CN110956853A - 一种多船碰撞预测方法、系统和存储介质 - Google Patents
一种多船碰撞预测方法、系统和存储介质 Download PDFInfo
- Publication number
- CN110956853A CN110956853A CN201911102671.8A CN201911102671A CN110956853A CN 110956853 A CN110956853 A CN 110956853A CN 201911102671 A CN201911102671 A CN 201911102671A CN 110956853 A CN110956853 A CN 110956853A
- Authority
- CN
- China
- Prior art keywords
- ship
- collision
- collision avoidance
- ships
- optimization model
- 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
Links
Images
Classifications
-
- 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)
- Ocean & Marine Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种多船碰撞预测方法、系统和存储介质,所述方法包括以下步骤:获取若干船舶的当前状态信息;根据若干船舶的当前状态信息,通过船舶运动学模型预测船舶的运行轨迹和位置信息;根据船舶的运行轨迹和位置信息预测在预设时间段内船舶的碰撞风险状态;根据船舶碰撞风险状态构建多船协同避碰优化模型;求解多船协同避碰优化模型,生成多船避碰方案。本发明通过船舶运动学模型根据获取的当前状态信息,预测船舶的运动轨迹和位置信息,通过求解由碰撞风险状态构建的多船协同碰撞优化模型,生成多船避碰方案,从而使水域上的船舶能够根据多船避碰方案进行行驶,降低船舶发生碰撞的概率。本发明可广泛应用于水运交通技术领域。
Description
技术领域
本发明涉及水运交通技术领域,尤其是一种多船碰撞预测方法、系统和存储介质。
背景技术
碰撞是船舶交通事故的主要类型,一旦发生,将对人身安全、货运经济和海洋环境造成严重损害,从而产生巨大的负面经济和社会影响。船舶航行中,值班驾驶人员通过视觉或电子设备瞭望发现目标船后,参照《1972国际海上避碰规则》和本船所处的航行环境,判断两船之间的会遇局面,确认避让责任。而为了降低船舶之间发生碰撞的概率,通常会在船舶运行过程中,对船舶与船舶的运行轨迹进行预测,但是,现有船舶碰撞预测方法主要是针对单船场景的碰撞预测,而与单船场景相比,多船会遇场景错综复杂,影响因素众多且相互制约,且在大型海港的进出港航道周边的水域无明确航道划分,船舶航行态势不明朗,进出港船舶交通流密度大,从而使得多船会遇局面更为复杂多变。因此,针对多船会遇场景,现有的船舶碰撞预测方法的判断准确率将大幅度降低,从而导致船舶发生碰撞的概率大幅度增加。
发明内容
为解决上述技术问题,本发明的目的在于:提供一种多船碰撞预测方法、系统和存储介质,其能在多船会遇场景下,降低船舶发生碰撞的概率。
本发明实施例的第一方面提供了:
一种多船碰撞预测方法,其包括以下步骤:
获取若干船舶的当前状态信息;
根据若干船舶的当前状态信息,通过船舶运动学模型预测船舶的运行轨迹和位置信息;
根据船舶的运行轨迹和位置信息预测在预设时间段内船舶的碰撞风险状态;
根据船舶碰撞风险状态构建多船协同避碰优化模型;
求解多船协同避碰优化模型,生成多船避碰方案。
进一步地,所述船舶运动学模型通过以下方式构建:
获取船舶所处位置的当前水域特征;
根据当前水域特征构建船舶运动学模型。
进一步地,所述船舶的当前状态信息包括船舶的运行速度、船舶性能和舵令信息。
进一步地,所述根据船舶的运行轨迹和位置信息预测在预设时间段内船舶的碰撞风险状态,其具体包括:
根据船舶的运行轨迹和位置信息,计算在预设时间段内船舶与船舶之间的相对距离和相对方位角;
根据船舶与船舶之间的相对距离和相对方位角,计算得到船舶与船舶之间的最近会遇距离和最近会遇时间。
进一步地,所述根据船舶碰撞风险状态构建多船协同避碰优化模型,其具体为:
根据船舶碰撞风险状态,基于分布式约束优化结构构建多船协同避碰优化模型。
