CN112885151A - 一种融合几何解析与数据挖掘的船舶碰撞风险预警方法 - Google Patents
一种融合几何解析与数据挖掘的船舶碰撞风险预警方法 Download PDFInfo
- Publication number
- CN112885151A CN112885151A CN202110307526.4A CN202110307526A CN112885151A CN 112885151 A CN112885151 A CN 112885151A CN 202110307526 A CN202110307526 A CN 202110307526A CN 112885151 A CN112885151 A CN 112885151A
- Authority
- CN
- China
- Prior art keywords
- ship
- time
- collision
- 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.)
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Remote Sensing (AREA)
- Game Theory and Decision Science (AREA)
- Ocean & Marine Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种融合几何解析与数据挖掘的船舶碰撞风险预警方法,包括:船舶AIS数据结合四元船舶领域建模思想,构建四元船舶领域禁止边界与期望边界。然后,根据四元船舶领域模型求取船舶碰撞空间风险及预警值,并依据船舶碰撞空间风险计算船舶碰撞时间风险预警值;利用船舶瞬时相对方位,求取船舶碰撞时间风险。最后,根据突变理论分别计算两船时空碰撞风险及预警值,并构建多船会遇情景下的任一船舶时空碰撞风险及船舶时空碰撞风险预警值计算模型。利用边缘计算快速对比船舶时空碰撞风险及船舶时空碰撞风险预警值,为船舶的安全监管和避碰决策提供支持。该方法不仅能支撑船舶避碰决策和海事安全监管,还能减少和避免船舶碰撞和保障水域安全。
Description
技术领域
本发明属于水上交通安全领域,尤其涉及一种融合几何解析与数据挖掘的船舶碰撞风险预警方法。
背景技术
近年来,随着国家水路运输领域重大战略决策的出台和实施,水上经济活动日益频繁,发生水上险情和事故的频率也在不断增加,引起了国家和地区对水上交通安全的广泛关注,使国家和地区对水上突发险情的应急响应能力、协调能力和处理能力提出了更高的要求。随着智能船舶和智能海上技术的发展,船舶碰撞风险预警在避免船舶碰撞和海上交通管理中发挥着越来越重要的作用。
目前,船舶碰撞风险主要基于DCPA和TCPA来计算,仅适用于开阔水域、良好的天气和海况,缺乏对繁忙水域中船舶碰撞风险的有效计算。近年来,随着AIS的普及,基于船舶领域的碰撞风险计算研究越来越多。但是,船舶领域在船舶碰撞风险计算的应用主要根据他船进入本船船舶领域的方位和距离判定,很少有根据船舶领域考虑时空要素来计算船舶碰撞风险并发出报警。因此,针对船舶碰撞风险的时空要素,在时间上考虑船舶的瞬时接近程度,在空间上基于船舶领域应用二维平面空间接近程度,建立船舶时空碰撞风险计算模型,以期得到更能刻画船舶碰撞动态风险的计算方法,为船舶的安全监管和避碰决策提供支持。
发明内容
本发明的目的是提供一种融合几何解析与数据挖掘的船舶碰撞风险预警方法,本发明将拓展交通运输工程学科船舶领域和碰撞风险方向的研究理论和方法,支撑船舶避碰决策和海事安全监管,对于减少和避免船舶碰撞和保障水域安全具有重要的现实意义。
为实现此目的,本发明所设计的一种融合几何解析与数据挖掘的船舶碰撞风险预警方法,其特殊之处在于,所述方法包括如下步骤:
步骤1:将研究水域的船舶历史AIS数据进行数据预处理得到预处理后AIS数据。在预处理后的AIS数据中根据船舶类型及船长选定目标船舶,搜索以目标船舶为中心的圆形海域范围内的其他船舶,计算时间段内其他船舶与目标船舶的最小会遇距离的相对位置,并基于四元船舶领域建模思想,建立四元船舶领域的禁止边界与期望边界。
步骤2:根据步骤1得到的目标船舶与周围其他船舶最小会遇距离的相对位置分布情况,将目标船舶的船舶领域进行船舶领域内部划分并赋予权重,作为船舶空间碰撞风险及船舶空间碰撞风险阈值计算的基础。利用船舶实时AIS数据,求取船舶空间碰撞风险、船舶空间碰撞风险预警值、船舶时间碰撞风险;最后依据船舶空间碰撞风险计算船舶时间碰撞风险预警值。
步骤3:根据步骤2得到的船舶空间碰撞风险、船舶时间碰撞风险、船舶空间碰撞风险预警值及船舶时间碰撞风险预警值,利用突变理论分别计算两船时空碰撞风险和时空碰撞风险预警值。然后,在两船船舶时空碰撞风险计算模型的基础上构建多船会遇情景下的任一船舶时空碰撞风险及船舶时空碰撞风险预警值计算模型。最后,利用边缘计算快速对比船舶时空碰撞风险及船舶时空碰撞风险预警值,为船舶的安全监管和避碰决策提供支持。
作为优选,所述步骤1具体包括:
步骤1所述进行AIS数据预处理得到预处理后AIS数据为:
删除水上移动通信业务标识码为零、时间戳重复、信息缺失的AIS数据并对其进行三次样条插值,得到预处理后AIS数据;
步骤1所述预处理后AIS数据为:
Dataall={Shipi|Shipi,i=1,2,3...,n}
其中,Dataall表示预处理后的AIS数据,Shipi表示第i条船舶预处理后AIS数据,n表示AIS数据中的船舶数量,k表示时间间隔索引,m表示第i条船舶的轨迹点,表示第i条船舶在时刻的AIS数据,MMSIi表示第i条船舶的水上移动通信业务标识码,表示第i条船舶在时刻的经度,表示第i条船舶在时刻的维度,表示第i条船舶在时刻的速度,表示第i条船舶时刻的航向,longi表示第i条船舶的长度,widthi表示第i条船舶的宽度,typei表示第i条船舶的类型;
步骤1所述目标船是将同种类型(船舶长度相同、船舶类型相同)的船舶归为一类作为目标船,那么目标船的AIS数据为:
其中,DataT表示目标船的AIS数据,表示第Ti条目标船的AIS数据,an表示目标船的数量,k表示时间间隔索引,m表示第Ti条目标船的轨迹点,表示第Ti条目标船在时刻的AIS数据,表示第Ti条目标船的水上移动通信业务标识码,表示第Ti条目标船在时刻的经度,表示第Ti条目标船在时刻的维度,表示第Ti条目标船在时刻的速度,表示第Ti条目标船时刻的航向,表示第Ti条目标船的长度,表示第Ti条目标船的宽度,表示第Ti条目标船的类型。
