CN113536544A - 一种基于最小安全距离模型的船舶概率冲突检测方法 - Google Patents
一种基于最小安全距离模型的船舶概率冲突检测方法 Download PDFInfo
- Publication number
- CN113536544A CN113536544A CN202110686715.7A CN202110686715A CN113536544A CN 113536544 A CN113536544 A CN 113536544A CN 202110686715 A CN202110686715 A CN 202110686715A CN 113536544 A CN113536544 A CN 113536544A
- Authority
- CN
- China
- Prior art keywords
- ship
- distance
- target
- minimum safe
- safe distance
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000013178 mathematical model Methods 0.000 claims abstract description 7
- 238000005070 sampling Methods 0.000 claims abstract description 5
- 238000012216 screening Methods 0.000 claims abstract description 4
- 101150080778 INPP5D gene Proteins 0.000 claims description 241
- 238000004364 calculation method Methods 0.000 claims description 14
- LFULEKSKNZEWOE-UHFFFAOYSA-N propanil Chemical compound CCC(=O)NC1=CC=C(Cl)C(Cl)=C1 LFULEKSKNZEWOE-UHFFFAOYSA-N 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 10
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 9
- 238000011160 research Methods 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000000546 chi-square test Methods 0.000 description 1
- QZXCCPZJCKEPSA-UHFFFAOYSA-N chlorfenac Chemical compound OC(=O)CC1=C(Cl)C=CC(Cl)=C1Cl QZXCCPZJCKEPSA-UHFFFAOYSA-N 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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
- G06F17/15—Correlation function computation including computation of convolution operations
-
- 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
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Operations Research (AREA)
- Computing Systems (AREA)
- Traffic Control Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
Abstract
本发明公开了一种基于最小安全距离模型的船舶概率冲突检测方法，包括以下步骤：S1，获取本船和周围目标船的船舶信息；S2，计算目标船相对于本船的相对方位和相对距离；S3，筛选预设时间段内在指定方位区间上本船与周围目标船之间的最小安全距离；S4，对筛选出的最小安全距离进行数据点去噪；S5，构建MSD与船长、航速、相对方位的数学模型；S6，基于蒙特卡洛思想根据船舶航速的概率密度函数生成随机采样点，在船舶不确定性运动方程模型中插入每个随机样本点，利用确定性求解器对冲突概率进行求解。该方法可以帮助船舶驾驶员在航行中及时发现冲突较高的船舶，更精准、快速地了解航行风险，从而做出规避风险的操纵决策，提高航行的安全性。
Description
技术领域
本发明属于水上交通安全技术领域，具体涉及一种基于最小安全距离模型的船舶概率冲突检测方法。
背景技术
