CN111400864B - 一种基于前景理论的船舶避碰决策优化方法 - Google Patents
一种基于前景理论的船舶避碰决策优化方法 Download PDFInfo
- Publication number
- CN111400864B CN111400864B CN202010088612.6A CN202010088612A CN111400864B CN 111400864 B CN111400864 B CN 111400864B CN 202010088612 A CN202010088612 A CN 202010088612A CN 111400864 B CN111400864 B CN 111400864B
- Authority
- CN
- China
- Prior art keywords
- collision avoidance
- decision
- ship
- collision
- scheme
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Ocean & Marine Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于前景理论的船舶避碰决策优化方法,选取碰撞危险度、航程损失和轨迹平稳性作为避碰决策优化指标,构建基于前景理论的船舶避碰决策优化模型将人的风险偏好考虑进来,利用前景理论来解决船舶避碰过程中船舶驾驶员因风险态度不同而引起的决策差异,选取在不同风险偏好下不同船员心理预期最优的避碰决策,从而达到保障航行安全,提高避碰效率,节约航行成本的目的。
Description
技术领域
本发明涉及船舶避碰技术领域,尤其涉及一种前景理论的船舶避碰决策优化方法。
背景技术
船舶避碰决策问题一直以来是航行安全领域的热点和难点问题,与船舶自身条件、通航环境及船员素质等诸多因素有着密切关联。船舶避碰技术经历了从几何方法和雷达到“专家系统”再到“智能避碰”的发展。初期,船舶避碰主要是采用几何计算方法,通过计算船舶间的最近会遇距离和到达最近会遇距离的时间来评估船舶的碰撞危险。当船舶航行过程中出现碰撞风险时,船舶驾驶员通常采用转向避碰措施作为行动方案,船舶驾驶员主要依据自身驾驶经验、技能等来确定船舶转向避碰方案,主要包括转向的时机和幅度,其中船载雷达和AIS设备为船舶避碰行动提供重要支撑。相关辅助设备虽然可以提高避碰决策的安全性和效率,但是目前仍未研发出完全成熟的避碰的系统,最后仍需船员自己做出避碰决策。
近年来快速发展的人工智能技术与方法克服了早期用确定性方法解决避碰决策问题时遇到的抽象因素众多、量化困难等难题,对船舶避碰决策的研究方法逐渐由最初的数学计算模型过渡到人工智能方法,如遗传算法、神经网络、蚁群算法等。国内外船舶避碰决策优化的主要方法是将国际海上避碰规则和良好船艺作为约束条件,运用智能化算法,如粒子群算法、克隆选择优化算法、社会情感优化算法等,对船舶碰撞危险度和航程损失的多目标函数进行优化。
然而船舶驾驶员由于心理、性格、驾驶经验等差异,避碰行为也存在个体差异,在船舶避碰相关研究中,无论是基于经典几何方法还是智能算法,存在对船舶航行值班驾驶员主观风险偏好和认识不足,在碰撞危险度和航程损失所构成的多目标函数中没有体现船员主观差异性,而且没有考虑作为让路船在避碰操作中的船舶轨迹平稳性等问题。本发明针对以上问题,引入行为科学理论——前景理论,以提出一种能够引入人为风险偏好的船舶避碰决策优化方法为核心目标,构建基于前景理论的船舶避碰决策优化模型,选取碰撞危险度、航程损失和轨迹平稳性作为避碰决策优化指标,将人的风险偏好考虑进来,利用前景理论来解决船舶避碰过程中船舶驾驶员因风险态度不同而引起的决策差异,为船舶避碰决策和决策拟人化提供支持。
发明内容
本发明提出了一种前景理论的船舶避碰决策优化方法,基于前景理论的两船避碰决策优化模型主要分为两个部分,首先是对生成避碰方案的决策信息矩阵进行规范化处理和灰关联分析;进而利用前景理论获得正负前景价值矩阵,然后通过目标规划求取最优指标权重,代入到综合前景价值公式中得到每个备选避碰方案的综合前景价值,从而进行避碰方案选择。
本发明所采用的技术方案是:
一种基于前景理论的船舶避碰决策优化方法,如本发明附图1所示,包括如下步骤:
步骤1:获取船舶的运动参数,根据船舶会遇态势及运动参数仿真获得船舶具体的避碰方案,构成避碰方案集;
步骤2:根据避碰决策优化指标建立优化模型,获得避碰决策优化指标集,所述避碰决策优化指标根据但不限于船舶安全性、经济性、轨迹平稳性三个方面来选取;
步骤3:根据避碰方案集和避碰决策优化指标集构建决策信息矩阵,对决策信息矩阵进行规范化处理和灰关联分析,计算避碰方案关于避碰决策优化指标的关联系数矩阵;
步骤4:根据关联系数矩阵和利用前景理论获得正负前景价值矩阵,并通过线性规划求取最优决策指标权重;
步骤5:将最优决策指标权重代入到船舶避碰方案综合前景价值的计算公式中,根据每个避碰方案的综合前景值对避碰方案的优劣进行排序,选取避碰方案;
步骤6:根据不同驾驶员的风险态度,修改前景理论相关系数,重复以上步骤1-步骤 5得到不同驾驶员的避碰方案。
具体地,假设本船为让路船,船舶自动避碰辅助驾驶系统根据本船所面临的会遇场景和《国际海上避碰规则》进行仿真,并生成n组安全可用的船舶避碰方案,组成避碰方案集U={U1,U2,...,Un};从船舶安全性、经济性、轨迹平稳性等指标出发,选取船舶碰撞危险度、航程损失和船舶轨迹曲线平滑度作为避碰决策优化指标。
(1)船舶碰撞危险度
船舶碰撞危险度由DCPA(最近会遇距离)、TCPA(最近会遇时间)两个参数的隶属度函数构成。
u(DCPA)为DCPA的隶属度函数
u(TCPA)为TCPA的隶属度函数:
式2中的t1、t2即为船舶到达最晚施舵点时的时间和两船距离到达动界时两船之间的时间;DCPADLMA为到达最晚施舵点处行动后两船的最近会遇距离,本发明按照本船船长与来船船宽和的一半取值;SDA为安全会遇距离。
CRI为船舶的碰撞危险度的值:
(2)航程损失
根据转向幅度、船舶航行速度和避让时间来确定船舶的航程损失:
Δl=vt(1-cos Δc) (4)
其中,Δc为航向角的改变量,v船舶航行速度,t避让时间。
(3)轨迹曲线平滑度
设船舶避碰过程中的平稳性目标函数为g(x),该函数的目标是将船舶转向中的轨迹曲线的平滑度优化到最大。假设航向角的该变量为Δc,平稳性目标函数为g(x)的主要目标是将船舶转向中的航向改变优化到最小。
g(x)=π-|Δc| (5)
根据上述优化模型得到避碰决策优化指标,获得m个方案避碰决策优化指标组成了避碰决策优化指标集A={A1,A2,...,Am},根据避碰方案集和避碰决策优化指标集构建决策信息矩阵X。
因为前景理论主要是针对得失心理,为了消除不同指标的量纲,对决策指标原始值采取去量纲化处理,使决策指标能够直接进行比较。常用的无量纲处理的方法有很多,如极差变换、线性比例变化、归一化等等,选取不同的数据处理方式可能会导致决策结果的差异。为了更好地体现前景理论中的收益和损失,本发明采用[-1,1]线性变换算子,对大于均值的指标数据赋予[0,1]的值,对小于均值的指标数据赋予[-1,0]的值,从而得到一致性效果无量纲规范化决策信息矩阵R。
假设去量纲化后的规范化决策信息矩阵为R=(rij)n×m,i=1,2,...,n,j=1,2,...,m。具体的算法如下:首先,令:
成本型指标(其值越小越好的指标类型)的规范化处理方式为:
效益型指标(其值越大越好的指标类型)的规范化处理方式为:
以上变换就是[-1,1]线性变换算子。
选取规范化处理后的决策信息矩阵R中每一个避碰决策优化指标的最大值和最小值分别组成向量,作为正、负参考数列,根据规范化决策信息矩阵R,设: 则数列为称为正参考数列,数列称为负参考数列, j=1,2,...,m。
本发明计算灰色关联度系数所用的参考数列为正负参考数列的值。根据指标灰色关联系数计算方法,可得每一个避碰方案的指标值关于该指标正、负参考数列的关联系数为:
前景理论中的决策行为需要一个参照节点来衡量方案的前景值,而不是决策结果的实际值。本发明共选取了正、负两组理想避碰方案作为决策中的参考点,分别为 其中当所有方案都以正理想方案为参照点时,所有的ξij都满足所有的备选方案都不会优于正理想方案,此时船员决策相当于是损失的情况,表现为风险追求;反之,当所有方案都以负理想方案为参照点时,所有的ξij都满足所有的备选方案都不会劣于负理想方案,此时船员决策相当于是收益的情况,表现为风险规避。避碰方案Ui的各指标对应的前景价值函数如下:
根据前景理论价值函数公式可得:避碰方案Ui关于指标Aj的正前景价值记为:
负前景价值记为:
其中,风险态度参数α和β分别代表在参考节值右侧(收益)和左侧(损失)价值函数的凹凸程度,0<α<1,0<β<1。θ表示决策者的损失厌恶程度,θ>1表示决策者是损失规避的。
决策者面对风险和安全的客观概率分别有π+(ωj)和π-(ωj)两种主观决策权重,概率权重函数的表达式为:
其中,γ和τ分别代表在参考点左右两侧概率权重函数的拟合参数。
避碰方案Ui的综合前景价值为正负前景价值之和,计算公式如下:
对避碰方案进行方案排序需要对避碰决策优化指标的权重进行计算,为获取最大综合前景价值,设避碰决策优化指标集的权重向量ω=(ω1,ω2,...,ωm),把避碰决策优化指标权重的取值范围作为目标规划的约束条件,最大综合前景价值作为目标,求解最优解即为最优决策指标权重。
将求得的最优决策指标权重ω*代入到公式(16),方案Ui的最优综合前景值为:
最后比较各避碰方案的综合前景价值并按从大到小排序,即为避碰方案优劣排序。
优选地,所述船舶的运动参数包括两船初始距离、相对方位角、来船相对航速、来船相对航向、能见度系数、船舶满舵旋回转向90°所需时间、本船横距、本船纵距、来船船宽。
优选地,所述避碰方案包括转向角、转向时机、避让时间、安全会遇距离。
本发明的有益效果:本发明基于驾驶适宜性和船员风险偏好类型差异,引入前景理论,提出了基于前景理论的船舶避碰决策优化模型,可以通过调整参数来体现船员风险偏好,在智能系统给人提供决策时可以根据驾驶员的风险偏好不同进行个性化决策建议;本发明避碰决策考虑局部微观的指标(安全、经济、平稳),避碰决策面临着大量不同的随时间动态变化的场景,实时更新与优化避碰决策;本发明除考虑价值函数外还考虑概率权重函数进行全面优化,而且还利用线性规划计算得到最优决策指标权重值,用综合前景值进行决策优化,选取在不同风险偏好下不同船员心理预期最优的避碰决策,从而达到保障航行安全,提高避碰效率,节约航行成本的目的。
附图说明
图1基于前景理论的避碰决策优化方法框架图;
图2为典型会遇场景不同风险态度下避碰方案的综合前景价值;
图3为案例1~6不同风险态度下避碰方案的综合前景价值。
具体实施方式
为了使本发明的内容和技术方案更加清楚,以下结合附图及仿真实验进一步详细阐述本发明的原理和具体实施方式。
典型会遇场景
本发明根据已掌握的具有代表性的实船信息,设计了一个典型交叉会遇场景进行仿真实验,分析船员风险态度对避碰决策的影响,对会遇场景的避碰进行仿真生成避碰决策,并利用本发明模型进行决策优化,以此来验证本发明模型的可用性和有效性。
以一艘船长225m,7.6万吨满载散货船为模拟对象,假设本船以15kn的航速航行,航向为000°,目标船以13kn的航速航行,航向为288°。此时,海上能见度良好,本船驾驶操纵状况良好,当本船与目标船相距6海里时,发现与目标船形成交叉态势,存在碰撞风险,此时的DCPA为0.03海里,且本船为让路船,故采取转向避碰策略,本船与目标船的运动参数如表所1示,T0为船舶满舵旋回转向90°所需时间,k为系数,k一般取(1.5, 2),安全起见取2。
表1 本船与目标船会遇的运动参数
根据会遇态势及船舶运动参数,使用MATLAB程序仿真可得船舶具体的避让方案。为了更好地分析不同风险态度下驾驶员的决策行为,在生成避碰方案时分别设置安全会遇距离SDA=1.0,1.2,1.4,1.6,1.8,2.0海里,并据此分别生成带有转向时机和转向幅度的避碰方案。
本发明研究不同风险态度下船员在可接受碰撞风险和避碰决策代价之间的平衡。如果SDA越小、转向时机越晚,那么船舶碰撞风险越高,但是避碰造成的航程损失会更小,转向过程中船舶更平稳。为了更好的凸显方案之间的差异性,在生成避碰方案时,从SDA 较小的方案中选择转向幅度小和避让时机较晚的方案,从SDA较大的方案中选择避碰转向幅度较大、行动时机较早的方案,这样方案之间的区分度就会更明显。
对方案U1:避碰决策为从当前时刻开始10.84min后向右转向35°,在新航向上持续8min,安全会遇距离为1.0nm,即本船在10.84min后转向至035,18.84min恢复航向至000。同理,对于其他5个方案。
表2 仿真生成的安全避碰方案
