CN113624241B - 一种面向进港运动船舶的无人机查证路线规划方法 - Google Patents
一种面向进港运动船舶的无人机查证路线规划方法 Download PDFInfo
- Publication number
- CN113624241B CN113624241B CN202111179065.3A CN202111179065A CN113624241B CN 113624241 B CN113624241 B CN 113624241B CN 202111179065 A CN202111179065 A CN 202111179065A CN 113624241 B CN113624241 B CN 113624241B
- Authority
- CN
- China
- Prior art keywords
- ship
- unmanned aerial
- time
- verification
- aerial vehicle
- 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
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- 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)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Automation & Control Theory (AREA)
- Development Economics (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
本发明提供一种面向进港运动船舶的无人机查证路线规划方法,根据港口位置、航道情况和监管处置线,并由船舶的起始位置、运动航向和航速状态,计算无人机查证总时间的上限;建立模型,计算无人机对任意两艘船舶的查证时间间隔,求解无人机对一组运动船舶进行查证的飞行路线,获取无人机查证一组船舶序列需要的总时长;设计基于运动目标的多无人机查证路线优化方法,求解完成查证任务所需最少无人机数量及对应查证路线,确保所有船舶在规定上限时间内皆可查证完毕。本发明流程清晰、易于实现、运算时间短,可以实时给出吞吐量较大港口的无人机对运动船舶查证方案,并确定所需最少无人机数量,有助于提高无人机资源利用率,为港口监管、物流运输等领域提供有效支撑。
Description
技术领域
本发明涉及路径规划模型研究领域,尤其是涉及一种面向进港运动船舶的无人机数量优化和查证路线规划方法。
背景技术
随着经济全球化不断发展,船舶艘次和吨位不断增加,港口吞吐量日益增大,船只事故与非法冲闯行为时有发生,对舰船海事监管提出了更高要求。当前我国海事监管平台设备主要有海巡船、海事直升机、船舶交管中心(VTS)、自动查证系统(AIS)和视频监控(CCTV)等,然而上述平台设备存在受海况影响大、信息不直观、对未安装或故意关闭识别设备船舶存在监控盲区等缺陷。近年来,无人机在感知、定位、导航和通信等技术方面取得突破性进展,可对船只进行调查取证,尽早发现事故或非法船只,作为传统海事监管设备重要补充,为海上监管部门提供先进技术支持。
我国无人机监管起步较晚,但发展迅速。近年来,不少学者在海事监管领域开展无人机路径规划应用探索,分析无人机应用于海上立体监管的可行性,如王力在《烟台辖区多海上无人机巡航监管路径规划研究》中,通过聚类处理获取重点区域巡航范围,并基于巡航范围的形状确定无人机最佳巡航方向,设计混合整数线性优化算法探究无人机在各重点巡航区域间巡航的耗时最短路径。韩继泽在《基于多无人机的多移动目标搜索技术研究》中,基于多旅行商问题,设计了一种均衡单个旅行商路径长度的集中式搜索策略,实现了无人机集群对搜索地图的快速全面覆盖和每架无人机的搜索路径均衡。陈星在《无人机多目标的航线规划和任务》中提出了一种启发式任务分配算法,用以解决动态新发现固定目标的任务分配问题,该算法通过引入路径重合度的概念,用来判断是否将新目标加入原计划路径中。
现有研究通过将路径规划算法引入无人机船舶监管中,实现了对指定海域的覆盖监视和海上固定目标的定点侦查,然而,这些方法在实际运用到入港船舶监管中时,仍存在两个问题:1)进港船舶时刻处于运动过程中,对其跟踪识别具有高度时间敏感性,基于区域覆盖监管的方法难以给出对运动船舶的具体查证路线;2)港口吞吐量较大,无人机资源相对紧张且对运算实时性要求高,导致上述方法在无人机对进港船舶监管中的实际运用效果较差。
发明内容
