CN113744570B - 一种桥区水域船舶防撞预警方法及装置 - Google Patents

一种桥区水域船舶防撞预警方法及装置 Download PDF

Info

Publication number
CN113744570B
CN113744570B CN202111295898.6A CN202111295898A CN113744570B CN 113744570 B CN113744570 B CN 113744570B CN 202111295898 A CN202111295898 A CN 202111295898A CN 113744570 B CN113744570 B CN 113744570B
Authority
CN
China
Prior art keywords
ship
target
target ship
collision
characteristic information
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
CN202111295898.6A
Other languages
English (en)
Other versions
CN113744570A (zh
Inventor
黄立文
陈家豪
张可
贺益雄
郝国柱
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.)
Wuhan University of Technology WUT
Original Assignee
Wuhan University of Technology WUT
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 Wuhan University of Technology WUT filed Critical Wuhan University of Technology WUT
Priority to CN202111295898.6A priority Critical patent/CN113744570B/zh
Publication of CN113744570A publication Critical patent/CN113744570A/zh
Application granted granted Critical
Publication of CN113744570B publication Critical patent/CN113744570B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G3/00Traffic control systems for marine craft
    • G08G3/02Anti-collision systems
    • GPHYSICS
    • G08SIGNALLING
    • G08BSIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B31/00Predictive alarm systems characterised by extrapolation or other computation using updated historic data

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Ocean & Marine Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Business, Economics & Management (AREA)
  • Computing Systems (AREA)
  • Emergency Management (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请涉及一种桥区水域船舶防撞预警方法及装置,其方法包括获取目标船舶的雷达特征信息和AIS特征信息,并判断所述雷达特征信息和AIS特征信息是否关联,若是,则确定目标船舶的航行特征参数;基于所述目标船舶的航行特征参数和预设动态影响参数,确定目标船舶的动态船舶领域;根据所述目标船舶的动态船舶领域和目标碰撞对象的位置,确定目标船舶被入侵深度因子,并根据所述目标船舶的航行特征参数中的航速,确定目标船舶被入侵速度因子;根据目标船舶被入侵深度因子和目标船舶被入侵速度因子,确定目标船舶的碰撞风险,若所述碰撞风险达到预设风险阈值,则触发碰撞预警。本申请能够有效提高船舶碰撞预警的准确性和实时性,从而减少事故发生。

