CN112141287A - 基于船端融合数据的智能船舶协同避碰系统和方法 - Google Patents

基于船端融合数据的智能船舶协同避碰系统和方法 Download PDF

Info

Publication number
CN112141287A
CN112141287A CN202010983449.XA CN202010983449A CN112141287A CN 112141287 A CN112141287 A CN 112141287A CN 202010983449 A CN202010983449 A CN 202010983449A CN 112141287 A CN112141287 A CN 112141287A
Authority
CN
China
Prior art keywords
ship
data
collision avoidance
fusion
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.)
Granted
Application number
CN202010983449.XA
Other languages
English (en)
Other versions
CN112141287B (zh
Inventor
王晓原
夏媛媛
姜雨函
朱慎超
孙鑫
王曼曼
万倩男
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Navigation Brilliance Qingdao Technology Co Ltd
Original Assignee
Navigation Brilliance Qingdao Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Navigation Brilliance Qingdao Technology Co Ltd filed Critical Navigation Brilliance Qingdao Technology Co Ltd
Priority to CN202010983449.XA priority Critical patent/CN112141287B/zh
Publication of CN112141287A publication Critical patent/CN112141287A/zh
Application granted granted Critical
Publication of CN112141287B publication Critical patent/CN112141287B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B63SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63BSHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B43/00Improving safety of vessels, e.g. damage control, not otherwise provided for
    • B63B43/18Improving safety of vessels, e.g. damage control, not otherwise provided for preventing collision or grounding; reducing collision damage
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G3/00Traffic control systems for marine craft
    • G08G3/02Anti-collision systems

Abstract

本申请属于智能船舶技术领域,具体涉及一种基于船端融合数据的智能船舶协同避碰系统和方法。该系统包括:第一信息获取模块,用于获取所有区域船舶和障碍物的航迹信息和位置信息;第一数据融合模块,用于对所述信息获取模块获取的数据进行融合处理,得到区域船舶航迹集合;第二信息获取模块,用于获取各区域船舶的船舶性能参数;第二数据融合模块,用于通过数据融合得到融合航迹集合;协同避碰模块,用于通过预设的协同避碰策略生成协同避碰决策信息;信息交互模块,用于借助VHF信息通讯方式实现数据交互。本申请系统可更为快速的生成区域船舶避碰指令,为船舶实行避碰决策预留出充分的时间,增强了协同避碰的安全性。

