CN114202966A - 碰撞风险的确定方法、计算设备及存储介质 - Google Patents
碰撞风险的确定方法、计算设备及存储介质 Download PDFInfo
- Publication number
- CN114202966A CN114202966A CN202111521823.5A CN202111521823A CN114202966A CN 114202966 A CN114202966 A CN 114202966A CN 202111521823 A CN202111521823 A CN 202111521823A CN 114202966 A CN114202966 A CN 114202966A
- Authority
- CN
- China
- Prior art keywords
- determining
- movable object
- positioning information
- movable
- pair
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 239000013598 vector Substances 0.000 claims description 35
- 238000001914 filtration Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 4
- 230000010354 integration Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 19
- LFULEKSKNZEWOE-UHFFFAOYSA-N propanil Chemical compound CCC(=O)NC1=CC=C(Cl)C(Cl)=C1 LFULEKSKNZEWOE-UHFFFAOYSA-N 0.000 description 15
- 230000005540 biological transmission Effects 0.000 description 10
- 238000011156 evaluation Methods 0.000 description 10
- 230000033001 locomotion Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 239000003653 coastal water Substances 0.000 description 6
- 238000001514 detection method Methods 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004873 anchoring Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G3/00—Traffic control systems for marine craft
- G08G3/02—Anti-collision systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Ocean & Marine Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例提供一种碰撞风险的确定方法、计算设备及存储介质。在本申请实施例中,确定可移动物体当前的第一定位信息;根据第一定位信息,确定候选可移动物体对,候选可移动物体对是指需要进行碰撞风险确定的可移动物体对;根据候选可移动物体对,确定对应可移动物体之间的碰撞风险指标;当碰撞风险指标在对应预置阈值以及对应阈值调整量的组合范围内,则确定对应可移动物体对具有碰撞风险,以使对可移动物体对进行预警。由于风险指标是通过阈值以及调整量的综合来确定碰撞风险,从而使得提高了碰撞预警的准确度,相应的也减少了预警误报的情况。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种碰撞风险的确定方法、计算设备及存储介质。
背景技术
由于沿海商渔船活动频繁,海事安全面临极大挑战,其中以浙江沿海最为突出。浙江沿海水域北接长江口,西靠杭州湾,东邻太平洋,属南北航运的必经之地。这里不仅有国内最大规模的沿海港口群和数以千计的岛屿,而且还有4条贯穿我国最繁忙近海渔场的主航路,所以浙江沿海水域是国内航运环境最复杂的地方,也是商渔船碰撞海损事故多发地段。所以对于商渔船碰撞风险检测是尤为重要。
发明内容
本申请的多个方面提供一种碰撞风险的确定方法、计算设备及存储介质,使得有效提升碰撞预警的准确度,同时降低误报警数量。
本申请实施例提供一种碰撞风险的确定方法,包括:确定可移动物体当前的第一定位信息;根据第一定位信息,确定候选可移动物体对,所述候选可移动物体对是指需要进行碰撞风险确定的可移动物体对;根据候选可移动物体对,确定对应可移动物体之间的碰撞风险指标;当所述碰撞风险指标在对应预置阈值以及对应阈值调整量的组合范围内,则确定对应可移动物体对具有碰撞风险,以使对可移动物体对进行预警。
本申请实施例还提供一种计算设备,包括:存储器、处理器;所述存储器,用于存储计算机程序;所述处理器,执行所述计算机程序,以用于:确定可移动物体当前的第一定位信息;根据第一定位信息,确定候选可移动物体对,所述候选可移动物体对是指需要进行碰撞风险确定的可移动物体对;根据候选可移动物体对,确定对应可移动物体之间的碰撞风险指标;当所述碰撞风险指标在对应预置阈值以及对应阈值调整量的组合范围内,则确定对应可移动物体对具有碰撞风险,以使对可移动物体对进行预警。
本申请实施例还提供一种存储有计算机程序的计算机可读存储介质,计算机程序被一个或多个处理器执行时,致使所述一个或多个处理器实现上述方法中的步骤。