船舶避碰决策主要是依据《国际海上避碰规则》和海员经验做法确定会遇态势和局面、求取让路船和直航船的避让幅度与时机、复航时机的过程。对避碰决策优化主要体现在三个方面:安全性、经济性和轨迹平稳性,其中安全性是避碰决策优化的前提。选取船舶碰撞危险度、航程损失和船舶轨迹曲线平滑度作为决策优化的指标。根据避碰方案信息和决策指标,可得决策信息矩阵X。其中船舶碰撞危险度和航程损失为成本型指标,平稳性为效益型指标,对决策信息矩阵X进行去量纲化处理,得到规范化矩阵R。
由规范化矩阵R可知,正参考数列为R+={0.503,0.901,1},负参考数列为R-={-1,-1,-0.909}。
根据前景理论中相关研究结论,当α=β=0.88,θ=2.25,γ=0.61,τ=0.69,表示风险偏好程度高,可以代表激进型船员,根据公式(10)、(11)分别计算各个方案的正负关联系数矩阵:
根据公式(13)、(14)分别计算各避碰方案的正、负前景价值矩阵:
综合考虑避碰方案的前景价值,建立前景价值最大化优化模型:
求得最优解ω*={0.5,0.4,0.1}。
将避碰方案的综合前景价值由大到小排序,便可得到各避碰方案的优劣排序。
由计算结果可以看出,方案U1的综合前景价值最大,因此6组备选的避碰方案中,最优避碰方案为U1。
为研究不同类型的驾驶员在船舶避碰决策中的差异,参考其他学者关于前景理论的研究成果,按照以上方法再分别计算中间型和谨慎型船员的最优避碰方案决策,得到的结果如下:
当参数α=β=0.99,γ=τ=0.99时,相当于接近风险中性,可以代表中间型船员。风险中性时各个避碰方案的综合前景价值为:
避碰方案的优劣排序:
最优避碰方案为:U3
当参数θ=3.5,α=1.21,β=1.02,γ=0.55,τ=0.49,代表了更为谨慎的风险态度,可以代表谨慎型船员。谨慎型船员各个避碰方案的综合前景价值为:
避碰方案的优劣排序:
最优避碰方案为:U6。
多个会遇场景下的避碰决策优化结果对比
为了验证本文提出的决策优化模型的稳定性和有效性,设置多组交叉会遇(含大角度交叉和小角度交叉)的避碰仿真场景进行仿真,并使用决策优化模型计算不同风险偏好类型的船舶驾驶员的每个方案的前景价值,分析船员风险偏好类型对船舶避碰最优决策的影响。
表3是6组会遇场景下,每个避碰方案在不同船员风险偏好情况下的前景价值。
表3 在不同风险偏好下各避碰方案的前景价值
图3分别反映了不同风险偏好下每一个避碰案例的综合前景价值分布情况。
1)由图2、图3可知,不同风险态度下,对于同一避碰场景的相同的避碰方案前景价值不同,在激进型和中间型船员的避碰方案综合前景价值比谨慎型船员更大。
2)由图2可知,针对同一会遇场景,根据U1-U6共6组方案中碰撞危险度、经济性、平稳性之间的关系,激进型船员的避碰最优决策方案更倾向于碰撞危险度较高的避碰方案,方案综合前景价值排序为基本符合碰撞危险度较大的方案优于碰撞危险较小的方案。谨慎型船舶驾驶员对于安全性的要求最高,安全性指标的权重也是三种风险态度中最高的,当在进行最优避碰方案选择时,更倾向于碰撞危险度较低的方案,对经济性和平稳性的要求适当放低,方案优劣排序为当船员为中间型时,对于最优避碰方案的选择则更倾向于三个指标都比较均衡的避碰方案,方案排序为
3)从图2、3综合前景价值的变化情况整体来看,对同一个避碰方案,谨慎型船员的方案前景值最小。对于激进型船舶驾驶员而言,随着避碰决策方案转向幅度增加、航程损失增加和方案危险度的降低,方案的综合前景价值呈现出递减的规律,说明激进型船员对于风险的可接受程度较高,愿意选择经济性和平稳性更好的避碰操纵方案。对于谨慎型船舶驾驶员而言,避碰方案的综合前景价值随着安全性的提高呈现出上升趋势,说明谨慎型船舶驾驶员对于船舶避碰行动中的风险可接受程度较低,愿意适当的放弃航程损失和船舶平稳性选择碰撞危险度较小的避碰方案;对于中间型船员而言,避碰方案的综合前景价值整体上呈现出先上升后下降的趋势,说明中间型的船舶驾驶员在避碰方案选择时对于安全性、经济性和平稳性指标的把握比较均衡,既不会过于追求平稳性和经济性方面的优势忽略了碰撞危险度水平,也不会舍弃经济性和平稳性选择碰撞危险度小的方案。