船舶航行安全是全球海事发展和研究的首要问题，它是提高航运效率、港口运营管理、防止生命财产损失、环境污染的最根本前提。为了满足日益增长的水上运输需求，船舶数量日益增长、吨位增大、航速提升，水域内船舶交通密度增加。相关研究表明，船舶碰撞是最常见的事故类型之一。船舶航行风险是航行安全的核心内容。船舶碰撞风险一直是一个重要的研究课题。这反映在研究人员越来越重视开发和应用以风险和概率为基础的海上交通安全方法，达到预防海上事故的目的。对船舶安全航行而言，实时动态风险管理是船舶驾驶的重要依据，精准的航行风险感知是船舶智能航行和决策的基础和前提。
传统上，水上碰撞风险使用历史碰撞数据建模。在大多数情况下，这种建模方法会因为数据量少而受到阻碍。这也是一种不道德和被动的安全管理方法，因为它依赖于碰撞数据。AIS数据提供了大量的船舶航行信息，这些来自AIS的数据已被用于许多海上交通安全与风险的评估研究，以提供对海上交通特征及相关风险的更加深入的理解。基于AIS数据的交通冲突检测方法将为以积极主动的方式理解和管理水上碰撞风险提供更广阔的前景。交通冲突事件比事故发生得更频繁，因此，为此类事件建立更大的数据库更为可行。它将为航行安全分析提供一种道德上有吸引力的替代方法，以取代基于碰撞数据的方法，进行快速、可靠和有效的安全评估，更好地理解碰撞风险和船舶交通特征之间的关系。
公开号为CN111833657A的中国专利公开了一种船舶避碰方法、系统和存储介质，方法包括以下步骤：获取当前船舶与多个目标船舶的第一信息，所述第一信息包括速度信息、相对距离、位置信息和航向信息；根据所述第一信息分析所述当前船舶的会遇状态；根据所述会遇状态绘制船舶碰撞风险图；根据所述碰撞风险图确定所述当前船舶的多个安全航速和多个安全航向。本发明通过根据获取的第一信息分析当前船舶的会遇状态，并根据会遇状态绘制船舶碰撞风险图，然后根据碰撞风险图确定当前船舶的多个安全航速和多个安全航向，使得船舶驾驶人员在同一时刻可选有多种避碰操作的航速和航向选择，以在一定程度上有效降低船舶碰撞事故的发生概率。
在AIS数据中侦测交通冲突事件的研究可以归纳为以下4类：
1)基于船舶会遇几何参数的航行风险研究；
2)综合指标法构造船舶碰撞风险模型研究；
3)基于船舶领域的航行冲突侦测研究；
4)基于安全边界作为冲突判断标准的相关研究；
前两类方法的不足之处是：船与船之间空间和时间上的邻近度通常被分开考虑或合并为特定的数值或解析式作为确定碰撞候选的指标，难以确定和表达这些解析式的物理意义；后两类研究大多选取静态的临界冲突直径，但在实际航行过程中由于船舶转向、变速、风流等因素的影响，临界冲突直径的大小在不断发生变化；其交通冲突侦测模型没有考虑到船舶会遇的过程中速度、航向等的动态性和不确定性，假定船只在会遇的过程中以恒定速度直线航行，计算的结果与实际情况存在一定偏差。
国内外航海技术界专家学者普遍采用船舶领域作为判断船舶间是否存在交通冲突的依据。船舶领域体现了船舶驾驶员对不同方位目标船最小安全距离的要求。船舶领域尺度与船舶类型、船舶长度、速度及会遇态势等因素密切相关。
发明内容
本发明的目的是针对现有技术存在的问题，提供一种基于最小安全距离模型的船舶概率冲突检测方法。
为实现上述目的，本发明采用的技术方案是：
一种基于最小安全距离模型的船舶概率冲突检测方法，包括以下步骤：
S1，通过船舶自动识别系统(Automatic Identification System,AIS)获取本船和周围目标船的船舶信息；
S2，根据获取的船舶信息计算目标船相对于本船的相对方位和相对距离；
S3，根据计算得到的相对方位和相对距离，筛选预设时间段内在指定方位区间上本船与周围目标船之间的最小安全距离(Minimum Safe Distance,MSD)；
S4，对筛选出的最小安全距离进行数据点去噪；将本船周围区域划分为m*n个栅格，每个最小安全距离数据点转换为对应的栅格编号，统计每个栅格中最小安全距离数据点的数量，删除本船周围非零值最小安全距离数据点总数低于预定义阈值的栅格；
S5，构建最小安全距离与船长、航速、相对方位的数学模型；
S6，计算本船和目标船之间的最近会遇距离，并根据最近会遇距离与最小安全距离对船舶间的冲突概率进行求解。
具体地，步骤S1中，所述船舶信息包括：目标船经纬度坐标、目标船航向、目标船艏向、目标船航速、目标船船长以及本船经纬度坐标、本船航向、本船艏向、本船航速、本船船长。
具体地，步骤S2中，计算目标船相对于本船的相对方位和相对距离的方法为：
令t＝0时刻，本船艏向为A0，本船经纬度坐标为
目标船船艏向为A1，目标船经纬度坐标为
相对距离计算公式如下：
相对方位计算公式如下：
其中，TB为目标船的真方位，即从真北沿顺时针方向到目标船的夹角；Q为目标船相对本船的相对方位，即从本船艏向沿顺时针计算到目标船的夹角。
具体地，步骤S3中，定义安全距离为：在某一时刻t1在指定方位区间θi上，本船与周围目标船之间的最小距离；定义最小安全距离为：在预设时间段内，方位区间θi上的安全距离随时间变化，在时刻t2出现的最小的安全距离。
具体地，步骤S4中，对最小安全距离进行数据点去噪的方法为：
对本船周围的区域进行栅格划分，每个最小安全距离数据点转换为对应的栅格编号；令每个栅格的长度为x；
计算距离每增加x经纬度的增量为：
其中，ΔLon为经度增量，ΔLat为纬度增量；Re为地球半径；
计算每个栅格的经纬度编号：