Description

基于船端融合数据的智能船舶协同避碰系统和方法
技术领域
本申请属于智能船舶技术领域,具体涉及一种基于船端融合数据的智能船舶协同避碰系统和方法。
背景技术
目前国内港口、内河航道的船舶吨位、数量大幅度增加,进港船舶数量越来越多,水上交通安全问题日益凸显。如何判断相邻船舶是否会发生碰撞并指导有碰撞危险船舶实行避碰操作,协助智能船舶安全航行并维持海航交通秩序,已受到越来越多人的关注。
现行的避碰策略多采取岸端融合-中心协控的思路指挥航区内智能船舶协同避碰,这样处理无疑能最大程度的发挥岸基中心的指挥协同作用,加强区域交通的秩序性及稳定性,但从船舶会遇到收到避碰策略用时较长,决策时效性较低,从而降低了智能船舶的安全性。
发明内容
(一)要解决的技术问题
本申请提出了一种基于船端融合数据的智能船舶协同避碰系统和方法,以解决现有的基于船端融合数据的智能船舶协同避碰系统从船舶会遇到收到避碰策略的用时较长,决策时效性较低,从而降低了智能船舶的安全性的问题。
(二)技术方案
为达到上述目的,本申请采用如下技术方案:
第一方面,本申请实施例提供一种基于船端融合数据的智能船舶协同避碰系统,该系统包括:
第一信息获取模块,用于获取通过岸基感知设备和船用感知设备采集的目标航区内所有区域船舶和障碍物的航迹信息和位置信息;
第一数据融合模块,用于通过预设的第一数据融合算法对所述信息获取模块获取的数据进行融合处理,得到包含目标航区内所有区域船舶航迹信息的区域船舶航迹集合;
第二信息获取模块,用于获取各区域船舶的船舶性能参数,将所述船舶性能参数作为第一决策辅助数据;
第二数据融合模块,用于基于第一数据融合模块生成的区域船舶航迹集合,通过预设的第二数据融合算法进行数据融合,得到融合航迹集合;
协同避碰模块,用于基于所述融合航迹集合和各区域船舶的第一决策辅助数据,通过预设的协同避碰策略生成协同避碰决策信息;
信息交互模块,用于借助VHF信息通讯方式,实现目标航区内所有区域船舶间的数据交互;
其中,所述第一信息获取模块、所述第一数据融合模块和所述信息交互模块设置于目标航区内的所有区域船舶;所述第二信息获取模块、所述第二数据融合模块、所述协同避碰模块设置于目标船舶;所述目标船舶为目标航区内所有区域船舶中优先级最高的区域船舶。
可选地,所述岸基感知设备包括设置于岸基的雷达系统。
可选地,所述船用感知设备包括设置于船端的AIS系统和导航雷达。
可选地,所述第一决策辅助数据包括船舶回转性指数、船舶跟从性指数、船舶油程比。
可选地,所述船舶回转性指数为船舶设计手册中无因次量K′,其计算方法为:
Figure BDA0002688336010000021
其中,K称为回转性指数,是单位舵角引起的定长回转角速度;V0为回转初速,L为水线长。
可选地,所述船舶跟从性指数为船舶设计手册中无因次量T′,其计算方法为:
Figure BDA0002688336010000031
其中,T为应舵指数,是单位舵角引起的定长回转角速度;V0为回转初速,L为水线长。
可选地,所述船舶油程比的计算方法为:
Figure BDA0002688336010000032
其中,c表示船舶油程比,m油t表示当前燃油质量,m油0表示出港燃油质量,St表示剩余里程,S0表示初始里程。
可选地,基于所述融合航迹集合和各区域船舶的第一决策辅助数据,通过预设的协同避碰策略生成协同避碰决策信息,包括:
通过预设的权重因子对所述第一决策辅助数据中各数据进行量化提取,得到各区域船舶的第二决策辅助数据;
基于所述融合航迹集合和各区域船舶的第二决策辅助数据,通过预设的协同避碰策略生成协同避碰航迹集合,将所述协同避碰航迹集合作为协同避碰决策信息输出。
可选地,所述目标航区是应用基于船端融合数据的智能船舶协同避碰系统来协同调配智能船舶航行规划的任一航区。
第二方面,本申请实施例提供一种基于船端融合数据的智能船舶协同避碰方法,该方法包括:
各区域船舶获取通过岸基感知设备和船用感知设备采集的目标航区内所有区域船舶和障碍物的航迹信息和位置信息;
各区域船舶通过预设的第一数据融合算法对获取的数据进行融合处理,得到包含目标航区内所有区域船舶航迹信息的区域船舶航迹集合;
目标船舶获取各区域船舶的船舶性能参数,将所述船舶性能参数作为第一决策辅助数据;
