的阻力，而这一现象被称为船舶的自然失速，基于上述，船舶实际航速的计算公式为：

v＝v₀-(1.08h-0.126qh+2.77v_windcosβ)(1-2.33Dv₀) 公式(6)

其中v为船舶实际航速，v₀为船舶静水航速，v_wind为风速，h为波高，β为船体迎风角，D为船舶排水量，q为相对波向。

另外，还可以根据波高计算船舶临界速度。船舶在选择航线时，应避免选择实际航速超过临界速度的航线，计算船的临界速度公式为：

v_max＝e^0.13[1.4×10^-4q²³+12.0-h]^1.6+4.0×10^-4q²³+7.0 公式(7)

其中h为所述波高，q为相对波向，用于表示船舶行驶方向与波浪方向的夹角。

本发明的一个实施例中，该步骤中对所述航行区域中所有网格点计算评价值包括：

首先，分别构建以能耗和航时为目标的双目标航线优化模型；

其次，利用所述双目标航线优化模型针对每个格点分别求解得到两个最优解为

和

该步骤中利用双目标航线优化模型，同时对能耗和航时两个目标进行优化，得到两个最优解。

最后，根据所述两个最优解结合所述船舶临界速度和权重因子与转换因子计算得到所述评价值，设立格点评价函数h(i,j)，该函数用于计算格点(i,j)评价值：

其中ω₁和ω₂分别为能耗与航时的权重因子，γ₁和γ₂分别为能耗与航时的转换因子，用于将能耗和航时转化为评价航线的经济性指标，γ₁＝γ₂Cv_(i,j)，C为常数，N为航线上恒向线个数，v_(i,j)为船舶在(i,j)格点中的实际航速，S_(i,j)为船舶在(i,j)格点中的航程长度，T_e(i,j)为船舶在(i,j)格点的主机推力。

在步骤S130中，船舶按照所述初始航线航行过程中，实时将船舶当前位置的格点与所述初始航线进行对比、将实时气象数据与对应格点的气象数据进行对比。

在本实施例中，动态规划是最优控制理论中的一种重要方法，可用来解决无人船全局气象航线动态规划问题。本实施例中前述步骤中将无人船航行环境划分为若干格点，气象数据存储在格点中，经处理后，可获得风速、风向、波速、波向等气象数据，用于计算船舶航行实速及船舶外部阻力数据。船舶出航前，计算全部航行区域格点的格点评价值。每个格点至终到港有多条路径，分别计算每条路径的评价值，评价值最低的航线被存储在该格点上。船舶航路偏离时，船舶调整航线至其所在格点记录的最优航线。气象条件发生变化时，对未航区域内所有格点评价值重新计算，实时更新航线评价值，保证船舶始终行驶在最优航线上。

在步骤S140中，响应于航线偏离或气象数据发生变化，根据所述实时气象数据对船舶行驶格点所在列到终点之间格点的评价值进行更新，得到更新的格点评价值。

本发明的一个实施例中，该步骤中通过航线偏离或气象数据发生变化两种情况对格点评价值进行更新，具体包括：

响应于气象数据发生变化时，从终点所在列到起始点所在列根据实时气象数据对格点评价值进行更新；

响应于航行中航线偏离时，从终点所在列到船舶行驶格点所在列根据实时气象数据对格点评价值进行更新。

图5为本公开一实施例中航线评价值更新的示意图，当气象环境变化时，需要更新航行区域内的航线评价值，更新航线评价值即是对航线上各个航路点的格点评价值进行更新。假设图5为航行区域，评价值的更新顺序为，从终到港T所在第n列至始发港S所在第1列依次更新。船舶在航时，评价值仅更新至船舶当前所在列，例如，即当船舶航行至图5中位于第3列的点K时，不再更新K点前诸列的评价值，仅对第3列至第N列格点更新评价值。

