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 PDF

Info

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
Application number
CN202111179065.3A
Other languages
English (en)
Other versions
CN113624241A (zh
Inventor
杨国利
赵兴刚
赵翌僮
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.)
Pla 66136 Unit
Original Assignee
Pla 66136 Unit
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 Pla 66136 Unit filed Critical Pla 66136 Unit
Priority to CN202111179065.3A priority Critical patent/CN113624241B/zh
Publication of CN113624241A publication Critical patent/CN113624241A/zh
Application granted granted Critical
Publication of CN113624241B publication Critical patent/CN113624241B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

一种面向进港运动船舶的无人机查证路线规划方法
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。
进一步的，步骤S1中，船舶
Figure 430676DEST_PATH_IMAGE001
从其初始位置，以速度
Figure 878975DEST_PATH_IMAGE002
沿航行方向
Figure 455449DEST_PATH_IMAGE003
抵达监管处置线位置的时间可定义如下：
Figure 585079DEST_PATH_IMAGE004
其中，
Figure 681343DEST_PATH_IMAGE005
表示船舶
Figure 300543DEST_PATH_IMAGE006
的初始位置，
Figure 98734DEST_PATH_IMAGE007
表示船舶
Figure 32055DEST_PATH_IMAGE006
抵达监管处置线CD位置，
Figure 497672DEST_PATH_IMAGE002
为船舶运动速度，下标
Figure 271462DEST_PATH_IMAGE008
表示船舶序号。
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：
Figure 760212DEST_PATH_IMAGE009
其中，
Figure 293961DEST_PATH_IMAGE010
表示查证总时间上限，
Figure 348505DEST_PATH_IMAGE011
表示船舶
Figure 512770DEST_PATH_IMAGE001
到达监管处置线位置CD的时间，
Figure 285554DEST_PATH_IMAGE008
的取值范围为1~N。
进一步的，步骤S2中，所述无人机以速度
Figure 108148DEST_PATH_IMAGE012
飞行，令
Figure 486039DEST_PATH_IMAGE013
为第
Figure 352364DEST_PATH_IMAGE014
架无人机查证识别完第
Figure 878023DEST_PATH_IMAGE015
艘船舶后与第
Figure 691259DEST_PATH_IMAGE016
艘船会合所需要的飞行时间，则飞行时间的计算包括以下步骤：
S21：假设
Figure 720395DEST_PATH_IMAGE017
时刻相邻船舶
Figure 538047DEST_PATH_IMAGE018
和
Figure 19844DEST_PATH_IMAGE019
的位置分别为
Figure 636770DEST_PATH_IMAGE020
和
Figure 785991DEST_PATH_IMAGE021
，一架无人机计划先后对
Figure 462960DEST_PATH_IMAGE018
和
Figure 432053DEST_PATH_IMAGE019
进行查证，在
Figure 400141DEST_PATH_IMAGE017
时刻该无人机首先开始对船舶
Figure 607131DEST_PATH_IMAGE018
进行查证识别，
Figure 251739DEST_PATH_IMAGE022
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
Figure 973707DEST_PATH_IMAGE018
的速度为
Figure 729174DEST_PATH_IMAGE023
，船舶
Figure 525091DEST_PATH_IMAGE019
的速度为
Figure 855447DEST_PATH_IMAGE024
；
S22：
Figure 799133DEST_PATH_IMAGE025
时刻，无人机结束对船舶
Figure 561552DEST_PATH_IMAGE018
的查证，开始飞向下一艘待查证的船舶
Figure 539873DEST_PATH_IMAGE019
；在
Figure 260704DEST_PATH_IMAGE025
时刻，由于船舶起始位置已知，航向、航速确定，那么能够得到船舶
Figure 894948DEST_PATH_IMAGE018
和
Figure 742949DEST_PATH_IMAGE019
的位置分别为
Figure 841355DEST_PATH_IMAGE026
和
Figure 936350DEST_PATH_IMAGE027
，其中，
Figure 854627DEST_PATH_IMAGE028
Figure 21167DEST_PATH_IMAGE029
S23：假设无人机以巡航速度
Figure 646183DEST_PATH_IMAGE012
经过
Figure 247101DEST_PATH_IMAGE030
时间后，在
Figure 652675DEST_PATH_IMAGE031
时刻于
Figure 560588DEST_PATH_IMAGE033
处与船舶
Figure 102428DEST_PATH_IMAGE019
相遇，并开始对其进行查证，由于相遇位置
Figure 867121DEST_PATH_IMAGE033
在船舶
Figure 697674DEST_PATH_IMAGE019