其中，表示栅格的经度编号，表示栅格的纬度编号；lon表示某个栅格的经度，lat表示某个栅格的纬度；lon1、lon2表示本船周围进行栅格划分的区域的经度边界；lat1、lat2表示本船周围进行栅格划分的区域的纬度边界；
统计每个栅格中最小安全距离数据点的数量，删除本船周围非零值最小安全距离数据点总数低于预定义阈值ξ的栅格。
具体地，步骤S5中，最小安全距离与船长、航速、相对方位的数学模型为：
其中，MSD为最小安全距离，L为本船船长，V为本船航速，Q为目标船相对本船的相对方位；A、B、C、D、α、ω为模型的参数。
具体地，步骤S6中，对船舶间冲突概率进行求解的方法为：
将本船标记为XO，目标船标记为XT；
在不考虑不确定运行误差及突发情况下，根据船舶XO、XT到达各转向点的时间划分航行时间段；在某航行时间段内，本船和目标船的位置、航速分别为(xO，yO)、(xT，yT)，(VxO，VyO)、(VxT，VyT)；航行时长为t，起始时间为tstart，结束时间为tend；以本船作为参考，目标船的相对位置(x′T，y′T)和相对速度(V′xT，V′yT)表示为：
在任意时刻，本船XO和目标船XT之间的相对位置为：
其中，V′kxT、V′kyT为在时间段k的起始时刻目标船XT在x、y方向上的相对速度；V′ixT、V′iyT为在时间段i的起始时刻目标船XT在x、y方向上的相对速度；tk为第k时段；
考虑到船舶航行轨迹的波动，每艘船的运动方程表示如下：
其中，
分别是本船XO和目标船XT的航向角；WO～N(0，QO)、WT～N(0，QT)表示零均值高斯过程噪声向量；QO和QT是与轨迹不确定性相关的误差协方差矩阵；
定义冲突为：目标船与本船的最近会遇距离小于或等于最小安全距离时，即存在冲突；
任意时刻船舶间的距离D(t)表示为：
其中：
船舶间的距离D(t)的最小值即为船舶之间的最近会遇距离，在时间区间[tstart，tend]内该最近会遇距离有以下三种可能：
其中，DCPA为两船的最近会遇距离；
两船存在冲突的概率Pcon由两船之间的最近会遇距离DCPA小于或等于MSD的概率给出：
Pam＝P(dmin≤MSD)
其中，dmin即为两船之间的最近会遇距离DCPA；MSD为两船的最小安全距离；
该概率Pcon利用蒙特卡洛仿真进行计算：根据船舶航速的概率密度函数生成随机采样点，在船舶不确定性运动方程模型中插入每个随机样本点，将随机问题转化为确定性问题，利用确定性求解器对冲突概率Pcon进行求解。
与现有技术相比，本发明的有益效果是：本发明基于船舶自动识别系统数据挖掘提取了船舶长度、航速、相对方位与最小安全距离的关系，构造动态安全领域模型，为船舶冲突的判断提供可靠的距离安全标准。考虑了船舶在港口水域的转向和轨迹预测的不确定性问题，利用蒙特卡洛模拟，对船舶航行动态系统中的不确定性进行量化，得到航行冲突概率。为了验证所提出的冲突检测方法的有效性，进行了船舶航行冲突检测试验。该方法可以帮助船舶驾驶员在航行中及时发现冲突较高的船舶，更精准、快速地了解航行风险，从而做出规避风险的操纵决策，提高航行的安全性。
附图说明
图1为本发明一种基于最小安全距离模型的船舶概率冲突检测方法的流程框图；
图2为本发明实施例中本船与目标船的相对距离和相对方位示意图；
图3为本发明实施例中方位区间θi上目标船相对本船的最小安全距离示意图；
图4为本发明实施例中本船与周围目标船的MSD数据分布图；
图5为本发明实施例中对本船周围的区域进行栅格划分的示意图；
图6为本发明实施例中两船航行路径示意图；
图7为本发明实施例中两船会遇航行轨迹示意图；
图8为本发明实施例中两船航行冲突检测示意图；
图9为本发明实施例中三船会遇航行轨迹示意图；
图10为本发明实施例中三船会遇冲突概率与平均距离示意图。
具体实施方式
下面将结合本发明中的附图，对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动条件下所获得的所有其它实施例，都属于本发明保护的范围。
如图1所示，本实施例提供了一种基于最小安全距离模型的船舶概率冲突检测方法，包括以下步骤：
S1，通过船舶自动识别系统(Automatic Identification System,AIS)获取本船和周围目标船的船舶信息；包括目标船经度Lont、目标船纬度Latt、目标船航向Ct、目标船艏向Ht、目标船航速vt、目标船船长Lt以及本船经度LonO、本船纬度LatO、本船航向CO、本船艏向HO、本船航速vO、本船船长LO；
S2，根据获取的船舶信息计算目标船相对于本船的相对方位和相对距离；
S3，根据计算得到的相对方位和相对距离，筛选预设时间段内在指定方位区间上本船与周围目标船之间的最小安全距离(Minimum Safe Distance,MSD)；
S4，对筛选出的最小安全距离进行数据点去噪；将本船周围区域划分为m*n个栅格，每个最小安全距离数据点转换为对应的栅格编号，统计每个栅格中最小安全距离数据点的数量，删除本船周围非零值最小安全距离数据点总数低于预定义阈值的栅格；
S5，构建最小安全距离与船长、航速、相对方位的数学模型；
S6，基于蒙特卡洛思想对船舶航行冲突进行检测。
具体地，步骤S2中，计算目标船相对于本船的相对方位和相对距离的方法为：
如图2所示，令t＝0时刻，本船艏向为A0，本船经纬度坐标为
目标船船艏向为A1，目标船经纬度坐标为