本发明提供了一种面向进港运动船舶的无人机查证路线规划方法,针对一段时期内即将进入港口的船舶,拟派出多架无人机对其进行绕行查证,一架无人机需查证一组运动船舶,以实现在监管处置线之前将所有船舶查证完毕。无人机对单艘船舶的查证识别时间通常为固定数值,但是由于各个船舶起始位置、航速、航向不同,船舶与船舶之间存在一定的距离,无人机完成对一艘船舶的查证任务后前往下一艘船舶进行查证需要一定的飞行耗时。如何为各个无人机规划科学的查证船舶序列,实现查证总耗时最短是运动船舶查证任务的关键。本发明旨在为执行船舶查证任务的无人机设计查证路线,实现在规定时间内以尽可能少的无人机将所有进港船舶查证完毕,以便从中提前筛选出可疑船只,降低后续海巡船负担,提升港口管理的自动化水平。
本发明提供的面向进港运动船舶的无人机查证路线规划方法,根据港口位置、航道情况和监管处置线,并由船舶的起始位置、运动航向和航速状态,计算无人机查证总时间的上限;建立模型,求解一架无人机对一组运动船舶的识别时长和飞行时长,获取一架无人机查证一组船舶序列需要的总时长;设计基于运动目标的多架无人机查证路线优化方法,求解最少无人机数量及对应查证路线,确保所有进港船舶在规定上限时间内皆查证完毕。其技术方案具体如下所述:
一种面向进港运动船舶的无人机查证路线规划方法,包括以下步骤:
S1:确定无人机查证总时间的上限:根据各个进港船舶起始位置、运动航向和航速,确定首艘船舶抵达监管处置线时间,作为无人机查证总时间的上限;
S2:对于待查证船舶序列,确定序列中任意两艘相邻船舶的查证时间间隔:无人机结束查证一艘船舶后,飞行前往下一艘船舶需要的时间,通过二者的相对位置、航速、航向以及无人机飞行速度求解获得;
S3:计算待查证船舶序列的查证总时间:对于给定的任一待查证船舶序列,所述无人机的初始查证时间与位置由该序列中首艘待查证船舶决定,其后通过递推求解该序列中任意相邻船舶的查证时间间隔,进而确定每艘待查证船舶的开始查证时间和相应位置,得出待查证船舶序列的查证总时间和无人机查证路线;
S4:优化无人机数量及查证路线:实现在一定无人机数量条件下,最小化查证总时间,通过逐个递增无人机数量,利用模拟退火算法对待查证船舶序列进行优化,最小化各个无人机的查证总时间中的最大值,直至其小于首艘船舶抵达监管处置线时间。
设定进港船舶总数为N,根据每艘船舶的起始位置、航速及航向,能够确定船舶抵达监管处置线CD时间,确定最早抵达监管处置线的船舶时间,即查证总时间上限:
S21:假设时刻相邻船舶和的位置分别为和,一架无人机计划先后对和进行查证,在时刻该无人机首先开始对船舶进行查证识别,为无人机对单艘船舶的查证时间,且查证识别期间,所有船舶继续沿原有航向和速度运动,船舶的速度为,船舶的速度为;
S35:得到无人机查证完序列中所有船舶所需要的总时间为:
进一步的,最小化查证无人机总数及优化各个无人机的查证路线,需要优化目标函数:
包括以下步骤:
S46:输出结果,结束。
所述面向进港运动船舶的无人机查证路线规划方法,优点在于:
1.本发明考虑入港船舶运动状态,通过对无人机查证路径优化,实现无人机编队对入港运动船舶查证方案的生成,能够为每一架无人机提供具体查证路线,可操作性强,便于港口监管部门组织实施监管。
2.本发明流程清晰、易于实现、运算时间短,可以实时给出较大吞吐量港口的无人机对运动船舶查证方案,并确定所需最少无人机数量,提高无人机资源利用率,为港口监管、物流运输等领域提供有效支撑。
附图说明
图1是无人机对任意两艘船舶进行查证的过程示意图;
图2是基于模拟退火方法的无人机数量及查证路线优化流程图;
图3是船舶入港情况示意图;
图4是船舶初始位置分布图;
图5是无人机查证总时间收敛图;
图6a是第1架无人机的查证路线图;
图6b是第2架无人机的查证路线图;
图6c是第3架无人机的查证路线图;
图6d是第4架无人机的查证路线图。
具体实施方式
下面结合附图对本发明作进一步说明。为对所有进入港口的船舶进行查证,管理部门拟在首艘船舶抵达监管处置线CD之前通过多架无人机对所有船舶进行查证,以便提前洞察船舶异常。设定进港船舶以各自不同的航行速度匀速运动进港,航向均指向港口方向。设定无人机飞行速度恒定,需飞行前往会合地点对待查证船舶进行查证识别,查证完成后前往下一地点对后续待查证船舶展开查证。无人机查证过程中不影响船舶的运动,所有船舶沿原有方向继续航行。
一种面向进港运动船舶的无人机查证路线规划方法,包括以下步骤:
S1:确定无人机查证总时间的上限:根据各个船舶起始位置、运动航向和航速,确定首艘船舶抵达监管处置线时间,作为无人机查证总时间的上限;
S2:对于待查证船舶序列,确定任意两艘相邻船舶的查证时间间隔:无人机结束查证一艘船舶后,飞行前往下一艘船舶需要的时间,通过二者的相对位置、航速、航向以及无人机飞行速度求解获得;