在实际的船舶避碰决策系统中本发明可以根据船舶驾驶员的具体风险偏好类型,有针对性的推荐对于船员而言最优的方案,既能保障船舶避碰行动的安全性,又能很大程度上减少因避碰行动带来的航程损失和操纵难度。这些案例研究结果证明了前景理论在避碰领域的有效性和可用性,将行为科学理论引入到船舶避碰领域,能够为船舶智能避碰决策拟人化提供支持。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种基于前景理论的船舶避碰决策优化方法,其特征在于,包括如下步骤:
步骤1:获取船舶的运动参数,根据船舶会遇态势及运动参数仿真获得船舶具体的避碰方案,构成避碰方案集;
步骤2:根据避碰决策优化指标建立优化模型,获得避碰决策优化指标集,所述避碰决策优化指标根据但不限于船舶安全性、经济性、轨迹平稳性三个方面来选取;
步骤3:根据避碰方案集和避碰决策优化指标集构建决策信息矩阵,对决策信息矩阵进行规范化处理和灰关联分析,计算避碰方案关于避碰决策优化指标的关联系数矩阵;
步骤4:根据关联系数矩阵和利用前景理论获得正负前景价值矩阵,并通过线性规划求取最优决策指标权重;
步骤5:将最优决策指标权重代入到船舶避碰方案综合前景价值的计算公式中,根据每个避碰方案的综合前景值对避碰方案的优劣进行排序,选取避碰方案。
2.如权利要求1所述的一种基于前景理论的船舶避碰决策优化方法,其特征在于,还包括步骤6:根据不同驾驶员的风险态度,修改前景理论相关系数,重复以上步骤1-步骤5得到不同驾驶员的避碰方案。
3.如权利要求1所述的一种基于前景理论的船舶避碰决策优化方法,其特征在于,所述避碰决策优化指标包括船舶碰撞危险度、航程损失和船舶轨迹曲线平滑度。
4.如权利要求3所述的一种基于前景理论的船舶避碰决策优化方法,其特征在于,所述船舶碰撞危险度优化模型由最近会遇距离、最近会遇时间两个参数的隶属度函数建立。
5.如权利要求3所述的一种基于前景理论的船舶避碰决策优化方法,其特征在于,所述航程损失优化模型由转向幅度、船舶航行速度和避让时间来建立。
6.如权利要求1所述的一种基于前景理论的船舶避碰决策优化方法,其特征在于,步骤3,所述规范化处理是利用[-1,1]线性变换算子将决策信息矩阵进行规范化处理,从而将决策信息矩阵转化成为无量纲规范化决策信息矩阵。
7.如权利要求1所述的一种基于前景理论的船舶避碰决策优化方法,其特征在于,步骤3,所述灰关联分析:选取规范化处理后的决策信息矩阵中每一个避碰决策优化指标的最大值和最小值分别组成向量,作为正、负参考数列,分别计算避碰方案与正、负参考数列关于避碰决策优化指标的正负关联系数矩阵。
8.如权利要求1所述的一种基于前景理论的船舶避碰决策优化方法,其特征在于,步骤4,分别以关联系数矩阵中的最大值和最小值组成的向量作为参考点,计算避碰方案的正负前景价值矩阵;以避碰方案中的综合前景价值最大化作为目标函数,建立线性规划模型,得到避碰决策优化指标集权重向量的最优决策指标权重。
9.如权利要求1所述的一种基于前景理论的船舶避碰决策优化方法,其特征在于,所述船舶的运动参数包括两船初始距离、相对方位角、来船相对航速、来船相对航向、能见度系数、船舶满舵旋回转向90°所需时间、本船横距、本船纵距。
10.如权利要求1所述的一种基于前景理论的船舶避碰决策优化方法,其特征在于,所述避碰方案包括转向角、转向时机、避让时间、安全会遇距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010088612.6A CN111400864B (zh) | 2020-02-12 | 2020-02-12 | 一种基于前景理论的船舶避碰决策优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010088612.6A CN111400864B (zh) | 2020-02-12 | 2020-02-12 | 一种基于前景理论的船舶避碰决策优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111400864A CN111400864A (zh) | 2020-07-10 |
CN111400864B true CN111400864B (zh) | 2022-06-17 |
Family
ID=71435991