目标船舶基于各区域船舶的区域船舶航迹集合,通过预设的第二数据融合算法进行数据融合,得到融合航迹集合;
目标船舶基于所述融合航迹集合和各区域船舶的第一决策辅助数据,通过预设的协同避碰策略生成协同避碰决策信息;
其中,各区域船舶借助VHF信息通讯方式,实现目标航区内所有区域船舶间的数据交互;所述目标船舶为目标航区内所有区域船舶中优先级最高的区域船舶。
(三)有益效果
本申请的有益效果是:本申请提出了一种基于船端融合数据的智能船舶协同避碰系统和方法,各区域船舶通过预设的第一数据融合算法对获取的数据进行融合处理,得到包含目标航区内所有区域船舶航迹信息的区域船舶航迹集合;目标船舶基于各区域船舶的区域船舶航迹集合,通过预设的第二数据融合算法进行数据融合,得到融合航迹集合;目标船舶基于融合航迹集合和各区域船舶的性能参数,生成协同避碰决策信息。基于船端航迹融合的协同避碰策略,相较于岸端融合-中心协控避碰策略,无疑在处理时间上有着显著的优势,可以更为快速的下达给区域船舶避碰指令,为船舶实行避碰决策预留出充分的时间,增强了协同避碰的安全性。
附图说明
本申请借助于以下附图进行描述:
图1为本申请一个实施例中的基于船端融合数据的智能船舶协同避碰系统架构示意图;
图2为本申请一个实施例中的基于船端融合数据的智能船舶协同避碰方法流程示意图;
图3为本申请另一个实施例中的基于船端融合数据的智能船舶协同避碰方法流程示意图。
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。可以理解的是,以下所描述的具体的实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合;为了便于描述,附图中仅示出了与发明相关的部分。
本申请一个实施例的基于船端融合数据的智能船舶协同避碰系统,设置于目标船舶和目标航区内所有区域船舶上。目标船舶可根据优先级判断来确定。具体来说,一个航区内的所有智能船舶作为该航区的区域船舶,对所有区域船舶进行优先级判断,将优先级最高的区域船舶作为目标船舶。通过执行本申请中的基于船端融合数据的智能船舶协同避碰方法,可生成协同避碰决策信息,并发送至航区内各区域船舶。包括目标船舶在内的各区域船舶将根据协同避碰决策信息对自身航向和航速进行控制。下面将参考附图并结合实施例来详细说明本申请。
图1示出了本申请一个实施例中的基于船端融合数据的智能船舶协同避碰系统架构示意图。如图所示,基于船端融合数据的智能船舶协同避碰系统100,该系统包括:
第一信息获取模块101,用于获取通过岸基感知设备和船用感知设备采集的目标航区内所有区域船舶和障碍物的航迹信息和位置信息;
第一数据融合模块102,用于通过预设的第一数据融合算法对信息获取模块获取的数据进行融合处理,得到包含目标航区内所有区域船舶航迹信息的区域船舶航迹集合;
第二信息获取模块103,用于获取各区域船舶的船舶性能参数,将船舶性能参数作为第一决策辅助数据;
第二数据融合模块104,用于基于第一数据融合模块生成的区域船舶航迹集合,通过预设的第二数据融合算法进行数据融合,得到融合航迹集合;
协同避碰模块105,用于基于融合航迹集合和各区域船舶的第一决策辅助数据,通过预设的协同避碰策略生成协同避碰决策信息;
信息交互模块106,用于借助VHF信息通讯方式,实现目标航区内所有区域船舶间的数据交互;
其中,第一信息获取模块101、第一数据融合模块102和信息交互模块106设置于目标航区内的所有区域船舶,第一信息获取模块101可以与第一数据融合模块102和信息交互模块106分别通信连接,第一数据融合模块102可以和信息交互模块106通信连接;目标船舶上除了设置有第一信息获取模块101、第一数据融合模块102和信息交互模块106,还设置有第二信息获取模块103、第二数据融合模块104、协同避碰模块105,第二数据融合模块104可以分别与第二信息获取模块103、协同避碰模块105通信连接,信息交互模块106可以分别与第二信息获取模块103、协同避碰模块105通信连接;目标船舶为目标航区内所有区域船舶中优先级最高的区域船舶。目标航区可以是应用基于船端融合数据的智能船舶协同避碰系统来协同调配智能船舶航行规划的任一航区。
在本实施例中,岸基感知设备和船用感知设备用于采集航区内区域船舶和障碍物的航迹信息及位置信息。岸基感知设备可以包括设置于岸基的雷达系统,船用感知设备可以包括设置于船端的AIS系统和导航雷达。