Description

一种桥区水域船舶防撞预警方法及装置
技术领域
本申请涉及水上交通管理技术领域,尤其是涉及一种桥区水域船舶防撞预警方法及装置。
背景技术
目前,为提高水上交通信息化管理水平,减小船舶或船桥等碰撞事故带来的损失,有必要推广有效的船舶碰撞防御设施。
针对静态障碍物碰撞防御措施中,结构防撞装置被广泛接受,一般是采用构建消能缓冲材质、重力式防撞墩、人工防撞岛等方式减少船舶碰撞带来的损失。但是,从事故统计来看,目前发生的船舶事故中,结构防撞装置发挥的效能基本为零,主要原因是结构防撞对不同水域和不同船型的效果截然不同。此外,在桥区水域增设固定式防撞墩,造成桥区水域水流绕流,影响船舶操纵,同时造成涌水现象,抬高桥区水域水位。因此,本发明人认为在桥区水域的船舶碰撞防御方式还需要进一步改进。
发明内容
有鉴于此,本申请提供一种桥区水域船舶防撞预警方法及装置,基于交通环境信息智能感知、船舶避碰机理和智能避碰决策技术,有效解决现有船舶碰撞防御效果不高的技术问题。
为了解决上述问题,第一方面,本申请提供一种桥区水域船舶防撞预警方法,所述方法包括:
获取目标船舶的雷达特征信息和AIS特征信息,并判断所述雷达特征信息和AIS特征信息是否关联,若是,则确定目标船舶的航行特征参数;
基于所述目标船舶的航行特征参数和预设动态影响参数,确定目标船舶的动态船舶领域;
根据所述目标船舶的动态船舶领域和目标碰撞对象的位置,确定目标船舶被入侵深度因子,并根据所述目标船舶的航行特征参数中的航速,确定目标船舶被入侵速度因子;
根据目标船舶被入侵深度因子和目标船舶被入侵速度因子,确定目标船舶的碰撞风险,若所述碰撞风险达到预设风险阈值,则触发碰撞预警。
可选的,所述判断所述雷达特征信息和AIS特征信息是否关联之前,所述方法还包括:
建立神经网络模型;
获取多组训练样本,所述每组训练样本包括历史雷达特征信息和历史AIS特征信息;其中,历史雷达特征信息包括通过雷达设备获取的目标船舶相对目标碰撞对象的方位、航速以及航向;历史AIS特征信息包括通过AIS设备获取的目标船舶对于目标碰撞对象的方位、航速以及航向;
将所述训练样本输入至所述神经网络模型,计算所述历史雷达特征信息和历史AIS特征信息中每对对应参数之间的误差,并迭代训练所述神经网络模型的网络参数,使得平均损失误差最小,得到训练完备的神经网络模型。
可选的,所述判断所述雷达特征信息和AIS特征信息是否关联,包括:利用训练完备的神经网络模型,判断当前的雷达特征信息和AIS特征信息之间对应的参数误差是否满足预设误差阈值,若是,则确定当前的雷达特征信息和AIS特征信息关联。
可选的,所述目标船舶的航行特征参数至少包括目标船舶的航速,所述动态影响参数包括目标船舶在风流作用下的漂移速度和风流压差角;所述基于所述目标船舶的航行特征参数和预设动态影响参数,确定目标船舶的动态船舶领域,包括:
建立目标船舶的船舶领域椭圆模型;
对所述船舶领域椭圆模型进行修正,包括:
基于目标船舶的漂移速度,积分计算目标船舶的漂移距离;
以线性脉冲函数为目标船舶的漂移距离的数学模型,并对所述线性脉冲函数进行拉式逆变换,得到脉冲响应函数,以确定目标船舶的风流作用函数;
以阶跃函数为目标碰撞对象与目标船舶的距离的数学模型,对所述阶跃函数进行拉式逆变换,并结合预设的目标碰撞对象与目标船舶的安全距离,确定目标碰撞对象的距离影响函数;
根据目标船舶的风流压差角和风流作用函数,确定目标船舶所受到的实时风流作用矩阵;
根据所述目标碰撞对象的距离影响函数,确定目标碰撞对象的实时距离影响矩阵;
根据所述目标船舶所受到的实时风流作用矩阵以及目标碰撞对象的实时距离影响矩阵,对所述目标船舶的船舶领域椭圆模型进行修正,得到目标船舶的动态船舶领域。
可选的,以目标船舶中心为原点,建立直角坐标系,所述目标船舶的动态船舶领域表示如下:
Figure 490626DEST_PATH_IMAGE001
式中,(xy)表示目标船舶的领域边界坐标;L表示目标船舶的船长;k表示目标船舶的航速大小与同类型船舶在同水域中的平均航速的比值;k(t)表示t时刻的风流作用;
Figure 867381DEST_PATH_IMAGE002
表示对应t时刻风流方向与目标船舶之间形成的风流压差角;d i 表示第i个目标碰撞对象与目标船舶的预设安全距离;T表示时间常数。
可选的,所述目标船舶的碰撞风险,用如下函数表示:
Figure 346904DEST_PATH_IMAGE003
式中,
Figure 580439DEST_PATH_IMAGE004
表示t时刻目标船舶被入侵深度因子;
Figure 879834DEST_PATH_IMAGE005
表示t时刻目标船舶被入侵速度因子;D表示t时刻目标船舶到目标碰撞对象之间连线方向上的延长线至动态船舶领域边界的距离;R表示目标船舶到目标碰撞对象之间连线方向上,目标船舶到动态船舶领域边界的距离;
Figure 857017DEST_PATH_IMAGE006
表示目标船舶的航速;T 0 为避让操作的最晚操舵时间;
Figure 722205DEST_PATH_IMAGE007
表示目标碰撞对象和目标船舶中心的连线方向与目标船舶的航速方向的夹角;所述目标碰撞对象为静态碰撞对象。
可选的,所述目标船舶的航行特征参数还包括目标船舶的经纬位置;所述确定目标船舶的航行特征参数之后,所述方法还包括:
根据所述目标船舶的经纬位置和预设的桥区水域范围,判断所述目标船舶是否航行进入桥区水域范围;
若是,则触发第一级预警,并向目标船舶发送进入桥区水域范围的通知信息。
可选的,所述风险阈值包括第一风险值和第二风险值,第二风险值大于第一风险值;若所述碰撞风险达到预设风险阈值,则触发碰撞预警,包括:
若目标船舶的碰撞风险大于第一风险值,则触发第二级预警,并向目标船舶发送调整航向的预警信息;
若目标船舶的碰撞风险大于第二风险值,则触发第三级预警,并向与目标船舶相关联的岸基监控中心发送报警信息。
可选的,目标船舶的航行特征参数还包括实时航迹;若目标船舶航行进入桥区水域区域,则触发第一级预警信息之后,所述方法还包括:
通过海图作业法,并基于目标船舶的实时航迹推算得到目标船舶的第一预测航迹;
通过三次指数平滑模型,将目标船舶的经度和纬度按照时间序列分别进行预测,得到目标船舶的第二预测航迹;
将第一预测航迹和第二预测航迹融合后,得到目标船舶的目标预测航迹;
基于目标预测航迹和预设航道中线,计算航道中线偏差;
判断所述目标船舶的航道中线偏差是否超过预设安全范围;
若是,则触发第二级预警,并向目标船舶发送调整航向的预警信息。
第二方面,本申请提供一种桥区水域船舶防撞预警装置,所述装置包括:
多源信息判断模块,用于获取目标船舶的雷达特征信息和AIS特征信息,并判断所述雷达特征信息和AIS特征信息是否关联,若是,则确定目标船舶的航行特征参数;
动态领域确定模块,用于基于所述目标船舶的航行特征参数和预设动态影响参数,确定目标船舶的动态船舶领域;
入侵因子计算模块,用于根据所述目标船舶的动态船舶领域和目标碰撞对象的位置,确定目标船舶被入侵深度因子,并根据所述目标船舶的航行特征参数中的航速,确定目标船舶被入侵速度因子;
碰撞风险判断模块,用于根据目标船舶被入侵深度因子和目标船舶被入侵速度因子,确定目标船舶的碰撞风险,若所述碰撞风险达到预设风险阈值,则触发碰撞预警。
采用上述实施例的有益效果是:通过获取目标船舶的雷达特征信息和AIS特征信息,并判断雷达特征信息和AIS特征信息是否关联,便于判断多源信息的一致性,若雷达特征信息和AIS特征信息关联,说明多源信息的一致性较高,可以准确确定目标船舶的航行特征参数,即确定目标船舶的位置、航速和航迹向;通过目标船舶的航行特征参数和预设动态影响参数,确定目标船舶的动态船舶领域,从而实时跟踪目标船舶的动态船舶领域;根据目标船舶的动态船舶领域和目标碰撞对象的位置,确定目标船舶被入侵深度因子,并根据目标船舶的航行特征参数中的航速,确定目标船舶被入侵速度因子,从而根据目标船舶被入侵深度因子和目标船舶被入侵速度因子,确定目标船舶的碰撞风险,若碰撞风险达到预设风险阈值,则触发碰撞预警,有效提高船舶碰撞预警的准确性和实时性,从而减少事故发生。
附图说明
图1为本申请提供的桥墩主动防撞系统的应用场景示意图;