步骤1所述搜索以目标船舶为中心的海域范围内其他船舶为:
以目标船经纬度为圆心、R海里为半径的圆形海域范围内,在预处理后AIS数据中搜索船舶经度、船舶维度均落入圆形海域范围内的船舶作为其他船舶。那么在时刻以目标船舶Ti为中心的海域范围内其他船舶AIS数据为:
其中,表示在时刻以目标船舶Ti为中心的海域范围内其他船舶AIS数据,bn表示在时刻以目标船舶Ti为中心的海域范围内其他船舶的数量,表示在时刻目标船Ti周围第条船舶的AIS数据,表示第条船舶的水上移动通信业务标识码,表示在时刻目标船Ti周围第条船舶的经度,表示在时刻目标船Ti周围第条船舶的维度,表示在时刻目标船Ti周围第条船舶的速度,表示在时刻目标船Ti周围第条船舶的航向,表示目标船Ti周围第条船舶的长度,表示目标船Ti周围第条船舶的宽度,表示目标船Ti周围第条船舶的类型。
在时刻,目标船舶Ti与其周围第条船舶之间的距离为目标船舶Ti与其周围第条船舶之间的相对方位为 为从目标船舶Ti与其周围第条船舶中心连线到目标船舶Ti航向线之间逆时针方向的夹角,其范围为0°~360°。
目标船舶Ti在m个时间间隔内,其周围船舶的相对位置为:
其中,表示目标船Ti与其周围船舶的相对位置数据,an表示目标船舶的数量,表示目标船Ti周围船舶的数量,表示目标船Ti与其周围第条船舶的最小会遇距离,表示目标船Ti与其周围第条船舶最小会遇距离的相对位置坐标。
步骤1.1:利用置信区间来确定目标船舶的船舶领域禁止(期望)边界的四元参数,具体如下:
首先,根据目标船舶与周围其他船舶最小会遇距离的相对位置分布情况,在目标船舶的首向、尾向、左正横、右正横左右各5°将目标船舶坐标轴方向划分为4个扇形;然后,对每个扇形区域的船舶点数按照距离本船的距离大小进行排序;接着,根据距离的大小,找出每个扇形区域的第5%的点作为临界点(如第1个扇区有200个船舶点数,对船舶点数按照离目标船舶的距离大小进行排序,距离目标船舶最近的那个点为第1个点,依次类推,则第10个点就是临界点,不足为整的取整(如有101个船舶点数,则选第5个点为临界点)。4个点到目标船的距离为船舶领域禁止边界的四元参数,如下所示:
Q={Rfore,Raft,Rstarb,Rport}
其中,Rfore和Raft分别表示船舶领域禁止边界的纵向半径,Rstarb和Rport分别为船舶领域禁止边界的横向半径。
根据目标船舶与周围其他船舶最小会遇距离的相对位置分布情况,在目标船舶的首向、尾向、左正横、右正横左右各5°将目标船舶坐标轴方向划分为4个扇形;然后,对每个扇形区域的船舶点数离本船的距离采用高斯核密度估计,将密度最大的点求取出来,计算该点距离目标船的距离,即目标船舶的船舶领域期望边界的四元参数,具体如下:
Q'={R'fore,R'aft,R'starb,R'port}
其中,R'fore和R'aft分别表示船舶领域期望边界的纵向半径,R'starb和R'port分别为船舶领域期望边界的横向半径。
步骤1.2:根据船舶领域禁止(期望)边界的四元参数,建立组合四元船舶领域模型;
作为优选,所述步骤2具体为:
步骤2.1:将船舶领域禁止边界与期望边界之间的区域由内而外均分为n层;根据目标船舶与周围其他船舶最小会遇距离的相对位置分布情况使用下式计算每层的船舶密度。
式中:Di为第i层的船舶密度,Ni为第i层的船舶数量,Si为第i层的船舶面积;最后,根据每层的船舶密度值,利用最小二乘法拟合船舶密度函数,并对船舶领域层级进行权重赋值,使用交叉相加的方法来标定船舶领域叠加层权重。
μ={μ1,μ2,μ3,...,μn,μ1+μ2+μ3+...+μn=1}
μij={μij|μij=μi+μj,i=1,2,3,...,n,j=1,2,3,...,n}
其中,μ表示船舶领域的权重值,μij表示为一船舶第i层船舶领域与另一船舶第j层船舶领域的叠加权重。
步骤2.2:根据两船船舶领域分层叠加面积以及各叠加层的权重赋值,两船船舶领域分层加权的叠加面积的数值计算方法如下所示:
式中:F为两船船舶领域叠加面积数值计算值;Sij为一船舶第i层与另一船舶第j层的叠加区域面积值;μij为不同层级叠加权重。
运用船舶同方位他船进入本船船舶领域禁止边界时的两船船舶领域叠加面积数值计算值对船舶碰撞空间进行标准化处理,建立船舶空间碰撞风险模型,如下所示:
式中:Kt为船舶空间碰撞风险,无量纲化的归一值,范围0-1;Ft为t时刻两船船舶领域叠加面积数值计算值;Ft-max为同方位他船进入本船船舶领域禁止边界时的船舶领域叠加面积数值计算值。
步骤2.3:将t时刻船舶A的位置信息表示为(xAt,yAt)、船舶B的位置信息表示为(xBt,yBt),则t时刻船舶A到船舶B的相对位置矢量,如下所示:
PABt=(xBt-xAt,yBt-yAt)
根据船舶的航速和航向数据,可将船舶速度进行矢量化处理。将t时刻船舶A的速度表示为vAt、航向表示为αAt,船舶B的速度表示为vBt、航向表示为αBt,则t时刻船舶A到船舶B的相对速度矢量如式9。
根据船舶的相对位置矢量和相对速度矢量求取船舶碰撞时间的方法,如下所示:
式中:Tt o为船舶碰撞时间,即在t时刻相对位置和相对接近速度的条件下,从t时刻到船舶发生碰撞时的时间差(min);为t时刻船舶A到船舶B的相对位置矢量;为船舶之间的距离(nmile,1nmile=1852m);vABt为t时刻船舶A到船舶B的相对速度矢量(kn,1kn=1nmile/h);dABtn-im为t时刻船舶A到船舶B发生碰撞时的最小距离(nmile)。
根据船舶碰撞时间与碰撞风险之间的关系,运用指数函数建立船舶时间碰撞风险模型,如下所示:
式中:Tt为船舶时间碰撞风险,无量纲化的归一值,范围0-1;Tt o为船舶碰撞时间(min);n为大于0的调节系数,可根据专家咨询或大数据统计拟合得到。
步骤2.4:运用船舶同方位他船进入本船船舶领域期望边界时的两船船舶领域叠加面积数值计算值对船舶碰撞空间进行标准化处理,建立船舶空间碰撞风险预警模型,如下所示:
式中:Kt′为t时刻船舶碰撞空间风险预警值,无量纲化的归一值,范围0-1;Ft为t时刻两船船舶领域叠加面积数值计算值;Ft′-max为同方位他船进入本船船舶领域期望边界时的船舶领域叠加面积数值计算值。