进一步地,所述求解多船协同避碰优化模型,生成多船避碰方案,其具体为:
通过链式结构的异步回跳算法求解多船协同避碰优化模型,生成多船避碰方案。
进一步地,所述通过链式结构的异步回跳算法求解多船协同避碰优化模型,生成多船避碰方案,其具体包括:
根据船舶排序的预设规则对船舶进行排序;
对排序后的船舶依次传递位移的当前部分赋值信息;
对船舶的位移的当前部分赋值信息进行比较;
根据比较结果生成多船避碰方案。
本发明实施例的第二方面提供了:
一种多船碰撞预测系统,其包括:
获取模块,用于获取若干船舶的当前状态信息;
预测模块,用于根据若干船舶的当前状态信息,通过船舶运动学模型预测船舶的运行轨迹和位置信息;
计算模块,用于根据船舶的运行轨迹和位置信息预测在预设时间段内船舶的碰撞风险状态;
构建模块,用于根据船舶碰撞风险状态构建多船协同避碰优化模型;
生成模块,用于求解多船协同避碰优化模型,生成多船避碰方案。
本发明实施例的第三方面提供了:
一种多船碰撞预测系统,其包括:
至少一个存储器,用于存储程序;
至少一个处理器,用于加载所述程序以执行上述的一种多船碰撞预测方法。
本发明实施例的第四方面提供了:
一种存储介质,其中存储有处理器可执行的指令,所述处理器可执行的指令在由处理器执行时用于实现上述的一种多船碰撞预测方法。
本发明的有益效果是:本发明通过先获取多个船舶的当前状态信息,接着根据多个船舶的当前状态信息,采用船舶运动学模型预测船舶的运动轨迹和位置信息,然后根据船舶的运动轨迹和位置信息计算船舶在预设时间段内的碰撞风险状态,求解由碰撞风险状态构建的多船协同碰撞优化模型,动态生成全局水域上的多船避碰方案,从而使水域上的船舶能够根据多船避碰方案进行行驶,以降低船舶发生碰撞的概率。
附图说明
图1为本发明一种具体实施例的多船碰撞预测方法的流程图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步的详细说明。对于以下实施例中的步骤编号,其仅为了便于阐述说明而设置,对步骤之间的顺序不做任何限定,实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
参照图1,本发明实施例提供了一种多船碰撞预测方法,本实施例应用于服务器,所述服务器分别与船舶终端、水域信息获取终端和监控人员的监控终端进行通信。所述船舶终端用于上传船舶的状态信息和接收服务器下发的多船避碰方案。所述水域信息获取终端用于获取水域特征信息。所述监控终端用于接收船舶状态信息和多船避碰方案等。
本实施例包括步骤S110-S150:
S110、获取若干船舶的当前状态信息;所述当前状态信息包括实际位置、船速、航向、船舶尺度等信息,以及风、浪、流、静态障碍坐标和航道信息。
S120、根据若干船舶的当前状态信息,通过船舶运动学模型预测船舶的运行轨迹和位置信息;
S130、根据船舶的运行轨迹和位置信息预测在预设时间段内船舶的碰撞风险状态;
在本实施例中,设定船舶当前航行状态保持不变的情况下,预测多船在未来时刻的运行轨迹,判断在未来时刻船舶之间是否存在潜在的碰撞风险,若不存在潜在的碰撞风险,则更新船舶的当前状态信息,进入下一次的预测。
具体地,构建如公式a1所示船舶运动学模型:
其中,u为纵向速度,v为横向速度,r为绕z轴的旋转角速度,m为船舶质量,Iz为船体对z轴的惯性矩,xG为船体重心的纵向坐标。XH、YH和NH分别是船体粘性类纵向、横向和转首力矩;XP、YP和NP分别为作用于螺旋桨上的纵向、横向和转首力矩;XR、YR和NR分别为作用于舵上的纵向、横向和转首力矩。mx和my分别表示在附体坐标系下x轴和y轴的附加质量。
接着,以船舶舵令为输入,通过船舶运动学模型计算船舶在预测时域中的航迹范围。例如,计算当船舶舵令为±30°,±20°,±10°和0°时,在预测时间段Tprediction内的航迹(x,y)与纵横向速度u,v以及航向角的变化。
然后,根据船舶的预测状态信息,计算在预测时间段Tprediction内会遇船舶i和j之间的碰撞风险参数,包括最近会遇距离和到达最近会遇点的时间,即最近会遇时间的变化,通过的大小确定是否存在碰撞危险,以及通过的大小粗略确定其危险程度,并以此作为确定采取避碰行动的时机的依据。
在公式a2和公式a3中,Rij(t)为船舶i与船舶j的相对距离,其计算过程公式a4所示;为船舶i与船舶j的相对方位角,其计算过程如公式a5所示;为船舶i与船舶j的相对速度,其计算过程如公式a6所示;为船舶i与船舶j的相对航向角,其计算过程如公式a7所示;