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010088612.6A Active CN111400864B (zh) | 2020-02-12 | 2020-02-12 | 一种基于前景理论的船舶避碰决策优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111400864B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112100917B (zh) * | 2020-09-14 | 2023-12-22 | 中国船级社 | 一种基于专家对抗系统的智能船舶避碰仿真测试系统与方法 |
CN112560286B (zh) * | 2020-12-25 | 2022-07-19 | 武汉理工大学 | 一种基于数字化船舶领域模型的船舶碰撞风险确定方法 |
CN112907052A (zh) * | 2021-02-07 | 2021-06-04 | 智慧航海(青岛)科技有限公司 | 一种智能船舶避碰能力评估系统 |
CN113032896B (zh) * | 2021-02-25 | 2024-05-03 | 武汉理工大学 | 一种基于船舶驾驶员偏好的避碰辅助决策方法 |
CN114664118B (zh) * | 2022-03-18 | 2023-04-07 | 陕西正整数科技有限公司 | 一种智能船舶避碰自动测试场景生成方法及系统 |
CN114882736B (zh) * | 2022-04-07 | 2023-11-24 | 武汉理工大学 | 可容忍风险船舶航路与海上区域建筑安全间距计算方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105137971A (zh) * | 2015-08-03 | 2015-12-09 | 大连海事大学 | 一种辅助船舶进行避碰决策的方法 |
CN107784394A (zh) * | 2017-10-30 | 2018-03-09 | 长安大学 | 考虑前景理论的高速公路路线方案不确定多属性优选方法 |
CN109034539A (zh) * | 2018-06-29 | 2018-12-18 | 中国人民解放军火箭军工程大学 | 一种拓展前景理论的时序混合多属性动态决策方法 |
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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108860143B (zh) * | 2017-05-12 | 2020-06-16 | 法雷奥汽车内部控制(深圳)有限公司 | 用于控制自动驾驶的车辆的方法和车辆控制系统 |
-
2020
- 2020-02-12 CN CN202010088612.6A patent/CN111400864B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105137971A (zh) * | 2015-08-03 | 2015-12-09 | 大连海事大学 | 一种辅助船舶进行避碰决策的方法 |
CN107784394A (zh) * | 2017-10-30 | 2018-03-09 | 长安大学 | 考虑前景理论的高速公路路线方案不确定多属性优选方法 |
CN109034539A (zh) * | 2018-06-29 | 2018-12-18 | 中国人民解放军火箭军工程大学 | 一种拓展前景理论的时序混合多属性动态决策方法 |
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 |
Non-Patent Citations (4)
Title |
---|
COLREGs-Compliant Path Planning for Autonomous Surface Vehicles: A Multiobjective Optimization Approach;Liang Hu等;《IFAC (International Federation of Automatic Control)》;20171231;第13662-13667页 * |