对于两船经纬度，北纬(N)和东经(E)为正，南纬(S)和西经(W)为负；
相对距离计算公式如下：
δλ＝λ1-λ0
相对方位计算公式如下：
Q＝TB-A0
如果
应通过±360°，使Q保持在(0～360°)范围内；
其中，TB为目标船的真方位，即从真北沿顺时针方向到目标船的夹角；Q为目标船相对本船的相对方位，即从本船艏向沿顺时针计算到目标船的夹角。
具体地，如图3所示，步骤S3中，定义安全距离为：以10秒为时间间隔的某一时刻t1在指定方位区间θi上，本船与周围目标船之间的最小距离；定义最小安全距离为：在预设时间段内(选定为1分钟)，方位区间θi上的安全距离随时间变化，在时刻t2出现的最小的安全距离。
具体地，如图4所示，图4为本船与周围目标船的MSD数据分布图；图4中，本船的船长为185米，航速为11节，根据图4，可以发现在本船周围存在一个没有它船进入的区域，即被MSD包围的区域，可以认为该区域是禁止它船进入的区域，该区域即为基于MSD随船长、航速、相对方位改变的动态安全领域。
在不剔除异常数据的情况下，MSD数据不能直接用于动态安全领域模型的确定，因为MSD数据中存在由于人为错误导致的异常航行行为数据。如图4，在本船附近有一些密度极低的数据点，用圆圈标记的即为数据噪声，这可能是意外入侵本船船舶领域的船舶。
本实施例步骤S4中，对最小安全距离进行数据点去噪的方法为：
如图5所示，对本船周围的区域进行栅格划分，每个最小安全距离数据点转换为对应的栅格编号；令每个栅格的长度为x；
计算距离每增加x经纬度的增量为：
其中，ΔLon为经度增量，ΔLat为纬度增量；Re为地球半径；
计算每个栅格的经纬度编号：
其中，表示栅格的经度编号，表示栅格的纬度编号；lon表示某个栅格的经度，lat表示某个栅格的纬度；lon1、lon2表示本船周围进行栅格划分的区域的经度边界；lat1、lat2表示本船周围进行栅格划分的区域的纬度边界；
统计每个栅格中最小安全距离数据点的数量，删除本船周围非零值最小安全距离数据点总数低于预定义阈值ξ的栅格。
具体地，步骤S5中，MSD模型构建的方法为：
将从AIS数据中提取的MSD样本点根据三个影响因素进行分组(船长7组、航速10组、相对方位72组)探究各因素对MSD数据点的影响；
从单个因素与MSD的定性关系出发，建立MSD的数学模型，将MSD样本数据进一步分类为只有船长、航速、相对方位影响下的航行场景，寻找单个因素与MSD的相关关系：随着船长增加，MSD增大，船长与MSD采用正相关关系；不同航速对MSD的影响程度不同，在每一组只有航速变化下的MSD样本数据中，航速与MSD满足幂函数关系；相对方位范围在[0，2π]，与MSD成周期性关系，用正弦函数描述。确定三个影响因素与MSD的关系，MSD的数学函数定性地具有以下形式：
其中，MSD为最小安全距离，L为本船船长，V为本船航速，Q为目标船相对本船的相对方位；A、B、C、D、α、ω为模型的参数；
采用最小二乘法求出模型的参数，将得到的模型与样本数据进行拟合优度检验：卡方检验容差达到10-9的标准，R2值为0.85；
则有，
具体地，步骤S6中，对船舶间冲突概率进行求解的方法为：
将本船标记为XO，目标船标记为XT；两船的航行路径如图6所示：
在不考虑不确定运行误差及突发情况下，根据船舶XO、XT到达各转向点的时间划分航行时间段；在某航行时间段内，本船和目标船的位置、航速分别为(xO，yO)、(xT，yT)，(VxO，VyO)、(VxT，VyT)；航行时长为t，起始时间为tstart，结束时间为tend；以本船作为参考，目标船的相对位置(x′T，y′T)和相对速度(V′xT，V′yT)表示为：
(x′T，y′T)＝-(xO，yO)+(xT，yT)
(V′xT，V′yT)＝-(VxO，VyO)+(VxT，VyT)
在任意时刻，本船XO和目标船XT之间的相对位置为：
其中，V′kxT、V′kyT为在时间段k的起始时刻目标船XT在x、y方向上的相对速度；V′ixT、V′iyT为在时间段i的起始时刻目标船XT在x、y方向上的相对速度；tk为第k时段；
两船的初始位置是确定的，然而，船舶在航行过程中受到驾驶员操纵水平、船舶操纵性能、风流等各种不确定因素的影响，考虑到船舶航行轨迹的波动，每艘船的运动方程表示如下：
其中，
分别是本船XO和目标船XT的航向角；WO～N(0，QO)、WT～N(0，QT)表示零均值高斯过程噪声向量；QO和QT是与轨迹不确定性相关的误差协方差矩阵；
定义冲突为：如果预测船舶未来会进入MSD包围的区域(禁止区域)，即目标船与本船的最近会遇距离小于或等于最小安全距离时，则存在冲突；
任意时刻船舶间的距离D(t)表示为：
其中：
A＝(VxO-VxT)2+(VyO-VyT)2
B＝2[(xO-xr)(VxO-VxT)+(yO-yT)(VyO-VyT)]
C＝(xO-xT)2+(yO-yT)2
为了刻画冲突的特征，用一些指标和适当的度量来量化冲突；
所述指标包括冲突强度和冲突概率；冲突强度的度量标准是船舶之间的最近距离dmin，船舶间的距离D(t)的最小值即为船舶之间的最近会遇距离，考虑到D(t)是关于时间t的二次方程，D(t)的最小值即为两船之间的DCPA值(即dmin)在时间区间[tstart，tend]内该最近会遇距离有以下三种可能：