的航线上，那么能够得到下列方程组
Figure 956748DEST_PATH_IMAGE035
进一步求解上式可以获得两艘船舶查证间隔时间
Figure 353095DEST_PATH_IMAGE030
:
Figure 226373DEST_PATH_IMAGE036
+
Figure 340959DEST_PATH_IMAGE037
其中，
Figure 387413DEST_PATH_IMAGE038
，
Figure 107107DEST_PATH_IMAGE039
分别表示对船舶
Figure 462871DEST_PATH_IMAGE018
查证结束时刻，相邻船舶
Figure 64753DEST_PATH_IMAGE018
和
Figure 852581DEST_PATH_IMAGE019
这两个船舶的横纵位置差；
Figure 489098DEST_PATH_IMAGE040
进一步可得到无人机与船舶
Figure 500917DEST_PATH_IMAGE019
相遇位置为
Figure 527779DEST_PATH_IMAGE042
其中，
Figure 932346DEST_PATH_IMAGE030
为无人机对两艘船舶
Figure 361054DEST_PATH_IMAGE018
和
Figure 543773DEST_PATH_IMAGE019
查证间隔时间，
Figure 385827DEST_PATH_IMAGE043
表示船舶
Figure 515457DEST_PATH_IMAGE019
的航向角度；
S24：通过递推，能够得到第
Figure 595409DEST_PATH_IMAGE014
架无人机查证完第
Figure 729456DEST_PATH_IMAGE044
艘船舶后与第
Figure 730910DEST_PATH_IMAGE016
艘船会合前所需要的飞行时间即为查证间隔时间：
Figure 460968DEST_PATH_IMAGE045
+
Figure 661006DEST_PATH_IMAGE046
其中，
Figure 654369DEST_PATH_IMAGE047
，
Figure 205437DEST_PATH_IMAGE048
分别表示对船舶
Figure 224339DEST_PATH_IMAGE044
查证结束时刻，相邻两船舶的横纵位置差，
Figure 482145DEST_PATH_IMAGE049
表示船舶
Figure 708727DEST_PATH_IMAGE016
的航向角度，
Figure 215932DEST_PATH_IMAGE012
表示无人机的飞行速度。
进一步的，假设
Figure 491055DEST_PATH_IMAGE050
为无人机
Figure 931264DEST_PATH_IMAGE014
需要查证识别的一组船舶序列，计算该无人机对待查证船舶序列的查证总时间，包括以下步骤：
S31：查证识别船舶序列中第1艘船舶：无人机于时刻
Figure 46857DEST_PATH_IMAGE017
首先开始对
Figure 510199DEST_PATH_IMAGE051
进行绕飞查证识别，那么完成查证时刻为
Figure 385751DEST_PATH_IMAGE052
，届时该序列中各船舶的位置坐标分别记为：
Figure 618149DEST_PATH_IMAGE053
其中，
Figure 655375DEST_PATH_IMAGE054
表示船舶
Figure 668331DEST_PATH_IMAGE055
在时刻
Figure 285257DEST_PATH_IMAGE056
的横纵坐标位置，
Figure 919632DEST_PATH_IMAGE057
为无人机对单艘船舶的查证时间，
Figure 658918DEST_PATH_IMAGE058
为船舶
Figure 831273DEST_PATH_IMAGE059
的航行速度，
Figure 48628DEST_PATH_IMAGE060
为船舶
Figure 52356DEST_PATH_IMAGE059
的航向角度；
S32：无人机飞行前往与第2艘船舶会合：无人机查证完第1艘船舶，经过
Figure 634647DEST_PATH_IMAGE061
分钟后与
Figure 605883DEST_PATH_IMAGE062
序列中第2艘船舶
Figure 361349DEST_PATH_IMAGE063
会合开始进行查证，那么查证间隔时间
Figure 422846DEST_PATH_IMAGE064
的计算结果为：
Figure 503935DEST_PATH_IMAGE065
+
Figure 447620DEST_PATH_IMAGE066
其中，
Figure 944460DEST_PATH_IMAGE067
，
Figure 673513DEST_PATH_IMAGE068
；那么二者会合时刻，即
Figure 659923DEST_PATH_IMAGE070
时刻，
Figure 294167DEST_PATH_IMAGE071
序列中各个船舶的位置分别记为：
Figure 657015DEST_PATH_IMAGE073
其中，
Figure 224263DEST_PATH_IMAGE064
为无人机
Figure 584837DEST_PATH_IMAGE074
对两艘船舶
Figure 17961DEST_PATH_IMAGE075
和
Figure 856604DEST_PATH_IMAGE076
查证间隔时间，
Figure 543938DEST_PATH_IMAGE077
为船舶
Figure 137730DEST_PATH_IMAGE078
的航行速度，
Figure 277724DEST_PATH_IMAGE060
为船舶
Figure 185637DEST_PATH_IMAGE059
的航向角度；
S33：查证识别第2艘船舶：无人机于时刻
Figure 743789DEST_PATH_IMAGE079
（单位：分钟）开始对
Figure 446166DEST_PATH_IMAGE076
进行绕飞查证，识别时长
Figure 73456DEST_PATH_IMAGE080
分钟，那么完成查证时刻为
Figure 316219DEST_PATH_IMAGE081
，届时该序列中各船舶的位置坐标分别记为：
Figure 181406DEST_PATH_IMAGE083
其中，
Figure 117001DEST_PATH_IMAGE084
为无人机对单艘船舶的查证时间，
Figure 480856DEST_PATH_IMAGE085
为船舶
Figure 464992DEST_PATH_IMAGE078
的航行速度，
Figure 981424DEST_PATH_IMAGE060
为船舶
Figure 87920DEST_PATH_IMAGE078
的航向角度；