在本申请实施例中,确定可移动物体当前的第一定位信息;根据第一定位信息,确定候选可移动物体对,候选可移动物体对是指需要进行碰撞风险确定的可移动物体对;根据候选可移动物体对,确定对应可移动物体之间的碰撞风险指标;当碰撞风险指标在对应预置阈值以及对应阈值调整量的组合范围内,则确定对应可移动物体对具有碰撞风险,以使对可移动物体对进行预警。
其中,当碰撞风险指标在对应预置阈值以及对应阈值调整量的组合范围内,则确定对应可移动物体对具有碰撞风险,以使对可移动物体对进行预警。由于风险指标是通过阈值以及调整量的综合来确定碰撞风险,从而使得提高了碰撞预警的准确度,相应的也减少了预警误报的情况。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请一示例性实施例的碰撞风险的确定方法的流程示意图;
图2为本申请一示例性实施例的有效性时间内确定定位信息的示意图;
图3为本申请一示例性实施例的确定相对速度的示意图;
图4为本申请一示例性实施例的确定风险碰撞指标的示意图;
图5为本申请一示例性实施例的位置关系的示意图;
图6为本申请一示例性实施例的确定位置关系的示意图;
图7为本申请一示例性实施例的确定位置关系的示意图;
图8为本申请一示例性实施例的确定位置关系的示意图;
图9为本申请一示例性实施例的碰撞风险的确定系统的结构示意图;
图10为本申请一示例性实施例提供的碰撞风险的确定装置的结构示意图;
图11为本申请一示例性实施例提供的计算设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
根据前文可知,由于沿海商渔船活动频繁,海事安全面临极大挑战,其中以浙江沿海最为突出。浙江沿海水域北接长江口,西靠杭州湾,东邻太平洋,属南北航运的必经之地。这里不仅有国内最大规模的沿海港口群和数以千计的岛屿,而且还有4条贯穿我国最繁忙近海渔场的主航路,所以浙江沿海水域是国内航运环境最复杂的地方,也是商渔船碰撞海损事故多发地段。所以对于商渔船碰撞风险检测是尤为重要。
针对上述问题,本申请实施例提供了一种碰撞风险的确定方法、计算设备及存储介质,降低误报警数量,有效提升碰撞预警的准确度。
下面结合方法实施例,针对碰撞风险的确定过程进行详细说明。
图1为本申请一示例性实施例的一种碰撞风险的确定方法的流程示意图。本申请实施例提供的该方法100由计算设备执行,如,服务器等。该方法100包括以下步骤:
101:确定可移动物体当前的第一定位信息。
102:根据第一定位信息,确定候选可移动物体对。
其中,候选可移动物体对是指需要进行碰撞风险确定的可移动物体对。
103:根据候选可移动物体对,确定对应可移动物体之间的碰撞风险指标。
104:当碰撞风险指标在对应预置阈值以及对应阈值调整量的组合范围内,则确定对应可移动物体对具有碰撞风险,以使对可移动物体对进行预警。
以下针对上述步骤进行详细地阐述:
101:确定可移动物体当前的第一定位信息。
其中,可移动物体可以是指可移动的交通工具,如船舶、汽车以及飞机等。也可以是其它可移动设备,如无人小车等。
第一定位信息是指当前可移动物体的物理位置,如经纬度等,即定位数据,可以以坐标的形式来表现,如物理位置的坐标。该定位信息可以是指此时当下时间对应的定位信息。如当下正进行碰撞风险的确定对应的定位信息。
例如,服务器可以接收到如多个船舶在海上航行时发送的定位信息,如船舶的物理位置。服务器接收到的定位信息是指船舶当下发送时间对应的定位信息,即第二定位信息。可以将该定位信息作为第一定位信息,但是为了更加准确地确定第一定位信息。可以在进行碰撞风险确定的时候,将接收到的定位信息进行轨迹预测,即预测从发送时间到进行确定碰撞风险的确定时间之间对应的轨迹,即由多个定位信息组成的轨迹,然后确定进行确定碰撞风险的确定时间对应定位信息,作为第一定位信息。
需要说明的是,进行轨迹预测的时候可以通过轨迹预测模型来进行轨迹的预测。该模型是通过神经网络模型训练得到的。在模型训练的时候,可以针对不同类型的船舶、船舶重量、体积等对模型进行训练。然后根据不同类型的船舶来选择对应的预测模型,或者预测模型直接根据不同类型的船舶进行轨迹的预测。从而确定对应确定时间的第一定位信息。
服务器还可以采用卡尔曼滤波算法预测该船舶在未来一段时间内的物理位置,得到该船舶的预测移动轨迹。
除此以外,还可以通过下述方式进行确定第一定位信息。
具体地,确定可移动物体当前的第一定位信息,包括:接收多个可移动物体的第二定位信息,根据第二定位信息以及延迟时间确定当前的第一定位信息。
其中,根据前文可知,第二定位信息是指可移动物体,如船舶发送该信息时船舶所在的地理位置。由于服务器接收到该定位信息,以及在进行碰撞风险确定的时候会有时间延迟,所以为了更加准确地进行碰撞预测,则需要基于第二定位信息以及延迟时间来确定当前的定位信息。即第一定位信息。
例如,根据前文所述,服务器可以通过以下公式来确定第一定位信息。船舶在同步时间的位置,即第一定位信息=船舶在发送时间的位置+船舶在发送时间的航速*(同步时间-发送时间)。
其中,船舶在发送时间的位置为即第二定位信息,航速即为船速,同步时间即为上述确定时间,延迟时间为同步时间-发送时间。
除此之外,也可以根据前文所述的方式通过预测模型来进行预测,模型预测的时候可以考虑延迟时间因素以及第二定位信息等,就不再赘述了。
具体的,根据第二定位信息以及延迟时间确定当前的第一定位信息,包括:根据进行确定碰撞风险的确定时间与第二定位信息的发送时间确定延迟时间;根据延迟时间以及对应可移动物体的速度确定对应的移动距离;根据对应的移动距离以及第二定位信息,确定第一定位信息。
由于前文已经阐述过了,此处就不再赘述了。仅说明:第二定位信息的更新频率或获取频率非常频繁,如通过雷达获取到定位信息的更新频率可以为每3秒一个点,因此可认为在该3秒的极短时间内船舶近似匀速直线行驶。所以通过上述公式来进行确定第一定位信息。
