CN113393710B - 一种预警方法、预警装置及电子设备 - Google Patents
一种预警方法、预警装置及电子设备 Download PDFInfo
- Publication number
- CN113393710B CN113393710B CN202110567341.7A CN202110567341A CN113393710B CN 113393710 B CN113393710 B CN 113393710B CN 202110567341 A CN202110567341 A CN 202110567341A CN 113393710 B CN113393710 B CN 113393710B
- Authority
- CN
- China
- Prior art keywords
- ship
- bridge
- early warning
- calculating
- collision
- 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
- 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
本申请公开了一种预警方法、预警装置、电子设备及计算机可读存储介质。其中,该方法包括:从影响待通过的桥梁与船舶的碰撞风险的风险因子中,筛选出目标风险因子;获取所述船舶的属性信息;获取所述桥梁的船舶通航记录及船桥碰撞记录;根据所述目标风险因子、所述属性信息、所述船舶通航记录及所述船桥碰撞记录,计算所述船舶与所述桥梁之间的预警距离;基于所述预警距离,对所述船舶与所述桥梁之间的碰撞风险进行预警。本申请方案通过对预警距离的动态计算,可提升船舶过桥时的预警效果。
Description
技术领域
本申请属于信息处理技术领域,尤其涉及一种预警方法、预警装置、电子设备及计算机可读存储介质。
背景技术
现有的桥梁主动防撞系统中,其预警距离通常为提前设定的固定值。并且,该固定值通常被统一应用于所有的过桥船舶上。由于预警距离会极大影响桥梁主动防撞系统的预警效果,该统一设置的预警距离通常难以适应不同的船舶及不同的水域环境;也即,固定的预警距离实际并不具备普适性,这导致现有的桥梁主动防撞系统对部分船舶的预警效果不佳。
发明内容
本申请提供了一种预警方法、预警装置、电子设备及计算机可读存储介质,通过对预警距离的动态计算,提升船舶过桥时的预警效果。
第一方面,本申请提供了一种预警方法,包括:
从影响待通过的桥梁与船舶的碰撞风险的风险因子中,筛选出目标风险因子;
获取上述船舶的属性信息;
获取上述桥梁的船舶通航记录及船桥碰撞记录;
根据上述目标风险因子、上述属性信息、上述船舶通航记录及上述船桥碰撞记录,计算上述船舶与上述桥梁之间的预警距离;
基于上述预警距离,对上述船舶与上述桥梁之间的碰撞风险进行预警。
第二方面,本申请提供了一种预警装置,包括:
筛选单元,用于从影响待通过的桥梁与船舶的碰撞风险的风险因子中,筛选出目标风险因子;
第一获取单元,用于获取上述船舶的属性信息;
第二获取单元,用于获取上述桥梁的船舶通航记录及船桥碰撞记录;
计算单元,用于根据上述目标风险因子、上述属性信息、上述船舶通航记录及上述船桥碰撞记录,计算上述船舶与上述桥梁之间的预警距离;
预警单元,用于基于上述预警距离,对上述船舶与上述桥梁之间的碰撞风险进行预警。
第三方面,本申请提供了一种电子设备,上述电子设备包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序,上述处理器执行上述计算机程序时实现如上述第一方面的方法的步骤。
第四方面,本申请提供了一种计算机可读存储介质,上述计算机可读存储介质存储有计算机程序,上述计算机程序被处理器执行时实现如上述第一方面的方法的步骤。
第五方面,本申请提供了一种计算机程序产品,上述计算机程序产品包括计算机程序,上述计算机程序被一个或多个处理器执行时实现如上述第一方面的方法的步骤。
本申请与现有技术相比存在的有益效果是:不再直接为所有船舶设置相同的预警距离,而是先从影响待通过的桥梁与船舶的碰撞风险的风险因子中,筛选出目标风险因子,同时获取该船舶的属性信息,以及该桥梁的船舶通航记录及船桥碰撞记录,最后根据上述目标风险因子、上述属性信息、上述船舶通航记录及上述船桥碰撞记录,计算该船舶与该桥梁之间的预警距离,使得该预警距离可根据船舶及待通过的桥梁的自身的情况进行自适应调整,最后基于上述预警距离,对该船舶与该桥梁之间的碰撞风险进行预警,可一定程度提升船舶过桥时的预警效果。可以理解的是,上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的预警方法的实现流程示意图;
图2是本申请实施例提供的预警装置的结构框图;
图3是本申请实施例提供的电子设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