S34：飞行前往与第
Figure 893065DEST_PATH_IMAGE086
艘船舶会合：同理类推，无人机查证完第
Figure 743210DEST_PATH_IMAGE087
艘船舶，经过
Figure 864881DEST_PATH_IMAGE088
分钟后与
Figure 79961DEST_PATH_IMAGE089
序列中第
Figure 169140DEST_PATH_IMAGE090
艘船舶
Figure 557396DEST_PATH_IMAGE091
会合开始进行查证，那么
Figure 986103DEST_PATH_IMAGE092
的计算结果为：
Figure 434402DEST_PATH_IMAGE093
+
Figure 214139DEST_PATH_IMAGE094
那么二者会合时刻，即
Figure 389775DEST_PATH_IMAGE096
时刻，
Figure 735305DEST_PATH_IMAGE097
序列中各个船舶的位置分别记为：
Figure 557768DEST_PATH_IMAGE099
其中，
Figure 355959DEST_PATH_IMAGE100
为无人机
Figure 86018DEST_PATH_IMAGE074
对两艘船舶
Figure 489318DEST_PATH_IMAGE101
和
Figure 30151DEST_PATH_IMAGE102
查证间隔时间，
Figure 315639DEST_PATH_IMAGE103
为船舶
Figure 52651DEST_PATH_IMAGE104
的航行速度，
Figure 107195DEST_PATH_IMAGE105
为船舶
Figure 68198DEST_PATH_IMAGE106
的航向角度；
S35：得到无人机查证完序列中所有船舶所需要的总时间为：
Figure 44244DEST_PATH_IMAGE107
其中，
Figure 365373DEST_PATH_IMAGE108
为无人机
Figure 274423DEST_PATH_IMAGE074
查证序列中船舶总数，
Figure 671906DEST_PATH_IMAGE109
为无人机对单艘船舶的查证时间，
Figure 666407DEST_PATH_IMAGE110
为无人机对船舶
Figure 745221DEST_PATH_IMAGE111
和
Figure 790669DEST_PATH_IMAGE112
查证间隔时间。
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：
Figure 827895DEST_PATH_IMAGE113
其中，
Figure 778534DEST_PATH_IMAGE114
第
Figure 192197DEST_PATH_IMAGE074
架无人机查证完
Figure 341419DEST_PATH_IMAGE115
序列所需要的时间；
包括以下步骤：
S41：给定初始状态下的无人机数量
Figure 752809DEST_PATH_IMAGE116
，由系统随机切分每架无人机查证的船舶序列，计算得到目标函数初始值
Figure 971169DEST_PATH_IMAGE117
，给定模拟退火算法中的初始温度
Figure 454103DEST_PATH_IMAGE118
和终止温度
Figure 192252DEST_PATH_IMAGE119
，迭代指标
Figure 40122DEST_PATH_IMAGE120
，
Figure 762091DEST_PATH_IMAGE121
；
S42：令当前无人机数量
Figure 268290DEST_PATH_IMAGE122
，随机选用交换法、位移法和倒置法，等概率随机生成新解
Figure 329786DEST_PATH_IMAGE123
，计算目标值增量
Figure 410875DEST_PATH_IMAGE124
；
S43：若
Figure 88981DEST_PATH_IMAGE125
，则令
Figure 851401DEST_PATH_IMAGE126
转第S44步；否则产生随机数
Figure 829721DEST_PATH_IMAGE127
，若
Figure 19394DEST_PATH_IMAGE128
，则令
Figure 699643DEST_PATH_IMAGE129
。
S44：若达到热平衡（内循环次数大于
Figure 62491DEST_PATH_IMAGE130
）转步骤S45；否则转步骤S42；
S45：降低
Figure 629739DEST_PATH_IMAGE131
，
Figure 990313DEST_PATH_IMAGE132
，若
Figure 908590DEST_PATH_IMAGE133
，则算法停止，否则转步骤S42；
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：
假设进港船舶总数为N，根据每艘船舶的起始位置、航速及航向，可确定船舶抵达监管处置线CD时间。具体的，船舶
Figure 560282DEST_PATH_IMAGE001
从其初始位置
Figure 450878DEST_PATH_IMAGE005
，以速度
Figure 44670DEST_PATH_IMAGE002
沿航行方向
Figure 184665DEST_PATH_IMAGE003
抵达监管处置线位置
Figure 826999DEST_PATH_IMAGE007
的时间可定义如下：
Figure 368838DEST_PATH_IMAGE004
（1）
其中，
Figure 382800DEST_PATH_IMAGE005
表示船舶
Figure 213353DEST_PATH_IMAGE134
的初始位置，
Figure 721694DEST_PATH_IMAGE007
表示船舶
Figure 383620DEST_PATH_IMAGE006
抵达监管处置线CD位置，
Figure 256898DEST_PATH_IMAGE002
为船舶运动速度，下标
Figure 105905DEST_PATH_IMAGE008
表示船舶序号。
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。
Figure 168670DEST_PATH_IMAGE009
（2）
其中，
Figure 888364DEST_PATH_IMAGE010
表示查证总时间上限，
Figure 994861DEST_PATH_IMAGE011
表示船舶
Figure 331164DEST_PATH_IMAGE001
到达监管处置线位置CD的时间，下标
Figure 118992DEST_PATH_IMAGE008
的取值范围为1~N。
对于步骤S2：
当无人机以速度
Figure 755509DEST_PATH_IMAGE012