其中,所述为船舶i与船舶j的相对方位角在船舶i和船舶j的相对方位不同情况下的角度统一转换公式。所述为船舶i与船舶j的相对航向角在船舶i和船舶j的相对方位不同情况下的角度统一转换公式。所述通过公式a8计算得到,所述通过公式a9计算得到:
在判断船舶是否存在碰撞风险时,还需要考虑船舶为避开碰撞所需要的操舵时间。其中,船舶i为避开船舶j所需要的操舵时间为在预测时间段Tprediction内,当船舶之间的最近会遇距离大于安全距离时,最近会遇距离所对应的时间即为当船舶之间的最近会遇距离大小于等于安全距离时,最近会遇距离所对应的时间S140、根据船舶碰撞风险状态构建多船协同避碰优化模型;所述船舶碰撞风险状态包括步骤S130中计算得到的最近会遇距离最近会遇时间和操舵时间为所述模型构建过程是基于分布式约束优化结构框架构建。
所述多船协同避碰优化模型由三元组<A,COP,Ria>构成,其中A集合代表了所有风险船舶的集合;COP表示每个船舶的本船约束优化问题,由控制变量集合X、变量值域集合D、本船代价函数Rintra组成,Rinter代表多船代价函数,描述多船的控制变量之间的约束关系。每个变量x∈X由对应的船舶控制赋值,多个船舶之间彼此相互协调赋值,使全局代价函数最小,全局代价函数定义在船舶控制变量与其值域的约束的集合上,船舶仅知道关于与其控制变量上的约束。
具体地,针对船舶i,控制变量为舵角δi和操舵时间Ti steering,本船代价函数Rintra描述了船舶舵令δi和操舵时间Ti steering与完成避碰(两船之间满足最小安全距离要求)所需时间之间的约束关系。而根据步骤S130得到的碰撞风险状态,当船舶i的舵角选择时,为避免船舶发生碰撞所采取的操作时间则已知,进而得到与不同船舶的最近会遇时间当船舶i经过与所有船舶的最近会遇点后,则船舶i的避碰操作结束,可回到原始航向。船舶i的本船舶代价函数值为其采取不同舵角后,到达其与其他船舶的最近会遇点所需的时间。代价函数值越小,表示船舶i能够尽快完成避碰操作并回到原始航向。
针对船舶i与船舶j,根据步骤S130得到的碰撞风险状态,当船舶i和船舶j所选择的舵角组合在预测时间段内能够保证安全避免碰撞时,则采取舵角值所对应的代价函数值为0,若舵角组合在预测时间段内不能保证两船安全避免碰撞,则采取舵角值所对应的代价函数值为+∞。
而本实施例是针对多船避碰的优化模型,其目的是找到多船避碰应采取的舵角集合,使得多船总体的代价函数最小,即能表示多船均能尽快完成避免碰撞的操作。所述舵角集合的选择方式如公式a10所示:
其中,Rintra组为本船代价函数,Rinter为多船代价函数。
S150、求解多船协同避碰优化模型,生成多船避碰方案。本步骤采用基于链式结构的异步回跳算法求解多船协同避碰优化模型。
具体地,先按照排序规则对船舶集合进行排序,一个船舶为一个节点,具体选择风险船最多的船舶作为排序的第一个,其余邻居节点依次按照顺序往下排序,直到该节点的邻居点排序完之后,再依次往后排下一个节点的邻居节点。
在算法求解时,基于链式结构的基础上,船舶节点依次传递位移的当前部分赋值消息,所述当前部分赋值简称CAP,英文全称为Current Partial Assignment。第一个船舶节点计算自己当前的代价函数值并记录到CPA中,通过向未赋值的船舶节点发送CPA复本,使得收到CPA复本的船舶节点可以异步地计算局部的下限值。在本实施的算法中,只有拥有唯一的CPA的船舶节点才能执行赋值操作。
当船舶节点持有CPA时,执行向前回跳操作,所述回跳操作简称FB,英文全称为Forward Bounding,该操作需要该节点发送CPA复本给未赋值的节点。收到该CPA复本的节点根据已有的赋值情况来计算当前的下限值,并将该下限值返回给发送者。持有CPA节点通过收集未赋值的节点的下限值,为当前的CPA计算全局的下界值,当所计算的下限值大于当前的上限值,则该节点尝试新的赋值,若不存在有效地赋值使得下限值小于当前的上限值,则回溯到上一个结点,不断循环直到整个路径结束,整个路径循环结束后,根据循环结果生成多船避碰方案。
本实施通过先获取多个船舶的当前状态信息,接着根据多个船舶的当前状态信息,通过船舶运动学模型预测船舶的运动轨迹和位置信息,然后根据船舶的运动轨迹和位置信息计算船舶在预设时间段内的碰撞风险状态,通过采用基于链式结构的异步回跳算法求解由碰撞风险状态构建的多船协同碰撞优化模型,动态生成全局水域上的多船避碰方案,从而使水域上的船舶能够根据多船避碰方案进行行驶,以降低船舶发生碰撞的概率。