下面对本申请实施例提供的一种预警方法进行描述。请参阅图1,本申请实施例中的预警方法包括:
步骤101,从影响待通过的桥梁与船舶的碰撞风险的风险因子中,筛选出目标风险因子。
在本申请实施例中,对于船舶的待通过的桥梁来说,会有许多风险因子影响到该船舶与该桥梁的碰撞风险,包括但不限于如下一种以上:与自然环境相关的风险因子,也即该桥梁的桥区水域的自然环境情况;与船舶相关的风险因子,也即该船舶自身的情况;与航道环境相关的风险因子,也即该桥梁对应的航道环境情况;与交通环境相关的风险因子,也即该桥区水域的交通流情况。然而,考虑到本申请实施例是为了计算出预警距离来进行预警,其属于一种定量分析的情况,因而,可根据国内外专家及学者对航行危险度的主观评价值和操船模拟结果设定若干个风险等级,并根据对各个风险因子的风险分析的分析结果将各个风险因子划分至对应的风险等级下,最终满足预设的等级条件的风险因子即可被确定为目标风险因子。
仅作为示例,可以设定3个风险等级,分别为:高、中及低;或者,也可以设定5个风险等级,分别为高、较高、中、较低、低。在通过风险分析确定了各个风险因子所处的风险等级后,假定等级条件为:风险等级大于或等于中风险等级;则针对3个风险等级来说,可将高风险等级的风险因子及中风险等级的风险因子确定为目标风险因子;针对5个风险等级来说,可将高风险等级的风险因子、较高风险等级的风险因子及中风险等级的风险因子确定为目标风险因子。通常来说,该目标风险因子所对应的风险因子数量为两个以上。
步骤102,获取上述船舶的属性信息。
在本申请实施例中,桥梁主动防撞系统可以接收等待过桥的船舶所发送的船舶自动识别系统(Automatic Identification System,AIS)数据,并从该AIS数据中提取出所需要的该船舶的属性信息。可以理解为,该属性信息是对该船舶当前状态的客观描述。
步骤103,获取上述桥梁的船舶通航记录及船桥碰撞记录。
在本申请实施例中,桥梁主动防撞系统还可获取到该桥梁的船舶通航记录及船桥碰撞记录。其中,桥梁主动防撞系统可收集、筛选及处理桥区水域中的下游截面的船舶(也即已顺利通过该桥梁的船舶)的AIS数据,包括船舶的长度等,以形成船舶通航记录;类似地,在桥梁发生与任一船舶的碰撞事故时,也会对该碰撞事故发生时的相关数据进行记录,包括碰撞事故发生时各个风险因子所表现的特征等,以形成船舶通航记录。本申请实施例不对该船舶通航记录及该船桥碰撞记录的形成过程作出限定。
步骤104,根据上述目标风险因子、上述属性信息、上述船舶通航记录及上述船桥碰撞记录,计算上述船舶与上述桥梁之间的预警距离。
在本申请实施例中,由于预警距离的计算过程不仅考虑了与该船舶及该桥梁相关的数据,还考虑了与该桥梁相关的历史数据,可实现对该船舶与该桥梁的预警距离的针对性的准确计算。显然,针对不同的船舶,所计算出的预警距离可能有所不同;类似地,针对桥梁所处环境的不同表现,所计算出的预警距离也可能有所不同。
步骤105,基于上述预警距离,对上述船舶与上述桥梁之间的碰撞风险进行预警。
在本申请实施例中,桥梁主动防撞系统会以步骤104所计算出的预警距离为基础,对该船舶与该桥梁之间的碰撞风险进行预警。当该船舶与该桥梁的距离进入该预警范围后,即认为该船舶与该桥梁之间的碰撞风险较高,此时可对该船舶发出预警,以提醒该船舶的驾驶员注意规避。
在一些实施例中,可通过风险分析及风险评价矩阵来确定目标风险因子,则上述步骤101可具体表现为:
首先,可收集该桥区水域过往的通航环境数据,主要包括自然环境数据(例如风、浪、流及能见度等)、航道环境数据(例如航道水深、通航孔宽度及桥梁净空高度等)及交通环境数据(例如船舶交通流及交通组织等)。
然后,可基于所收集到的通航环境数据进行风险分析,主要分析桥区水域的自然环境、航道环境及交通环境对船舶过桥的风险影响。当然,该风险分析的过程还可考虑与船舶相关的数据,例如,船舶的类型及船舶的船龄等,此处不作赘述。
接着,可基于风险分析的结果,识别出船舶在桥区水域航行时的风险因子,也即,在风、浪、流、能见度、航道水深、通航孔宽度、桥梁净空高度、船舶交通流及交通组织等参数中识别出风险因子,并通过已设定的风险等级,依次对各风险因子进行风险等级评价,从而建立出船舶在桥区航行时的风险评价矩阵。
最后,可从该风险评价矩阵中,筛选得到满足等级条件的风险因子作为目标风险因子。
可以理解,上述步骤101为前期的准备工作,该目标风险因子为基于历史数据所得到的经验值,与当前等待通过该桥梁的船舶自身并无直接关联。
在一些实施例中,该预警距离由两种预警距离所构成,为便于说明,此处记为第一预警距离及第二预警距离,其中,该第一预警距离用于表示等待过桥的船舶自身的避让距离,为针对该船舶当前自身的状态所计算得到;该第二预警距离用于表示风险附加距离,为主要基于历史数据所计算得到。则上述步骤104可具体表现为:
A1、根据上述属性信息,计算上述船舶与上述桥梁之间的第一预警距离。
其中,计算第一预警距离所需要的船舶的属性信息包括该船舶的船舶系数及长度。该船舶系数的取值为3、4或5,可通过船舶载重吨和航行状态来确定,其过程为:对于50000载重吨(DWT)以下的船舶,若该船舶处于压载状态,则该船舶的船舶系数为3,若该船舶处于满载状态,则该船舶的船舶系数为4;对于50000DWT以上的船舶,该船舶的船舶系数为5。记等待过桥的船舶的船舶系数为ρ,长度为Lt,则该第一预警距离D1的计算公式可以为:
D1=ρ*Lt
A2、根据上述目标风险因子、上述船舶通航记录及上述船桥碰撞记录,计算上述船舶与上述桥梁之间的第二预警距离。
其中,对于船舶通航记录来说,本申请实施例关注的是已通过该桥梁的船舶的长度。基于此,可以从该船舶通航记录中,读取出预设的历史时间段内已通过该桥梁的各个船舶的长度,并进行均值计算得到长度均值。仅作为示例,该历史时间段可以是过去一周、过去一月或过去半年等时间段,可预先进行设定,此处不作限定。
而目标风险因子及船桥碰撞记录则用来计算得到船舶的风险权重。记计算所得的风险权重为λ,计算所得的长度均值为Le,则该第二预警距离D2的计算公式可以为:
D2=λ*Le
A3、将上述第一预警距离与上述第二预警距离之和确定为上述预警距离。
其中,该预警距离D的计算公式可以为:
D=D1+D2
由此,即可计算获得该船舶的预警距离,帮助后续实现对船桥碰撞风险的预警。
在一些实施例中,上述步骤A2具体包括:
A21、基于上述目标风险因子生成能够通过一致性校验的判断矩阵。
其中,该判断矩阵可用来描述任意两个目标风险因子对碰撞风险的影响程度的比值。具体地,针对任意两个目标风险因子来说,可对这两个目标风险因子对碰撞风险的影响程度的比值以九分制为基础进行打分,以建立得到初始的判断矩阵。假定筛选出的目标风险因子有五个,分别为通航孔宽度、船龄、船舶种类、流及风,下面通过表1给出基于这五个目标风险因子所建立的判断矩阵的示例:
通航孔宽度 | 船龄 | 船舶种类 | 流 | 风 | |
通航孔宽度 | 1 | 1/3 | 1/6 | 5 | 1/8 |
船龄 | 3 | 1 | 1/3 | 5 | 1/6 |
船舶种类 | 6 | 3 | 1 | 8 | 1/3 |
流 | 1/5 | 1/5 | 1/8 | 1 | 1/9 |
风 | 8 | 6 | 3 | 9 | 1 |
表1
以上表1中加粗、加下划线及倾斜的数值“5”为例,其在横向上对应的目标风险因子为流,其在纵向上对应的目标风险因子为通航孔宽度,则该数值“5”表示的是:通航孔宽度对碰撞风险的影响程度与流对碰撞风险的影响程度的比值;也即,认为通航孔宽度相比流来说,对碰撞风险的影响程度更高。
在建立得到初始的判断矩阵后,需要对该判断矩阵进行一致性校验。只有通过一致性校验的判断矩阵才可投入后续运算;而对于未能通过一致性校验的判断矩阵来说,则需要对该判断矩阵进行修改,直至能够通过一致性校验为止,其过程具体为:计算该判断矩阵中的最大特征值;利用预设公式计算一致性比例CR;若CR小于预设的一致性比例阈值,例如CR<0.1,则认为判断矩阵的一致性可以接受,也即判断矩阵通过一致性校验;否则,就返回修改该判断矩阵,并重新执行计算该判断矩阵中的最大特征值的步骤及后续步骤,直至CR<0.1为止。
为便于理解,以上表1示出的判断矩阵为例,其一致性校验的过程为:
①计算最大特征值λmax
Xmax=5.4024
②计算CI
其中,n为该判断矩阵所涉及的目标风险因子的数量,在本示例中,n为5;CI为一致性校验过程中的中间参数,不具备实际含义。
③计算CR
n | 3 | 4 | 5 | 6 |
R<sub>I</sub> | 0.58 | 0.90 | 1.12 | 1.24 |
表2
上表2为平均一致性指标RI。由上表2可得到与n=5相对应的RI为1.12,由此可计算得到一致性比例CR为:
因此,上表1所示出的判断矩阵的一致性可以接受,其通过了一致性校验。
A22、根据上述判断矩阵计算各个目标风险因子的第一权重。
其中,该第一权重可通过对判断矩阵的归一化处理而得,其过程具体为:针对该判断矩阵中的每一列,在该列的范围内对该列中的各个元素进行归一化处理,得到归一化后的判断矩阵;然后,分别对归一化后的判断矩阵的每一行计算行均值,由于每一行对应了一个目标风险因子,由此即可将每一行的行均值作为对应的目标风险因子的第一权重。
为便于理解,仍以上表1示出的判断矩阵为例,目标风险因子的第一权重的计算过程为:
①先针对每一列,分别将该列的各个元素的值除以该列的元素的值之和,实现在该列的范围内对该列中的各个元素的归一化处理,所得结果如下表3所示:
通航孔宽度 | 船龄 | 船舶种类 | 流 | 风 | |
通航孔宽度 | 0.0549 | 0.0316 | 0.0360 | 0.1786 | 0.0720 |
船龄 | 0.1648 | 0.0949 | 0.0721 | 0.1786 | 0.0960 |