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
Figure 970590DEST_PATH_IMAGE013
为第
Figure 309036DEST_PATH_IMAGE014
架无人机查证识别完第
Figure 697292DEST_PATH_IMAGE044
艘船舶后与第
Figure 391579DEST_PATH_IMAGE016
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
Figure 574299DEST_PATH_IMAGE017
时刻船舶
Figure 150773DEST_PATH_IMAGE018
和
Figure 280403DEST_PATH_IMAGE019
的位置分别为
Figure 376666DEST_PATH_IMAGE020
和
Figure 995867DEST_PATH_IMAGE021
，一架无人机计划先后对
Figure 997321DEST_PATH_IMAGE018
和
Figure 727379DEST_PATH_IMAGE019
进行查证。在
Figure 192996DEST_PATH_IMAGE017
时刻该无人机首先开始对船舶
Figure 920780DEST_PATH_IMAGE018
进行查证识别，假设识别时间固定为
Figure 721115DEST_PATH_IMAGE135
分钟，或者说，
Figure 254864DEST_PATH_IMAGE135
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
Figure 512670DEST_PATH_IMAGE018
原有航线对该船舶进行绕飞查证。船舶
Figure 473673DEST_PATH_IMAGE018
的速度为
Figure 246457DEST_PATH_IMAGE023
，船舶
Figure 521581DEST_PATH_IMAGE019
的速度为
Figure 446943DEST_PATH_IMAGE024
。
（b）
Figure 578847DEST_PATH_IMAGE025
时刻，无人机结束对船舶
Figure 776610DEST_PATH_IMAGE018
的查证，开始飞向下一艘待查证的船舶
Figure 917741DEST_PATH_IMAGE019
。在
Figure 884560DEST_PATH_IMAGE025
时刻，假设船舶
Figure 187365DEST_PATH_IMAGE018
和
Figure 184009DEST_PATH_IMAGE019
的位置分别为
Figure 597673DEST_PATH_IMAGE136
和
Figure 684578DEST_PATH_IMAGE027
。由于船舶起始位置已知，航向、航速一定，那么可以计算得到：
Figure 423864DEST_PATH_IMAGE028
（3）
Figure 596219DEST_PATH_IMAGE029
（4）
（c）假设无人机以巡航速度
Figure 813574DEST_PATH_IMAGE012
经过
Figure 568034DEST_PATH_IMAGE030
时间后，在
Figure 415904DEST_PATH_IMAGE031
时刻于
Figure 872294DEST_PATH_IMAGE033
处与船舶
Figure 893339DEST_PATH_IMAGE019
相遇，并开始对其进行查证。由于相遇位置
Figure 954836DEST_PATH_IMAGE033
在船舶
Figure 504766DEST_PATH_IMAGE019
的航线上，那么可以得到下列方程组：
Figure 963298DEST_PATH_IMAGE035
（5）
进一步求解上式可以获得两艘船舶查证间隔时间
Figure 725718DEST_PATH_IMAGE137
:
Figure 704038DEST_PATH_IMAGE036
+
Figure 690449DEST_PATH_IMAGE037
（6）
其中，
Figure 59113DEST_PATH_IMAGE038
，
Figure 421961DEST_PATH_IMAGE039
分别表示对船舶
Figure 5521DEST_PATH_IMAGE018
查证结束时刻，相邻船舶
Figure 366095DEST_PATH_IMAGE018
和
Figure 284372DEST_PATH_IMAGE019
这两个船舶的横纵位置差：
Figure 185332DEST_PATH_IMAGE040
（7）
进一步可得到无人机与船舶
Figure 75928DEST_PATH_IMAGE019
相遇位置为：
Figure 669720DEST_PATH_IMAGE042
（8）
其中，
Figure 894919DEST_PATH_IMAGE030
为无人机对两艘船舶
Figure 537253DEST_PATH_IMAGE018
和
Figure 344672DEST_PATH_IMAGE019
查证间隔时间，
Figure 843787DEST_PATH_IMAGE043
表示船舶
Figure 674340DEST_PATH_IMAGE019
的航向角度。
（d）通过递推，可得到第
Figure 182681DEST_PATH_IMAGE014
架无人机查证完第
Figure 782290DEST_PATH_IMAGE044
艘船舶后与第
Figure 203038DEST_PATH_IMAGE016
艘船会合所需要的飞行时间为：
Figure 583204DEST_PATH_IMAGE045
+
Figure 629657DEST_PATH_IMAGE046
（9）
其中，
Figure 83772DEST_PATH_IMAGE047
，
Figure 190269DEST_PATH_IMAGE048
分别表示对船舶
Figure 995414DEST_PATH_IMAGE044
查证结束时刻，当前船舶
Figure 829246DEST_PATH_IMAGE044
和下一艘船舶
Figure 465764DEST_PATH_IMAGE016
这两相邻船舶的横纵位置差，
Figure 680845DEST_PATH_IMAGE138
表示船舶
Figure 770023DEST_PATH_IMAGE016
的航向角度，
Figure 158279DEST_PATH_IMAGE012
表示无人机的飞行速度。
对于步骤S3：
假设
Figure 586987DEST_PATH_IMAGE050
为无人机
Figure 786018DEST_PATH_IMAGE014
需要查证识别的船舶序列，该序列中待查证船舶数量为
Figure 362493DEST_PATH_IMAGE139