步骤2.5:时间风险阈值对应船舶碰撞时空风险的时间指标。在一定时空状态下,船舶的时间风险阈值与船舶的空间碰撞风险成反向相关关系,即船舶空间碰撞风险越大,时间风险阈值越小。因此,船舶碰撞风险的时间阈值可通过下式确定:
Tt′=1-Kt
式中:Tt′为t时刻船舶时间碰撞风险预警值,无量纲化的归一值,范围0-1,Kt为t时刻船舶空间碰撞风险。
作为优选,所述步骤3具体为:
步骤3.1:根据船舶空间碰撞风险模型和时间碰撞风险模型,基于突变理论建立两船船舶时空碰撞风险计算模型,如下所示:
式中:Rt为t时刻船舶时空碰撞风险值;Kt为t时刻船舶空间碰撞风险值,范围0-1;Tt为t时刻船舶时间碰撞风险值,范围0-1。
步骤3.2:在两船船舶碰撞动态风险计算模型的基础上构建多船会遇情景下的任一船舶碰撞风险计算模型需要考虑的原则有:
对任一船舶,船舶碰撞风险最大值为1,即任一船舶与他船发生碰撞,则该船舶的碰撞风险为1,其他船舶对该船舶的风险应不再予以叠加;
对任一船舶,若未与他船发生碰撞,则该船舶的碰撞风险应小于1,且大于该船舶与单个任意他船碰撞风险的最大值;
任一船舶的碰撞风险不应小于0。根据上述原则,建立多船船舶碰撞风险计算模型,如下所示:
Rit=R1it+(1-R1it)R2it+…
+{1-R1it-(1-R1it)R2it-…-[1-R1it-(1-R1it)R2it-…]R(n-1)it}Rnit
式中:Rit为船i在t时刻与他船的总碰撞动态风险值;R1it,R2it,R3it,…Rnit分别为t时刻不同他船对船i构成的碰撞风险,且R1it≥R2it≥R2it≥…≥Rnit;n为会遇船舶数量。
步骤3.3:根据步骤3.1、步骤3.2分别计算两船船舶时空碰撞风险预警计算模型、多船船舶时空碰撞风险预警计算模型。
步骤3.4:利用边缘计算搭建计算船舶时空碰撞风险应用程序、AIS数据与船舶预警固件组成的船舶航行动态风险预警系统,可以实时或更快的进行船舶碰撞预警,其中判断船舶预警的公式如下所示。
式中:Rit为船i在t时刻与他船的总碰撞动态风险值,R′it为船i在t时刻与他船的总碰撞动态风险预警值。
本发明的有益效果是:突破传统DCPA和TCPA判定船舶碰撞风险的局限性、创新船舶领域模型和船舶航行动态风险预警方法与系统、促进交通运输工程和计算机信息科学的交叉融合、拓展水上交通工程领域水上交通风险方向的方法和系统、助推海事安全监管现代化和船舶交通管理智能化等具有重要的理论和现实意义。该发明的应用可有效提升船舶碰撞风险预警预报的精准度,对于减少船舶碰撞事故的发生具有重要意义,同时可以支撑海事安全监管和优化搜救资源的合理布局。
附图说明
图1:为本发明方法流程图。
图2:为船舶领域建模思路图。
图3:为船舶碰撞动态风险计算思路图。
图4:为船舶航行动态风险预警系统思路图。
具体实施方式
本发明的目的就是要提供一种融合几何解析与数据挖掘的船舶碰撞风险预警方法,本发明将拓展交通运输工程学科船舶领域和碰撞风险方向的研究理论和方法,支撑船舶避碰决策和海事安全监管,对于减少和避免船舶碰撞和保障水域安全具有重要的现实意义。
下面结合图1至图4介绍本发明的具体实施方式为一种融合几何解析与数据挖掘的船舶碰撞风险预警方法,其特殊之处在于,包括如下步骤:
步骤1:将研究水域的船舶历史AIS数据进行数据预处理得到预处理后AIS数据。在预处理后的AIS数据中根据船舶类型及船长选定目标船舶,搜索以目标船舶为中心的圆形海域范围内的其他船舶,计算时间段内其他船舶与目标船舶的最小会遇距离的相对位置。基于四元船舶领域建模思想,建立船舶领域的禁止边界与期望边界。
所述步骤1具体包括:
步骤1所述进行AIS数据预处理得到预处理后AIS数据为:
删除水上移动通信业务标识码为零、时间戳重复、信息缺失的AIS数据并对其进行三次样条插值,得到预处理后AIS数据;
步骤1所述预处理后AIS数据为:
Dataall={Shipi|Shipi,i=1,2,3...,n}
其中,Dataall表示预处理后的AIS数据,Shipi表示第i条船舶预处理后AIS数据,n表示AIS数据中的船舶数量,k表示时间间隔索引,m表示第i条船舶的轨迹点,表示第i条船舶在时刻的AIS数据,MMSIi表示第i条船舶的水上移动通信业务标识码,表示第i条船舶在时刻的经度,表示第i条船舶在时刻的维度,表示第i条船舶在时刻的速度,表示第i条船舶时刻的航向,longi表示第i条船舶的长度,widthi表示第i条船舶的宽度,typei表示第i条船舶的类型;
步骤1所述目标船是将同种类型(船舶长度相同、船舶类型相同)的船舶归为一类作为目标船,那么目标船的AIS数据为:
其中,DataT表示目标船的AIS数据,表示第Ti条目标船的AIS数据,an表示目标船的数量,k表示时间间隔索引,m表示第Ti条目标船的轨迹点,表示第Ti条目标船在时刻的AIS数据,表示第Ti条目标船的水上移动通信业务标识码,表示第Ti条目标船在时刻的经度,表示第Ti条目标船在时刻的维度,表示第Ti条目标船在时刻的速度,表示第Ti条目标船时刻的航向,表示第Ti条目标船的长度,表示第Ti条目标船的宽度,表示第Ti条目标船的类型。
步骤1所述搜索以目标船舶为中心的海域范围内其他船舶为:
以目标船经纬度为圆心、R海里为半径的圆形海域范围内,在预处理后AIS数据中搜索船舶经度、船舶维度均落入圆形海域范围内的船舶作为其他船舶。那么在时刻以目标船舶Ti为中心的海域范围内其他船舶AIS数据为:
其中,表示在时刻以目标船舶Ti为中心的海域范围内其他船舶AIS数据,bn表示在时刻以目标船舶Ti为中心的海域范围内其他船舶的数量,表示在时刻目标船Ti周围第条船舶的AIS数据,表示第条船舶的水上移动通信业务标识码,表示在时刻目标船Ti周围第条船舶的经度,表示在时刻目标船Ti周围第条船舶的维度,表示在时刻目标船Ti周围第条船舶的速度,表示在时刻目标船Ti周围第条船舶的航向,表示目标船Ti周围第条船舶的长度,表示目标船Ti周围第条船舶的宽度,表示目标船Ti周围第条船舶的类型。
在时刻,目标船舶Ti与其周围第条船舶之间的距离为目标船舶Ti与其周围第条船舶之间的相对方位为 为从目标船舶Ti与其周围第条船舶中心连线到目标船舶Ti航向线之间逆时针方向的夹角,其范围为0°~360°。
目标船舶Ti在m个时间间隔内,其周围船舶的相对位置为:
其中,表示目标船Ti与其周围船舶的相对位置数据,an表示目标船舶的数量,表示目标船Ti周围船舶的数量,表示目标船Ti与其周围第条船舶的最小会遇距离,表示目标船Ti与其周围第条船舶最小会遇距离的相对位置坐标。