其中,移动距离为船舶在发送时间的航速*(同步时间-发送时间)。延迟时间为同步时间-发送时间。
此外,为了更好地确定第一定位信息。可移动物体,如船舶可以通过多种定位方式进行第二定位信息的确定。如雷达方式、AIS(船舶自动识别系统,Automaticidentification System)方式、卫星定位系统方式(如,北斗定位,或GPS定位(GlobalPositioning System,全球定位系统))、CCTV(Closed Circuit Television),海事数字电视监管系统)。于是,对于同一个可移动物体而言,如同一艘船舶而言,其可以通过多种定位方式将该船舶的同一第二定位信息发送至服务器。即对于服务器而言,其会接收到多个第二定位信息来确定该船舶的同一位置。那么,服务器由此也可以确定出该船舶的多条轨迹。于是,服务器可以先将轨迹或者第二定位信息进行融合。即根据多条轨迹进行融合,确定出一条最终的轨迹。可以是选择精确率最高定位方式对应的轨迹,如雷达定位到的轨迹。或者选择精确率较为高的两个或三个定位方式对应的轨迹,如雷达定位到的轨迹以及CCTV定位方式来将对应的轨迹进行融合确定一条最终的轨迹。其中,可以通过权重算法来融合这两种定位方式对应的轨迹。
另,服务器接收到这些第二定位信息后,这些定位可能同属于一个船舶。有可能属于多个船舶。服务器可能并无法确定。服务器可以根据可确定定位误差的定位方式来确定这些定位信息是否可以进行融合。如,对于AIS或卫星定位系统(如,北斗)而言,可以通过其预置好的定位误差来实现。此处可以以一个定位方式为例说明,其它定位方式是相似的。如,服务器在确定了雷达的定位误差后,且根据接收到的至少一个船舶的物理位置的坐标。服务器可以确定通过雷达获取到的物理位置的坐标,并选择其中一个物理位置的坐标,然后根据对应的定位误差,来确定该坐标在定位误差的情况下的多个物理位置的坐标,如以该坐标为圆点,以定位误差为半径确定一个圆。相似的,服务器可以确定通过CCTV获取到的物理位置的坐标,并选择其中一个物理位置的坐标,然后根据对应的定位误差,来确定该坐标在定位误差的情况下的多个物理位置的坐标。由此,服务器可以确定出这两个方式,在定位误差的情况下的多个物理位置的坐标是否有重叠。如果有重叠,则说明这两个坐标很大可能是一个船舶的一个定位信息,可以确定为一个船舶的一个定位信息,即匹配的。当重叠后,可以确定上述匹配的定位信息所对应的航向和/或航速是否相同,或者在一定阈值范围内,如果是,即移动信息也是匹配的。不重叠,则不是一个船舶。由此来确定是否为同一艘船。
于是,第二定位信息就可以是融合后的定位信息。即融合后的第二定位信息,或者也可以理解为融合后的定位信息为第二定位信息。
为了提高碰撞风险确定的精确性,需要对数据的有效性进行评估。在有效性评估部分,可以根据下述方式确定当前第二定位信息即动态数据能否用于碰撞预警。数据有效性评估的可以通过第二定位信息发送的时间是否足够用来计算较为准确的船舶位置,去除明显不靠谱的数据。
具体的,该方法100还包括:根据延迟时间是否大于时间阈值确定是否对第二定位信息进行过滤;当延迟时间大于时间阈值,则对第二定位信息进行过滤,根据过滤后的第二定位信息以及延迟时间确定当前的第一定位信息。
例如,根据前文所述,服务器首先可以明确三个时间。发送时间:即上述船舶发送第二定位信息的时间,该时间可以被携带在定位信息中发送过来,或者每一条融合后的第二定位信息,即定位数据有对应的发送时间。接收时间:接收到第二定位信息的时间。同步时间:后续计算碰撞危险(即碰撞风险)所依赖的时间,即确定时间。如,假定A船在10点05分发送了一条AIS的定位信息,服务器10点05分45秒收到,服务器在10点06分计算该船和其它船的碰撞危险,则10点05分为发送时间,10点05分45秒为接收时间,10点06分为同步时间。数据有效性评估根据定位信息的同步时间和发送时间的差值来确定数据是否可用于碰撞预警。当该差值时间超过有效性的时间阈值,则对应的定位信息,即定位数据不参与碰撞预警的计算。需要被过滤掉。其它未被过滤掉的定位信息进行碰撞风险的确定。
需要说明的是,融合后的定位信息对应的发送时间也是确定的一个。
此外,有效性评估还可以根据定位信息的发送时间和接收时间的差值来确定数据是否可用于碰撞预警。当该差值时间超过有效性的时间阈值,则对应的定位信息,即定位数据不参与碰撞预警的计算。即也可以将该过滤方式视为在上述通过同步时间和发送时间的差值的过滤方式的前置步骤。即先通过发送时间和接收时间的差值进行第一层的过滤,剔除掉不可靠的定位信息。然后进行定位信息的融合。信息融合后,再通过同步时间和发送时间的差值的过滤方式进行过滤。当然两个过滤方式分别进行过滤来来实现能否用于碰撞预警也是可以的。
为了提高轨迹预测的准确率或者说是准确地确定第一定位信息,可以设置有效性时间,由于前文所述的轨迹的最大预测提前量不超过有效性时间。
具体的,该方法100还包括:根据有效性时间,确定可移动物体当前的第一定位信息。
例如,根据前文所述,服务器可以通过分析实际定位信息中的定位数据,来设置有效性时间为3分钟,短期预测第一定位信息的预测频率可以为30秒。即:每30秒取过去3分钟内每条船的最新第二定位信息,如融合后的第二定位信息来计算当前划定的碰撞预警范围内所有船舶的最新位置,即第一定位信息,并进行后续计算。
如图2所示,其中,船A的融合定位数据A 201,即融合后的第二定位信息。在预测频率203(也可以称为计算频率)到达后,如30秒到达后,确定对应的当前位置,即第一定位信息。当船A的融合定位数据A 201经过三个预测频率203后,可以计算出对应的最新位置A205,即第一定位信息。当超出有效性时间204:3分钟后,则需要重新确定船A的融合定位数据A 201,再进行计算。就不再重复了。