，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：
（a）查证识别序列P i 中第1艘船舶：无人机于时刻
Figure 492123DEST_PATH_IMAGE017
首先开始对
Figure 103233DEST_PATH_IMAGE051
进行绕飞查证识别，那么完成查证时刻为
Figure 456854DEST_PATH_IMAGE052
，届时该序列中各船舶的位置坐标分别记为：
Figure 35471DEST_PATH_IMAGE053
（10）
其中，
Figure 968792DEST_PATH_IMAGE054
表示船舶
Figure 168830DEST_PATH_IMAGE055
在时刻
Figure 958931DEST_PATH_IMAGE056
的横纵坐标位置，
Figure 447681DEST_PATH_IMAGE057
为无人机对单艘船舶的查证时间，
Figure 732163DEST_PATH_IMAGE058
为船舶
Figure 989969DEST_PATH_IMAGE059
的航行速度，
Figure 950972DEST_PATH_IMAGE060
为船舶
Figure 989335DEST_PATH_IMAGE059
的航向角度。
（b）飞行前往与序列P i 中第2艘船舶会合：无人机查证完第1艘船舶，经过
Figure 998879DEST_PATH_IMAGE061
分钟后与
Figure 173509DEST_PATH_IMAGE062
序列中第2艘船舶会合开始进行查证，那么
Figure 554680DEST_PATH_IMAGE064
的计算结果为：
Figure 18023DEST_PATH_IMAGE065
+
Figure 893575DEST_PATH_IMAGE066
（11）
其中，
Figure 922711DEST_PATH_IMAGE067
，
Figure 428779DEST_PATH_IMAGE068
。那么无人机与第2艘船舶的二者会合时刻，即
Figure DEST_PATH_IMAGE140
时刻，
Figure 458046DEST_PATH_IMAGE071
序列中各个船舶的位置分别记为：
Figure 74972DEST_PATH_IMAGE073
（12）
其中，
Figure 224193DEST_PATH_IMAGE064
为无人机
Figure 901162DEST_PATH_IMAGE074
对两艘船舶
Figure 135835DEST_PATH_IMAGE075
和
Figure 87610DEST_PATH_IMAGE076
查证间隔时间，
Figure 294600DEST_PATH_IMAGE077
为船舶
Figure 454055DEST_PATH_IMAGE078
的航行速度，
Figure 910444DEST_PATH_IMAGE060
为船舶
Figure 869173DEST_PATH_IMAGE059
的航向角度。
（c）查证识别序列P i 中第2艘船舶：无人机于时刻
Figure 727408DEST_PATH_IMAGE079
（单位：分钟）开始对
Figure 746179DEST_PATH_IMAGE076
进行绕飞查证，识别时长
Figure 689864DEST_PATH_IMAGE080
分钟，那么完成查证时刻为
Figure 265333DEST_PATH_IMAGE141
，届时该序列中各船舶的位置坐标分别记为：
Figure 181337DEST_PATH_IMAGE083
（13）
其中，
Figure 167747DEST_PATH_IMAGE084
为无人机对单艘船舶的查证时间，
Figure 598729DEST_PATH_IMAGE085
为船舶
Figure 899260DEST_PATH_IMAGE078
的航行速度，
Figure 997666DEST_PATH_IMAGE060
为船舶
Figure 92661DEST_PATH_IMAGE078
的航向角度。
（d）飞行前往与第
Figure 260206DEST_PATH_IMAGE086
艘船舶会合：同理类推，无人机查证完第
Figure 426745DEST_PATH_IMAGE087
艘船舶，经过
Figure 51762DEST_PATH_IMAGE088
分钟后与
Figure 645554DEST_PATH_IMAGE089
序列中第
Figure 785548DEST_PATH_IMAGE090
艘船舶
Figure 693461DEST_PATH_IMAGE091
会合开始进行查证，那么
Figure 251613DEST_PATH_IMAGE092
的计算结果为：
Figure 953990DEST_PATH_IMAGE093
+
Figure 581280DEST_PATH_IMAGE094
（14）
那么二者会合时刻，即
Figure 89622DEST_PATH_IMAGE096
时刻，
Figure 485968DEST_PATH_IMAGE097
序列中各个船舶的位置分别记为：
Figure 359246DEST_PATH_IMAGE099
（15）
其中，
Figure 988679DEST_PATH_IMAGE100
为无人机
Figure 769554DEST_PATH_IMAGE074
对两艘船舶
Figure 489248DEST_PATH_IMAGE101
和
Figure 595744DEST_PATH_IMAGE102
查证间隔时间，
Figure 197627DEST_PATH_IMAGE142
为船舶
Figure 985454DEST_PATH_IMAGE104
的航行速度，
Figure 372704DEST_PATH_IMAGE105
为船舶
Figure 587785DEST_PATH_IMAGE106
的航向角度。
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：
Figure 411385DEST_PATH_IMAGE107
（16）
其中，
Figure 65220DEST_PATH_IMAGE108
为无人机
Figure 493927DEST_PATH_IMAGE074
查证序列中船舶总数，
Figure 676647DEST_PATH_IMAGE109
为无人机对单艘船舶的查证时间，
Figure 767968DEST_PATH_IMAGE110
为无人机对船舶
Figure 897599DEST_PATH_IMAGE111
和
Figure 243129DEST_PATH_IMAGE112
查证间隔时间。
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：
Figure 862329DEST_PATH_IMAGE143