船舶种类 | 0.3297 | 0.2848 | 0.2162 | 0.2857 | 0.1920 |
流 | 0.0110 | 0.0190 | 0.0270 | 0.0357 | 0.0640 |
风 | 0.4396 | 0.5696 | 0.6486 | 0.3214 | 0.5760 |
表3
以上表3中加粗、加下划线及倾斜的数值“0.1786”为例,其是由表1中对应的元素的数值“5”除以该元素所在列的元素的值的总和“28”(为该元素所在列的元素的值“5”、“5”、“8”、“1”及“9”的总和)所得到的。
②针对归一化后的判断矩阵,计算每一行的行均值,每一行的行均值即为该行所对应的目标风险因子的第一权重Ki(也即第i个目标风险因子的权重),所得结果如下表4所示:
表4
由表4,可知通航孔宽度的第一权重为0.0746,船龄的第一权重为0.1213,船舶种类的第一权重为0.2617,流的第一权重为0.0313,风的第一权重为0.5111。
A23、根据上述船桥碰撞记录计算各个目标风险因子的第二权重。
其中,桥梁主动防撞系统可将各个目标风险因子的当前特征与发生碰撞时的特征均考虑在内,对各个目标风险因子的第二权重进行计算,其过程具体为:
针对每个目标风险因子,可根据已获得的船桥碰撞记录,确定该目标风险因子的每个特征在该桥梁的历史碰撞事故中的占比,得到每个特征的特征风险等级;随后,桥梁主动防撞系统可以去获取每个目标风险因子的当前特征;最后,可根据每个目标风险因子的当前特征,以及每个目标风险因子下各个特征的特征风险等级,计算得到各个目标风险因子的第二权重。可以理解的是,对于某一特征来说,该特征在该桥梁的历史碰撞事故中的占比越高,则该特征所对应的特征风险等级越高。
为便于说明,记一目标风险因子下的特征的数量为x,则针对该目标风险因子对应设定有x个特征风险等级;该目标风险因子的当前特征必然与该目标风险因子下的某一特征相匹配,则与该当前特征相匹配的特征所对应的特征风险等级可记作y;该目标风险因子的第二权重ηi y的计算公式可以表示为;
仅作为示例,假定对于风这一目标风险因子来说,其下设定有三个特征,分别为:风速<5m/s,5m/s≤风速<15m/s,风速≥15m/s,则可对应设定3个特征风险等级,分别为1级、2级及3级。
假定在船桥碰撞记录中,记录有100件船桥碰撞事故,其中有60件船桥事故发生在风速≥15m/s的情况下,有25件船桥事故发生在风速<15m/s且风速≥5m/s的情况下,有15件船桥事故发生在风速<5m/s的情况下,则可确定风速≥15m/s的情况在已发生的船桥碰撞事故中的占比最多,该特征对应3级特征风险等级;以此类推,可确定5m/s≤风速<15m/s这一特征对应2级特征风险等级,风速<5m/s这一特征对应1级特征风险等级。
假定当前检测到该桥梁的桥区水域的风速为3m/s,落入了风速<5m/s这一风速的区间内,则可知对于风这一目标风险因子来说,其当前特征与风速<5m/s这一特征相匹配,对应的是1级特征风险等级;基于第二权重的计算公式可计算得到此时风这一目标风险因子的第二权重为
A24、根据上述第一权重及上述第二权重,计算得到上述风险权重。
其中,针对每个目标风险因子,可计算该目标风险因子的第一权重及第二权重的权重乘积;随后,可对各个目标风险因子所对应的权重乘积求和,所得结果即为风险权重。该风险权重λ的计算公式可以表示为;
可以理解的是,对于不同的i来说,y的取值可能不同;也即,对于不同的目标风险因子来说,y的取值会根据步骤A23的记载,由该目标风险因子的当前特征,以及该目标风险因子下各个特征的特征风险等级而确定。
仅作为示例,假定通过A22及A23的计算,得到通航孔宽度的第一权重为a1,第二权重为a2;船龄的第一权重为b1,第二权重为b2;船舶种类的第一权重为c1,第二权重为c2;流的第一权重为d1,第二权重为d2;风的第一权重为e1,第二权重为e2。则风险权重λ=a1*a2+b1*b2+c1*c2+d1*d2+e1*e2。
由上可见,通过本申请实施例,桥梁主动防撞系统不再直接为所有船舶设置相同的预警距离,而是先从影响待通过的桥梁与船舶的碰撞风险的风险因子中,筛选出目标风险因子,同时获取该船舶的属性信息,以及该桥梁的船舶通航记录及船桥碰撞记录,最后根据上述目标风险因子、上述属性信息、上述船舶通航记录及上述船桥碰撞记录,计算该船舶与该桥梁之间的预警距离,使得该预警距离可根据船舶及待通过的桥梁的自身的情况进行自适应调整,最后基于上述预警距离,对该船舶与该桥梁之间的碰撞风险进行预警,可一定程度提升船舶过桥时的预警效果。应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
对应于上文所提供的预警方法,本申请实施例还提供了一种预警装置。请参阅图2,本申请实施例中的预警装置200包括:
筛选单元201,用于从影响待通过的桥梁与船舶的碰撞风险的风险因子中,筛选出目标风险因子;
第一获取单元202,用于获取上述船舶的属性信息;
第二获取单元203,用于获取上述桥梁的船舶通航记录及船桥碰撞记录;
计算单元204,用于根据上述目标风险因子、上述属性信息、上述船舶通航记录及上述船桥碰撞记录,计算上述船舶与上述桥梁之间的预警距离;
预警单元205,用于基于上述预警距离,对上述船舶与上述桥梁之间的碰撞风险进行预警。
可选地,上述计算单元204,包括:
第一计算子单元,用于根据上述属性信息,计算上述船舶与上述桥梁之间的第一预警距离;
第二计算子单元,用于根据上述目标风险因子、上述船舶通航记录及上述船桥碰撞记录,计算上述船舶与上述桥梁之间的第二预警距离;
第三计算子单元,用于将上述第一预警距离与上述第二预警距离之和确定为上述预警距离。
可选地,上述第二计算子单元,包括:
权重计算子单元,用于根据上述目标风险因子及上述船桥碰撞记录,计算得到风险权重;
长度均值计算子单元,用于根据上述船舶通航记录,获取预设的历史时间段内已通过上述桥梁的船舶的长度均值;
第二预警距离计算子单元,用于将上述风险权重与上述长度均值的乘积作为上述第二预警距离。
可选地,上述权重计算子单元,包括:
判断矩阵生成子单元,用于基于上述目标风险因子生成能够通过一致性校验的判断矩阵,上述判断矩阵用以描述任意两个目标风险因子对碰撞风险的影响程度的比值;
第一权重计算子单元,用于根据上述判断矩阵计算各个目标风险因子的第一权重;
第二权重计算子单元,用于根据上述船桥碰撞记录计算各个目标风险因子的第二权重;
风险权重计算子单元,用于根据上述第一权重及上述第二权重,计算得到上述风险权重。
可选地,上述第一权重计算子单元,包括:
归一化子单元,用于针对上述判断矩阵中的每一列,在上述列的范围内对上述列中的各个元素进行归一化处理,得到归一化后的上述判断矩阵;
行均值计算子单元,用于分别对归一化后的上述判断矩阵的每一行计算行均值,得到各个目标风险因子的第一权重。
可选地,上述第二权重计算子单元,包括:
特征风险等级确定子单元,用于针对每个目标风险因子,根据上述船桥碰撞记录,确定上述目标风险因子的每个特征在上述桥梁的历史碰撞事故中的占比,得到每个特征的特征风险等级;
当前特征获取子单元,用于获取每个目标风险因子的当前特征;
目标风险因子第二权重计算子单元,用于根据上述每个目标风险因子的当前特征,以及每个目标风险因子下各个特征的特征风险等级,计算得到各个目标风险因子的第二权重。
可选地,上述属性信息包括上述船舶的船舶系数及长度;上述第一计算子单元,具体用于将上述船舶系数与上述长度的乘积作为上述第一预警距离。
由上可见,本申请实施例中,预警装置不再直接为所有船舶设置相同的预警距离,而是先从影响待通过的桥梁与船舶的碰撞风险的风险因子中,筛选出目标风险因子,同时获取该船舶的属性信息,以及该桥梁的船舶通航记录及船桥碰撞记录,最后根据上述目标风险因子、上述属性信息、上述船舶通航记录及上述船桥碰撞记录,计算该船舶与该桥梁之间的预警距离,使得该预警距离可根据船舶及待通过的桥梁的自身的情况进行自适应调整,最后基于上述预警距离,对该船舶与该桥梁之间的碰撞风险进行预警,可一定程度提升船舶过桥时的预警效果。
对应于上文所提供的预警方法,本申请实施例还提供了一种电子设备,参见图3,本申请实施例中的电子设备3包括:存储器301,一个或多个处理器302(图3中仅示出一个)及存储在存储器301上并可在处理器上运行的计算机程序。其中:存储器301用于存储软件程序以及模块,处理器302通过运行存储在存储器301的软件程序以及单元,从而执行各种功能应用以及数据处理,以获取上述预设事件对应的资源。具体地,处理器302通过运行存储在存储器301的上述计算机程序时实现以下步骤:
从影响待通过的桥梁与船舶的碰撞风险的风险因子中,筛选出目标风险因子;
获取上述船舶的属性信息;
获取上述桥梁的船舶通航记录及船桥碰撞记录;
根据上述目标风险因子、上述属性信息、上述船舶通航记录及上述船桥碰撞记录,计算上述船舶与上述桥梁之间的预警距离;
基于上述预警距离,对上述船舶与上述桥梁之间的碰撞风险进行预警。
假设上述为第一种可能的实施方式,则在第一种可能的实施方式作为基础而提供的第二种可能的实施方式中,上述根据上述目标风险因子、上述属性信息、上述船舶通航记录及上述船桥碰撞记录,计算上述船舶与上述桥梁之间的预警距离,包括:
根据上述属性信息,计算上述船舶与上述桥梁之间的第一预警距离;
根据上述目标风险因子、上述船舶通航记录及上述船桥碰撞记录,计算上述船舶与上述桥梁之间的第二预警距离;
将上述第一预警距离与上述第二预警距离之和确定为上述预警距离。
在上述第二种可能的实施方式作为基础而提供的第三种可能的实施方式中,上述根据上述目标风险因子、上述船舶通航记录及上述船桥碰撞记录,计算上述船舶与上述桥梁之间的第二预警距离,包括:
根据上述目标风险因子及上述船桥碰撞记录,计算得到风险权重;