步骤1.1:利用置信区间来确定目标船舶的船舶领域禁止(期望)边界的四元参数,具体如下:
首先,根据目标船舶与周围其他船舶最小会遇距离的相对位置分布情况,在目标船舶的首向、尾向、左正横、右正横左右各5°将目标船舶坐标轴方向划分为4个扇形;然后,对每个扇形区域的船舶点数按照距离本船的距离大小进行排序;接着,根据距离的大小,找出每个扇形区域的第5%的点作为临界点(如第1个扇区有200个船舶点数,对船舶点数按照离目标船舶的距离大小进行排序,距离目标船舶最近的那个点为第1个点,依次类推,则第10个点就是临界点,不足为整的取整(如有101个船舶点数,则选第5个点为临界点)。4个点到目标船的距离为船舶领域禁止边界的四元参数,如下所示:
Q={Rfore,Raft,Rstarb,Rport}
其中,Rfore和Raft分别表示船舶领域禁止边界的纵向半径,Rstarb和Rport分别为船舶领域禁止边界的横向半径。
根据目标船舶与周围其他船舶最小会遇距离的相对位置分布情况,在目标船舶的首向、尾向、左正横、右正横左右各5°将目标船舶坐标轴方向划分为4个扇形;然后,对每个扇形区域的船舶点数离本船的距离采用高斯核密度估计,将密度最大的点求取出来,计算该点距离目标船的距离,即目标船舶的船舶领域期望边界的四元参数,具体如下:
Q'={R'fore,R'aft,R'starb,R'port}
其中,R'fore和R'aft分别表示船舶领域期望边界的纵向半径,R'starb和R'port分别为船舶领域期望边界的横向半径。
步骤1.2:根据船舶领域禁止(期望)边界的四元参数,建立组合四元船舶领域模型;
步骤2:根据步骤1得到的目标船舶与周围其他船舶最小会遇距离的相对位置分布情况,将目标船舶的船舶领域进行船舶领域内部划分并赋予权重,作为船舶空间碰撞风险及船舶空间碰撞风险阈值计算的基础。利用船舶实时AIS数据,求取船舶空间碰撞风险、船舶空间碰撞风险预警值、船舶时间碰撞风险;最后依据船舶空间碰撞风险计算船舶时间碰撞风险预警值。
步骤2.1:将船舶领域禁止边界与期望边界之间的区域由内而外均分为n层;根据目标船舶与周围其他船舶最小会遇距离的相对位置分布情况使用下式计算每层的船舶密度。
式中:Di为第i层的船舶密度,Ni为第i层的船舶数量,Si为第i层的船舶面积;最后,根据每层的船舶密度值,利用最小二乘法拟合船舶密度函数,并对船舶领域层级进行权重赋值,使用交叉相加的方法来标定船舶领域叠加层权重。
μ={μ1,μ2,μ3,...,μn,μ1+μ2+μ3+...+μn=1}
μij={μij|μij=μi+μj,i=1,2,3,...,n,j=1,2,3,...,n}
其中,μ表示船舶领域的权重值,μij表示为一船舶第i层船舶领域与另一船舶第j层船舶领域的叠加权重。
步骤2.2:根据两船船舶领域分层叠加面积以及各叠加层的权重赋值,两船船舶领域分层加权的叠加面积的数值计算方法如下所示:
式中:F为两船船舶领域叠加面积数值计算值;Sij为一船舶第i层与另一船舶第j层的叠加区域面积值;μij为不同层级叠加权重。
运用船舶同方位他船进入本船船舶领域禁止边界时的两船船舶领域叠加面积数值计算值对船舶碰撞空间进行标准化处理,建立船舶空间碰撞风险模型,如下所示:
式中:Kt为船舶空间碰撞风险,无量纲化的归一值,范围0-1;Ft为t时刻两船船舶领域叠加面积数值计算值;Ft-max为同方位他船进入本船船舶领域禁止边界时的船舶领域叠加面积数值计算值。
步骤2.3:将t时刻船舶A的位置信息表示为(xAt,yAt)、船舶B的位置信息表示为(xBt,yBt),则t时刻船舶A到船舶B的相对位置矢量,如下所示:
PABt=(xBt-xAt,yBt-yAt)
根据船舶的航速和航向数据,可将船舶速度进行矢量化处理。将t时刻船舶A的速度表示为vAt、航向表示为αAt,船舶B的速度表示为vBt、航向表示为αBt,则t时刻船舶A到船舶B的相对速度矢量如式9。
根据船舶的相对位置矢量和相对速度矢量求取船舶碰撞时间的方法,如下所示:
式中:Tt o为船舶碰撞时间,即在t时刻相对位置和相对接近速度的条件下,从t时刻到船舶发生碰撞时的时间差(min);为t时刻船舶A到船舶B的相对位置矢量;为船舶之间的距离(nmile,1nmile=1852m);为t时刻船舶A到船舶B的相对速度矢量(kn,1kn=1nmile/h);为t时刻船舶A到船舶B发生碰撞时的最小距离(nmile)。
根据船舶碰撞时间与碰撞风险之间的关系,运用指数函数建立船舶时间碰撞风险模型,如下所示:
式中:Tt为船舶时间碰撞风险,无量纲化的归一值,范围0-1;Tt o为船舶碰撞时间(min);n为大于0的调节系数,可根据专家咨询或大数据统计拟合得到。
步骤2.4:运用船舶同方位他船进入本船船舶领域期望边界时的两船船舶领域叠加面积数值计算值对船舶碰撞空间进行标准化处理,建立船舶空间碰撞风险预警模型,如下所示:
式中:Kt′为t时刻船舶碰撞空间风险预警值,无量纲化的归一值,范围0-1;Ft为t时刻两船船舶领域叠加面积数值计算值;Ft′-max为同方位他船进入本船船舶领域期望边界时的船舶领域叠加面积数值计算值。
步骤2.5:时间风险阈值对应船舶碰撞时空风险的时间指标。在一定时空状态下,船舶的时间风险阈值与船舶的空间碰撞风险成反向相关关系,即船舶空间碰撞风险越大,时间风险阈值越小。因此,船舶碰撞风险的时间阈值可通过下式确定:
Tt′=1-Kt
式中:Tt′为t时刻船舶时间碰撞风险预警值,无量纲化的归一值,范围0-1,Kt为t时刻船舶空间碰撞风险。
步骤3:根据步骤2得到的船舶空间碰撞风险、船舶时间碰撞风险、船舶空间碰撞风险预警值及船舶时间碰撞风险预警值,利用突变理论分别计算两船时空碰撞风险和时空碰撞风险预警值。然后,在两船船舶时空碰撞风险计算模型的基础上构建多船会遇情景下的任一船舶时空碰撞风险及船舶时空碰撞风险预警值计算模型。最后,利用边缘计算快速对比船舶时空碰撞风险及船舶时空碰撞风险预警值,为船舶的安全监管和避碰决策提供支持。
步骤3.1:根据船舶空间碰撞风险模型和时间碰撞风险模型,基于突变理论建立两船船舶时空碰撞风险计算模型,如下所示:
式中:Rt为t时刻船舶时空碰撞风险值;Kt为t时刻船舶空间碰撞风险值,范围0-1;Tt为t时刻船舶时间碰撞风险值,范围0-1。
步骤3.2:在两船船舶碰撞动态风险计算模型的基础上构建多船会遇情景下的任一船舶碰撞风险计算模型需要考虑的原则有:
对任一船舶,船舶碰撞风险最大值为1,即任一船舶与他船发生碰撞,则该船舶的碰撞风险为1,其他船舶对该船舶的风险应不再予以叠加;
对任一船舶,若未与他船发生碰撞,则该船舶的碰撞风险应小于1,且大于该船舶与单个任意他船碰撞风险的最大值;
任一船舶的碰撞风险不应小于0。根据上述原则,建立多船船舶碰撞风险计算模型,如下所示:
Rit=R1it+(1-R1it)R2it+…
+{1-R1it-(1-R1it)R2it-…-[1-R1it-(1-R1it)R2it-…]R(n-1)it}Rnit
式中:Rit为船i在t时刻与他船的总碰撞动态风险值;R1it,R2it,R3it,…Rnit分别为t时刻不同他船对船i构成的碰撞风险,且R1it≥R2it≥R2it≥…≥Rnit;n为会遇船舶数量。
步骤3.3:根据步骤3.1、步骤3.2分别计算两船船舶时空碰撞风险预警计算模型、多船船舶时空碰撞风险预警计算模型。
步骤3.4:利用边缘计算搭建计算船舶时空碰撞风险应用程序、AIS数据与船舶预警固件组成的船舶航行动态风险预警系统,可以实时或更快的进行船舶碰撞预警,其中判断船舶预警的公式如下所示。
式中:Rit为船i在t时刻与他船的总碰撞动态风险值,R′it为船i在t时刻与他船的总碰撞动态风险预警值。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护。
Claims (4)
1.一种融合几何解析与数据挖掘的船舶碰撞风险预警方法,其特征在于:
步骤1:将研究水域的船舶历史AIS数据进行数据预处理得到预处理后AIS数据;在预处理后的AIS数据中根据船舶类型及船长选定目标船舶,搜索以目标船舶为中心的圆形海域范围内的其他船舶,计算时间段内其他船舶与目标船舶的最小会遇距离的相对位置,并基于四元船舶领域建模思想,建立四元船舶领域的禁止边界与期望边界;
步骤2:根据步骤1得到的目标船舶与周围其他船舶最小会遇距离的相对位置分布情况,将目标船舶的船舶领域进行船舶领域内部划分并赋予权重,作为船舶空间碰撞风险及船舶空间碰撞风险阈值计算的基础;利用船舶实时AIS数据,求取船舶空间碰撞风险、船舶空间碰撞风险预警值、船舶时间碰撞风险;最后依据船舶空间碰撞风险计算船舶时间碰撞风险预警值;
步骤3:根据步骤2得到的船舶空间碰撞风险、船舶时间碰撞风险、船舶空间碰撞风险预警值及船舶时间碰撞风险预警值,利用突变理论分别计算两船时空碰撞风险和时空碰撞风险预警值;然后,在两船船舶时空碰撞风险计算模型的基础上构建多船会遇情景下的任一船舶时空碰撞风险及船舶时空碰撞风险预警值计算模型;最后,利用边缘计算快速对比船舶时空碰撞风险及船舶时空碰撞风险预警值,为船舶的安全监管和避碰决策提供支持。
2.根据权利要求1所述的融合几何解析与数据挖掘的船舶碰撞风险预警方法,其特征在于,
所述步骤1具体包括:
步骤1所述进行AIS数据预处理得到预处理后AIS数据为:
删除水上移动通信业务标识码为零、时间戳重复、信息缺失的AIS数据并对其进行三次样条插值,得到预处理后AIS数据;
步骤1所述预处理后AIS数据为:
Dataall={Shipi|Shipi,i=1,2,3...,n}
其中,Dataall表示预处理后的AIS数据,Shipi表示第i条船舶预处理后AIS数据,n表示AIS数据中的船舶数量,k表示时间间隔索引,m表示第i条船舶的轨迹点,表示第i条船舶在时刻的AIS数据,MMSIi表示第i条船舶的水上移动通信业务标识码,表示第i条船舶在时刻的经度,表示第i条船舶在时刻的维度,表示第i条船舶在时刻的速度,表示第i条船舶时刻的航向,longi表示第i条船舶的长度,widthi表示第i条船舶的宽度,typei表示第i条船舶的类型;
步骤1所述目标船是将同种类型(船舶长度相同、船舶类型相同)的船舶归为一类作为目标船,那么目标船的AIS数据为:
其中,DataT表示目标船的AIS数据,表示第Ti条目标船的AIS数据,an表示目标船的数量,k表示时间间隔索引,m表示第Ti条目标船的轨迹点,表示第Ti条目标船在时刻的AIS数据,表示第Ti条目标船的水上移动通信业务标识码,表示第Ti条目标船在时刻的经度,表示第Ti条目标船在时刻的维度,表示第Ti条目标船在时刻的速度,表示第Ti条目标船时刻的航向,表示第Ti条目标船的长度,表示第Ti条目标船的宽度,表示第Ti条目标船的类型;
步骤1所述搜索以目标船舶为中心的海域范围内其他船舶为:
以目标船经纬度为圆心、R海里为半径的圆形海域范围内,在预处理后AIS数据中搜索船舶经度、船舶维度均落入圆形海域范围内的船舶作为其他船舶;那么在时刻以目标船舶Ti为中心的海域范围内其他船舶AIS数据为:
其中,表示在时刻以目标船舶Ti为中心的海域范围内其他船舶AIS数据,bn表示在时刻以目标船舶Ti为中心的海域范围内其他船舶的数量,表示在时刻目标船Ti周围第条船舶的AIS数据,表示第条船舶的水上移动通信业务标识码,表示在时刻目标船Ti周围第条船舶的经度,表示在时刻目标船Ti周围第条船舶的维度,表示在时刻目标船Ti周围第条船舶的速度,表示在时刻目标船Ti周围第条船舶的航向,表示目标船Ti周围第条船舶的长度,表示目标船Ti周围第条船舶的宽度,表示目标船Ti周围第条船舶的类型;
目标船舶Ti在m个时间间隔内,其周围船舶的相对位置为:
其中,表示目标船Ti与其周围船舶的相对位置数据,an表示目标船舶的数量,表示目标船Ti周围船舶的数量,表示目标船Ti与其周围第条船舶的最小会遇距离,表示目标船Ti与其周围第条船舶最小会遇距离的相对位置坐标;
步骤1.1:利用置信区间来确定目标船舶的船舶领域禁止(期望)边界的四元参数,具体如下:
首先,根据目标船舶与周围其他船舶最小会遇距离的相对位置分布情况,在目标船舶的首向、尾向、左正横、右正横左右各5°将目标船舶坐标轴方向划分为4个扇形;然后,对每个扇形区域的船舶点数按照距离本船的距离大小进行排序;接着,根据距离的大小,找出每个扇形区域的第5%的点作为临界点(如第1个扇区有200个船舶点数,对船舶点数按照离目标船舶的距离大小进行排序,距离目标船舶最近的那个点为第1个点,依次类推,则第10个点就是临界点,不足为整的取整(如有101个船舶点数,则选第5个点为临界点);4个点到目标船的距离为船舶领域禁止边界的四元参数,如下所示:
Q={Rfore,Raft,Rstarb,Rport}
其中,Rfore和Raft分别表示船舶领域禁止边界的纵向半径,Rstarb和Rport分别为船舶领域禁止边界的横向半径;