（17）
其中，
Figure 863783DEST_PATH_IMAGE114
第
Figure 859421DEST_PATH_IMAGE074
架无人机查证完
Figure 544612DEST_PATH_IMAGE115
序列所需要的时间。算法求解的计算步骤为：
第1步：给定无人机数量
Figure 537975DEST_PATH_IMAGE116
，由系统随机切分每架无人机查证的船舶序列，计算得到目标函数初始值
Figure 89042DEST_PATH_IMAGE117
，给定初始温度
Figure 560475DEST_PATH_IMAGE118
和终止温度
Figure 880598DEST_PATH_IMAGE119
，迭代指标
Figure 841601DEST_PATH_IMAGE144
，
Figure 552068DEST_PATH_IMAGE121
。
第2步：令当前无人机数量
Figure 873197DEST_PATH_IMAGE122
，随机选用交换法、位移法和倒置法，等概率随机生成新解
Figure 313405DEST_PATH_IMAGE145
，计算目标值增量
Figure 382992DEST_PATH_IMAGE124
。
第3步：若
Figure 908652DEST_PATH_IMAGE125
，则令
Figure 518625DEST_PATH_IMAGE126
转第4步；否则产生随机数
Figure 751023DEST_PATH_IMAGE127
，若
Figure 804561DEST_PATH_IMAGE128
，则令
Figure 755199DEST_PATH_IMAGE129
。
第4步：若达到热平衡（内循环次数大于
Figure 434442DEST_PATH_IMAGE146
）转第5步；否则转第2步。
第5步：降低
Figure 318084DEST_PATH_IMAGE131
，
Figure 995053DEST_PATH_IMAGE132
，若
Figure 229726DEST_PATH_IMAGE133
，则算法停止，否则转第2步。
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
Figure 430769DEST_PATH_IMAGE147
分钟；无人机的飞行速度恒定，均为
Figure 637759DEST_PATH_IMAGE148
。
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。
通过步骤1确定最早抵达处置线CD的时间，即
Figure 282367DEST_PATH_IMAGE149
（约504分钟）。
给定无人机数量
Figure 942019DEST_PATH_IMAGE150
，通过多次参数调整求解得到接近全局最优解的目标函数值
Figure 697485DEST_PATH_IMAGE151
，若
Figure 821299DEST_PATH_IMAGE152
，则设定
Figure 840070DEST_PATH_IMAGE153
，继续求解，直到当
Figure 534488DEST_PATH_IMAGE154
时，计算停止，此时的
Figure 93645DEST_PATH_IMAGE155
即为所需要的最少无人机数量。
如图5所示，经计算，当无人机数量取
Figure 9649DEST_PATH_IMAGE156
时，无人机最大路径耗时计算结果达到收敛，实验结果显示，无人机最大路径耗时为494.3min，小于
Figure 261639DEST_PATH_IMAGE157
，满足条件，因而确定所需要的最少无人机数量为4架。
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；
船舶
Figure DEST_PATH_IMAGE001
从其初始位置，以速度
Figure 824772DEST_PATH_IMAGE002
沿航行方向
Figure DEST_PATH_IMAGE003
抵达监管处置线位置的时间可定义如下：
Figure 28351DEST_PATH_IMAGE004
其中，
Figure DEST_PATH_IMAGE005
表示船舶
Figure 902766DEST_PATH_IMAGE001
的初始位置，
Figure 341838DEST_PATH_IMAGE006
表示船舶
Figure DEST_PATH_IMAGE007
抵达监管处置线CD位置，
Figure 8311DEST_PATH_IMAGE002
为船舶运动速度，下标
Figure 241847DEST_PATH_IMAGE008
表示船舶序号；
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：
Figure DEST_PATH_IMAGE009
其中，
Figure 603558DEST_PATH_IMAGE010
表示查证总时间上限，
Figure DEST_PATH_IMAGE011
表示船舶
Figure 721687DEST_PATH_IMAGE001
到达监管处置线位置CD的时间，
Figure 852454DEST_PATH_IMAGE008
的取值范围为1~N；
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；
所述无人机以速度
Figure 256890DEST_PATH_IMAGE012
飞行，令
Figure 840318DEST_PATH_IMAGE013
为第
Figure DEST_PATH_IMAGE014
架无人架查证识别完第
Figure 745826DEST_PATH_IMAGE015
艘船舶后与第
Figure DEST_PATH_IMAGE016
艘船会合所需要的飞行时间，则飞行时间的计算包括以下步骤：
S21：假设
Figure 996679DEST_PATH_IMAGE017
时刻相邻船舶
Figure DEST_PATH_IMAGE018
和
Figure 837596DEST_PATH_IMAGE019
的位置分别为
Figure DEST_PATH_IMAGE020
和
Figure 49266DEST_PATH_IMAGE021
，一架无人机计划先后对
Figure 368252DEST_PATH_IMAGE018
和
Figure 473611DEST_PATH_IMAGE019
进行查证，在
Figure 219850DEST_PATH_IMAGE017
时刻该无人机首先开始对船舶
Figure 512291DEST_PATH_IMAGE018
进行查证识别，
Figure DEST_PATH_IMAGE022
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