S3:计算待查证船舶序列的查证总时间:对于给定的任一待查证船舶序列,所述无人机的初始查证时间与位置由该序列中首艘待查证船舶决定,其后通过递推求解任意相邻船舶的查证时间间隔,进而确定每艘待查证船舶的开始查证时间和相应位置,得出待查证船舶序列的查证总时间和无人机查证路线;
S4:优化无人机数量及查证路线:实现在一定无人机数量条件下,最小化查证总时间,通过逐个递增无人机数量,利用模拟退火算法对待查证船舶序列进行优化,最小化无人机的查证总时间中的最大值,直至其小于首艘船舶抵达监管处置线时间。
对于步骤S1:
为在首艘船舶抵达监管处置线之前完成全部船舶的查证识别工作,便于下一步对可疑船舶进行处置,需确定最早抵达监管处置线船舶时间,即查证总时间上限。
对于步骤S2:
当无人机以速度飞行,待其完成对某船舶的查证之后,需前往下一艘船舶进行查证。但由于各个船舶持续处于匀速运动过程中,需求解两项查证任务之间的无人机飞行时间间隔,以确定无人机与待查证船舶相遇位置。具体的,令为第架无人机查证识别完第艘船舶后与第艘船会合所需要的飞行时间,以图1为例,其求解过程如下:
(a)假设时刻船舶和的位置分别为和,一架无人机计划先后对和进行查证。在时刻该无人机首先开始对船舶进行查证识别,假设识别时间固定为分钟,或者说,为无人机对单艘船舶的查证时间,查证识别期间,无人机沿船舶原有航线对该船舶进行绕飞查证。船舶的速度为,船舶的速度为。
对于步骤S3:
假设为无人机需要查证识别的船舶序列,该序列中待查证船舶数量为,通过上面步骤2,可以确定先后查证任意相邻两艘船舶的间隔时间与查证位置。逐层递推可以确定无人机查证序列总时间及对各船舶具体查证时间及查证位置,其过程如下:
综上所述,可以得到无人机查证完序列中所有船舶所需要的总时间为:
对于步骤S4:
通过上述方法可以确定任意给定无人机查证序列总时间,下面介绍基于运动目标的无人机数量及查证路线优化方法实施过程:为求解完成识别任务的最少无人机数量,将求解最小无人机数量问题转化为最小化在一定无人机数量下,识别路径最大耗时问题。循环递增无人机数量,利用模拟退火算法对无人机查证船舶序列进行优化,以减小各无人机查证序列最长耗时,使其小于首艘船舶抵达监管处置线时间,以此确定所需最少无人机数量并得出对应查证路线。具体的,所述基于运动目标的无人机数量及查证路线优化方法,其过程如下:
算法的目标函数为:
根据上述计算步骤,基于模拟退火算法面向运动目标的无人机数量及查证路线优化流程图可表示为如图2所示。
图3给出了某日上午某时拟进某港的船舶情况,该港外航线位于以港口为圆心,方位在与正北方向顺时针夹角20°~70°之间的扇形区域,设港口为原点,监管处置线端点为C点和D点,入港商船航行均指向港口中心。现需确定需派遣进行查证的无人机最少数量以及各个无人机的查证路线。为方便计算,本实验中无人机对每艘船舶进行查证识别的时长恒定,均为分钟;无人机的飞行速度恒定,均为。
如图4所示,实验数据集包含84艘处于不同位置且航速不同、航向各异的船舶,与中型商港实际舰船入港数量、航行速度、相距距离等相近,符合实际应用情况。通过该数据集对提出的面向运动船舶的无人机查证路线规划方法进行验证具有较强的实际意义。
4架无人机的飞行路线和对应完成的查证任务如图6a-6d所示,图中标出了每一架无人机查证路线,其中,无人机查证起始位置为S,查证终止位置为T,图中箭头之间的连接线段代表在船舶查证过程中无人机飞过的轨迹,箭头线段代表无人机在查证完一艘船舶后到下一艘查证船舶的飞行轨迹,所有的连接线段与箭头线段相互连接,构成了无人机在完成整个任务过程中的飞行路线。图中的横纵坐标表示距离。
该案例可以帮助港口管理部门完成对舰船查证的无人机路线规划,对有问题船只进行拍照取证,为船舶处置提供实时信息反馈和法理证据。
以上是对本发明进行了示例性描述,显然本发明的实现并不受上述方式的限制,只要采用了本发明技术方案进行的各种改进,或未经改进将本发明的构思和技术方案直接应用其它场合的,均在本发明的保护范围内。
Claims (3)
1.一种面向进港运动船舶的无人机查证路线规划方法,包括以下步骤:
S1:确定无人机查证总时间的上限:根据各个进港船舶起始位置、运动航向和航速,确定首艘船舶抵达监管处置线时间,作为无人机查证总时间的上限;
设定进港船舶总数为N,根据每艘船舶的起始位置、航速及航向,能够确定船舶抵达监管处置线CD时间,确定最早抵达监管处置线的船舶时间,即查证总时间上限:
S2:对于待查证船舶序列,确定序列中任意两艘相邻船舶的查证间隔时间:无人机结束查证一艘船舶后,飞行前往下一艘待查证船舶需要的时间,通过二者的相对位置、航速、航向以及无人机飞行速度求解获得;
S21:假设时刻相邻船舶和的位置分别为和,一架无人机计划先后对和进行查证,在时刻该无人机首先开始对船舶进行查证识别,为无人机对单艘船舶的查证时间,且查证识别期间,所有船舶继续沿原有航向和速度运动,船舶的速度为,船舶的速度为;