作为优选的实施方式,所述船舶运动学模型通过以下方式构建:
获取船舶所处位置的当前水域特征;所述水域特征包括流域面积、水域流向、流速、冰期、含沙量和水位等。
根据当前水域特征构建船舶运动学模型。
本实施例通过基于当前水域的特征构建船舶运动学模型,使得船舶运动学模型能够包含当前水域特征,从而提高运行轨迹的预测准确率。
作为优选的实施方式,所述船舶的当前状态信息包括船舶的运行速度、船舶性能和舵令信息。所述船舶的运行速度包括运行速度和方向。船舶性能包括船舶当前使用状况和船舶的基本状况。所述舵令信息是输入界面或者操作端实时输入的指令。本实施通过船舶的当前状态信息,提高船舶轨迹预测的准确性。
作为优选的实施方式,所述根据船舶的运行轨迹和位置信息预测在预设时间段内船舶的碰撞风险状态,其具体包括:
根据船舶的运行轨迹和位置信息,计算在预设时间段内船舶与船舶之间的相对距离和相对方位角;所述相对距离和相对方位角均是两船之间的距离和方位角。当然,在实际情况下,每搜船舶包括了与多个船舶的相对距离和相对方位角。
根据船舶与船舶之间的相对距离和相对方位角,计算得到船舶与船舶之间的最近会遇距离和最近会遇时间。
本实施例计算船舶之间的最近会遇距离和最近会遇时间,以确保船舶之间不会发生碰撞。
作为优选的实施方式,所述根据船舶碰撞风险状态构建多船协同避碰优化模型,其具体为:
根据船舶碰撞风险状态,基于分布式约束优化结构构建多船协同避碰优化模型。本实施例采用的分布式约束优化结构具有自治性高和时效性强等特点,从而提高通过多船协同避碰优化模型得到的多船避碰方案的正确性。
作为优选的实施方式,所述求解多船协同避碰优化模型,生成多船避碰方案,其具体为:
通过链式结构的异步回跳算法求解多船协同避碰优化模型,生成多船避碰方案。本实施通过链式结构的异步回跳算法求解多船协同避碰优化模型,从而避免发生因集中式系统中信息隐藏而造成信息遗漏的现象。
作为优选的实施方式,所述通过链式结构的异步回跳算法求解多船协同避碰优化模型,生成多船避碰方案,其具体包括:
根据船舶排序的预设规则对船舶进行排序;具体选择风险船最多的船舶作为排序的第一个,然后其邻居节点依次按照顺序往下排序,直到该船舶节点的邻居点排序完之后,再依次往后排下一个节点的邻居节点。
对排序后的船舶依次传递位移的当前部分赋值信息;
对船舶的位移的当前部分赋值信息进行比较;持有当前部分赋值信息的节点通过收集未赋值的节点的下限值,为当前的部分赋值信息计算全局的下限值,当所计算的下限值大于当前的上限值,则该节点尝试新的赋值,若不存在有效地赋值使得下限值小于当前的上限值,则回溯到上一个结点,不断循环直到整个路径结束。
根据比较结果生成多船避碰方案。
本实施例通过对所有船舶进行循环赋值比较,并通过比较结果生成多船避碰方案,从而提高多船避碰方案的准确性,降低发生船舶碰撞的概率。
本发明实施例还提供了一种与图1相对应的多船碰撞预测系统,其包括:
获取模块,用于获取若干船舶的当前状态信息;
预测模块,用于根据若干船舶的当前状态信息,通过船舶运动学模型预测船舶的运行轨迹和位置信息;
计算模块,用于根据船舶的运行轨迹和位置信息预测在预设时间段内船舶的碰撞风险状态;
构建模块,用于根据船舶碰撞风险状态构建多船协同避碰优化模型;
生成模块,用于求解多船协同避碰优化模型,生成多船避碰方案。
本发明方法实施例的内容均适用于本系统实施例,本系统实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法达到的有益效果也相同。
本发明实施例还提供了一种与图1相对应的多船碰撞预测系统,其包括:
至少一个存储器,用于存储程序;
至少一个处理器,用于加载所述程序以执行上述的一种多船碰撞预测方法。
本发明方法实施例的内容均适用于本系统实施例,本系统实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法达到的有益效果也相同。
此外,本发明实施例还提供了一种存储介质,其中存储有处理器可执行的指令,所述处理器可执行的指令在由处理器执行时用于实现上述的一种多船碰撞预测方法。
综上所述,本发明通过先获取多个船舶的当前状态信息,接着根据多个船舶的当前状态信息,通过船舶运动学模型预测船舶的运动轨迹和位置信息,然后根据船舶的运动轨迹和位置信息计算船舶在预设时间段内的碰撞风险状态,通过求解由碰撞风险状态构建的多船协同碰撞优化模型,动态生成全局水域上的多船避碰方案,从而使水域上的船舶能够根据多船避碰方案进行行驶,以降低船舶发生碰撞的概率。