在一些实施例中,第一决策辅助数据包括船舶回转性指数、船舶跟从性指数、船舶油程比。
优选地,船舶回转性指数为船舶设计手册中无因次量K′,其计算方法如公式(1)所示。
Figure BDA0002688336010000071
其中,K称为回转性指数,是单位舵角引起的定长回转角速度;V0为回转初速,L为水线长。
优选地,船舶跟从性指数为船舶设计手册中无因次量T′,其计算方法如公式(2)所示。
Figure BDA0002688336010000072
其中,T为应舵指数,是单位舵角引起的定长回转角速度;V0为回转初速,L为水线长。
优选地,船舶油程比的计算方法如公式(3)所示。
Figure BDA0002688336010000073
其中,c表示船舶油程比,m油t表示当前燃油质量,m油0表示出港燃油质量,St表示剩余里程,S0表示初始里程。
在一些实施例中,基于融合航迹集合和各区域船舶的第一决策辅助数据,通过预设的协同避碰策略生成协同避碰决策信息,包括:
通过预设的权重因子对第一决策辅助数据中各数据进行量化提取,得到各区域船舶的第二决策辅助数据;
基于融合航迹集合和各区域船舶的第二决策辅助数据,通过预设的协同避碰策略生成协同避碰航迹集合,将协同避碰航迹集合作为协同避碰决策信息输出。
需要说明的是,本申请中的第一数据融合算法和第二数据融合算法可以是相同的融合算法,也可以是两种不同的数据融合算法。
基于船端融合数据的智能船舶协同避碰系统,相较于岸端融合-中心协控避碰策略,无疑在处理时间上有着显著的优势,可以更为快速的下达给目标船舶避碰指令,为船舶实行避碰决策预留出充分的时间,增强了协同避碰的安全性。
本申请中的第一信息获取模块101、第一数据融合模块102、第二信息获取模块103、第二数据融合模块104、协同避碰模块105通常可以设置在终端设备或服务器中。
用来实现本申请实施例的终端设备或服务器的计算机系统可以包括中央处理单元(CPU),其可以根据存储在只读存储器(ROM)中的程序或者从存储部分加载到随机访问存储器(RAM)中的程序而执行各种适当的动作和处理。在RAM中,还存储有系统操作所需的各种程序和数据。CPU、ROM以及RAM通过总线彼此相连。输入/输出(I/O)接口也连接至总线。
以下部件连接至I/O接口:包括键盘、鼠标等的输入部分;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分;包括硬盘等的存储部分;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分。通信部分经由诸如因特网的网络执行通信处理。驱动器也根据需要连接至I/O接口。可拆卸介质,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器上,以便于从其上读出的计算机程序根据需要被安装入存储部分。
在本申请的一个实施例中,信息交互模块106可以是通过VHF(Very HighFrequency,即甚高频)通信系统,在一个航区内的各区域船舶间构建信息网,与航区范围内船舶进行船端信息交互,实时接收船舶最新的区域船舶航迹集合及决策辅助数据信息,还可以将最终协同避碰决策信息传递给区域船舶,实现区域船舶多船协同。
本申请第二方面提出了一种基于船端融合数据的智能船舶协同避碰方法,该方法可通过上述的基于船端融合数据的智能船舶协同避碰系统实现。图2为本申请一个实施例中的基于船端融合数据的智能船舶协同避碰方法流程示意图。如图所示,该方法包括:
各区域船舶获取通过岸基感知设备和船用感知设备采集的目标航区内所有区域船舶和障碍物的航迹信息和位置信息;
各区域船舶通过预设的第一数据融合算法对获取的数据进行融合处理,得到包含目标航区内所有区域船舶航迹信息的区域船舶航迹集合;
目标船舶获取各区域船舶的船舶性能参数,将船舶性能参数作为第一决策辅助数据;
目标船舶基于各区域船舶的区域船舶航迹集合,通过预设的第二数据融合算法进行数据融合,得到融合航迹集合;
目标船舶基于融合航迹集合和各区域船舶的第一决策辅助数据,通过预设的协同避碰策略生成协同避碰决策信息;