图2为本申请提供的桥区水域船舶防撞预警方法一实施例的方法流程图;
图3为本申请提供的桥区水域船舶防撞预警方法步骤S201之前一实施例的方法流程图;
图4为本申请提供的神经网络模型结构示意图;
图5为本申请提供的桥区水域船舶防撞预警方法步骤S201之后一实施例的方法流程图;
图6为本申请提供的桥区水域船舶防撞预警方法步骤S502之后一实施例的方法流程图;
图7为本申请提供的目标船舶航行示意图;
图8为本申请提供的桥区水域船舶防撞预警方法步骤S202一实施例的方法流程图;
图9为本申请提供的目标船舶预警角度示意图;
图10为本申请提供的桥区水域船舶防撞预警方法步骤S204一实施例的方法流程图;
图11为本申请提供的桥区水域船舶防撞预警装置一实施例的原理框图。
具体实施方式
下面结合附图来具体描述本申请的优选实施例,其中,附图构成本申请一部分,并与本申请的实施例一起用于阐释本申请的原理,并非用于限定本申请的范围。
在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本申请提供一种桥区水域船舶防撞预警方法,可应用于桥墩主动防撞系统,参照图1,在一个具体的实施例中,该防撞系统包括雷达反射器、雷达应答器设备、AIS虚拟航标/设备、ARPA雷达、固态雷达、数据处理控制模块、VHF通信装置、高音喇叭/声光报警装置和机器视觉系统/监控装置几个模块。本实施例中的防撞系统可以安装于桥区水域的桥墩上,用于监控船舶与桥墩、航标等静态碰撞对象之间的碰撞风险。
在具体的实施例中,雷达反射器用于增强反射船舶发来的无线电波,增强静态碰撞对象在船舶雷达显示屏上的回波强度。雷达应答器在收到船舶雷达信号后,发送摩尔斯编码的回波信号,在船舶雷达显示屏上顺应答器方向向外显示用点划线形式的摩尔斯码,其前端位置即为雷达应答器位置。较远距离时基于ARPA雷达和AIS设备中的船舶特征信息进行多源信息融合,尽早发现和跟踪船舶,判断其动态;进入固态雷达测量范围后,对ARPA雷达、固态雷达和AIS设备(如需要,可加上机器视觉系统信息)中的信息进行多源融合,确定船舶的位置、航速和航迹向,结合桥区水域数字孪生交通环境,建立数学模型和算法依靠数据处理控制单元,判断船舶是否对静态碰撞对象构成威胁。
参照图2为本申请提供的桥区水域船舶防撞预警方法一种实施例的方法流程图,该桥区水域船舶防撞预警方法包括下述步骤:
S201、获取目标船舶的雷达特征信息和AIS特征信息,并判断雷达特征信息和AIS特征信息是否关联,若是,则确定目标船舶的航行特征参数;
S202、基于目标船舶的航行特征参数和预设动态影响参数,确定目标船舶的动态船舶领域;
S203、根据目标船舶的动态船舶领域和目标碰撞对象的位置,确定目标船舶被入侵深度因子,并根据目标船舶的航行特征参数中的航速,确定目标船舶被入侵速度因子;
S204、根据目标船舶被入侵深度因子和目标船舶被入侵速度因子,确定目标船舶的碰撞风险,若碰撞风险达到预设风险阈值,则触发碰撞预警。
在本实施例中,目标船舶可以为多个,对于每个目标船舶可分别进行跟踪监控。目标船舶的航行特征参数包括目标船舶的位置、航速和航迹向等信息。目标碰撞对象是指桥墩、航标等静态碰撞物。
本实施例中,通过获取目标船舶的雷达特征信息和AIS特征信息,并判断雷达特征信息和AIS特征信息是否关联,便于判断多源信息的一致性,若雷达特征信息和AIS特征信息关联,说明多源信息的一致性较高,可以准确确定目标船舶的航行特征参数,即确定目标船舶的位置、航速和航迹向;通过目标船舶的航行特征参数和预设动态影响参数,确定目标船舶的动态船舶领域,从而实时跟踪目标船舶的动态船舶领域;根据目标船舶的动态船舶领域和目标碰撞对象的位置,确定目标船舶被入侵深度因子,并根据目标船舶的航行特征参数中的航速,确定目标船舶被入侵速度因子,从而根据目标船舶被入侵深度因子和目标船舶被入侵速度因子,确定目标船舶的碰撞风险,若碰撞风险达到预设风险阈值,则触发碰撞预警,有效提高船舶碰撞预警的准确性和实时性,从而减少事故发生。
在一实施例中,参照图3,步骤S201中判断雷达特征信息和AIS特征信息是否关联之前,本实施例的桥区水域船舶防撞预警方法还包括:
S301、建立神经网络模型;
S302、获取多组训练样本,每组训练样本包括历史雷达特征信息和历史AIS特征信息;其中,历史雷达特征信息包括通过雷达设备获取的目标船舶相对目标碰撞对象的方位、航速以及航向;历史AIS特征信息包括通过AIS设备获取的目标船舶对于目标碰撞对象的方位、航速以及航向;
S303、将训练样本输入至神经网络模型,计算历史雷达特征信息和历史AIS特征信息中每对对应参数之间的误差,并迭代训练神经网络模型的网络参数,使得平均损失误差最小,得到训练完备的神经网络模型。
可选的,步骤S201中判断雷达特征信息和AIS特征信息是否关联,包括:利用训练完备的神经网络模型,判断当前的雷达特征信息和AIS特征信息之间对应的参数误差是否满足预设误差阈值,若是,则确定当前的雷达特征信息和AIS特征信息关联。
在一个具体的实施例中,系统的雷达设备可以监测船舶的距离、方位、航速和航向,而 AIS设备的动态信息可以监测船舶的经度、纬度、航速和航向。统一雷达设备与 AIS设备的坐标系,以目标碰撞对象中心为原点建立平面直角坐标系,比如选择某一桥墩中心为原点建立平面直角坐标系;为了表征目标船舶,选取目标船舶离目标碰撞对象的距离、目标船舶相对于目标碰撞对象的方位、目标船舶的航速、目标船舶的航向作为目标船舶的航行特征参数,该航行特征参数来源于雷达和AIS两部分监测。
关于神经网络模型的输入节点,可以选择雷达目标距离R dis、雷达目标方位R bear、雷达目标航速R SOG、雷达目标航向R COG、AIS目标距离A dis、AIS目标方位A bear、AIS目标航速A SOG、AIS目标航向A COG共8个输入节点,组成输入向量 P=( R dis , R bear, R SOG, R COG, A dis,A bear, A SOG, A COG)。
由于目标船舶的四种航行特征参数的数值大小和量纲不同,若直接将它们组合起来作为网络的输入,在网络学习和训练过程中容易出现“过拟合”现象,所以在进行网络计算前,需要将原始的数据作适当变换,称为归一化或标准化。本实施例中采用标准差和极差化法的处理方法。
考虑到实用性和计算的复杂性,在本实施例中,采用单隐层的BP神经网络结构。对于隐层节点个数,只有当其数目达到一个合适的值时,才能减小学习次数,加快网络收敛的速度,过多或过少都会影响网络性能。本实施例确定隐层神经元个数的经验公式为
Figure 313592DEST_PATH_IMAGE008
,其中x为输入层节点个数,y为输出层节点个数,l为隐层节点个数m为1到10之间的一个整数,根据网络的具体学习情况可以随时改变隐层节点数目。此外,本实施例的神经网络模型输出节点的设置为1个,在其他实施例中,若不能立刻确定多源信息是否关联,则可以分级考察关联程度,例如,可以将等级用 0、1编码,例如需要分为4个等级,则输出端编码为00、01、10、11,容易得到N个等级则需要
Figure 162599DEST_PATH_IMAGE009
个输出节点。
参照图4为用于判断多源信息是否关联的神经网络模型,图4中,k表示第k个观测时刻;R dis (k) i 表示雷达目标i在第k时刻相对于目标碰撞对象的距离;R bear(k) i 表示雷达目标 i 在第 k 时刻相对于本船的方位;R SOG(k) i 表示雷达目标i在第k时刻的对地速度;R COG(k)i表示雷达目标i在第k时刻的对地航向;A dis(k) j 表示AIS目标j在第k时刻相对于本船的距离;A bear(k) j 表示AIS目标j在第k时刻相对于本船的方位;A SOG(k) j 表示AIS目标j在第k时刻的对地速度;A COG(k)j表示AIS目标j在第k 时刻的对地航向;y ij (k)表示雷达目标i与 AIS目标j在第k时刻的网络关联判断输出。
在使用网络之前,要对网络进行训练学习。训练选取的样本应尽可能覆盖一些特殊情况,例如两个不同监测设备的某些特征在某些时刻相差较小的情况,例如距离较近,方位、航速、航向相差不多相等,因为这些时刻就有可能会被判断为关联,从而使得训练后的网络更健壮,更能适应一些特殊的关联目标对。