人的个性与避碰行为关系的统计分析;孙立成等;《大连海事大学学报》;19970228;第23卷(第1期);第41-45页 * |
基于前景理论的船舶航路选择辅助决策模型;胡佳颖等;《武汉理工大学学报(交通科学与工程版)》;20191231;第43卷(第6期);第1147-1151页 * |
基于船舶碰撞危险度的避碰决策研究;任鹏;《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》;20160215(第2期);第C036-200页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111400864A (zh) | 2020-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111400864B (zh) | 一种基于前景理论的船舶避碰决策优化方法 | |
CN110658829B (zh) | 一种基于深度强化学习的群无人艇智能避碰方法 | |
CN111694365B (zh) | 一种基于深度强化学习的无人船艇编队路径跟踪方法 | |
CN111063218A (zh) | 一种船舶避碰决策方法 | |
CN111353222B (zh) | 一种智能船舶自动靠泊能力的仿真测试系统及方法 | |
CN111861155B (zh) | 船舶碰撞风险检测方法、系统、计算机设备和存储介质 | |
CN112100917A (zh) | 一种基于专家对抗系统的智能船舶避碰仿真测试系统与方法 | |
CN111105136A (zh) | 一种基于归一化样本的灰色层次评估方法 | |
CN112462786B (zh) | 一种基于模糊控制策略双窗口算法的无人艇避碰方法 | |
CN113032896B (zh) | 一种基于船舶驾驶员偏好的避碰辅助决策方法 | |
CN112052984A (zh) | 一种智能船舶避碰方法及系统 | |
CN106708044A (zh) | 基于灰色预测混合遗传算法‑pid全垫升气垫船航向控制方法 | |
CN113821031A (zh) | 一种无人船舶自主航行能力评估方法 | |
Qin et al. | A target SAR image expansion method based on conditional Wasserstein deep convolutional GAN for automatic target recognition | |
CN110161853A (zh) | 一种新型具有实时性的船舶综合自动驾驶系统 | |
Li et al. | Simulation on vessel intelligent collision avoidance based on artificial fish swarm algorithm | |
CN113538973B (zh) | 一种基于改进粒子群算法的船舶自动避碰方法 | |
Guo et al. | Mission-driven path planning and design of submersible unmanned ship with multiple navigation states | |
CN110703759A (zh) | 一种多船博弈的船舶避碰处理方法 | |
CN110414407B (zh) | 基于证据推理规则和自适应提升的船舶螺旋桨卷气识别法 | |
Zhang et al. | Ship collision avoidance using constrained deep reinforcement learning | |
CN116127846A (zh) | 一种减摇技术的智能评估方法及系统 | |
CN116167902A (zh) | 一种基于多属性分析的水面目标安全评估算法模型及方法 | |
CN111623780B (zh) | 一种基于优先级目标分配的多无人船协同路径规划方法 | |
CN114489095A (zh) | 一种应用于变体飞行器的类脑脉冲神经网络控制方法 |
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 |