在步骤S150中，根据所述更新的格点评价值确定最佳航线。

本发明的一个实施例中，该步骤包括：

根据从终点所在列到所述起始点所在列或从终点所在列到所述船舶行驶格点所在列更新的格点评价值计算航线评价值；

根据格点相邻列的分布关系计算得到多条航线的航线评价值；

比较多条航线对应的航线评价值，确定将评价值最小的航线作为最佳航线。

图6为本发明一实施例中格点评价值计算的流程图，如图6所示，示出以下流程：

步骤S601，格点划分；

步骤S602，获取格点气象数据；

步骤S603，计算船舶失速即船舶外部阻力数据；

步骤S604，气象条件变化或航线变化时，更新算从当前格点至终到港(即终点)的格点评价值；

步骤S605，计算每一列的格点至终点可能路线的航线评价值，从众多航线中取整个航线的评价值最低的航线为最佳航线。

本发明的一个实施例中，所述该步骤中根据更新后的格点评价值进行航线寻优，具体包括：

从第一个格点开始，向第一个格点所在列开始向右侧相邻列的右上侧、右侧、右下侧三个格点出发，得到航线的三个第一个航段；

重复上述操作，得到多个航段，将所述多个航段按照格点从左向右的顺序依次连接形成多条航线；

根据每条航线上格点的评价值计算得到航线评价值，所述航线评价值为航线上所有格点更新的评价值之和。

图7为本发明一实施例中航线优化过程的示意图，如图7(a)所示，假设船舶从始发港S出发，下一个可能行至的位置分别为S格点临近的、右上侧①、右侧②、右下侧③共3个格点，再分别从以上3个格点出发，寻找下一个可能航行的位置直至终到港T，计算船舶通过整条航线所需航行时间和能耗值，采用评价值对该航线进行评估，评价值最低航线为最优航线。如图7(b)，航线途径F₁，F₂，F₃，……，F_N-1，F_N等若干航路点，航至终到港T。航行环境中每个格点的格点评价值根据实时气象数据进行更新，从而保证船舶始终行驶在最佳航线上。

根据图7所示优化过程，如果设立航线评价函数J(i,j)，用于计算航线评价函数值，其含义是，从(i,j)点出发至终点航线上所有格点评价值的累加和。假设终到港T坐标为(m，n)，选择当前格点右上方格点作为航路点时，评价函数用下式表示：

J(i,j)＝h(i,j)+J(i+1,j+1) 公式(9)

选择当前格点右方格点作为航路点时，评价函数用下式表示：

J(i,j)＝h(i,j)+J(i,j+1) 公式(10)

选择当前格点右下方格点作为航路点时，评价函数用下式表示：

J(i,j)＝h(i,j)+J(i-1,j+1) 公式(11)

当下一格点为终到港时，评价函数用下式表示：

J(i,j)＝h(m,n) 公式(12)

以下结合一历史气象数据采用本实施例的方法对航线进行动态规划：

本实施例中设立的起始港和目标港分别为日本横滨港(34°40′N，140°E)和美国的长滩港(34°25′N，120°W)。利用2010年3月份风场数据，对航线优化模型进行求解。将大圆航线作为初始航线，得到初始航路点表1。

表1

本实施例中选取目标仿真船只为普通集装箱船“隆林”轮，其主要船舶参数如表2所示。

表2

根据表2的参数，用迭代法求解船舶失速公式中的各项参数，得到该船舶的失速公式为：

v＝v₀-(1.08h-0.126qh+2.77v_windcosβ)(1-2.33Dv₀) 公式(13)

假设能耗与航时在航线设计中权重值相等，令ω₁＝0.5，ω₂＝0.5，γ₁＝1，γ₂＝1.725×10⁸，则格点评价函数h(i,j)为：

采用气象航线优化模型对以上航线进行优化，优化后航线部分格点经纬度值如表3所示，运行结果如表4所示。

表3

表4

为验证所建模型的可靠性，需要进一步与单目标航线模型和双目标航线模型的运行结果对比分析，从而判断模型是否符合动态优化航线设计要求。本文将最低能耗航线模型、最短时航线模型和双目标航线模型的运行结果分别与动态优化航线模型进行比较。

最低能耗模型和最短时模型采用智能水滴算法进行求解，设航路点数量N＝10，算法选定参数如表5所示。

表5

其运行得到的航路点经纬度值分别如表6和表7所示，采用基于理想点法的双目标航线模型求解，其航路点经纬度值如表8所示，总航程、能耗和航时分别如表9所示。

表6

表7

表8

表9

由表9中的结果可以看出，大圆航线总航程最短，但能耗值与航行时间较其他三种航线均最高；最低能耗航线模型对能耗值的优化最为明显，比大圆航线低4.8×10⁷kJ，但航时高3.14h；最短时航线模型对航时的优化最佳，较大圆航线低了9.36h；双目标航线对能耗和航时的优化效果显著，分别较大圆航线低3.53×10⁷kJ和5.78h；动态优化航线采用双目标航线模型，其能耗与航时值分别较双目标航线降低1.621×10⁸和12.33h，表明本文建立的模型具有较高的可靠性和适用性。