根据目标船舶与周围其他船舶最小会遇距离的相对位置分布情况,在目标船舶的首向、尾向、左正横、右正横左右各5°将目标船舶坐标轴方向划分为4个扇形;然后,对每个扇形区域的船舶点数离本船的距离采用高斯核密度估计,将密度最大的点求取出来,计算该点距离目标船的距离,即目标船舶的船舶领域期望边界的四元参数,具体如下:
Q'={R'fore,R'aft,R'starb,R'port}
其中,R'fore和R'aft分别表示船舶领域期望边界的纵向半径,R'starb和R'port分别为船舶领域期望边界的横向半径;
步骤1.2:根据船舶领域禁止(期望)边界的四元参数,建立组合四元船舶领域模型;
3.根据权利要求1所述的融合几何解析与数据挖掘的船舶碰撞风险预警方法,其特征在于,
所述步骤2具体为:
步骤2.1:将船舶领域禁止边界与期望边界之间的区域由内而外均分为n层;根据目标船舶与周围其他船舶最小会遇距离的相对位置分布情况使用下式计算每层的船舶密度;
式中:Di为第i层的船舶密度,Ni为第i层的船舶数量,Si为第i层的船舶面积;最后,根据每层的船舶密度值,利用最小二乘法拟合船舶密度函数,并对船舶领域层级进行权重赋值,使用交叉相加的方法来标定船舶领域叠加层权重;
μ={μ1,μ2,μ3,...,μn,μ1+μ2+μ3+...+μn=1}
μij={μij|μij=μi+μj,i=1,2,3,...,n,j=1,2,3,...,n}
其中,μ表示船舶领域的权重值,μij表示为一船舶第i层船舶领域与另一船舶第j层船舶领域的叠加权重;
步骤2.2:根据两船船舶领域分层叠加面积以及各叠加层的权重赋值,两船船舶领域分层加权的叠加面积的数值计算方法如下所示:
式中:F为两船船舶领域叠加面积数值计算值;Sij为一船舶第i层与另一船舶第j层的叠加区域面积值;μij为不同层级叠加权重;
运用船舶同方位他船进入本船船舶领域禁止边界时的两船船舶领域叠加面积数值计算值对船舶碰撞空间进行标准化处理,建立船舶空间碰撞风险模型,如下所示:
式中:Kt为船舶空间碰撞风险,无量纲化的归一值,范围0-1;Ft为t时刻两船船舶领域叠加面积数值计算值;Ft-max为同方位他船进入本船船舶领域禁止边界时的船舶领域叠加面积数值计算值;
步骤2.3:将t时刻船舶A的位置信息表示为(xAt,yAt)、船舶B的位置信息表示为(xBt,yBt),则t时刻船舶A到船舶B的相对位置矢量,如下所示:
PABt=(xBt-xAt,yBt-yAt)
根据船舶的航速和航向数据,可将船舶速度进行矢量化处理;将t时刻船舶A的速度表示为vAt、航向表示为αAt,船舶B的速度表示为vBt、航向表示为αBt,则t时刻船舶A到船舶B的相对速度矢量如式9;
根据船舶的相对位置矢量和相对速度矢量求取船舶碰撞时间的方法,如下所示:
式中:Tt o为船舶碰撞时间,即在t时刻相对位置和相对接近速度的条件下,从t时刻到船舶发生碰撞时的时间差(min);为t时刻船舶A到船舶B的相对位置矢量;为船舶之间的距离(nmile,1nmile=1852m);为t时刻船舶A到船舶B的相对速度矢量(kn,1kn=1nmile/h);dABtn-im为t时刻船舶A到船舶B发生碰撞时的最小距离(nmile);
根据船舶碰撞时间与碰撞风险之间的关系,运用指数函数建立船舶时间碰撞风险模型,如下所示:
式中:Tt为船舶时间碰撞风险,无量纲化的归一值,范围0-1;Tt o为船舶碰撞时间(min);n为大于0的调节系数,可根据专家咨询或大数据统计拟合得到;
步骤2.4:运用船舶同方位他船进入本船船舶领域期望边界时的两船船舶领域叠加面积数值计算值对船舶碰撞空间进行标准化处理,建立船舶空间碰撞风险预警模型,如下所示:
式中:K′t为t时刻船舶碰撞空间风险预警值,无量纲化的归一值,范围0-1;Ft为t时刻两船船舶领域叠加面积数值计算值;F′t-max为同方位他船进入本船船舶领域期望边界时的船舶领域叠加面积数值计算值;
步骤2.5:时间风险阈值对应船舶碰撞时空风险的时间指标;在一定时空状态下,船舶的时间风险阈值与船舶的空间碰撞风险成反向相关关系,即船舶空间碰撞风险越大,时间风险阈值越小;因此,船舶碰撞风险的时间阈值可通过下式确定:
T′t=1-Kt
式中:T′t为t时刻船舶时间碰撞风险预警值,无量纲化的归一值,范围0-1,Kt为t时刻船舶空间碰撞风险。
4.根据权利要求1所述的融合几何解析与数据挖掘的船舶碰撞风险预警方法,其特征在于,
所述步骤3具体为:
步骤3.1:根据船舶空间碰撞风险模型和时间碰撞风险模型,基于突变理论建立两船船舶时空碰撞风险计算模型,如下所示:
式中:Rt为t时刻船舶时空碰撞风险值;Kt为t时刻船舶空间碰撞风险值,范围0-1;Tt为t时刻船舶时间碰撞风险值,范围0-1;
步骤3.2:在两船船舶碰撞动态风险计算模型的基础上构建多船会遇情景下的任一船舶碰撞风险计算模型需要考虑的原则有:
对任一船舶,船舶碰撞风险最大值为1,即任一船舶与他船发生碰撞,则该船舶的碰撞风险为1,其他船舶对该船舶的风险应不再予以叠加;
对任一船舶,若未与他船发生碰撞,则该船舶的碰撞风险应小于1,且大于该船舶与单个任意他船碰撞风险的最大值;
任一船舶的碰撞风险不应小于0;根据上述原则,建立多船船舶碰撞风险计算模型,如下所示:
Rit=R1it+(1-R1it)R2it+…+{1-R1it-(1-R1it)R2it-…-[1-R1it-(1-R1it)R2it-…]R(n-1)it}Rnit
式中:Rit为船i在t时刻与他船的总碰撞动态风险值;R1it,R2it,R3it,…Rnit分别为t时刻不同他船对船i构成的碰撞风险,且R1it≥R2it≥R2it≥…≥Rnit;n为会遇船舶数量;
步骤3.3:根据步骤3.1、步骤3.2分别计算两船船舶时空碰撞风险预警计算模型、多船船舶时空碰撞风险预警计算模型;
步骤3.4:利用边缘计算搭建计算船舶时空碰撞风险应用程序、AIS数据与船舶预警固件组成的船舶航行动态风险预警系统,可以实时或更快的进行船舶碰撞预警,其中判断船舶预警的公式如下所示;