S3:计算待查证船舶序列的查证总时间:对于给定的任一待查证船舶序列,所述无人机的初始查证时间与位置由该序列中首艘待查证船舶决定,其后通过递推求解该序列中任意相邻船舶的查证时间间隔,进而确定每艘待查证船舶的开始查证时间和相应位置,最后求得待查证船舶序列的查证总时间和相应无人机查证路线;
S4:优化无人机数量及查证路线:实现在一定无人机数量条件下,最小化查证总时间,通过逐个递增无人机数量,利用模拟退火算法对待查证船舶序列进行优化,最小化各个无人机的查证总时间中的最大值,直至其小于首艘船舶抵达监管处置线时间。
S35:得到无人机查证完序列中所有船舶所需要的总时间为:
3.根据权利要求2所述的面向进港运动船舶的无人机查证路线规划方法,其特征在于:最小化查证无人机总数及优化各个无人机的查证路线,需要优化目标函数:
包括以下步骤:
S46:输出结果,结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111179065.3A CN113624241B (zh) | 2021-10-11 | 2021-10-11 | 一种面向进港运动船舶的无人机查证路线规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111179065.3A CN113624241B (zh) | 2021-10-11 | 2021-10-11 | 一种面向进港运动船舶的无人机查证路线规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113624241A CN113624241A (zh) | 2021-11-09 |
CN113624241B true CN113624241B (zh) | 2022-01-28 |
Family
ID=78390824
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111179065.3A Active CN113624241B (zh) | 2021-10-11 | 2021-10-11 | 一种面向进港运动船舶的无人机查证路线规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113624241B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114462691B (zh) * | 2022-01-21 | 2022-11-11 | 中国人民解放军66136部队 | 一种面向进港运动船舶的巡逻艇查证路线规划方法 |
CN114596729B (zh) * | 2022-02-22 | 2023-04-07 | 中国人民解放军国防科技大学 | 港口区封锁控制商船的方法和控制设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104281894A (zh) * | 2014-10-30 | 2015-01-14 | 大连海事大学 | 基于航道与泊位资源的船舶调度优化方法 |
CN112819255A (zh) * | 2021-03-08 | 2021-05-18 | 吉林大学 | 基于粒子群-遗传算法的多准则船舶航线确定方法、装置、计算机设备及可存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8082102B2 (en) * | 2008-01-14 | 2011-12-20 | The Boeing Company | Computing flight plans for UAVs while routing around obstacles having spatial and temporal dimensions |
CN108981716B (zh) * | 2018-08-22 | 2020-06-16 | 集美大学 | 一种适用于内陆和近海无人船的路径规划方法 |
CN110196986A (zh) * | 2019-03-06 | 2019-09-03 | 智慧航海(青岛)科技有限公司 | 基于气象环境信息的无人船舶最短航时航线优化方法 |
CN113361765B (zh) * | 2021-05-31 | 2023-12-12 | 大连海事大学 | 一种船载无人机协同监测港口船舶大气污染路径规划的方法 |
-
2021