其中,船B的融合定位数据B 202,即融合后的第二定位信息。在预测频率203(也可以称为计算频率)到达后,如30秒到达后,确定对应的当前位置,即第一定位信息。当船B的融合定位数据B 202经过一个预测频率203后,可以计算出对应的最新位置B206,即第一定位信息。直至超出有效性时间204后,则需要重新确定船B的融合定位数据B 202,再进行计算。就不再重复了。
基于此,该方法100还可以包括:根据有效性时间,通过第二定位信息以及延迟时间确定当前的第一定位信息。
根据前文可知,在有效性时间内来确定融合后的第二定位信息以及延迟时间确定第一定位信息,超过了有效性时间,就重新确定或者说获取融合后的第二定位信息就不再赘述了。
需要说明的是,通过评估动态数据的有效性,去除延时过长数据。以及对第一定位信息是进行短期预测,从而能够较为准确地进行位置预测,获取进行碰撞预警计算时刻的所有可移动物体,如船舶的位置。
上述步骤的执行可以通过运动侦测模块来实现。
102:根据第一定位信息,确定候选可移动物体对。
其中,候选可移动物体对是指需要进行碰撞风险确定的可移动物体对,如高效筛选需要计算碰撞风险的船舶对,即两个船舶。
例如,根据前文所述,服务器在预测了多个船舶的当前的地理位置后,即第一定位信息后,可以根据其中两个船舶当前的地理位置之间的距离来确定是否为候选对。当小于一定距离阈值,则可以作为候选对。
或者,也可以基于一定预置区域范围内,通过当前的地理位置确定该范围内的船舶,将范围内船舶进行两两配对。
具体的,根据第一定位信息,确定候选可移动物体对,包括:根据第一定位信息,确定多个可移动物体中两个可移动物体之间的相对距离;当相对距离小于距离阈值,则确定两个可移动物体属于候选可移动物体对。
由于前文已经阐述过了,此处就不再赘述。仅说明,此处可以通过会遇捕捉模块实现。目前服务器可以根据当两船舶之间距离小于3海里时,则可以确定为候选船舶对,以进行碰撞风险的确定。
103:根据候选可移动物体对,确定对应可移动物体之间的碰撞风险指标。
其中,碰撞风险指标可以包括距离指标以及时间指标。其中,距离指标可以是指DCPA(distance to closest point of approach)最近会遇距离。时间指标可以是指TCPA(time to closest point of approach)最近会遇时间。
具体的,根据候选可移动物体对,确定对应可移动物体之间的碰撞风险指标,包括:根据可移动物体对中对应可移动物体的速度,确定对应可移动物体之间的相对速度;根据第一定位信息,确定多个可移动物体中两个可移动物体之间的相对距离;根据相对速度以及相对距离对应的向量,确定可移动物体对的距离指标;根据相对距离以及相对速度,确定可移动物体对的时间指标。
更具体的,根据候选可移动物体对,确定对应可移动物体之间的碰撞风险指标,包括:根据可移动物体对中对应可移动物体的速度,确定对应可移动物体之间的相对速度;根据第一定位信息,确定多个可移动物体中两个可移动物体之间的相对距离;根据相对速度以及相对距离对应的向量,确定两向量之间的夹角;根据夹角以及相对距离,确定可移动物体对的距离指标;根据夹角、相对距离以及相对速度,确定可移动物体对的时间指标。
例如,根据前文所述,如图3所示,服务器可以根据船A 301的船速VA 303以及船B302的船速VB 304来确定两个速度向量之间的相对速度Vr 305。其中,船速VA 303和船速VB304两个向量通过各自的航向来确定速度的方向,即向量的方向。而船速和航向都可以通过船舶发送地理位置,即第二定位信息时,被携带发送过来。
如图4所示,通过船A 301和船B 302之间的当前预测到的地理位置,确定两者之间的相对距离403。而相对速度Vr和相对距离403对应的向量之间的夹角401为θ。通过相对速度Vr和相对距离403对应的向量确定夹角401。其中,相对距离403的向量方向可以通过对应地理位置的坐标来确定。由此可以确定距离指标402,即DCPA=D*sinθ。其中,D为相对距离403。而时间指标,即TCPA=D*cosθ/Vr。即TCPA*Vr=距离长度404。由此确定对应的时间指标。
需要说明的是,还可采用其它多种碰撞风险评价指标。例如直接采用两船之间的相对距离D作为碰撞风险评价指标,和/或采用两船的靠近速度ΔD/Δt(即根据时间差值Δt对应的相对距离D之间距离差值来确定靠近速度)作为碰撞风险评价指标,和/或采用两船之间的相对方位(bearing)、和/或采用两船之间的船速比VA/VB作为辅助确定碰撞风险的评价指标等。
104:当碰撞风险指标在对应预置阈值以及对应阈值调整量的组合范围内,则确定对应可移动物体对具有碰撞风险,以使对可移动物体对进行预警。
其中,预置阈值是指是否小于对应指标的阈值。如DCPA、TCPA小于对应的阈值。
对应阈值调整量是指指标对应阈值可有调整量,即在阈值的基础上设置了调整量。使得可以灵活把控指标,确定是否具有碰撞风险,提高准确性,以及降低误判率。其中,对于DCPA而言,其调整量可以是根据综合考虑可移动物体的长度,如船长,以及可移动物体周围的可移动物体密度即其所在预置区域范围内的可移动物体密度及可移动物体对之间的位置关系,然后通过机器学习算法(如神经网络模型训练)拟合实际数据给出对应调整量。TCPA而言,其调整量可以为0,或者其调整量可以是预置时间值,如1分钟,其可以是在时间指标对应阈值基础上减少调整量,如10分钟阈值基础上减少1分钟到9分钟。
其中,位置关系(也可以称为会遇态势)是指可移动物体对的位置关系。可以包括:对遇,如船舶对中当来船位于本船前方5度以内时,为对遇。还包括追越,如船舶对中当来船位于本船后方67.5度以内时为追越。其它情况为交叉。
如图5所示,当来船位于本船501前方5度以内的区域A 503时位置关系为对遇。当来船位于本船501后方67.5度以内的区域B 502时位置关系为追越。当来船位于本船501其它情况对应的区域C 504时位置关系为交叉。