图8为本发明一实施例实现上述航线优化方法的寻优流程图，如图8所示，包括以下步骤：

在步骤S801中，将航行海域网格化处理；

在步骤S802中，气象数据获取与处理，计算船舶失速；

在步骤S803中，获取初始航线，船舶出航。

在步骤S804中，判断船舶是否偏离航线或气象发生变化，如果是则转至步骤S805，如果否，则转至步骤S807。

在步骤S805中，获取当前位置评价值。

在步骤S806中，调整航线。

在步骤S807中，继续航线。

在步骤S808中，判断是否到达终点，如果是则结束，如果否则返回到步骤S804。

基于图8所示的流程，首先，对船舶航行海域网格化处理，船舶在出航前获取并处理气象数据，将大圆航线作为船舶初始航线。当气象条件变化时，格点评价值实时更新，航线经过各格点评价函数值累加和为航线评价值，每当航行中的船舶偏离原航线或气象环境发生变化，以至当前航线不再是全局最优航线时，船舶获取其所在格点的航线评价值，该值对应一条当前最优航线，船舶调整航线后继续航行，直至终点。船舶到达终点后所经过的恒向线集合即为动态优化的全局气象航线。

综上所述，本发明实施例提供的无人船气象航线动态优化方法，通过对船舶航行海域网格化处理，根据实时海洋气象数据更新评价值，用于计算航行区域内网格航线评价值，根据航线评价值对无人船航线进行动态优化，获取最佳航线。

图9为本发明另一实施例提供的一种无人船气象航线动态优化系统的示意图，如图9所示，该系统900包括：网格化模块910、评价值模块920、对比模块930、更新模块940和优化模块950。

网格化模块910用于对船舶航行区域进行网格化处理，得到多个格点；评价值模块920用于获取船舶的初始航线，并对所述航行区域中所有网格点计算评价值；对比模块930用于船舶按照所述初始航线航行过程中，实时将船舶当前位置的格点与所述初始航线进行对比、将实时气象数据与对应格点的气象数据进行对比；更新模块940用于响应于航线偏离或气象数据发生变化，根据所述实时气象数据对船舶行驶格点所在列到终点之间格点的格点评价值进行更新，得到更新的评价值；优化模块950用于根据所述更新的评价值确定最佳航线。

由于本公开的示例实施例的无人船气象航线动态优化系统的各个功能模块与上述图1所示的无人船气象航线动态优化方法的示例实施例的步骤对应，因此对于本公开装置实施例中未披露的细节，请参照本公开上述的无人船气象航线动态优化方法的实施例。

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。

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 (10)

1.一种无人船气象航线动态优化方法，其特征在于，其包括：

对船舶航行区域进行网格化处理，得到多个格点；

获取船舶的初始航线，并对所述航行区域中所有网格点计算评价值；

船舶按照所述初始航线航行过程中，实时将船舶当前位置的格点与所述初始航线进行对比、将实时气象数据与对应格点的气象数据进行对比；

响应于航线偏离或气象数据发生变化，根据所述实时气象数据对船舶行驶格点所在列到终点之间格点的评价值进行更新，得到更新的格点评价值；

根据所述更新的评价值格点确定最佳航线。

2.如权利要求1所述的无人船气象航线动态优化方法，其特征在于，所述对船舶航行区域进行网格化处理包括：

按照预设间隔对所述船舶航行区域进行第一方向的划分，对所述船舶航行区域进行第二方向的划分，所述第一方向和第二方向交叉形成网格；

其中第一方向为纬线方向，第二方向为经线方向。

3.如权利要求1所述的无人船气象航线动态优化方法，其特征在于，所述对船舶航行区域进行网格化处理之前，还包括：

基于N级决策的动态规划递推方程建立气象航线动态优化模型，所述动态规划递推方程为：

x(k+1)＝f[x(k),u(k),k]k＝0,1,...,N

其中N为所述初始航线的起始点到终点之间航路点的个数，从起始点到终点之间进行N级决策，x(k+1)为N个航路点中第k+1个航路点的位置决策，u(k)为第k个航路点的实时气象数据，x(k)为选定航路点的位置决策，k为选定航路点之前的k段子航线。