根据上述船舶通航记录,获取预设的历史时间段内已通过上述桥梁的船舶的长度均值;
将上述风险权重与上述长度均值的乘积作为上述第二预警距离。
在上述第三种可能的实施方式作为基础而提供的第四种可能的实施方式中,上述根据上述目标风险因子及上述船桥碰撞记录,计算得到风险权重,包括:
基于上述目标风险因子生成能够通过一致性校验的判断矩阵,上述判断矩阵用以描述任意两个目标风险因子对碰撞风险的影响程度的比值;
根据上述判断矩阵计算各个目标风险因子的第一权重;
根据上述船桥碰撞记录计算各个目标风险因子的第二权重;
根据上述第一权重及上述第二权重,计算得到上述风险权重。
在上述第四种可能的实施方式作为基础而提供的第五种可能的实施方式中,上述根据上述判断矩阵计算各个目标风险因子的第一权重,包括:
针对上述判断矩阵中的每一列,在上述列的范围内对上述列中的各个元素进行归一化处理,得到归一化后的上述判断矩阵;
分别对归一化后的上述判断矩阵的每一行计算行均值,得到各个目标风险因子的第一权重。
在上述第四种可能的实施方式作为基础而提供的第六种可能的实施方式中,上述根据上述船桥碰撞记录计算各个目标风险因子的第二权重,包括:
针对每个目标风险因子,根据上述船桥碰撞记录,确定上述目标风险因子的每个特征在上述桥梁的历史碰撞事故中的占比,得到每个特征的特征风险等级;
获取每个目标风险因子的当前特征;
根据上述每个目标风险因子的当前特征,以及每个目标风险因子下各个特征的特征风险等级,计算得到各个目标风险因子的第二权重。
在上述第二种可能的实施方式作为基础而提供的第七种可能的实施方式中,上述属性信息包括上述船舶的船舶系数及长度;上述根据上述属性信息,计算上述船舶与上述桥梁之间的第一预警距离,包括:
将上述船舶系数与上述长度的乘积作为上述第一预警距离。
应当理解,在本申请实施例中,所称处理器302可以是中央处理单元(CentralProcessing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器301可以包括只读存储器和随机存取存储器,并向处理器302提供指令和数据。存储器301的一部分或全部还可以包括非易失性随机存取存储器。例如,存储器301还可以存储设备类型的信息。
由上可见,本申请实施例中,电子设备不再直接为所有船舶设置相同的预警距离,而是先从影响待通过的桥梁与船舶的碰撞风险的风险因子中,筛选出目标风险因子,同时获取该船舶的属性信息,以及该桥梁的船舶通航记录及船桥碰撞记录,最后根据上述目标风险因子、上述属性信息、上述船舶通航记录及上述船桥碰撞记录,计算该船舶与该桥梁之间的预警距离,使得该预警距离可根据船舶及待通过的桥梁的自身的情况进行自适应调整,最后基于上述预警距离,对该船舶与该桥梁之间的碰撞风险进行预警,可一定程度提升船舶过桥时的预警效果。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将上述系统的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者外部设备软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的系统和方法,可以通过其它的方式实现。例如,以上所描述的系统实施例仅仅是示意性的,例如,上述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,系统或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关联的硬件来完成,上述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,上述计算机程序包括计算机程序代码,上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读存储介质可以包括:能够携带上述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机可读存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,上述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读存储介质不包括是电载波信号和电信信号。
以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (9)
1.一种预警方法,其特征在于,包括:
从影响待通过的桥梁与船舶的碰撞风险的风险因子中,筛选出目标风险因子;
获取所述船舶的属性信息;
获取所述桥梁的船舶通航记录及船桥碰撞记录;
根据所述目标风险因子、所述属性信息、所述船舶通航记录及所述船桥碰撞记录,计算所述船舶与所述桥梁之间的预警距离;
基于所述预警距离,对所述船舶与所述桥梁之间的碰撞风险进行预警;