Figure 25181DEST_PATH_IMAGE018
的速度为
Figure 985047DEST_PATH_IMAGE023
，船舶
Figure 636608DEST_PATH_IMAGE019
的速度为
Figure DEST_PATH_IMAGE024
；
S22：
Figure 88449DEST_PATH_IMAGE025
时刻，无人机结束对船舶
Figure DEST_PATH_IMAGE026
的查证，开始飞向下一艘待查证的船舶
Figure 749237DEST_PATH_IMAGE019
；在
Figure 563610DEST_PATH_IMAGE025
时刻，由于船舶起始位置已知，航向、航速确定，那么能够得到船舶
Figure 917230DEST_PATH_IMAGE026
和
Figure 574477DEST_PATH_IMAGE019
的位置分别为
Figure 773377DEST_PATH_IMAGE027
和
Figure DEST_PATH_IMAGE028
，其中具体计算方法为：
Figure 707835DEST_PATH_IMAGE029
Figure DEST_PATH_IMAGE030
S23：假设无人机以巡航速度
Figure 232357DEST_PATH_IMAGE012
经过
Figure 127632DEST_PATH_IMAGE031
时间后，在
Figure DEST_PATH_IMAGE032
时刻于
Figure 130223DEST_PATH_IMAGE033
处与船舶
Figure 919187DEST_PATH_IMAGE019
相遇，并开始对其进行查证，由于相遇位置
Figure 614611DEST_PATH_IMAGE033
在船舶
Figure 980870DEST_PATH_IMAGE019
的航线上，那么能够得到下列方程组
Figure DEST_PATH_IMAGE034
进一步求解上式可以获得两艘船舶查证间隔时间
Figure 787152DEST_PATH_IMAGE031
:
Figure DEST_PATH_IMAGE036
+
Figure 961782DEST_PATH_IMAGE037
其中，
Figure DEST_PATH_IMAGE038
，
Figure 437894DEST_PATH_IMAGE039
分别表示对船舶
Figure 432394DEST_PATH_IMAGE026
查证结束时刻，相邻船舶
Figure 776788DEST_PATH_IMAGE026
和
Figure 274765DEST_PATH_IMAGE019
这两个船舶的横纵位置差；
Figure DEST_PATH_IMAGE040
进一步可得到无人机与船舶
Figure 436625DEST_PATH_IMAGE019
相遇位置为
Figure 918422DEST_PATH_IMAGE041
其中，
Figure DEST_PATH_IMAGE042
为无人机对两艘船舶
Figure 66507DEST_PATH_IMAGE026
和
Figure 684570DEST_PATH_IMAGE019
查证间隔时间，
Figure 768064DEST_PATH_IMAGE043
表示船舶
Figure 205998DEST_PATH_IMAGE019
的航向角度；
S24：通过递推，能够得到第
Figure 892195DEST_PATH_IMAGE014
架无人架查证完第
Figure 630343DEST_PATH_IMAGE015
艘船舶后与第
Figure 743793DEST_PATH_IMAGE016
艘船会合前所需要的飞行时间即为查证间隔时间：
Figure 669024DEST_PATH_IMAGE045
+
Figure DEST_PATH_IMAGE046
其中，
Figure 549124DEST_PATH_IMAGE047
，
Figure DEST_PATH_IMAGE048
分别表示对船舶
Figure 141779DEST_PATH_IMAGE015
查证结束时刻，相邻两船舶的横纵位置差，
Figure 691709DEST_PATH_IMAGE049
表示船舶
Figure 245181DEST_PATH_IMAGE016
的航向角度，
Figure 273180DEST_PATH_IMAGE012
表示无人机的飞行速度；
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。
2.根据权利要求1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：假设
Figure 454763DEST_PATH_IMAGE050
为无人机
Figure 175594DEST_PATH_IMAGE014
需要查证识别的一组船舶序列，计算该无人机对待查证船舶序列的查证总时间，包括以下步骤：
S31：查证识别船舶序列中第1艘船舶：无人机于时刻
Figure 340996DEST_PATH_IMAGE017
首先开始对
Figure DEST_PATH_IMAGE051
进行绕飞查证识别，那么完成查证时刻为
Figure 297320DEST_PATH_IMAGE052
，届时该序列中各船舶的位置坐标分别记为：
Figure DEST_PATH_IMAGE053
其中，
Figure 864567DEST_PATH_IMAGE054
表示船舶
Figure DEST_PATH_IMAGE055
在时刻
Figure 756300DEST_PATH_IMAGE056
的横纵坐标位置，
Figure DEST_PATH_IMAGE057
为无人机对单艘船舶的查证时间，
Figure 549944DEST_PATH_IMAGE058
为船舶
Figure DEST_PATH_IMAGE059
的航行速度，
Figure 919745DEST_PATH_IMAGE060
为船舶
Figure 341499DEST_PATH_IMAGE059
的航向角度；
S32：无人机飞行前往与第2艘船舶会合：无人机查证完第1艘船舶，经过
Figure DEST_PATH_IMAGE061
分钟后与
Figure 794346DEST_PATH_IMAGE062
序列中第2艘船舶
Figure DEST_PATH_IMAGE063
会合开始进行查证，那么查证间隔时间
Figure 668761DEST_PATH_IMAGE064
的计算结果为：
Figure 107833DEST_PATH_IMAGE066
+
Figure DEST_PATH_IMAGE067
其中，
Figure 259460DEST_PATH_IMAGE068
，
Figure DEST_PATH_IMAGE069
；那么二者会合时刻，即
Figure 758574DEST_PATH_IMAGE070
时刻，
Figure DEST_PATH_IMAGE071