而位置关系的具体确定方式如下:根据前文所述,当服务器确定如船舶对的DCPA小于特定值时,两船可近似认为驶向同一位置,因此可以通过两船船速夹角进行会遇态势的近似计算。例如,如图6所示,船A 301的船速对应的向量A 601与船B 302的船速对应的向量B 602确定两个向量之间的夹角。船速对应的向量的方向是航向。从而确定夹角α603,并确定位置关系为对遇。
如图7所示,船A 301的船速对应的向量A 601与船B 302的船速对应的向量B 602确定两个向量之间的夹角。船速对应的向量的方向是航向。从而确定夹角α603,并确定位置关系为交叉。
如图8所示,船A 301的船速对应的向量A 601与船B 302的船速对应的向量B 602确定两个向量之间的夹角。船速对应的向量的方向是航向。从而确定夹角α603,并确定位置关系为追越。
例如,根据前文所述,服务器在确定了DCPA以及TCPA后,可以确定根据船舶对的长度,以及其所在预置区域内的船舶密度及船舶对的位置关系,来根据预置模型确定调整量。由此当DCPA小于距离阈值与调整量的组合,如小于两者之和,或小于两者之差。同时,TCPA小于时间阈值,这里可以调整量为0,或TCPA小于时间阈值与调整量的组合,如小于两者之差。则可以确定该船舶对具有碰撞风险。从而可以对对应的两个船舶发送报警信息,进行预警。该报警信息可以包括船舶对中另一艘船的信息,定位信息等。
此外,对于TCPA而言,其可以设置为三级预警,分别对应三个不同的TCPA。例如,30分钟为第三级TCPA预警(第三级预警对应的时间可以为指标对应的时间阈值,也可以小于时间阈值)、20分钟为第二级TCPA预警、10分钟为第一级TCPA预警。每次到达对应级别的预警,可以分别进行预警。当然对于DCPA而言,也可以设置对应的级别,可以参考上述内容,就不再过多赘述了。
碰撞预警的会遇局面确定以第一次计算得到如两船具有碰撞风险时刻的两船的会遇态势为准。
具体地,当碰撞风险指标在对应预置阈值以及对应阈值调整量的组合范围内,则确定对对应可移动物体具有碰撞风险,包括:当距离指标以及时间指标在对应的指标阈值以及对应指标阈值调整量的组合范围内,以及可移动物体对属于持续靠近的情况,则确定对应可移动物体具有碰撞风险。
例如,由于前文已经阐述了大部分内容,就不再重复赘述了,仅说明。DCPA和TCPA的是在两船靠近情况下的定义的。其中,当船舶对中的两船远离如,θ>=90°或相对静止如,Vr=0的情况下,DCPA=D,TCPA=0。无需进行预警。那么,在两船靠近情况下则是θ<90°。于是可以通过前文所述的方式确定角度θ来确定是否为靠近的情况。由此当持续时间内,θ<90°,则确定为属于持续靠近的情况。则在前文所述的基础上,可以确定对应两艘船具有碰撞风险。就不再赘述了。
前文所述的关于DCPA的调整量具体的确定方式可以如下。
具体的,该方法100还包括:根据可移动物体的物体长度、可移动物体所在区域内的可移动物体密度、以及可移动物体之间的位置关系,进行预置模型训练,以确定距离指标对应的调整量。
例如,根据前文所述可知,服务器可以通过对神经网络模型,如CNN卷积神经网络模型进行训练得到对应的模型,以进行确定调整量。可以通过船舶对对应的两艘船的长度、船舶对在预置区域范围内的船舶密度以及船舶对对应的两艘船之间的位置关系,来训练CNN卷积神经网络模型。两艘船的长度、船舶对在预置区域范围内的船舶密度以及船舶对对应的两艘船之间的位置关系,对应着各自的合适的距离阈值,或者说同一个距离阈值以及不同的调整量来进行训练模型。训练好的模型服务器可以输入船舶对中两艘船的长度、船舶对在预置区域范围内的船舶密度以及船舶对对应的两艘船之间的位置关系,从而确定调整量。然后根据前文所述的方式确定船舶对是否具有碰撞风险。
通过DCPA对应的调整量,更准确地根据周围船舶密度、船舶本身船长等条件,自适应地根据环境条件调整报警数量。
此外,该方法100还包括:当距离指标在距离指标阈值以及距离指标阈值调整量的组合范围内,且时间指标小于时间指标阈值以及可移动物体对属于持续靠近的情况,则确定对应可移动物体具有碰撞风险。
由于前文已经阐述过了,此处就不再过多赘述了,仅说明:此处时间指标的调整量为0,即没有调整量。再根据前文所述的方式来一起确定如船舶对是否具有碰撞风险。
此外,该方法100还包括:当确定对应可移动物体对具有碰撞风险,则持续监测对应可移动物体对是否保持具有碰撞风险;当在预置时间内,持续监测到对应可移动物体对保持具有碰撞风险,则对可移动物体对进行预警。
例如,由于船舶正常转向的瞬间也容易产生与其它船舶之间的距离指标小于阈值的情况,因此还可以通过时间累积值来避免此类误报。
根据前文所述,当服务器确定得到第一次需要报警的情况时,不会立刻报警,而是可以先进行时间累积,如当前确定报警时间为10点,当经过一定时间后还算得存在两船碰撞风险时,才会进行报警,如10点10分。如以两船匀速直线行驶情况下,TCPA阈值设定为10分钟,时间累积设定为1分钟为例,当两船TCPA刚达到10分钟时,不会马上报警,而当两船达到9分钟仍未采取避碰措施时,才会进行碰撞预警。通过时间积累,去除在船舶转向等情况瞬间产生的误报警。
本申请实施例可以满足不同区域、不同人员的碰撞预警需求。可针对用户的需求对特定区域、特定数据来源、特定类型及特定速度范围的可移动物体,如特定船速范围的船舶进行碰撞预警。具体的,该方法100还包括:当可移动物体所在区域内的可移动物体密度高于密度阈值,则过滤掉可移动物体的速度低于速度阈值的可移动物体;对过滤后的可移动物体进行预警;确定可移动物体的类型,根据类型,确定是否进行预警。
其中,所在区域可以是预置区域范围内,如某段海域内。