其中,所述根据所述目标风险因子、所述属性信息、所述船舶通航记录及所述船桥碰撞记录,计算所述船舶与所述桥梁之间的预警距离,包括:
根据所述属性信息,计算所述船舶与所述桥梁之间的第一预警距离;
根据所述目标风险因子、所述船舶通航记录及所述船桥碰撞记录,计算所述船舶与所述桥梁之间的第二预警距离;
将所述第一预警距离与所述第二预警距离之和确定为所述预警距离。
2.如权利要求1所述的预警方法,其特征在于,所述根据所述目标风险因子、所述船舶通航记录及所述船桥碰撞记录,计算所述船舶与所述桥梁之间的第二预警距离,包括:
根据所述目标风险因子及所述船桥碰撞记录,计算得到风险权重;
根据所述船舶通航记录,获取预设的历史时间段内已通过所述桥梁的船舶的长度均值;
将所述风险权重与所述长度均值的乘积作为所述第二预警距离。
3.如权利要求2所述的预警方法,其特征在于,所述根据所述目标风险因子及所述船桥碰撞记录,计算得到风险权重,包括:
基于所述目标风险因子生成能够通过一致性校验的判断矩阵,所述判断矩阵用以描述任意两个目标风险因子对碰撞风险的影响程度的比值;
根据所述判断矩阵计算各个目标风险因子的第一权重;
根据所述船桥碰撞记录计算各个目标风险因子的第二权重;
根据所述第一权重及所述第二权重,计算得到所述风险权重。
4.如权利要求3所述的预警方法,其特征在于,所述根据所述判断矩阵计算各个目标风险因子的第一权重,包括:
针对所述判断矩阵中的每一列,在所述列的范围内对所述列中的各个元素进行归一化处理,得到归一化后的所述判断矩阵;
分别对归一化后的所述判断矩阵的每一行计算行均值,得到各个目标风险因子的第一权重。
5.如权利要求3所述的预警方法,其特征在于,所述根据所述船桥碰撞记录计算各个目标风险因子的第二权重,包括:
针对每个目标风险因子,根据所述船桥碰撞记录,确定所述目标风险因子的每个特征在所述桥梁的历史碰撞事故中的占比,得到每个特征的特征风险等级;
获取每个目标风险因子的当前特征;
根据所述每个目标风险因子的当前特征,以及每个目标风险因子下各个特征的特征风险等级,计算得到各个目标风险因子的第二权重。
6.如权利要求1所述的预警方法,其特征在于,所述属性信息包括所述船舶的船舶系数及长度;所述根据所述属性信息,计算所述船舶与所述桥梁之间的第一预警距离,包括:
将所述船舶系数与所述长度的乘积作为所述第一预警距离。
7.一种预警装置,其特征在于,包括:
筛选单元,用于从影响待通过的桥梁与船舶的碰撞风险的风险因子中,筛选出目标风险因子;
第一获取单元,用于获取所述船舶的属性信息;
第二获取单元,用于获取所述桥梁的船舶通航记录及船桥碰撞记录;
计算单元,用于根据所述目标风险因子、所述属性信息、所述船舶通航记录及所述船桥碰撞记录,计算所述船舶与所述桥梁之间的预警距离;
预警单元,用于基于所述预警距离,对所述船舶与所述桥梁之间的碰撞风险进行预警;
其中,所述计算单元,包括:
第一计算子单元,用于根据所述属性信息,计算所述船舶与所述桥梁之间的第一预警距离;
第二计算子单元,用于根据所述目标风险因子、所述船舶通航记录及所述船桥碰撞记录,计算所述船舶与所述桥梁之间的第二预警距离;
第三计算子单元,用于将所述第一预警距离与所述第二预警距离之和确定为所述预警距离。
8.一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的方法。
9.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110567341.7A CN113393710B (zh) | 2021-05-24 | 2021-05-24 | 一种预警方法、预警装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110567341.7A CN113393710B (zh) | 2021-05-24 | 2021-05-24 | 一种预警方法、预警装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113393710A CN113393710A (zh) | 2021-09-14 |
CN113393710B true CN113393710B (zh) | 2022-03-25 |
Family
ID=77618924
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110567341.7A Active CN113393710B (zh) | 2021-05-24 | 2021-05-24 | 一种预警方法、预警装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113393710B (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201788591U (zh) * | 2010-08-23 | 2011-04-06 | 南通航运职业技术学院 | 一种基于ais的江海大桥主动防撞系统 |