序列中各个船舶的位置分别记为：
Figure 120285DEST_PATH_IMAGE072
其中，
Figure DEST_PATH_IMAGE073
为无人机
Figure DEST_PATH_IMAGE075
对两艘船舶
Figure 222102DEST_PATH_IMAGE076
和
Figure DEST_PATH_IMAGE077
查证间隔时间，
Figure 884028DEST_PATH_IMAGE078
为船舶
Figure 163831DEST_PATH_IMAGE079
的航行速度，
Figure 747259DEST_PATH_IMAGE060
为船舶
Figure 262554DEST_PATH_IMAGE059
的航向角度；
S33：查证识别第2艘船舶：无人机于时刻
Figure DEST_PATH_IMAGE080
开始对
Figure 778986DEST_PATH_IMAGE077
进行绕飞查证，识别时长
Figure 88744DEST_PATH_IMAGE081
分钟，那么完成查证时刻为
Figure DEST_PATH_IMAGE082
，届时该序列中各船舶的位置坐标分别记为：
Figure 815261DEST_PATH_IMAGE083
其中，
Figure DEST_PATH_IMAGE084
为无人机对单艘船舶的查证时间，
Figure 134247DEST_PATH_IMAGE085
为船舶
Figure 239606DEST_PATH_IMAGE079
的航行速度，
Figure 861211DEST_PATH_IMAGE060
为船舶
Figure 153652DEST_PATH_IMAGE079
的航向角度；
S34：飞行前往与第
Figure DEST_PATH_IMAGE086
艘船舶会合：同理类推，无人机查证完第
Figure 541908DEST_PATH_IMAGE087
艘船舶，经过
Figure DEST_PATH_IMAGE088
分钟后与
Figure 501774DEST_PATH_IMAGE089
序列中第
Figure DEST_PATH_IMAGE090
艘船舶
Figure 809127DEST_PATH_IMAGE091
会合开始进行查证，那么
Figure DEST_PATH_IMAGE092
的计算结果为：
Figure DEST_PATH_IMAGE094
+
Figure 385602DEST_PATH_IMAGE095
那么二者会合时刻，即
Figure DEST_PATH_IMAGE096
时刻，
Figure 187336DEST_PATH_IMAGE097
序列中各个船舶的位置分别记为：
Figure DEST_PATH_IMAGE098
其中，
Figure 1708DEST_PATH_IMAGE099
为无人机
Figure 355329DEST_PATH_IMAGE075
对两艘船舶
Figure DEST_PATH_IMAGE100
和
Figure 12576DEST_PATH_IMAGE101
查证间隔时间，
Figure DEST_PATH_IMAGE102
为船舶
Figure 477055DEST_PATH_IMAGE103
的航行速度，
Figure DEST_PATH_IMAGE104
为船舶
Figure 411513DEST_PATH_IMAGE105
的航向角度；
S35：得到无人机查证完序列中所有船舶所需要的总时间为：
Figure DEST_PATH_IMAGE106
其中，
Figure 76981DEST_PATH_IMAGE107
为无人机
Figure 831310DEST_PATH_IMAGE075
查证序列中船舶总数，
Figure DEST_PATH_IMAGE108
为无人机对单艘船舶的查证时间，
Figure 99480DEST_PATH_IMAGE109
为无人机对船舶
Figure DEST_PATH_IMAGE110
和
Figure 13079DEST_PATH_IMAGE111
查证间隔时间。
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：
Figure DEST_PATH_IMAGE112
其中，
Figure 708502DEST_PATH_IMAGE113
第
Figure 215707DEST_PATH_IMAGE075
架无人机查证完
Figure DEST_PATH_IMAGE114
序列所需要的时间；
包括以下步骤：
S41：给定初始状态下的无人机数量
Figure 897355DEST_PATH_IMAGE115
，由系统随机设置每架无人机的初始查证船舶序列，计算得到目标函数初始值
Figure DEST_PATH_IMAGE116
，设定模拟退火算法中的初始温度
Figure 806405DEST_PATH_IMAGE117
和终止温度
Figure DEST_PATH_IMAGE118
，迭代指标
Figure 672730DEST_PATH_IMAGE119
，
Figure 350504DEST_PATH_IMAGE120
；
S42：令当前无人机数量
Figure DEST_PATH_IMAGE121
，随机选用交换法、位移法和倒置法，等概率随机生成新解
Figure 960477DEST_PATH_IMAGE122
，计算目标值增量
Figure DEST_PATH_IMAGE123
；
S43：若
Figure 989613DEST_PATH_IMAGE124
，则令
Figure DEST_PATH_IMAGE125
转第S44步；否则产生随机数
Figure 636626DEST_PATH_IMAGE126
，若
Figure DEST_PATH_IMAGE127
，则令
Figure 384002DEST_PATH_IMAGE128
；
S44：若达到热平衡，即内循环次数大于
Figure DEST_PATH_IMAGE129
，转步骤S45；否则转步骤S42；
S45：降低
Figure 532087DEST_PATH_IMAGE130
，
Figure 274784DEST_PATH_IMAGE131
，若
Figure DEST_PATH_IMAGE132
，则算法停止，否则转步骤S42；
S46：输出结果，结束。
CN202111179065.3A 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 Active CN113624241B (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (2)

* Cited by examiner, † Cited by third party
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