其中,各区域船舶借助VHF信息通讯方式,实现目标航区内所有区域船舶间的数据交互;目标船舶为目标航区内所有区域船舶中优先级最高的区域船舶。
图3为本申请另一个实施例中的基于船端融合数据的智能船舶协同避碰方法流程示意图。如图所示,该方法包括:
船岸信息感知。岸基感知设备将捕获的多源数据传递至每个区域船舶;每个区域船舶通过船用感知设备直接进行数据获取。本实施例中,岸基感知设备为岸基雷达,船用感知设备为AIS系统和导航雷达。
船端航迹融合。将岸基雷达系统收集的多源数据传递至每个区域船舶,每个区域船舶在船端融合中心将获取的数据基于多源数据融合算法,与区域船舶感知设备收集的数据,进行航迹关联与融合,得到区域船舶航迹集合。以区域船舶1为例,融合后得到的融合航迹为{A11,A12,...A1n},其中,A1n为区域船舶1经过数据融合得到的区域船舶n的航迹。
船端信息交互。目标船舶通过VHF(Very High Frequency,甚高频)传输系统,进行航区内船舶1、船舶2、船舶n的船端信息交互,建立区域船舶融合航迹矩阵
Figure BDA0002688336010000101
区域船舶回转性指数a=[a1 a2 ... an](n∈N*),其中a1表示船舶1的回转性指数;区域船舶跟从性指数b=[b1 b2 ... bn](n∈N*),其中b1表示船舶1的跟从性指数;区域船舶油程比c=[c1 c2 ... cn])n∈N*),其中c1表示船舶1的油程比。
本实施例中,船舶回转性指数a,是船舶设计手册中无因次量K′,K′越大,定常回转角速度越大,回转直径越小,船的回转性越好。
本实施例中,船舶跟从性指数b,具体是指船舶设计手册中无因次量T′,T′越小,操舵后船舶改变首向并进入定常回转的时间越短,船的跟从性越好。
本实施例中,船舶油程比,具体是指剩余油量比除以剩余里程比,可以通过上面的公式(3)计算得到。
目标船端航迹融合。将目标船端接收的航迹矩阵,进行二次融合,最终得到区域内所有船舶的融合航迹集A={A1,A2,...An}(n∈N*),其中A1表示区域内所有船舶获取的船舶1航迹的进行融合得到的最终融合结果。
协同避碰策略。本实施例中,设计权重因子集{n}={n1,n2,n3},计算协同避碰时的船舶航迹B1、B2......Bn,建立协同避碰航迹集B={B1,B2,...Bn)(n∈N*)。
权重因子n表示船舶回转性指数a、船舶跟从性指数b和船舶油程比c对避碰决策的影响程度,取值范围为[-1,1],数值越大,影响程度越大。需要说明的是,权重因子可结合理论与实际经验确定。
避碰航迹反馈。目标船舶通过VHF传输系统,将避碰航迹集B={B1,B2,...Bn}(n∈N*)反馈到区域内所有船舶,接收船舶通过对避碰航迹的解读,执行避碰方案,协同别碰。
本申请提出的基于船端融合数据的智能船舶协同避碰方法,可以更为快速的下达给区域船舶避碰指令,为船舶实行避碰决策预留出充分的时间,增强了协同避碰的安全性;而且相较于传统岸基中心决策避碰法,摆脱了信息传输上的束缚,增强了系统对避碰规则的依靠,遵循了去人工化的设计思路,拓宽了探索避碰方法的道路。
应当注意的是,在权利要求中,不应将位于括号之间的任何附图标记理解成对权利要求的限制。词语“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的词语“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。词语第一、第二、第三等的使用,仅是为了表述方便,而不表示任何顺序。可将这些词语理解为部件名称的一部分。
此外,需要说明的是,在本说明书的描述中,术语“一个实施例”、“一些实施例”、“实施例”、“示例”、“具体示例”或“一些示例”等的描述,是指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管已描述了本发明的优选实施例,但本领域的技术人员在得知了基本创造性概念后,则可对这些实施例作出另外的变更和修改。所以,权利要求应该解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种修改和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也应该包含这些修改和变型在内。