以上是对本发明的较佳实施进行了具体说明,但本发明并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种多船碰撞预测方法,其特征在于:包括以下步骤:
获取若干船舶的当前状态信息;
根据若干船舶的当前状态信息,通过船舶运动学模型预测船舶的运行轨迹和位置信息;
根据船舶的运行轨迹和位置信息预测在预设时间段内船舶的碰撞风险状态;
根据船舶碰撞风险状态构建多船协同避碰优化模型;
求解多船协同避碰优化模型,生成多船避碰方案。
2.根据权利要求1所述的一种多船碰撞预测方法,其特征在于:所述船舶运动学模型通过以下方式构建:
获取船舶所处位置的当前水域特征;
根据当前水域特征构建船舶运动学模型。
3.根据权利要求1所述的一种多船碰撞预测方法,其特征在于:所述船舶的当前状态信息包括船舶的运行速度、船舶性能和舵令信息。
4.根据权利要求1所述的一种多船碰撞预测方法,其特征在于:所述根据船舶的运行轨迹和位置信息预测在预设时间段内船舶的碰撞风险状态,其具体包括:
根据船舶的运行轨迹和位置信息,计算在预设时间段内船舶与船舶之间的相对距离和相对方位角;
根据船舶与船舶之间的相对距离和相对方位角,计算得到船舶与船舶之间的最近会遇距离和最近会遇时间。
5.根据权利要求1所述的一种多船碰撞预测方法,其特征在于:所述根据船舶碰撞风险状态构建多船协同避碰优化模型,其具体为:
根据船舶碰撞风险状态,基于分布式约束优化结构构建多船协同避碰优化模型。
6.根据权利要求1所述的一种多船碰撞预测方法,其特征在于:所述求解多船协同避碰优化模型,生成多船避碰方案,其具体为:
通过链式结构的异步回跳算法求解多船协同避碰优化模型,生成多船避碰方案。
7.根据权利要求6所述的一种多船碰撞预测方法,其特征在于:所述通过链式结构的异步回跳算法求解多船协同避碰优化模型,生成多船避碰方案,其具体包括:
根据船舶排序的预设规则对船舶进行排序;
对排序后的船舶依次传递位移的当前部分赋值信息;
对船舶的位移的当前部分赋值信息进行比较;
根据比较结果生成多船避碰方案。
8.一种多船碰撞预测系统,其特征在于:包括:
获取模块,用于获取若干船舶的当前状态信息;
预测模块,用于根据若干船舶的当前状态信息,通过船舶运动学模型预测船舶的运行轨迹和位置信息;
计算模块,用于根据船舶的运行轨迹和位置信息预测在预设时间段内船舶的碰撞风险状态;
构建模块,用于根据船舶碰撞风险状态构建多船协同避碰优化模型;
生成模块,用于求解多船协同避碰优化模型,生成多船避碰方案。
9.一种多船碰撞预测系统,其特征在于:包括:
至少一个存储器,用于存储程序;
至少一个处理器,用于加载所述程序以执行如权利要求1-7任一项所述的一种多船碰撞预测方法。
10.一种存储介质,其中存储有处理器可执行的指令,其特征在于:所述处理器可执行的指令在由处理器执行时用于实现如权利要求1-7任一项所述的一种多船碰撞预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911102671.8A CN110956853B (zh) | 2019-11-12 | 2019-11-12 | 一种多船碰撞预测方法、系统和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911102671.8A CN110956853B (zh) | 2019-11-12 | 2019-11-12 | 一种多船碰撞预测方法、系统和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110956853A true CN110956853A (zh) | 2020-04-03 |
CN110956853B CN110956853B (zh) | 2022-02-22 |
Family
ID=69977499
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911102671.8A Active CN110956853B (zh) | 2019-11-12 | 2019-11-12 | 一种多船碰撞预测方法、系统和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110956853B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111861155A (zh) * | 2020-07-03 | 2020-10-30 | 南京理工大学 | 船舶碰撞风险检测方法、系统、计算机设备和存储介质 |