式中:Rit为船i在t时刻与他船的总碰撞动态风险值,R′it为船i在t时刻与他船的总碰撞动态风险预警值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110307526.4A CN112885151B (zh) | 2021-03-23 | 2021-03-23 | 一种融合几何解析与数据挖掘的船舶碰撞风险预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110307526.4A CN112885151B (zh) | 2021-03-23 | 2021-03-23 | 一种融合几何解析与数据挖掘的船舶碰撞风险预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112885151A true CN112885151A (zh) | 2021-06-01 |
CN112885151B CN112885151B (zh) | 2022-03-15 |
Family
ID=76041911
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110307526.4A Active CN112885151B (zh) | 2021-03-23 | 2021-03-23 | 一种融合几何解析与数据挖掘的船舶碰撞风险预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112885151B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113590413A (zh) * | 2021-06-29 | 2021-11-02 | 浪潮商用机器有限公司 | Unix服务器、unix服务器故障预警方法及装置 |
CN113870621A (zh) * | 2021-10-21 | 2021-12-31 | 遨海科技有限公司 | 一种ais报告频率自动管理方法 |
CN114333423A (zh) * | 2021-12-24 | 2022-04-12 | 宁波大学 | 一种狭水道航行碰撞风险评估方法 |
CN114639268A (zh) * | 2021-11-16 | 2022-06-17 | 浙江数智交院科技股份有限公司 | 一种内河船舶智能探测导航系统和方法 |
CN115273556A (zh) * | 2022-06-24 | 2022-11-01 | 大连海事大学 | 一种基于互操作技术的船舶避碰决策方法及系统 |
CN117592787A (zh) * | 2024-01-16 | 2024-02-23 | 交通运输部水运科学研究所 | 海上船舶安全风险预测方法、电子设备 |
CN113590413B (zh) * | 2021-06-29 | 2024-05-10 | 浪潮商用机器有限公司 | Unix服务器、unix服务器故障预警方法及装置 |
Citations (5)
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 |
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 |
CN109697892A (zh) * | 2019-02-22 | 2019-04-30 | 湖北大学 | 一种时空感知的船舶碰撞风险智能预警方法 |
CN111186549A (zh) * | 2020-01-15 | 2020-05-22 | 大连海事大学 | 一种具有船舶避碰功能的航向自动舵控制系统 |
CN111260963A (zh) * | 2020-03-11 | 2020-06-09 | 武汉理工大学 | 一种多船会遇避碰方法 |
-
2021
- 2021-03-23 CN CN202110307526.4A patent/CN112885151B/zh active Active
Patent Citations (5)
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 |
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 |
CN109697892A (zh) * | 2019-02-22 | 2019-04-30 | 湖北大学 | 一种时空感知的船舶碰撞风险智能预警方法 |
CN111186549A (zh) * | 2020-01-15 | 2020-05-22 | 大连海事大学 | 一种具有船舶避碰功能的航向自动舵控制系统 |
CN111260963A (zh) * | 2020-03-11 | 2020-06-09 | 武汉理工大学 | 一种多船会遇避碰方法 |
Non-Patent Citations (4)
Title |
---|
XINYI LI等: "Real-Time Vessel Trajectory Data-Based Collison Risk Assessment in Crowded Inland Waterways", 《INTERNATIONAL CONFERENCE ON BIG DATA ANALYTICS》 * |
倪生科: "基于规则的船舶智能避碰决策关键技术研究", 《中国优秀博硕士学位论文全文数据库(博士)·工程科技Ⅰ辑》 * |
徐言民 等: "基于网格化理论的船舶碰撞事故黑点研究", 《中国航海》 * |
江行 等: "基于四元船舶领域和避碰规则的碰撞危险度模型", 《船舶工程》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113590413A (zh) * | 2021-06-29 | 2021-11-02 | 浪潮商用机器有限公司 | Unix服务器、unix服务器故障预警方法及装置 |
CN113590413B (zh) * | 2021-06-29 | 2024-05-10 | 浪潮商用机器有限公司 | Unix服务器、unix服务器故障预警方法及装置 |
CN113870621A (zh) * | 2021-10-21 | 2021-12-31 | 遨海科技有限公司 | 一种ais报告频率自动管理方法 |
CN114639268A (zh) * | 2021-11-16 | 2022-06-17 | 浙江数智交院科技股份有限公司 | 一种内河船舶智能探测导航系统和方法 |
CN114333423A (zh) * | 2021-12-24 | 2022-04-12 | 宁波大学 | 一种狭水道航行碰撞风险评估方法 |