例如,船舶密集的区域容易产生大量报警,因此在开启碰撞预警的同时对船舶速度进行过滤,以避免低速航行船舶及锚泊船舶之间的误报。如根据前文可知,服务器可以过滤掉船速低于阈值的船舶之间的报警,或者直接忽略掉或过滤掉该船舶。此外,拖船助泊、公务船检查也会出现船舶距离靠近情况,因此也对此类船舶进行过滤,减少误报。如,服务器可以根据接收到的定位信息携带的船舶型号或名称等确定船舶类型,根据船舶类型确定是否直接忽略掉或过滤掉该船舶,或者对此类船舶之间的报警进行过滤。
上述预警的内容可以通过碰撞预警模块来实现。通过多种过滤功能,能够清理拖船助泊等情况下的误报警。
需要说明的是,特定区域是指用户(如船舶的用户)需求的区域,如危险海域、船舶密集的区域等。特定数据来源是指特定定位方式,如雷达定位方式的数据或定位信息进行碰撞预警。特定类型是指可移动物体的类型,如船舶类型,就不再赘述了。特定速度范围的可移动物体,如特定船速范围的船舶,就不再赘述了。可以根据用户设定的各区域内的具体参数进行的碰撞预警。
当服务器通过上述确定如两船之间超过一定距离(如两船远离)时,确定两船无碰撞风险,会进行报警的自动解除。然而受信号源不稳定的影响,部分预警的船舶信号存在中断情况,无法根据距离自动解除。则服务器可以通过两船之间超过一定距离、超过一定时间两船之间不满足上述预警条件等结束条件自动进行报警解除。如可以是服务器的下层处理引擎可以基于此来进行报警解除。还可以服务器上层部署的应用程序根据长期时间内未收到服务器下层处理引擎发送的预警信息进行报警的自动解除,下层处理引擎基于上述结束条件结束预警。本申请实施例具有报警解除功能,自动识别会遇的结束,清理报警。
本申请实施例进行了大量的误报排除,并可以以DCPA调整量为切口,通过数据驱动的方式降低误报警数量,可以有效提升碰撞预警的准确度。而现有技术中的预警存在过多的误报情况,在复杂海域应用效果较差。
图9为本申请一示例性实施例提供的一种碰撞风险的确定系统的结构示意图。如图9所示,该系统900可以包括:可移动物体901以及服务设备902。
其中,可移动物体901是可自主移动或借靠外力移动的物体,如船舶、汽车等交通工具。或者其它可移动物体,如无人搬运车等。该可移动物体可以通过定位传感器来发送定位信息至服务设备902。该可移动物体可以具有通信组件,使得定位传感器可以通过通信组件来发送定位信息。然后可以接收服务设备902发送的预警信息。
其中,可移动物体901可以具有多个。
服务设备902是指可以在网络虚拟环境中提供计算处理服务的设备,可以是指利用网络进行碰撞风险的确定的设备。在物理实现上,服务设备902可以是任何能够提供计算服务,响应服务请求,并进行碰撞风险的确定的设备,例如可以是云服务器、云主机、虚拟中心、常规服务器等等,其上构架有数据库。服务设备902的构成主要包括处理器、硬盘、内存、系统总线等,和通用的计算机架构类似。
具体的,服务设备902,确定可移动物体当前的第一定位信息;根据第一定位信息,确定候选可移动物体对,候选可移动物体对是指需要进行碰撞风险确定的可移动物体对;根据候选可移动物体对,确定对应可移动物体之间的碰撞风险指标;当碰撞风险指标在对应预置阈值以及对应阈值调整量的组合范围内,则确定对应可移动物体对具有碰撞风险,以使对可移动物体对进行预警。
具体的,服务设备902,接收多个可移动物体的第二定位信息,根据第二定位信息以及延迟时间确定当前的第一定位信息。
具体的,可移动物体901,向服务设备902发送第二定位信息。
具体的,服务设备902,根据进行确定碰撞风险的确定时间与第二定位信息的发送时间确定延迟时间;根据延迟时间以及对应可移动物体的速度确定对应的移动距离;根据对应的移动距离以及第二定位信息,确定第一定位信息。
此外,服务设备902,根据延迟时间是否大于时间阈值确定是否对第二定位信息进行过滤;当延迟时间大于时间阈值,则对第二定位信息进行过滤,根据过滤后的第二定位信息以及延迟时间确定当前的第一定位信息。
此外,服务设备902,根据有效性时间,确定可移动物体当前的第一定位信息。
具体的,服务设备902,根据第一定位信息,确定多个可移动物体中两个可移动物体之间的相对距离;当相对距离小于距离阈值,则确定两个可移动物体属于候选可移动物体对。
具体的,服务设备902,根据可移动物体对中对应可移动物体的速度,确定对应可移动物体之间的相对速度;根据第一定位信息,确定多个可移动物体中两个可移动物体之间的相对距离;根据相对速度以及相对距离对应的向量,确定两向量之间的夹角;根据夹角以及相对距离,确定可移动物体对的距离指标;根据夹角、相对距离以及相对速度,确定可移动物体对的时间指标。
具体的,服务设备902,当距离指标以及时间指标在对应的指标阈值以及对应指标阈值调整量的组合范围内,以及可移动物体对属于持续靠近的情况,则确定对应可移动物体具有碰撞风险。
此外,服务设备902,根据可移动物体的物体长度、可移动物体所在区域内的可移动物体密度、以及可移动物体之间的位置关系,进行预置模型训练,以确定距离指标对应的调整量。
此外,服务设备902,当距离指标在距离指标阈值以及距离指标阈值调整量的组合范围内,且时间指标小于时间指标阈值以及可移动物体对属于持续靠近的情况,则确定对应可移动物体具有碰撞风险。
此外,服务设备902,当确定对应可移动物体对具有碰撞风险,则持续监测对应可移动物体对是否保持具有碰撞风险;当在预置时间内,持续监测到对应可移动物体对保持具有碰撞风险,则对可移动物体对进行预警。
此外,服务设备902,当可移动物体所在区域内的可移动物体密度高于密度阈值,则过滤掉可移动物体的速度低于速度阈值的可移动物体;对过滤后的可移动物体进行预警;确定可移动物体的类型,根据所述类型,确定是否进行预警。
未能详尽的内容请参考前文所述,就不再赘述了。