CN111899568A (zh) * | 2020-07-17 | 2020-11-06 | 广州忘平信息科技有限公司 | 桥梁防撞预警系统、方法、装置和存储介质 |
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 |
CN111951606A (zh) * | 2020-07-29 | 2020-11-17 | 武汉理工大学 | 一种船舶碰撞风险评估与预警方法及系统 |
CN112102361A (zh) * | 2020-09-04 | 2020-12-18 | 珠海大横琴科技发展有限公司 | 一种多船只运行碰撞检测方法、装置及计算机设备 |
CN112141287A (zh) * | 2020-09-17 | 2020-12-29 | 智慧航海(青岛)科技有限公司 | 基于船端融合数据的智能船舶协同避碰系统和方法 |
CN112330981A (zh) * | 2020-10-16 | 2021-02-05 | 青岛博瑞斯自动化技术有限公司 | 一种基于物联网的船岸通管理系统及方法 |
CN112835354A (zh) * | 2020-09-27 | 2021-05-25 | 北京海兰信数据科技股份有限公司 | 一种内河船舶纵向速度控制方法及装置 |
CN113485322A (zh) * | 2021-06-10 | 2021-10-08 | 珠海云航智能技术有限公司 | 船舶航迹规划方法、终端设备及计算机可读存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030004642A1 (en) * | 2001-06-23 | 2003-01-02 | Ching-Fang Lin | Method and system for intelligent collision detection and warning |
WO2004019302A1 (ja) * | 2002-08-26 | 2004-03-04 | Ishikawajima-Harima Heavy Industries Co.,Ltd. | 操船支援システム |
KR20120047646A (ko) * | 2010-11-04 | 2012-05-14 | 목포대학교산학협력단 | 다중 선박 충돌회피 제어 시스템 |
CN103730031A (zh) * | 2014-01-14 | 2014-04-16 | 武汉理工大学 | 内河桥区船载航行主动避碰系统及避碰方法 |
CN104485023A (zh) * | 2014-12-30 | 2015-04-01 | 江苏理工学院 | 船舶冲突解脱的规划方法 |
CN105185162A (zh) * | 2015-10-26 | 2015-12-23 | 中国电子科技集团公司第二十八研究所 | 一种基于ais信息的多目标防撞预警方法 |
CN109448442A (zh) * | 2018-10-12 | 2019-03-08 | 天津大学 | 一种海域内多船碰撞危险度的高效监测方法 |
CN109887339A (zh) * | 2019-03-20 | 2019-06-14 | 集美大学 | 一种关联避让行为的船舶碰撞危险及危险度评估方法 |
CN110333726A (zh) * | 2019-07-29 | 2019-10-15 | 武汉理工大学 | 一种基于船舶运动预测的船舶安全辅助驾驶系统 |
CN110400491A (zh) * | 2019-06-10 | 2019-11-01 | 北京海兰信数据科技股份有限公司 | 一种宽水域多目标辅助避碰决策方法及决策系统 |
-
2019
- 2019-11-12 CN CN201911102671.8A patent/CN110956853B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030004642A1 (en) * | 2001-06-23 | 2003-01-02 | Ching-Fang Lin | Method and system for intelligent collision detection and warning |