Claims (10)

1.一种基于船端融合数据的智能船舶协同避碰系统,其特征在于,该系统包括:
第一信息获取模块,用于获取通过岸基感知设备和船用感知设备采集的目标航区内所有区域船舶和障碍物的航迹信息和位置信息;
第一数据融合模块,用于通过预设的第一数据融合算法对所述信息获取模块获取的数据进行融合处理,得到包含目标航区内所有区域船舶航迹信息的区域船舶航迹集合;
第二信息获取模块,用于获取各区域船舶的船舶性能参数,将所述船舶性能参数作为第一决策辅助数据;
第二数据融合模块,用于基于第一数据融合模块生成的区域船舶航迹集合,通过预设的第二数据融合算法进行数据融合,得到融合航迹集合;
协同避碰模块,用于基于所述融合航迹集合和各区域船舶的第一决策辅助数据,通过预设的协同避碰策略生成协同避碰决策信息;
信息交互模块,用于借助VHF信息通讯方式,实现目标航区内所有区域船舶间的数据交互;
其中,所述第一信息获取模块、所述第一数据融合模块和所述信息交互模块设置于目标航区内的所有区域船舶;所述第二信息获取模块、所述第二数据融合模块、所述协同避碰模块设置于目标船舶;所述目标船舶为目标航区内所有区域船舶中优先级最高的区域船舶。
2.根据权利要求1所述的基于船端融合数据的智能船舶协同避碰系统,其特征在于,所述岸基感知设备包括设置于岸基的雷达系统。
3.根据权利要求1所述的基于船端融合数据的智能船舶协同避碰系统,其特征在于,所述船用感知设备包括设置于船端的AIS系统和导航雷达。
4.根据权利要求1所述的基于船端融合数据的智能船舶协同避碰系统,其特征在于,所述第一决策辅助数据包括船舶回转性指数、船舶跟从性指数、船舶油程比。
5.根据权利要求4所述的基于船端融合数据的智能船舶协同避碰系统,其特征在于,所述船舶回转性指数为船舶设计手册中无因次量K′,其计算方法为:
Figure FDA0002688333000000021
其中,K称为回转性指数,是单位舵角引起的定长回转角速度;V0为回转初速,L为水线长。
6.根据权利要求4所述的基于船端融合数据的智能船舶协同避碰系统,其特征在于,所述船舶跟从性指数为船舶设计手册中无因次量T′,其计算方法为:
Figure FDA0002688333000000022
其中,T为应舵指数,是单位舵角引起的定长回转角速度;V0为回转初速,L为水线长。
7.根据权利要求4所述的基于船端融合数据的智能船舶协同避碰系统,其特征在于,所述船舶油程比的计算方法为:
Figure FDA0002688333000000023
其中,c表示船舶油程比,m油t表示当前燃油质量,m油0表示出港燃油质量,St表示剩余里程,S0表示初始里程。
8.根据权利要求5-7中任一权利要求所述的基于船端融合数据的智能船舶协同避碰系统,其特征在于,基于所述融合航迹集合和各区域船舶的第一决策辅助数据,通过预设的协同避碰策略生成协同避碰决策信息,包括:
通过预设的权重因子对所述第一决策辅助数据中各数据进行量化提取,得到各区域船舶的第二决策辅助数据;
基于所述融合航迹集合和各区域船舶的第二决策辅助数据,通过预设的协同避碰策略生成协同避碰航迹集合,将所述协同避碰航迹集合作为协同避碰决策信息输出。
9.根据权利要求1所述的系统,其特征在于,所述目标航区是应用基于船端融合数据的智能船舶协同避碰系统来协同调配智能船舶航行规划的任一航区。
10.一种基于船端融合数据的智能船舶协同避碰方法,其特征在于,该方法包括:
各区域船舶获取通过岸基感知设备和船用感知设备采集的目标航区内所有区域船舶和障碍物的航迹信息和位置信息;
各区域船舶通过预设的第一数据融合算法对获取的数据进行融合处理,得到包含目标航区内所有区域船舶航迹信息的区域船舶航迹集合;
目标船舶获取各区域船舶的船舶性能参数,将所述船舶性能参数作为第一决策辅助数据;
目标船舶基于各区域船舶的区域船舶航迹集合,通过预设的第二数据融合算法进行数据融合,得到融合航迹集合;
目标船舶基于所述融合航迹集合和各区域船舶的第一决策辅助数据,通过预设的协同避碰策略生成协同避碰决策信息;
其中,各区域船舶借助VHF信息通讯方式,实现目标航区内所有区域船舶间的数据交互;所述目标船舶为目标航区内所有区域船舶中优先级最高的区域船舶。
CN202010983449.XA 2020-09-17 2020-09-17 基于船端融合数据的智能船舶协同避碰系统和方法 Active CN112141287B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010983449.XA CN112141287B (zh) 2020-09-17 2020-09-17 基于船端融合数据的智能船舶协同避碰系统和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010983449.XA CN112141287B (zh) 2020-09-17 2020-09-17 基于船端融合数据的智能船舶协同避碰系统和方法