其中，DCPA为两船的最近会遇距离；
两船在转向条件下的DCPA计算方法如图6所示，首先根据上式计算得到两船两个连续转向点之间的DCPA值，两船轨迹之间的DCPA值为其中的最小值，即：
两船存在冲突的概率Pcon由两船之间的最近会遇距离DCPA小于或等于MSD的概率给出：
Pcon＝P(dmin≤MSD)
其中，dmin即为两船之间的最近会遇距离DCPA；MSD为两船的最小安全距离；
该概率Pcon利用蒙特卡洛仿真进行计算：考虑到蒙特卡洛仿真作为定量风险评估方法在处理船舶航行过程不确定性问题上的优势，本发明基于蒙特卡洛仿真对船舶航行冲突概率分布进行计算。根据船舶航速的概率密度函数生成随机采样点，在船舶不确定性运动方程模型中插入每个随机样本点，将随机问题转化为确定性问题，利用确定性求解器对冲突概率进行求解。当模拟次数足够大时，船舶间不确定性的相对位置的统计信息(期望值、方差和协方差等)可以通过使用确定性解的集合来计算。
如图7所示，图7为两船的航行轨迹，两船的MMSI分别为532xxx261，477xxx900(为方便表述，分别简称为A、B)；“x”为每艘船的起始位置，“△”为每艘船的最终位置。检测船舶间航行冲突所需的数据为(x,y,v,c,l)，其中x和y为船舶位置，v为航速，c为航向，l为船长；将船舶对应时刻的数据输入到概率冲突计算模型中，得到船舶航行冲突分析图，如图8所示。
从图8可以看出：
(1)在整个航行过程中，随着两船相互靠近再远离，冲突概率呈先增大后减小的趋势，符合基本认知；船舶之间相互靠近时冲突概率增加，相互驶离冲突概率减小。如果以Pstd＝50％为标准，两船在110s-150s时间段，需要加以规避冲突，在其他时间段则满足冲突侦测标准。
船舶在140s的时候冲突概率值达到最大，即为图8(a)星号所标示位置。
(2)根据图8(b)，在t＝50s时，船舶间的最近会遇距离只有5.36％的概率小于最小安全距离；t＝140s时，进入禁止区域的概率达到97.6％，是整个航行过程冲中突概率最大的时刻；在t＝180s时刻，冲突概率值为0.55％，相对于50％的冲突侦测标准，是可以忽略的冲突。
图9为三船会遇时的轨迹。对于算例中的船舶，选择30个间隔相同的时刻。为了检验结果的有效性，引入船舶间的距离作为衡量风险的指标，在TCPA较小的情况下，距离与碰撞风险呈负相关。本实施例采用的用来测量多船之间的距离是平均船间距。计算方法如下：
其中Dij是指船舶i和船舶j之间的距离。将船舶航行数据输入冲突侦测模型及平均距离计算公式，得到这30个时刻每个航行场景下的冲突概率及平均距离的结果，如图10所示。可以观察到，船舶间的平均距离减小(增大)呈现出的冲突概率随时间增大(减小)，图10的结果反映的这一趋势符合基本认知。证明了该模型可以有效地侦测三船会遇情况下的航行冲突。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种基于最小安全距离模型的船舶概率冲突检测方法，其特征在于，包括以下步骤：
S1，获取本船和周围目标船的船舶信息；
S2，根据获取的船舶信息计算目标船相对于本船的相对方位和相对距离；
S3，根据计算得到的相对方位和相对距离，筛选预设时间段内在指定方位区间上本船与周围目标船之间的最小安全距离；
S4，对筛选出的最小安全距离进行数据点去噪；将本船周围区域划分为m*n个栅格，每个最小安全距离数据点转换为对应的栅格编号，统计每个栅格中最小安全距离数据点的数量，删除本船周围非零值最小安全距离数据点总数低于预定义阈值的栅格；
S5，构建最小安全距离与船长、航速、相对方位的数学模型；
S6，计算本船和目标船之间的最近会遇距离，并根据最近会遇距离与最小安全距离对船舶间的冲突概率进行求解。
2.根据权利要求1所述的一种基于最小安全距离模型的船舶概率冲突检测方法，其特征在于，步骤S1中，所述船舶信息包括：目标船经纬度坐标、目标船航向、目标船艏向、目标船航速、目标船船长以及本船经纬度坐标、本船航向、本船艏向、本船航速、本船船长。
3.根据权利要求1所述的一种基于最小安全距离模型的船舶概率冲突检测方法，其特征在于，步骤S2中，计算目标船相对于本船的相对方位和相对距离的方法为：
令t＝0时刻，本船艏向为A0，本船经纬度坐标为
目标船船艏向为A1，目标船经纬度坐标为
相对距离计算公式如下：
δλ＝λ1-λ0
相对方位计算公式如下：
Q＝TB-A0
其中，TB为目标船的真方位，即从真北沿顺时针方向到目标船的夹角；Q为目标船相对本船的相对方位，即从本船艏向沿顺时针计算到目标船的夹角。
4.根据权利要求1所述的一种基于最小安全距离模型的船舶概率冲突检测方法，其特征在于，步骤S3中，定义安全距离为：在某一时刻t1在指定方位区间θi上，本船与周围目标船之间的最小距离；定义最小安全距离为：在预设时间段内，方位区间θi上的安全距离随时间变化，在时刻t2出现的最小的安全距离。
5.根据权利要求1所述的一种基于最小安全距离模型的船舶概率冲突检测方法，其特征在于，步骤S4中，对最小安全距离进行数据点去噪的方法为：
对本船周围的区域进行栅格划分，每个最小安全距离数据点转换为对应的栅格编号；令每个栅格的长度为x；
计算距离每增加x经纬度的增量为：
其中，ΔLon为经度增量，ΔLat为纬度增量；Re为地球半径；