在本实施例中,通过步骤S201中判断雷达特征信息和AIS特征信息是否关联,若关联,则可以确定来源于雷达和AIS的航行特征参数误差较小,即可以将此两种多源信息作为目标船舶的航行特征参数。
在一实施例中,目标船舶的航行特征参数中的方位以目标船舶的经纬位置表征;参照图5,步骤S201中确定目标船舶的航行特征参数之后,本实施例的桥区水域船舶防撞预警方法还包括:
S501、根据目标船舶的经纬位置和预设的桥区水域范围,判断目标船舶是否航行进入桥区水域范围;
S502、若是,则触发第一级预警,并向目标船舶发送进入桥区水域范围的通知信息。
需要说明的是,桥区水域范围是以桥墩或航标等静态碰撞物的位置所确定的安全预警范围。当检测到目标船舶驶入桥区水域范围时,触发第一级预警,并向目标船舶发送进入桥区水域范围的通知信息。在本实施例中,可以通过控制VHF系统自动向目标船舶播发提示。
在一实施例中,参照图6,步骤S502中若目标船舶航行进入桥区水域区域,则触发第一级预警信息之后,本实施例的桥区水域船舶防撞预警方法还包括:
S601、通过海图作业法,并基于目标船舶的实时航迹推算得到目标船舶的第一预测航迹;
S602、通过三次指数平滑模型,将目标船舶的经度和纬度按照时间序列分别进行预测,得到目标船舶的第二预测航迹;
S603、将第一预测航迹和第二预测航迹融合后,得到目标船舶的目标预测航迹;
S604、基于目标预测航迹和预设航道中线,计算航道中线偏差;
S605、判断目标船舶的航道中线偏差是否超过预设安全范围;
S606、若是,则触发第二级预警,并向目标船舶发送调整航向的预警信息。
需要说明的是,基于船位变化进行船舶航迹推算可使用传统的航迹绘算法,也称海图作业法,具体地,首先通过目标船舶的实时航迹推算得到目标船舶在风流作用下的漂移速度,并结合当前时刻的目标船舶航速、航向,得到推算航迹向和推算航速,从而得到目标船舶的第一预测航迹。
基于船舶运动的航迹推算主要基于船舶轨迹经纬度随时间的变化而确定,在本实施例中,运用三次指数平滑法对航迹进行预测时,需要将方位坐标序列中的经度和纬度作为两个单独的时间序列进行单独预测,再将两个预测结果结合在一起,构成预测航迹点,即目标船舶的第二预测航迹。
在本实施例中,可以采用平均法将第一预测航迹和第二预测航迹融合后,得到目标船舶的目标预测航迹。在本实施例中,航道中线包括桥墩与桥墩之间连线的中垂线、桥墩与岸边连线的中垂线、和/或航标与岸边连线的中垂线。基于目标预测航迹和预设航道中线,可以计算目标预测航迹的航迹角度偏差和横向漂移偏差,其中航迹角度偏差△A是指目标预测航迹的方向与航道中线之间的夹角,横向漂移偏差△L是指目标预测航迹在目标碰撞对象之间连线方向上的横向投影距离,如图7所示。
可选的,判断目标船舶的航道中线偏差是否超过预设安全范围,包括:
若目标船舶的航迹角度偏差超出预设的角度偏差量,和/或若目标船舶的横向漂移偏差超出预设的漂移偏差量,则确定目标船舶的航道中线偏差超出安全范围。
需要说明的是,通过推算航迹计算得到两类风险因素后,可以首先判断目标船舶的航迹角度偏差是否小于预设的角度偏差量,若超出,则触动第二级预警,并向目标船舶发送调整航向的预警信息,从而便于及时调整船舶航向;若目标船舶的航迹角度偏差在预设范围以内,则进一步判断目标船舶的横向漂移偏差是否小于预设的漂移偏差量,若超出,亦会触发第二级预警,从而便于及时调整船舶航向。
在一实施例中,目标船舶的航行特征参数包括目标船舶的航速,动态影响参数包括目标船舶在风流作用下的漂移速度和风流压差角;参照图8,步骤S202中基于目标船舶的航行特征参数和预设动态影响参数,确定目标船舶的动态船舶领域,包括:
S801、建立目标船舶的船舶领域椭圆模型,具体为:以该目标船舶中心为原点,长轴为X轴,短轴为Y轴建立直角坐标系,则船舶领域椭圆模型如下:
Figure 615577DEST_PATH_IMAGE010
考虑到船舶的速度与船舶领域大小的关系,因此在二维船舶领域的尺寸上乘以一个与速度有关的系数,该系数大小为船舶实际航行的航速与该同类型船舶在同水域中的平均航速的比值。
Figure 866430DEST_PATH_IMAGE011
式中,k表示船舶领域的速度系数;v s 为该船的航速;v ave 为与该船同类型的船舶在该水域中的平均航速。故目标船舶的船舶领域椭圆模型更新为:
Figure 379451DEST_PATH_IMAGE012
S802、对船舶领域椭圆模型进行修正,包括:
S8021、基于目标船舶的漂移速度,积分计算目标船舶的漂移距离;
考虑到风流作用在船舶领域上,故其作用时间为船舶领域最前端到船舶中心的距离除以船舶航速,即为:
Figure 715754DEST_PATH_IMAGE013
式中,v为风流作用下的漂移速度。在AIS中读取目标船舶的对地航速、航迹向、船首向、船速等信息,通过矢量合成可求得风流作用下的漂移速度和风流压差角。
S8022、以线性脉冲函数为目标船舶的漂移距离的数学模型,并对线性脉冲函数进行拉式逆变换,得到脉冲响应函数,以确定目标船舶的风流作用函数;
对于线性脉冲系统函数:
Figure 972423DEST_PATH_IMAGE014
,式中
Figure 77783DEST_PATH_IMAGE015
是输入参量的拉氏变换式,
Figure 10972DEST_PATH_IMAGE016
是输出风致漂移拉氏变换式,即:
Figure 303413DEST_PATH_IMAGE017
,单位线性脉冲函数拉氏变换等于1,即
Figure 426090DEST_PATH_IMAGE018
,所以
Figure 323639DEST_PATH_IMAGE019
,输出风致漂移的拉氏反变换为系统的脉冲响应函数,即:
Figure 240780DEST_PATH_IMAGE020
,其中,l -1[ ]表示
Figure 489358DEST_PATH_IMAGE021
的拉式反变换。
以脉冲响应函数
Figure 150147DEST_PATH_IMAGE022
作为系统输入量,并测出系统响应,就可以获得漂移速度动态特性的全部信息。因此,当输入为一个任意函数
Figure 902202DEST_PATH_IMAGE022
时,
Figure 255823DEST_PATH_IMAGE022
可以用n个线性脉冲函数表示。把每个脉冲函数的响应叠加起来,就可得到在任意输入函数
Figure 975386DEST_PATH_IMAGE022
作用下的响应。
风作用可考虑为船舶在航状态下受风作用而产生的风致漂移:
Figure 439866DEST_PATH_IMAGE023
式中,
Figure 46427DEST_PATH_IMAGE024
该系数一般取0.038~0.041;B a 为目标船舶水线上侧受风面积;B w 为目标船舶水线下侧面积,取
Figure 570950DEST_PATH_IMAGE025
V s为风中船速;V a为相对风速;
Figure 325279DEST_PATH_IMAGE026
风作用方向与航道轴线的夹角;S为计算航行河长,即船舶直线航行距离,取船舶领域纵轴长度;V为目标船舶的船速;U为水流速;α为偏航角;β为流压角。在上式中,船体水线上下侧面积之比近似于船舶干舷与吃水之比。
在输入其漂移距离后,通过拉式反变换即可得到风与流作用:
Figure 265553DEST_PATH_IMAGE027
Figure 54518DEST_PATH_IMAGE028
Figure 687624DEST_PATH_IMAGE029
式中,A i p i 为待定系数,它是v=-p处的留数,其求法如下:
Figure 929250DEST_PATH_IMAGE030
再根据拉氏变换叠加定理,求解随时间变化目标船舶的风流作用函数:
Figure 922482DEST_PATH_IMAGE031
S8023、以阶跃函数为目标碰撞对象与目标船舶的距离的数学模型,对阶跃函数进行拉式逆变换,并结合预设的目标碰撞对象与目标船舶的安全距离,确定目标碰撞对象的距离影响函数;
在本实施例中,一阶阶跃的传递函数为:
Figure 831533DEST_PATH_IMAGE032
反拉氏变换可得:
Figure 369961DEST_PATH_IMAGE033
在内河水域中,船舶在航行中必须与航标、桥墩等保持足够的安全距离,例如在《内河通航标准》中规定货船外舷至航道边缘的安全距离可取0.34~0.40倍航迹带宽度,船舶与两侧桥墩间的富裕宽度可取0.5~0.6倍航迹带宽度,从而量化了航道条件对船舶航行的影响。
船舶与桥墩间的富裕宽度:
Figure 98883DEST_PATH_IMAGE034
船舶外舷与航标间安全距离:
Figure 443277DEST_PATH_IMAGE035
其中,L表示目标船舶的船长;B s 为目标船舶的宽度;
Figure 144516DEST_PATH_IMAGE036
表示目标船舶的航迹带。
根据阶跃函数的反拉式变换,并结合目标碰撞对象与目标船舶的安全距离,确定关于目标碰撞对象的距离影响函数,具体如下:
Figure 916163DEST_PATH_IMAGE037
在目标船舶航行中若前方存在桥墩,则选择桥墩富裕宽度公式带入计算,若存在航标,则选择航标安全距离带入计算;若同时存在,则都带入计算,当船舶行驶经过某桥墩、航标后,该作用消失,即该作用不考虑。
S8024、根据目标船舶的风流压差角和风流作用函数,确定目标船舶所受到的实时风流作用矩阵;
在实际航行中,因风作用及流作用与船之间存在一定的角度,故其作用在船舶领域上后,考虑风流方向与船体之间形成的的风流压差角。设第t时刻的风流压差角为
Figure 335643DEST_PATH_IMAGE038
,则第t时刻风流作用矩阵可表示为:
Figure 483728DEST_PATH_IMAGE039
Figure 300461DEST_PATH_IMAGE040
Figure 508588DEST_PATH_IMAGE041
S8025、根据目标碰撞对象的距离影响函数,确定目标碰撞对象的实时距离影响矩阵,具体表示如下:
Figure 946523DEST_PATH_IMAGE042
Figure 570402DEST_PATH_IMAGE043
S8026、根据目标船舶的实时风流作用矩阵以及目标碰撞对象的实时距离影响矩阵,对目标船舶的船舶领域椭圆模型进行修正,得到目标船舶的动态船舶领域。
将目标船舶所受到的实时风流作用矩阵以及目标碰撞对象的实时距离影响矩阵叠加在船舶领域椭圆模型上后,可得到在风、流及桥墩、航标作用下的动态船舶领域,表示如下:
Figure 308551DEST_PATH_IMAGE044
由动态船舶领域公式可知,目标船舶在顺风或顺流航行时,其领域范围会增加,同时前方若存在航标、桥墩等也会增加船舶领域范围。
在一实施例中,步骤S203中根据目标船舶的动态船舶领域和目标碰撞对象的位置,确定目标船舶被入侵深度因子,并根据目标船舶的航行特征参数中的航速,确定目标船舶被入侵速度因子。其中,目标船舶被入侵深度因子即为船舶领域入侵深度因子(InvadedDepth Factor,IDF)
Figure 359683DEST_PATH_IMAGE045
,等于船舶领域入侵的衰减比,即:
Figure 550493DEST_PATH_IMAGE046
其中
Figure 978064DEST_PATH_IMAGE047
表示t时刻船舶领域入侵深度因子;D表示t时刻目标船舶到目标碰撞对象之间连线方向上的延长线至动态船舶领域边界的距离;R表示目标船舶到目标碰撞对象之间连线方向上,目标船舶到动态船舶领域边界的距离。
参照图9,设目标船舶中心点为A,目标碰撞对象为B,AB的延长线交船舶领域边界为C,则可以得到:
Figure 570719DEST_PATH_IMAGE048
需要说明的是,当目标碰撞对象与目标船舶距离越近,其值越大,也表示越危险。
目标船舶被入侵速度因子即为船舶领域入侵速度因子(Invaded Speed Factor,ISF)
Figure 307600DEST_PATH_IMAGE049
,等于船舶在船舶中心和障碍物连线的投影上的实际航行速度与采取避让操作的最晚操舵时间的乘积比上船舶与障碍物之间的距离,具体公式如下:
Figure 985706DEST_PATH_IMAGE050
式中,
Figure 951388DEST_PATH_IMAGE051
表示目标碰撞对象和目标船舶中心的连线方向与目标船舶的航速方向的夹角;
Figure 132970DEST_PATH_IMAGE052
表示目标船舶的航速;T 0 为内河中采取避让操作的最晚操舵时间,一般取3分钟;
Figure 853802DEST_PATH_IMAGE053
表示目标船舶与目标碰撞对象之间的距离,
Figure 956887DEST_PATH_IMAGE054
;由图9可知,当目标船舶的投影速度越大,目标碰撞对象与目标船舶之间距离越近,目标船舶被入侵速度因子越大,也表示越危险。
可选的,根据目标船舶被入侵深度因子和目标船舶被入侵速度因子,确定目标船舶的碰撞风险,用如下函数表示:
Figure 788577DEST_PATH_IMAGE055
如图9,A点为船舶,B点为目标碰撞对象,比如桥墩或航标,
Figure 27928DEST_PATH_IMAGE053
线与X轴之间的灰线为船舶航迹线,△A为目标船舶的航迹角度偏差,在目标预测航迹时可得到△A的值,在桥墩等静态碰撞对象上安装测距及角度测量装置,即可得到
Figure 919661DEST_PATH_IMAGE053
段长度及
Figure 759310DEST_PATH_IMAGE056
角度大小,通过计算易得到
Figure 332373DEST_PATH_IMAGE057
,即可以计算船舶碰撞危险值,一旦该值超过了预设值,则触发报警。
在一实施例中,参照图10,步骤S204中,风险阈值包括第一风险值和第二风险值,第二风险值大于第一风险值;则若碰撞风险达到预设风险阈值,则触发碰撞预警,包括:
S1001、若目标船舶的碰撞风险大于第一风险值,则触发第二级预警,并向目标船舶发送调整航向的预警信息;
S1002、若目标船舶的碰撞风险大于第二风险值,则触发第三级预警,并向与目标船舶相关联的岸基监控中心发送报警信息。
参照图11,本实施例还提供一种桥区水域船舶防撞预警装置,该装置包括:
多源信息判断模块1101,用于获取目标船舶的雷达特征信息和AIS特征信息,并判断所述雷达特征信息和AIS特征信息是否关联,若是,则确定目标船舶的航行特征参数;
动态领域确定模块1102,用于基于所述目标船舶的航行特征参数和预设动态影响参数,确定目标船舶的动态船舶领域;
入侵因子计算模块1103,用于根据所述目标船舶的动态船舶领域和目标碰撞对象的位置,确定目标船舶被入侵深度因子,并根据所述目标船舶的航行特征参数中的航速,确定目标船舶被入侵速度因子;
碰撞风险判断模块1104,用于根据目标船舶被入侵深度因子和目标船舶被入侵速度因子,确定目标船舶的碰撞风险,若所述碰撞风险达到预设风险阈值,则触发碰撞预警。
关于桥区水域船舶防撞预警装置各个模块的具体限定可以参见上文中对于桥区水域船舶防撞预警方法的限定,在此不再赘述。上述桥区水域船舶防撞预警装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
区别于现有技术,通过获取目标船舶的雷达特征信息和AIS特征信息,并判断雷达特征信息和AIS特征信息是否关联,便于判断多源信息的一致性,若雷达特征信息和AIS特征信息关联,说明多源信息的一致性较高,可以准确确定目标船舶的航行特征参数,即确定目标船舶的位置、航速和航迹向等信息;通过目标船舶的航行特征参数和预设动态影响参数,确定目标船舶的动态船舶领域,从而实时跟踪目标船舶的动态船舶领域;根据目标船舶的动态船舶领域和目标碰撞对象的位置,确定目标船舶被入侵深度因子,并根据目标船舶的航行特征参数中的航速,确定目标船舶被入侵速度因子,从而根据目标船舶被入侵深度因子和目标船舶被入侵速度因子,确定目标船舶的碰撞风险,若碰撞风险达到预设风险阈值,则触发碰撞预警,有效提高船舶碰撞预警的准确性和实时性,从而减少事故发生。
以上所述,仅为本申请较佳的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。