Publications (2)

Publication Number Publication Date
CN112141287A true CN112141287A (zh) 2020-12-29
CN112141287B CN112141287B (zh) 2021-09-03

Family

ID=73893119

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010983449.XA Active CN112141287B (zh) 2020-09-17 2020-09-17 基于船端融合数据的智能船舶协同避碰系统和方法

Country Status (1)

Country Link
CN (1) CN112141287B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110197598A (zh) * 2019-05-31 2019-09-03 中国船舶重工集团公司第七0七研究所 一种融合海事规则的动态目标避碰方法
CN110648556A (zh) * 2019-10-29 2020-01-03 青岛科技大学 一种基于船舶避碰特性的船舶避让方法
CN110956853A (zh) * 2019-11-12 2020-04-03 武汉理工大学 一种多船碰撞预测方法、系统和存储介质
CN110979594A (zh) * 2019-12-23 2020-04-10 智慧航海(青岛)科技有限公司 一种基于自主驾驶船舶的船岸协同避碰测试系统
CN111028546A (zh) * 2019-11-20 2020-04-17 智慧航海(青岛)科技有限公司 基于岸基雷达面向智能船舶的多船协同避碰系统和方法
CN111260962A (zh) * 2020-01-19 2020-06-09 青岛海狮网络科技有限公司 一种船舶海上避碰预警方法、系统和海图机
CN111474916A (zh) * 2020-03-30 2020-07-31 智慧航海(青岛)科技有限公司 船舶航行自主避碰算法测试方法和装置
CN111474536A (zh) * 2020-05-06 2020-07-31 智慧航海(青岛)科技有限公司 一种基于岸基雷达系统的智能船舶自主定位系统及方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110197598A (zh) * 2019-05-31 2019-09-03 中国船舶重工集团公司第七0七研究所 一种融合海事规则的动态目标避碰方法
CN110648556A (zh) * 2019-10-29 2020-01-03 青岛科技大学 一种基于船舶避碰特性的船舶避让方法
CN110956853A (zh) * 2019-11-12 2020-04-03 武汉理工大学 一种多船碰撞预测方法、系统和存储介质
CN111028546A (zh) * 2019-11-20 2020-04-17 智慧航海(青岛)科技有限公司 基于岸基雷达面向智能船舶的多船协同避碰系统和方法
CN110979594A (zh) * 2019-12-23 2020-04-10 智慧航海(青岛)科技有限公司 一种基于自主驾驶船舶的船岸协同避碰测试系统
CN111260962A (zh) * 2020-01-19 2020-06-09 青岛海狮网络科技有限公司 一种船舶海上避碰预警方法、系统和海图机
CN111474916A (zh) * 2020-03-30 2020-07-31 智慧航海(青岛)科技有限公司 船舶航行自主避碰算法测试方法和装置
CN111474536A (zh) * 2020-05-06 2020-07-31 智慧航海(青岛)科技有限公司 一种基于岸基雷达系统的智能船舶自主定位系统及方法

Also Published As

Publication number Publication date
CN112141287B (zh) 2021-09-03

Similar Documents

Publication Publication Date Title
Zhang et al. Collision-avoidance navigation systems for Maritime Autonomous Surface Ships: A state of the art survey
Li et al. Distributed coordination for collision avoidance of multiple ships considering ship maneuverability
Liu et al. Multi-ship collision avoidance decision-making and coordination mechanism in Mixed Navigation Scenarios
Han et al. A dynamically hybrid path planning for unmanned surface vehicles based on non-uniform Theta* and improved dynamic windows approach
Wang et al. Local path optimization method for unmanned ship based on particle swarm acceleration calculation and dynamic optimal control
Rongcai et al. Autonomous collision avoidance system in a multi-ship environment based on proximal policy optimization method
Sun et al. Collision avoidance of podded propulsion unmanned surface vehicle with COLREGs compliance and its modeling and identification
CN113759939A (zh) 一种受限水域智能航行方法及装置
He et al. Dynamic adaptive intelligent navigation decision making method for multi-object situation in open water
CN111861155A (zh) 船舶碰撞风险检测方法、系统、计算机设备和存储介质
CN108459602A (zh) 多障碍复杂环境下欠驱动无人艇的自主靠泊方法
Zhu et al. Automatic collision avoidance algorithm based on route-plan-guided artificial potential field method
CN110444046A (zh) 一种受限水域非冲突会遇船舶集群态势分析方法
Wang et al. A novel maritime autonomous navigation decision-making system: Modeling, integration, and real ship trial
Zhang et al. A real-time multi-ship collision avoidance decision-making system for autonomous ships considering ship motion uncertainty
Zhao et al. Decision-making for the autonomous navigation of USVs based on deep reinforcement learning under IALA maritime buoyage system
CN117232520A (zh) 一种适用于海上航行的船舶智能导航系统及导航方法
CN112141287B (zh) 基于船端融合数据的智能船舶协同避碰系统和方法
Wen et al. Online heuristically planning for relative optimal paths using a stochastic algorithm for USVs
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
Hongdan et al. Deterministic Vessel Automatic Collision Avoidance Strategy Evaluation Modeling.
Li et al. Modelling and simulation of intelligent collision avoidance based on ship domain
Øvergård et al. Control strategies used by experienced marine navigators: observation of verbal conversations during navigation training
Lyu et al. Autonomous collision avoidance method for MASSs based on precise potential field modelling and COLREGs constraints in complex sailing environments

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