- 2021-10-11 CN CN202111179065.3A patent/CN113624241B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104281894A (zh) * | 2014-10-30 | 2015-01-14 | 大连海事大学 | 基于航道与泊位资源的船舶调度优化方法 |
CN112819255A (zh) * | 2021-03-08 | 2021-05-18 | 吉林大学 | 基于粒子群-遗传算法的多准则船舶航线确定方法、装置、计算机设备及可存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113624241A (zh) | 2021-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113624241B (zh) | 一种面向进港运动船舶的无人机查证路线规划方法 | |
Liu et al. | Self-adaptive dynamic obstacle avoidance and path planning for USV under complex maritime environment | |
Jain et al. | Blockchain and autonomous vehicles: Recent advances and future directions | |
CN108216229A (zh) | 交通工具、道路线检测和驾驶控制方法及装置 | |
CN112947485B (zh) | 路径规划方法及系统 | |
CN114047785B (zh) | 一种无人机集群协同搜索多运动目标的方法和系统 | |
CN112698646B (zh) | 一种基于强化学习的航行器路径规划方法 | |
CN107886750A (zh) | 一种基于超视距协同认知的无人驾驶汽车控制方法与系统 | |
CN113156947A (zh) | 一种船舶在动态环境下的路径规划的方法 | |
CN107677287A (zh) | 基于卷积神经网络的自动导航小车系统及小车循线方法 | |
Han et al. | ADS-lead: Lifelong anomaly detection in autonomous driving systems | |
Yang et al. | Multi agents to search and rescue based on group intelligent algorithm and edge computing | |
CN110749325B (zh) | 航迹规划方法和装置 | |
Krogstad et al. | Autonomous survey and identification planning for AUV MCM operations | |
CN111090273A (zh) | 一种auv航行控制参数的在线设置方法 | |
CN114462691B (zh) | 一种面向进港运动船舶的巡逻艇查证路线规划方法 | |
Zhu et al. | Maritime unmanned vehicle cruise path planning for maritime information collection | |
CN111553559A (zh) | 无人艇综合能力的测试方法、装置及系统 | |
Wang et al. | PSE-D model-based cooperative path planning for UAV&USV systems in anti-submarine search missions | |
Khalil et al. | A Novel Bio-Inspired Path Planning for Autonomous Underwater Vehicle for Search and Tracing of Underwater Target | |
CN117910674B (zh) | 一种基于机器学习的海上船舶指挥方法及系统 | |
CN115507852B (zh) | 一种基于区块链和强化注意力学习的多无人机路径规划方法 | |
CN112215414B (zh) | 一种基于相似度模型的多机协同航路规划方法及系统 | |
CN116481546B (zh) | 一种无人机航标巡检的路径规划方法 | |
Shon et al. | A study of AI-based harbor surveillance system |
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 |