4.如权利要求1所述的无人船气象航线动态优化方法，其特征在于，所述初始航线为大圆航线，所述大圆航线为所述起始点到所述终点之间航程最短的航线。

5.如权利要求1所述的无人船气象航线动态优化方法，其特征在于，所述对所述航行区域中所有网格点计算评价值之前，还包括：

针对一个格点获取气象数据，所述气象数据至少包括风速、风向角度；

根据船舶航向结合所述风向角度计算得到船体迎风角，计算公式为：

β＝|180°-|C-α||

其中β为船体迎风角，C为船舶航向，α为风向角度；

根据风区长度结合所述风速就算得到波高，计算公式为：

其中g为重力加速度，取9.8m/s，F为风区长度；

根据所述船体迎风角、风速、波高结合船舶静水航速、船舶排水量和相对波向计算船舶的实际航速，计算公式为：

v＝v₀-(1.08h-0.126qh+2.77v_windcosβ)(1-2.33Dv₀)

其中v为船舶实际航速，v₀为船舶静水航速，v_wind为风速，h为波高，β为船体迎风角，D为船舶排水量，q为相对波向；

根据波高计算船舶临界速度，计算公式为：

v_max＝e^0.13[1.4×10^-4q²³+12.0-h]^1.6+4.0×10^-4q²³+7.0

其中h为所述波高，q为相对波向，用于表示船舶行驶方向与波浪方向的夹角。

6.如权利要求5所述的无人船气象航线动态优化方法，其特征在于，所述对所述航行区域中所有网格点计算评价值包括：

分别构建以能耗和航时为目标的双目标航线优化模型；

利用所述双目标航线优化模型针对每个格点分别求解得到两个最优解为

和

根据所述两个最优解结合所述船舶临界速度和权重因子与转换因子计算得到所述评价值，计算公式为：

其中ω₁和ω₂分别为能耗与航时的权重因子，γ₁和γ₂分别为能耗与航时的转换因子，用于将能耗和航时转化为评价航线的经济性指标，γ₁＝γ₂Cv_(i,j)，C为常数，N为航线上恒向线个数，v_(i,j)为船舶在(i,j)格点中的实际航速，S_(i,j)为船舶在(i,j)格点中的航程长度，T_e(i,j)为船舶在(i,j)格点的主机推力。

7.如权利要求5所述的无人船气象航线动态优化方法，其特征在于，所述响应于航线偏离或气象数据发生变化，根据所述实时气象数据对船舶行驶格点所在列到终点之间格点的评价值进行更新包括：

响应于气象数据发生变化时，从终点所在列到起始点所在列根据实时气象数据对格点评价值进行更新；

响应于航行中航线偏离时，从终点所在列到船舶行驶格点所在列根据实时气象数据对格点评价值进行更新。

8.如权利要求7所述的无人船气象航线动态优化方法，其特征在于，所述根据所述更新的格点评价值确定最佳航线包括：

根据从终点所在列到所述起始点所在列或从终点所在列到所述船舶行驶格点所在列更新的格点评价值计算航线评价值；

根据格点相邻列的分布关系计算得到多条航线的航线评价值；

比较多条航线对应的航线评价值，确定将评价值最小的航线作为最佳航线。

9.如权利要求8所述的无人船气象航线动态优化方法，其特征在于，所述根据格点相邻列的分布关系计算得到多条航线的航线评价值包括：

从第一个格点开始，向第一个格点所在列开始向右侧相邻列的右上侧、右侧、右下侧三个格点出发，得到航线的三个第一个航段；

重复上述操作，得到多个航段，将所述多个航段按照格点从左向右的顺序依次连接形成多条航线；

根据每条航线上的格点评价值计算得到航线评价值，所述航线评价值为航线上所有格点更新的评价值之和。

10.一种无人船气象航线动态优化系统，其特征在于，包括：

网格化模块，用于对船舶航行区域进行网格化处理，得到多个格点；

评价值模块，用于获取船舶的初始航线，并对所述航行区域中所有网格点计算评价值；

对比模块，用于船舶按照所述初始航线航行过程中，实时将船舶当前位置的格点与所述初始航线进行对比、将实时气象数据与对应格点的气象数据进行对比；

更新模块，用于响应于航线偏离或气象数据发生变化，根据所述实时气象数据对船舶行驶格点所在列到终点之间格点的评价值进行更新，得到更新的格点评价值；

优化模块，用于根据所述更新的格点评价值确定最佳航线。

Images