在船舶的碰撞预警的场景中,在某段海域内,有多个可移动物体901,如多艘船舶在航行。服务设备902,如服务器可以接收到如多个船舶在海上航行时发送的定位信息,如船舶的物理位置。即可移动物体901执行步骤911:发送定位信息,至服务设备902。由于服务器接收到该定位信息,以及在进行碰撞风险确定的时候会有时间延迟,所以为了更加准确地进行碰撞预测,则需要基于第二定位信息以及延迟时间来确定当前的定位信息。即第一定位信息。
服务器首先可以明确三个时间。发送时间:即上述船舶发送第二定位信息的时间,该时间可以被携带在定位信息中发送过来,或者每一条融合后的第二定位信息,即定位数据有对应的发送时间。接收时间:接收到第二定位信息的时间。同步时间:后续计算碰撞危险(即碰撞风险)所依赖的时间,即确定时间。数据有效性评估根据定位信息的同步时间和发送时间的差值来确定数据是否可用于碰撞预警。当该差值时间超过有效性的时间阈值,则对应的定位信息,即定位数据不参与碰撞预警的计算。需要被过滤掉。其它未被过滤掉的定位信息进行碰撞风险的确定。
服务器在预测了多个船舶的当前的地理位置后,即第一定位信息后,可以根据其中两个船舶当前的地理位置之间的距离来确定是否为候选对。当小于一定距离阈值,则可以作为候选对。
服务器可以根据例如船A的船速VA以及船B的船速VB来确定两个速度向量之间的相对速度Vr。其中,船速VA和船速VB两个向量通过各自的航向来确定速度的方向,即向量的方向。而船速和航向都可以通过船舶发送地理位置,即第二定位信息时,被携带发送过来。通过船A和船B之间的当前预测到的地理位置,确定两者之间的相对距离。而相对速度Vr和相对距离对应的向量之间的夹角为θ。通过相对速度Vr和相对距离对应的向量确定夹角。其中,相对距离的向量方向可以通过对应地理位置的坐标来确定。由此可以确定距离指标,即DCPA=D*sinθ。其中,D为相对距离。而时间指标,即TCPA=D*cosθ/Vr。即TCPA*Vr=距离长度。由此确定对应的指标。
服务器在确定了DCPA以及TCPA后,可以确定根据船舶对的长度,以及其所在预置区域内的船舶密度及船舶对的位置关系,来根据预置模型确定调整量。由此当DCPA小于距离阈值与调整量的组合,如小于两者之和,或小于两者之差。同时,TCPA小于时间阈值,这里可以调整量为0,或TCPA小于时间阈值与调整量的组合,如小于两者之差,且在两船靠近情况下则是θ<90°。则可以确定该船舶对具有碰撞风险。从而可以对对应的两个船舶发送报警信息,进行预警。即执行步骤912:发送报警信息。该报警信息可以包括船舶对中另一艘船的信息,定位信息等。
此处未详细记载的内容可以参考前文所述的内容,就不再赘述。
在上述本实施例中,可移动物体901、服务设备902进行网络连接。若可移动物体901、服务设备902是通信连接,该移动网络的网络制式可以为2G(GSM)、2.5G(GPRS)、3G(WCDMA、TD-SCDMA、CDMA2000、UTMS)、4G(LTE)、4G+(LTE+)、WiMax、5G等中的任意一种。
图10为本申请一示例性实施例提供的一种碰撞风险的确定装置的结构框架示意图。该装置1000可以应用于计算设备,如服务器。该装置1000包括:确定模块1001、会遇捕捉模块1002以及碰撞预警模块1003;以下针对各个模块的功能进行详细的阐述:
运动侦测模块1001,用于确定可移动物体当前的第一定位信息。
会遇捕捉模块1002,用于根据第一定位信息,确定候选可移动物体对。
其中,候选可移动物体对是指需要进行碰撞风险确定的可移动物体对。
会遇捕捉模块1002,用于根据候选可移动物体对,确定对应可移动物体之间的碰撞风险指标。
碰撞预警模块1003,用于当碰撞风险指标在对应预置阈值以及对应阈值调整量的组合范围内,则确定对应可移动物体对具有碰撞风险,以使对可移动物体对进行预警。
具体的,运动侦测模块1001,用于接收多个可移动物体的第二定位信息,根据第二定位信息以及延迟时间确定当前的第一定位信息。
具体的,运动侦测模块1001,包括:第一确定单元,用于根据进行确定碰撞风险的确定时间与第二定位信息的发送时间确定延迟时间;第一确定单元,用于根据延迟时间以及对应可移动物体的速度确定对应的移动距离;第一确定单元,用于根据对应的移动距离以及第二定位信息,确定第一定位信息。
此外,运动侦测模块1001,还用于根据延迟时间是否大于时间阈值确定是否对第二定位信息进行过滤;当延迟时间大于时间阈值,则对第二定位信息进行过滤,根据过滤后的第二定位信息以及延迟时间确定当前的第一定位信息。
此外,运动侦测模块1001,还用于根据有效性时间,确定可移动物体当前的第一定位信息。
具体的,第一确定单元,用于根据第一定位信息,确定多个可移动物体中两个可移动物体之间的相对距离;当相对距离小于距离阈值,则确定两个可移动物体属于候选可移动物体对。
具体的,会遇捕捉模块1002,包括:第二确定单元,用于根据可移动物体对中对应可移动物体的速度,确定对应可移动物体之间的相对速度;第二确定单元,用于根据第一定位信息,确定多个可移动物体中两个可移动物体之间的相对距离;第二确定单元,用于根据相对速度以及相对距离对应的向量,确定两向量之间的夹角;第二确定单元,用于根据夹角以及相对距离,确定可移动物体对的距离指标;第二确定单元,用于根据夹角、相对距离以及相对速度,确定可移动物体对的时间指标。
具体的,碰撞预警模块1003,用于:当距离指标以及时间指标在对应的指标阈值以及对应指标阈值调整量的组合范围内,以及可移动物体对属于持续靠近的情况,则确定对应可移动物体具有碰撞风险。
此外,碰撞预警模块1003,还用于:根据可移动物体的物体长度、可移动物体所在区域内的可移动物体密度、以及可移动物体之间的位置关系,进行预置模型训练,以确定距离指标对应的调整量。
此外,碰撞预警模块1003,还用于:当距离指标在距离指标阈值以及距离指标阈值调整量的组合范围内,且时间指标小于时间指标阈值以及可移动物体对属于持续靠近的情况,则确定对应可移动物体具有碰撞风险。