Claims (10)

1.一种桥区水域船舶防撞预警方法,其特征在于,所述方法包括:
获取目标船舶的雷达特征信息和AIS特征信息,并判断所述雷达特征信息和AIS特征信息是否关联,若是,则确定目标船舶的航行特征参数;
基于所述目标船舶的航行特征参数和预设动态影响参数,确定目标船舶的动态船舶领域;其中所述预设动态影像参数包括目标船舶在风流作用下的漂移速度和风流压差角;
根据所述目标船舶的动态船舶领域和目标碰撞对象的位置,确定目标船舶被入侵深度因子,并根据所述目标船舶的航行特征参数中的航速,确定目标船舶被入侵速度因子;其中所述目标船舶被入侵深度因子以船舶领域入侵的衰减比表征;所述目标船舶被入侵速度因子等于目标船舶在目标船舶中心和目标碰撞对象连线的投影上的实际航行速度与采取避让操作的最晚操舵时间的乘积比上目标船舶与目标碰撞对象之间的距离的值;
根据目标船舶被入侵深度因子和目标船舶被入侵速度因子,确定目标船舶的碰撞风险,若所述碰撞风险达到预设风险阈值,则触发碰撞预警。
2.根据权利要求1所述的桥区水域船舶防撞预警方法,其特征在于,所述判断所述雷达特征信息和AIS特征信息是否关联之前,所述方法还包括:
建立神经网络模型;
获取多组训练样本,每组所述训练样本包括历史雷达特征信息和历史AIS特征信息;其中,历史雷达特征信息包括通过雷达设备获取的目标船舶相对目标碰撞对象的方位、航速以及航向;历史AIS特征信息包括通过AIS设备获取的目标船舶对于目标碰撞对象的方位、航速以及航向;
将所述训练样本输入至所述神经网络模型,计算所述历史雷达特征信息和历史AIS特征信息中每对对应参数之间的误差,并迭代训练所述神经网络模型的网络参数,使得平均损失误差最小,得到训练完备的神经网络模型。
3.根据权利要求1所述的桥区水域船舶防撞预警方法,其特征在于,所述判断所述雷达特征信息和AIS特征信息是否关联,包括:利用训练完备的神经网络模型,判断当前的雷达特征信息和AIS特征信息之间对应的参数误差是否满足预设误差阈值,若是,则确定当前的雷达特征信息和AIS特征信息关联。
4.根据权利要求1所述的桥区水域船舶防撞预警方法,其特征在于,所述目标船舶的航行特征参数至少包括目标船舶的航速,所述动态影响参数包括目标船舶在风流作用下的漂移速度和风流压差角;所述基于所述目标船舶的航行特征参数和预设动态影响参数,确定目标船舶的动态船舶领域,包括:
建立目标船舶的船舶领域椭圆模型;
对所述船舶领域椭圆模型进行修正,包括:
基于目标船舶的漂移速度,积分计算目标船舶的漂移距离;
以线性脉冲函数为目标船舶的漂移距离的数学模型,并对所述线性脉冲函数进行拉式逆变换,得到脉冲响应函数,以确定目标船舶的风流作用函数;
以阶跃函数为目标碰撞对象与目标船舶的距离的数学模型,对所述阶跃函数进行拉式逆变换,并结合预设的目标碰撞对象与目标船舶的安全距离,确定目标碰撞对象的距离影响函数;
根据目标船舶的风流压差角和风流作用函数,确定目标船舶所受到的实时风流作用矩阵;
根据所述目标碰撞对象的距离影响函数,确定目标碰撞对象的实时距离影响矩阵;
根据所述目标船舶所受到的实时风流作用矩阵以及目标碰撞对象的实时距离影响矩阵,对所述目标船舶的船舶领域椭圆模型进行修正,得到目标船舶的动态船舶领域。
5.根据权利要求1或4所述的桥区水域船舶防撞预警方法,其特征在于,以目标船舶中心为原点,建立直角坐标系,所述目标船舶的动态船舶领域表示如下:
Figure 166622DEST_PATH_IMAGE001
式中,(xy)表示目标船舶的领域边界坐标;L表示目标船舶的船长;k表示目标船舶的航速大小与同类型船舶在同水域中的平均航速的比值;k(t)表示t时刻的风流作用;
Figure 715415DEST_PATH_IMAGE002
表示对应t时刻风流方向与目标船舶之间形成的风流压差角;d i 表示第i个目标碰撞对象与目标船舶的预设安全距离;T表示时间常数。
6.根据权利要求1所述的桥区水域船舶防撞预警方法,其特征在于,所述目标船舶的碰撞风险,用如下函数表示:
Figure 272299DEST_PATH_IMAGE003
式中,
Figure 149119DEST_PATH_IMAGE004
表示t时刻目标船舶被入侵深度因子;
Figure 82440DEST_PATH_IMAGE005
表示t时刻目标船舶被入侵速度因子;D表示t时刻目标船舶到目标碰撞对象之间连线方向上的延长线至动态船舶领域边界的距离;R表示目标船舶到目标碰撞对象之间连线方向上,目标船舶到动态船舶领域边界的距离;
Figure 485739DEST_PATH_IMAGE006
表示目标船舶的航速;T 0 为避让操作的最晚操舵时间;
Figure 213524DEST_PATH_IMAGE007
表示目标碰撞对象和目标船舶中心的连线方向与目标船舶的航速方向的夹角;所述目标碰撞对象为静态碰撞对象。
7.根据权利要求1所述的桥区水域船舶防撞预警方法,其特征在于,所述目标船舶的航行特征参数还包括目标船舶的经纬位置;所述确定目标船舶的航行特征参数之后,所述方法还包括:
根据所述目标船舶的经纬位置和预设的桥区水域范围,判断所述目标船舶是否航行进入桥区水域范围;
若是,则触发第一级预警,并向目标船舶发送进入桥区水域范围的通知信息。
8.根据权利要求1所述的桥区水域船舶防撞预警方法,其特征在于,所述风险阈值包括第一风险值和第二风险值,第二风险值大于第一风险值;若所述碰撞风险达到预设风险阈值,则触发碰撞预警,包括:
若目标船舶的碰撞风险大于第一风险值,则触发第二级预警,并向目标船舶发送调整航向的预警信息;
若目标船舶的碰撞风险大于第二风险值,则触发第三级预警,并向与目标船舶相关联的岸基监控中心发送报警信息。
9.根据权利要求5所述的桥区水域船舶防撞预警方法,其特征在于,目标船舶的航行特征参数还包括实时航迹;若目标船舶航行进入桥区水域区域,则触发第一级预警信息之后,所述方法还包括:
通过海图作业法,并基于目标船舶的实时航迹推算得到目标船舶的第一预测航迹;
通过三次指数平滑模型,将目标船舶的经度和纬度按照时间序列分别进行预测,得到目标船舶的第二预测航迹;
将第一预测航迹和第二预测航迹融合后,得到目标船舶的目标预测航迹;
基于目标预测航迹和预设航道中线,计算航道中线偏差;
判断所述目标船舶的航道中线偏差是否超过预设安全范围;
若是,则触发第二级预警,并向目标船舶发送调整航向的预警信息。
10.一种桥区水域船舶防撞预警装置,其特征在于,所述装置包括:
多源信息判断模块,用于获取目标船舶的雷达特征信息和AIS特征信息,并判断所述雷达特征信息和AIS特征信息是否关联,若是,则确定目标船舶的航行特征参数;
动态领域确定模块,用于基于所述目标船舶的航行特征参数和预设动态影响参数,确定目标船舶的动态船舶领域,其中所述预设动态影像参数包括目标船舶在风流作用下的漂移速度和风流压差角;
入侵因子计算模块,用于根据所述目标船舶的动态船舶领域和目标碰撞对象的位置,确定目标船舶被入侵深度因子,并根据所述目标船舶的航行特征参数中的航速,确定目标船舶被入侵速度因子;其中所述目标船舶被入侵深度因子以船舶领域入侵的衰减比表征;所述目标船舶被入侵速度因子等于目标船舶在目标船舶中心和目标碰撞对象连线的投影上的实际航行速度与采取避让操作的最晚操舵时间的乘积比上目标船舶与目标碰撞对象之间的距离的值;
碰撞风险判断模块,用于根据目标船舶被入侵深度因子和目标船舶被入侵速度因子,确定目标船舶的碰撞风险,若所述碰撞风险达到预设风险阈值,则触发碰撞预警。
CN202111295898.6A 2021-11-03 2021-11-03 一种桥区水域船舶防撞预警方法及装置 Active CN113744570B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111295898.6A CN113744570B (zh) 2021-11-03 2021-11-03 一种桥区水域船舶防撞预警方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111295898.6A CN113744570B (zh) 2021-11-03 2021-11-03 一种桥区水域船舶防撞预警方法及装置