计算每个栅格的经纬度编号：
其中，表示栅格的经度编号，表示栅格的纬度编号；lon表示某个栅格的经度，lat表示某个栅格的纬度；lon1、lon2表示本船周围进行栅格划分的区域的经度边界；lat1、lat2表示本船周围进行栅格划分的区域的纬度边界；
统计每个栅格中最小安全距离数据点的数量，删除本船周围非零值最小安全距离数据点总数低于预定义阈值ξ的栅格。
6.根据权利要求1所述的一种基于最小安全距离模型的船舶概率冲突检测方法，其特征在于，步骤S5中，最小安全距离与船长、航速、相对方位的数学模型为：
其中，MSD为最小安全距离，L为本船船长，V为本船航速，Q为目标船相对本船的相对方位；A、B、C、D、α、ω为模型的参数。
7.根据权利要求1所述的一种基于最小安全距离模型的船舶概率冲突检测方法，其特征在于，步骤S6中，对船舶间冲突概率进行求解的方法为：
将本船标记为XO，目标船标记为XT；
在不考虑不确定运行误差及突发情况下，根据船舶XO、XT到达各转向点的时间划分航行时间段；在某航行时间段内，本船和目标船的位置、航速分别为(xO，yO)、(xT，yT)，(VxO，VyO)、(VxT，VyT)；航行时长为t，起始时间为tstart，结束时间为tend；以本船作为参考，目标船的相对位置(x′T，y′T)和相对速度(V′xT，V′yT)表示为：
(x′T，y′T)＝-(xO，yO)+(xT，yT)
(V′xT，V′yT)＝-(VxO，VyO)+(VxT，VyT)
在任意时刻，本船XO和目标船XT之间的相对位置为：
其中，V′kxT、V′kyT为在时间段k的起始时刻目标船XT在x、y方向上的相对速度；V′ixT、V′iyT为在时间段i的起始时刻目标船XT在x、y方向上的相对速度；tk为第k时段；
考虑到船舶航行轨迹的波动，每艘船的运动方程表示如下：
其中，
分别是本船XO和目标船XT的航向角；WO～N(0，QO)、WT～N(0，QT)表示零均值高斯过程噪声向量；QO和QT是与轨迹不确定性相关的误差协方差矩阵；
定义冲突为：目标船与本船的最近会遇距离小于或等于最小安全距离时，即存在冲突；
任意时刻船舶间的距离D(t)表示为：
其中：
A＝(VxO-VxT)2+(VyO-VyT)2
B＝2[(xO-xT)(VxO-VxT)+(yO-yT)(VyO-VyT)]
C＝(xO-xT)2+(yO-yT)2
船舶间的距离D(t)的最小值即为船舶之间的最近会遇距离，在时间区间[tstart，tend]内该最近会遇距离有以下三种可能：
其中，DCPA为两船的最近会遇距离；
两船存在冲突的概率Pcon由两船之间的最近会遇距离DCPA小于或等于MSD的概率给出：
Pcon＝P(dmin≤MSD)
其中，dmin即为两船之间的最近会遇距离DCPA；MSD为两船的最小安全距离；
该概率Pcon利用蒙特卡洛仿真进行计算：根据船舶航速的概率密度函数生成随机采样点，在船舶不确定性运动方程模型中插入每个随机样本点，将随机问题转化为确定性问题，利用确定性求解器对冲突概率Pcon进行求解。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110686715.7A CN113536544B (zh) | 2021-06-21 | 2021-06-21 | 一种基于最小安全距离模型的船舶概率冲突检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110686715.7A CN113536544B (zh) | 2021-06-21 | 2021-06-21 | 一种基于最小安全距离模型的船舶概率冲突检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113536544A true CN113536544A (zh) | 2021-10-22 |
| CN113536544B CN113536544B (zh) | 2023-11-07 |
Family
ID=78096384
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110686715.7A Active CN113536544B (zh) | 2021-06-21 | 2021-06-21 | 一种基于最小安全距离模型的船舶概率冲突检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113536544B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114882736A (zh) * | 2022-04-07 | 2022-08-09 | 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 |
| CN114970936A (zh) * | 2022-03-01 | 2022-08-30 | 江苏恒澄交科信息科技股份有限公司 | 一种用于内河循迹航行船舶的会遇时空预测方法 |
| CN114999231A (zh) * | 2022-05-27 | 2022-09-02 | 武汉理工大学 | 一种基于ais数据的多船会遇场景侦测方法、系统及平台 |