CN103129720A (zh) * | 2011-11-29 | 2013-06-05 | 刘增勇 | 一种船舶防碰撞信号装置及方法 |
KR102415979B1 (ko) * | 2015-04-13 | 2022-07-05 | 한국전자통신연구원 | 주의 선박의 안전거리 침입 경고 방법 |
KR101696615B1 (ko) * | 2016-08-04 | 2017-01-16 | 한국해양과학기술원 | 시계열 그래픽 표시를 이용한 다중 선박간 충돌회피 관제시스템 |
CN110335505A (zh) * | 2019-07-05 | 2019-10-15 | 武汉理工大学 | 一种桥梁主动防撞报警系统与方法 |
CN111508277B (zh) * | 2020-03-19 | 2021-08-24 | 武汉理工大学 | 一种桥区水域船舶通航预警方法及预警系统 |
CN111696388A (zh) * | 2020-07-15 | 2020-09-22 | 广州海事科技有限公司 | 桥梁防撞监测预警方法、系统、计算机设备及存储介质 |
-
2021
- 2021-05-24 CN CN202110567341.7A patent/CN113393710B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113393710A (zh) | 2021-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109636010B (zh) | 基于相关因素矩阵的省级电网短期负荷预测方法及系统 | |
US20180261082A1 (en) | Method and device for processing traffic road information | |
CN111881243B (zh) | 一种出租车轨迹热点区域分析方法及系统 | |
CN102998664B (zh) | 一种基于合成孔径雷达的水华识别方法及装置 | |
CN108573358A (zh) | 一种逾期预测模型生成方法及终端设备 | |
CN109447319B (zh) | 一种网格划分方法、计算机可读存储介质及终端设备 | |
Ding et al. | An extended car-following model in connected and autonomous vehicle environment: Perspective from the cooperation between drivers | |
CN113393710B (zh) | 一种预警方法、预警装置及电子设备 | |
CN111091245A (zh) | 一种参与有序用能企业的确定方法及装置 | |
CN111038503A (zh) | 车辆自适应巡航控制方法、装置、车辆及存储介质 | |
CN110555242A (zh) | 老旧杆塔抗风能力的评估方法、装置、设备及存储介质 | |
CN113298309A (zh) | 用于交通拥堵状态预测的方法、装置及终端 | |
WO2017193554A1 (zh) | 区域聚合的方法及装置 | |
CN116403403B (zh) | 一种基于大数据分析的交通预警方法、系统、设备及介质 | |
CN113788023A (zh) | 车辆驾驶故障检测方法、装置、设备及存储介质 | |
CN113282638A (zh) | 一种城建用车识别方法和装置 | |
CN104730509A (zh) | 一种基于知识辅助置换检验的雷达检测方法 | |
CN113076922B (zh) | 一种物体检测方法及装置 | |
CN116884225B (zh) | 评估自动驾驶车辆比例对交通效率影响的方法及装置 | |
CN116109145B (zh) | 车辆行驶路线的风险评估方法、装置、终端及存储介质 | |
CN112541981B (zh) | 一种etc门架系统预警方法、装置、设备及介质 | |
CN117214859A (zh) | 基于激光雷达的物体检测方法、装置、车辆及介质 | |
CN116358902A (zh) | 一种车辆功能的测试方法、装置、电子设备及存储介质 | |
CN117709749A (zh) | 驾驶行为评价方法、设备及计算机可读存储介质 | |
CN117173890A (zh) | 城市路网交通瓶颈的识别方法、装置、设备及介质 |
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 |