Publications (2)

Publication Number Publication Date
CN113744570A CN113744570A (zh) 2021-12-03
CN113744570B true CN113744570B (zh) 2022-03-25

Family

ID=78727257

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111295898.6A Active CN113744570B (zh) 2021-11-03 2021-11-03 一种桥区水域船舶防撞预警方法及装置

Country Status (1)

Country Link
CN (1) CN113744570B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114464015B (zh) * 2022-02-08 2023-05-02 北京百度网讯科技有限公司 数据处理方法、装置、电子设备以及存储介质
CN114563784B (zh) * 2022-04-27 2022-08-09 武汉理工大学 一种基于双毫米波雷达的船载环境入侵检测方法及系统
CN115346399B (zh) * 2022-07-23 2024-01-19 交通运输部规划研究院 基于相控阵雷达、ais和lstm网络的大桥防船撞预警系统
CN115410420B (zh) * 2022-10-31 2023-01-20 河北东来工程技术服务有限公司 一种船舶安全航行管理方法和系统
CN116434508B (zh) * 2022-12-14 2024-04-05 深圳点链科技有限公司 基于物联网的防撞监测大数据预警系统及方法
CN116700315B (zh) * 2023-07-03 2024-02-06 苏州优世达智能科技有限公司 一种无人艇的航迹跟踪控制方法及系统
CN117649749B (zh) * 2023-11-27 2024-06-21 武汉理工大学 桥梁监测预警方法、装置、电子设备及存储介质