| CN115064009A (zh) * | 2022-05-10 | 2022-09-16 | 南京航空航天大学 | 一种终端区无人机与有人机冲突风险等级划分方法 |
| CN116612668A (zh) * | 2023-06-09 | 2023-08-18 | 大连海事大学 | 一种基于改进apf的分道通航制水域船舶自主避碰算法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4047369B1 (ja) * | 2007-07-17 | 2008-02-13 | 国土交通省国土技術政策総合研究所長 | 船舶動静予測方法及びシステム |
| CN109976342A (zh) * | 2019-03-22 | 2019-07-05 | 智慧航海（青岛）科技有限公司 | 一种动态搜索的智能船舶多船会遇避碰方法 |
| CN112561232A (zh) * | 2020-11-10 | 2021-03-26 | 武汉理工大学 | 繁忙水域船舶交通冲突风险度量方法 |
| CN112650237A (zh) * | 2020-12-21 | 2021-04-13 | 武汉理工大学 | 基于聚类处理和人工势场的船舶路径规划方法和装置 |
| CN112966332A (zh) * | 2021-03-02 | 2021-06-15 | 武汉理工大学 | 基于多船运动不确定性的冲突侦测方法、存储器及处理器 |
| CN112967527A (zh) * | 2021-02-05 | 2021-06-15 | 武汉理工大学 | 一种渡船碰撞风险评估方法、系统、装置及介质 |
-
2021
- 2021-06-21 CN CN202110686715.7A patent/CN113536544B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4047369B1 (ja) * | 2007-07-17 | 2008-02-13 | 国土交通省国土技術政策総合研究所長 | 船舶動静予測方法及びシステム |
| CN109976342A (zh) * | 2019-03-22 | 2019-07-05 | 智慧航海（青岛）科技有限公司 | 一种动态搜索的智能船舶多船会遇避碰方法 |
| CN112561232A (zh) * | 2020-11-10 | 2021-03-26 | 武汉理工大学 | 繁忙水域船舶交通冲突风险度量方法 |
| CN112650237A (zh) * | 2020-12-21 | 2021-04-13 | 武汉理工大学 | 基于聚类处理和人工势场的船舶路径规划方法和装置 |
| CN112967527A (zh) * | 2021-02-05 | 2021-06-15 | 武汉理工大学 | 一种渡船碰撞风险评估方法、系统、装置及介质 |
| CN112966332A (zh) * | 2021-03-02 | 2021-06-15 | 武汉理工大学 | 基于多船运动不确定性的冲突侦测方法、存储器及处理器 |
Non-Patent Citations (1)
| Title |
|---|
| 周双林;杨星;刘克中;熊勇;吴晓烈;刘炯炯;王伟强;: "规则约束下基于深度强化学习的船舶避碰方法", 中国航海, no. 03 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114970936A (zh) * | 2022-03-01 | 2022-08-30 | 江苏恒澄交科信息科技股份有限公司 | 一种用于内河循迹航行船舶的会遇时空预测方法 |
| CN114882736A (zh) * | 2022-04-07 | 2022-08-09 | 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 |
| 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 |
| CN115064009A (zh) * | 2022-05-10 | 2022-09-16 | 南京航空航天大学 | 一种终端区无人机与有人机冲突风险等级划分方法 |
| CN115064009B (zh) * | 2022-05-10 | 2023-11-07 | 南京航空航天大学 | 一种终端区无人机与有人机冲突风险等级划分方法 |
| CN114999231A (zh) * | 2022-05-27 | 2022-09-02 | 武汉理工大学 | 一种基于ais数据的多船会遇场景侦测方法、系统及平台 |
| CN116612668A (zh) * | 2023-06-09 | 2023-08-18 | 大连海事大学 | 一种基于改进apf的分道通航制水域船舶自主避碰算法 |