WO2004019302A1 (ja) * | 2002-08-26 | 2004-03-04 | Ishikawajima-Harima Heavy Industries Co.,Ltd. | 操船支援システム |
KR20120047646A (ko) * | 2010-11-04 | 2012-05-14 | 목포대학교산학협력단 | 다중 선박 충돌회피 제어 시스템 |
CN103730031A (zh) * | 2014-01-14 | 2014-04-16 | 武汉理工大学 | 内河桥区船载航行主动避碰系统及避碰方法 |
CN104485023A (zh) * | 2014-12-30 | 2015-04-01 | 江苏理工学院 | 船舶冲突解脱的规划方法 |
CN105185162A (zh) * | 2015-10-26 | 2015-12-23 | 中国电子科技集团公司第二十八研究所 | 一种基于ais信息的多目标防撞预警方法 |
CN109448442A (zh) * | 2018-10-12 | 2019-03-08 | 天津大学 | 一种海域内多船碰撞危险度的高效监测方法 |
CN109887339A (zh) * | 2019-03-20 | 2019-06-14 | 集美大学 | 一种关联避让行为的船舶碰撞危险及危险度评估方法 |
CN110400491A (zh) * | 2019-06-10 | 2019-11-01 | 北京海兰信数据科技股份有限公司 | 一种宽水域多目标辅助避碰决策方法及决策系统 |
CN110333726A (zh) * | 2019-07-29 | 2019-10-15 | 武汉理工大学 | 一种基于船舶运动预测的船舶安全辅助驾驶系统 |
Non-Patent Citations (1)
Title |
---|
SHIJIE LI 等: "Optimizing the joint collision avoidance operations of multiple ships from an overall perspective", 《OCEAN ENGINEERING》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN111861155B (zh) * | 2020-07-03 | 2022-09-20 | 南京理工大学 | 船舶碰撞风险检测方法、系统、计算机设备和存储介质 |
CN111861155A (zh) * | 2020-07-03 | 2020-10-30 | 南京理工大学 | 船舶碰撞风险检测方法、系统、计算机设备和存储介质 |
CN111899568A (zh) * | 2020-07-17 | 2020-11-06 | 广州忘平信息科技有限公司 | 桥梁防撞预警系统、方法、装置和存储介质 |
CN111951606B (zh) * | 2020-07-29 | 2021-07-30 | 武汉理工大学 | 一种船舶碰撞风险评估与预警方法及系统 |
CN111951606A (zh) * | 2020-07-29 | 2020-11-17 | 武汉理工大学 | 一种船舶碰撞风险评估与预警方法及系统 |
CN112102361A (zh) * | 2020-09-04 | 2020-12-18 | 珠海大横琴科技发展有限公司 | 一种多船只运行碰撞检测方法、装置及计算机设备 |
CN112141287B (zh) * | 2020-09-17 | 2021-09-03 | 智慧航海(青岛)科技有限公司 | 基于船端融合数据的智能船舶协同避碰系统和方法 |
CN112141287A (zh) * | 2020-09-17 | 2020-12-29 | 智慧航海(青岛)科技有限公司 | 基于船端融合数据的智能船舶协同避碰系统和方法 |
CN112835354A (zh) * | 2020-09-27 | 2021-05-25 | 北京海兰信数据科技股份有限公司 | 一种内河船舶纵向速度控制方法及装置 |
CN112835354B (zh) * | 2020-09-27 | 2023-08-22 | 北京海兰信数据科技股份有限公司 | 一种内河船舶纵向速度控制方法及装置 |
CN112330981A (zh) * | 2020-10-16 | 2021-02-05 | 青岛博瑞斯自动化技术有限公司 | 一种基于物联网的船岸通管理系统及方法 |