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB201308411D0 (en) * 2009-10-26 2013-06-19 Dynamic Marine Data Ltd Navigation device, networked apparatus, method and computer program for aiding navigation of a marine vessel
CN103730031A (zh) * 2014-01-14 2014-04-16 武汉理工大学 内河桥区船载航行主动避碰系统及避碰方法
WO2014131436A1 (en) * 2013-02-27 2014-09-04 Abb Technology Ltd Obstacle distance indication
CN204667645U (zh) * 2015-06-09 2015-09-23 浙江国际海运职业技术学院 智能船桥碰撞监测预警系统
CN105390029A (zh) * 2015-11-06 2016-03-09 武汉理工大学 基于航迹融合和航迹预测的船舶避碰辅助决策方法及系统
CN109448444A (zh) * 2018-11-15 2019-03-08 上海国沃电子科技有限公司 桥梁碰撞预警及检测系统
CN109671302A (zh) * 2019-02-20 2019-04-23 长安大学 一种避免船舶撞击桥梁的智能报警装置
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
CN112951002A (zh) * 2021-03-18 2021-06-11 长江重庆航运工程勘察设计院 一种桥梁防撞主动防御系统的使用方法
CN113050121A (zh) * 2021-03-22 2021-06-29 上海海事大学 一种船舶导航系统和船舶导航方法
CN113157678A (zh) * 2021-04-19 2021-07-23 中国人民解放军91977部队 一种多源异构数据关联方法
CN113299119A (zh) * 2021-04-30 2021-08-24 淮阴工学院 一种用于通航船舶桥梁防撞的预警方法及装置

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202736312U (zh) * 2012-07-23 2013-02-13 上海中交水运设计研究有限公司 一种多级航道安全预警装置
CN104050329B (zh) * 2014-06-25 2017-07-11 哈尔滨工程大学 一种检测船舶碰撞危险度的方法
JP6759673B2 (ja) * 2016-03-31 2020-09-23 富士通株式会社 衝突リスク算出プログラム、衝突リスク算出方法および衝突リスク算出装置
KR102212386B1 (ko) * 2019-09-25 2021-02-04 한국해양교통안전공단 웨이브 통신 기반 선박 충돌 회피 시스템 및 방법
WO2021141338A1 (ko) * 2020-01-09 2021-07-15 씨드로닉스 주식회사 선박 및 항만 모니터링 장치 및 방법
CN111186549B (zh) * 2020-01-15 2021-08-17 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
CN112419786B (zh) * 2020-10-26 2021-11-12 湖南汽车工程职业学院 一种船舶碰撞预警系统

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB201308411D0 (en) * 2009-10-26 2013-06-19 Dynamic Marine Data Ltd Navigation device, networked apparatus, method and computer program for aiding navigation of a marine vessel
WO2014131436A1 (en) * 2013-02-27 2014-09-04 Abb Technology Ltd Obstacle distance indication
CN103730031A (zh) * 2014-01-14 2014-04-16 武汉理工大学 内河桥区船载航行主动避碰系统及避碰方法
CN204667645U (zh) * 2015-06-09 2015-09-23 浙江国际海运职业技术学院 智能船桥碰撞监测预警系统
CN105390029A (zh) * 2015-11-06 2016-03-09 武汉理工大学 基于航迹融合和航迹预测的船舶避碰辅助决策方法及系统
CN109448444A (zh) * 2018-11-15 2019-03-08 上海国沃电子科技有限公司 桥梁碰撞预警及检测系统
CN109671302A (zh) * 2019-02-20 2019-04-23 长安大学 一种避免船舶撞击桥梁的智能报警装置
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
CN112951002A (zh) * 2021-03-18 2021-06-11 长江重庆航运工程勘察设计院 一种桥梁防撞主动防御系统的使用方法
CN113050121A (zh) * 2021-03-22 2021-06-29 上海海事大学 一种船舶导航系统和船舶导航方法
CN113157678A (zh) * 2021-04-19 2021-07-23 中国人民解放军91977部队 一种多源异构数据关联方法
CN113299119A (zh) * 2021-04-30 2021-08-24 淮阴工学院 一种用于通航船舶桥梁防撞的预警方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
不同类型传感器的分层融合算法研究;何兵 等;《电子学报》;20000630(第6期);全文 *
受限水域 LNG 船舶航行通航宽度研究;孟贝贝;《中国水运》;20181231;全文 *
基于 BP 神经网络的 AIS 与雷达信息关联算法研究;欧阳萍 等;《中国水运》;20130731;第13卷(第7期);正文第77-79页 *

Also Published As

Publication number Publication date
CN113744570A (zh) 2021-12-03

Similar Documents

Publication Publication Date Title
CN113744570B (zh) 一种桥区水域船舶防撞预警方法及装置
US20200012283A1 (en) System and method for autonomous maritime vessel security and safety
Im et al. Potential risk ship domain as a danger criterion for real-time ship collision risk evaluation
CN103714718B (zh) 一种内河桥区船舶安全航行预控系统
Sang et al. CPA calculation method based on AIS position prediction
CN108922247A (zh) 一种基于ais的船舶-航标碰撞危险度估算方法
CN111536962B (zh) 智能船舶的航线规划方法及装置、存储介质、计算机设备
CN109460035A (zh) 一种无人艇高速状态下的二级自主避障系统及避障方法
CN104916166A (zh) 一种桥梁防撞预警系统及实现方法
Zhao et al. A novel index for real-time ship collision risk assessment based on velocity obstacle considering dimension data from AIS
JPH0922499A (ja) 避航支援装置
CN113012472B (zh) 一种适用于vts系统的船舶预警方法、设备及存储介质
CN113299117B (zh) 基于船舶运动轨迹预测的水上建筑物防撞气囊触发装置
CN115271502A (zh) 一种远洋船舶预防搁浅与脱浅方法
CN111815120A (zh) 水上交通风险评估方法、装置、计算机设备和存储介质
CN112561232A (zh) 繁忙水域船舶交通冲突风险度量方法
CN104880186A (zh) 船舶离岸距离的检测方法及装置
KR102269676B1 (ko) 선박의 자동 충돌 예방 방법 및 장치
CN117232520A (zh) 一种适用于海上航行的船舶智能导航系统及导航方法
CN116895187A (zh) 一种内河船舶航行风险预警方法及装置
CN114061565B (zh) 一种无人船舶slam及其应用方法
CN213069195U (zh) 一种基于北斗定位系统的船舶靠泊辅助系统
CN107292072B (zh) 一种基于风压差翻转漂移模型的海上搜寻区域估计法
CN110618685A (zh) 一种无人水面艇障碍物探测误差修正及安全避碰方法
CN109866885A (zh) 一种无人船防搁浅与自力脱浅方法

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