| CN116612668B (zh) * | 2023-06-09 | 2024-02-06 | 大连海事大学 | 一种基于改进apf的分道通航制水域船舶自主避碰算法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113536544B (zh) | 2023-11-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113536544B (zh) | 一种基于最小安全距离模型的船舶概率冲突检测方法 | |
| Zhang et al. | A predictive analytics method for maritime traffic flow complexity estimation in inland waterways | |
| Zhang et al. | A systematic approach for collision risk analysis based on AIS data | |
| Fang et al. | Automatic identification system-based approach for assessing the near-miss collision risk dynamics of ships in ports | |
| CN112966332B (zh) | 基于多船运动不确定性的冲突侦测方法、存储器及处理器 | |
| Zhang et al. | Towards a model of regional vessel near-miss collision risk assessment for open waters based on AIS data | |
| Xin et al. | A simulation model for ship navigation in the “Xiazhimen” waterway based on statistical analysis of AIS data | |
| CN111582380B (zh) | 一种基于时空特征的船舶轨迹密度聚类方法及装置 | |
| CN104050329A (zh) | 一种检测船舶碰撞危险度的方法 | |
| CN113128826B (zh) | 通航风险预测方法、装置和存储介质 | |
| Ma et al. | A data-driven approach for collision risk early warning in vessel encounter situations using attention-BiLSTM | |
| CN112561232A (zh) | 繁忙水域船舶交通冲突风险度量方法 | |
| Tang et al. | Detection of abnormal vessel behaviour based on probabilistic directed graph model | |
| Naus | Drafting route plan templates for ships on the basis of AIS historical data | |
| Liu et al. | A data mining method to extract traffic network for maritime transport management | |
| CN115050214B (zh) | 一种基于ais数据的船舶碰撞风险预测方法 | |
| Kim et al. | Study on the analysis of near-miss ship collisions using logistic regression | |
| CN114333423A (zh) | 一种狭水道航行碰撞风险评估方法 | |
| Copping et al. | Likelihood of a marine vessel accident from wind energy development in the Atlantic | |
| Xu et al. | Research on ship trajectory extraction based on multi-attribute DBSCAN optimisation algorithm | |
| CN114490913A (zh) | 一种船舶进港状态的确定方法、确定装置和电子设备 | |
| Weng et al. | Effects of ship domain shapes on ship collision risk estimates considering collision frequency and severity | |
| CN114550498A (zh) | 一种海量ais数据驱动的船舶偏离航道智能预警系统 | |
| CN115457300A (zh) | 一种基于距离度量和隔离机制的船舶异常行为检测方法 | |
| Li et al. | Study on complexity model and clustering method of ship to ship encountering risk |
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 |