CN113485322A (zh) * | 2021-06-10 | 2021-10-08 | 珠海云航智能技术有限公司 | 船舶航迹规划方法、终端设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110956853B (zh) | 2022-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110956853B (zh) | 一种多船碰撞预测方法、系统和存储介质 | |
CN109753068B (zh) | 一种考虑通信情况的多usv群体协同避碰规划方法 | |
CN106845716B (zh) | 一种基于导航误差约束的水面无人艇局部分层路径规划方法 | |
CN111260963B (zh) | 一种多船会遇避碰方法 | |
CN109597417B (zh) | 一种基于避碰准则的多usv群体协同避碰规划方法 | |
CN111399506A (zh) | 一种基于动力学约束的全局-局部混合无人船路径规划方法 | |
CN110244720B (zh) | 用于海上无人艇的路径规划方法及系统 | |
Wang et al. | Cooperative collision avoidance for unmanned surface vehicles based on improved genetic algorithm | |
CN112766329B (zh) | 一种多无人艇协同拦截控制方法及系统 | |
CN111930141A (zh) | 一种水下机器人三维路径可视化跟踪方法 | |
CN111123923A (zh) | 一种无人船舶局部路径动态优化方法 | |
CN111338356A (zh) | 改进分布式遗传算法的多目标无人船避碰路径规划方法 | |
CN109556609A (zh) | 一种基于人工智能的避碰方法及装置 | |
Wu et al. | Multi-vessels collision avoidance strategy for autonomous surface vehicles based on genetic algorithm in congested port environment | |
CN110618685A (zh) | 一种无人水面艇障碍物探测误差修正及安全避碰方法 | |
CN117369441A (zh) | 一种考虑船舶运动学和CORLEGs的自适应智能船舶路径规划方法 | |
CN116300906A (zh) | 一种智能船的避障路径规划方法及系统 | |
Yuan et al. | EMPMR berthing scheme: A novel event-triggered motion planning and motion replanning scheme for unmanned surface vessels | |
Jose et al. | Navigating the Ocean with DRL: Path following for marine vessels | |
Tan et al. | Criteria and rule based obstacle avoidance for USVs | |
CN113359773A (zh) | 一种无人船航行路径决策方法及系统 | |
CN114384900A (zh) | 内河水面自主船舶航行驾驶方法、装置及存储介质 | |
Zhao | [Retracted] Step‐by‐Step Multi‐Ship Collision Avoidance Navigation Path Planning Based on Particle Swarm Optimization | |
Fu et al. | Method for collision avoidance by USV based on improved genetic algorithm | |
Xu et al. | COLREGs-compliant dynamic collision avoidance algorithm based on deep deterministic policy gradient |
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 |