CN114333423B (zh) * | 2021-12-24 | 2022-11-18 | 宁波大学 | 一种狭水道航行碰撞风险评估方法 |
CN115273556A (zh) * | 2022-06-24 | 2022-11-01 | 大连海事大学 | 一种基于互操作技术的船舶避碰决策方法及系统 |
CN117592787A (zh) * | 2024-01-16 | 2024-02-23 | 交通运输部水运科学研究所 | 海上船舶安全风险预测方法、电子设备 |
CN117592787B (zh) * | 2024-01-16 | 2024-04-02 | 交通运输部水运科学研究所 | 海上船舶安全风险预测方法、电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112885151B (zh) | 2022-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112885151B (zh) | 一种融合几何解析与数据挖掘的船舶碰撞风险预警方法 | |
Im et al. | Potential risk ship domain as a danger criterion for real-time ship collision risk evaluation | |
Zhang et al. | Towards a model of regional vessel near-miss collision risk assessment for open waters based on AIS data | |
CN112560286B (zh) | 一种基于数字化船舶领域模型的船舶碰撞风险确定方法 | |
Yoo | Near-miss density map for safe navigation of ships | |
Zhen et al. | A novel arena-based regional collision risk assessment method of multi-ship encounter situation in complex waters | |
CN105185162A (zh) | 一种基于ais信息的多目标防撞预警方法 | |
CN113012472B (zh) | 一种适用于vts系统的船舶预警方法、设备及存储介质 | |
CN111428916B (zh) | 一种海上救援船舶巡航路径规划方法 | |
CN112561232A (zh) | 繁忙水域船舶交通冲突风险度量方法 | |
Liu et al. | Spatial topological analysis model of ship encounter space | |
Perkovic et al. | Nautical risk assessment for LNG operations at the Port of Koper | |
Qiao et al. | A collision risk identification method for autonomous ships based on field theory | |
Zhao et al. | Decision-making for the autonomous navigation of USVs based on deep reinforcement learning under IALA maritime buoyage system | |
Chen et al. | Pattern knowledge discovery of ship collision avoidance based on AIS data analysis | |
Zaman | Study on safety of navigation using automatic identification system for marine traffic area case study: Malacca Straits | |
Pratiwi et al. | Fuzzy inference system for determining collision risk of ship in Madura Strait using automatic identification system | |
CN115239110A (zh) | 一种基于改进topsis方法的通航风险评价方法 | |
Park et al. | Assessment of Collision Risk in Vessel Traffic Service Areas using Fuzzy Comprehensive Evaluation | |
Wang et al. | Analysis of navigation characteristics of inland watercraft based on DBSCAN clustering algorithm | |
Zhou et al. | The application of automatic identification system information and PSO-LSTM neural network in CRI prediction | |
CN116913135B (zh) | 一种基于ais数据的复杂锚地水域碰撞危险识别方法及装置 | |
Yang et al. | Research of ship grounding prediction based on fuzzy theory | |
Xue et al. | Risk Assessment Based on KDE of Ship Collision Candidates for Ship Routing Waterway | |
Liu et al. | Spatial modeling and analysis based on spatial information of the ship encounters for intelligent navigation safety |
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 |