此外,碰撞预警模块1003,还用于:当确定对应可移动物体对具有碰撞风险,则持续监测对应可移动物体对是否保持具有碰撞风险;当在预置时间内,持续监测到对应可移动物体对保持具有碰撞风险,则对可移动物体对进行预警。
此外,碰撞预警模块1003,还用于:当可移动物体所在区域内的可移动物体密度高于密度阈值,则过滤掉可移动物体的速度低于速度阈值的可移动物体;对过滤后的可移动物体进行预警;确定可移动物体的类型,根据所述类型,确定是否进行预警。
本装置1000中未能详尽的内容请参考前文所述,就不再赘述。
以上描述了图10所示的装置1000的内部功能和结构,在一个可能的设计中,图10所示的装置1000的结构可实现为计算设备,如,服务器。如图11所示,该设备1100可以包括:存储器1101、处理器1102;
存储器1101,用于存储计算机程序。
处理器1102,用于执行计算机程序,以用于:确定可移动物体当前的第一定位信息;根据第一定位信息,确定候选可移动物体对,候选可移动物体对是指需要进行碰撞风险确定的可移动物体对;根据候选可移动物体对,确定对应可移动物体之间的碰撞风险指标;当碰撞风险指标在对应预置阈值以及对应阈值调整量的组合范围内,则确定对应可移动物体对具有碰撞风险,以使对可移动物体对进行预警。
具体的,处理器1102,具体用于:接收多个可移动物体的第二定位信息,根据第二定位信息以及延迟时间确定当前的第一定位信息。
具体的,处理器1102,具体用于:根据进行确定碰撞风险的确定时间与第二定位信息的发送时间确定延迟时间;根据延迟时间以及对应可移动物体的速度确定对应的移动距离;根据对应的移动距离以及第二定位信息,确定第一定位信息。
此外,处理器1102,还用于:根据延迟时间是否大于时间阈值确定是否对第二定位信息进行过滤;当延迟时间大于时间阈值,则对第二定位信息进行过滤,根据过滤后的第二定位信息以及延迟时间确定当前的第一定位信息。
此外,处理器1102,还用于:根据有效性时间,确定可移动物体当前的第一定位信息。
具体的,处理器1102,具体用于:根据第一定位信息,确定多个可移动物体中两个可移动物体之间的相对距离;当相对距离小于距离阈值,则确定两个可移动物体属于候选可移动物体对。
具体的,处理器1102,具体用于:根据可移动物体对中对应可移动物体的速度,确定对应可移动物体之间的相对速度;根据第一定位信息,确定多个可移动物体中两个可移动物体之间的相对距离;根据相对速度以及相对距离对应的向量,确定两向量之间的夹角;根据夹角以及相对距离,确定可移动物体对的距离指标;根据夹角、相对距离以及相对速度,确定可移动物体对的时间指标。
具体的,处理器1102,具体用于:当距离指标以及时间指标在对应的指标阈值以及对应指标阈值调整量的组合范围内,以及可移动物体对属于持续靠近的情况,则确定对应可移动物体具有碰撞风险。
此外,处理器1102,还用于:根据可移动物体的物体长度、可移动物体所在区域内的可移动物体密度、以及可移动物体之间的位置关系,进行预置模型训练,以确定距离指标对应的调整量。
此外,处理器1102,还用于:当距离指标在距离指标阈值以及距离指标阈值调整量的组合范围内,且时间指标小于时间指标阈值以及可移动物体对属于持续靠近的情况,则确定对应可移动物体具有碰撞风险。
此外,处理器1102,还用于:当确定对应可移动物体对具有碰撞风险,则持续监测对应可移动物体对是否保持具有碰撞风险;当在预置时间内,持续监测到对应可移动物体对保持具有碰撞风险,则对可移动物体对进行预警。
此外,处理器1102,还用于:当可移动物体所在区域内的可移动物体密度高于密度阈值,则过滤掉可移动物体的速度低于速度阈值的可移动物体;对过滤后的可移动物体进行预警;确定可移动物体的类型,根据所述类型,确定是否进行预警。
本发明实施例提供了一种计算机存储介质,计算机程序被一个或多个处理器执行时,致使一个或多个处理器实现图1-图8方法实施例中一种碰撞风险的确定方法的步骤。就不再过多赘述了。
另外,在上述实施例及附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如101、102、103等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助加必需的通用硬件平台的方式来实现,当然也可以通过硬件和软件结合的方式来实现。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以计算机产品的形式体现出来,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程多媒体数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程多媒体数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程多媒体数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程多媒体数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (14)
1.一种碰撞风险的确定方法,其特征在于,包括:
确定可移动物体当前的第一定位信息;
根据第一定位信息,确定候选可移动物体对,所述候选可移动物体对是指需要进行碰撞风险确定的可移动物体对;
根据候选可移动物体对,确定对应可移动物体之间的碰撞风险指标;
当所述碰撞风险指标在对应预置阈值以及对应阈值调整量的组合范围内,则确定对应可移动物体对具有碰撞风险,以使对可移动物体对进行预警。
2.根据权利要求1所述的方法,其特征在于,所述确定可移动物体当前的第一定位信息,包括:
接收多个可移动物体的第二定位信息,根据所述第二定位信息以及延迟时间确定当前的第一定位信息。
3.根据权利要求2所述的方法,其特征在于,所述根据所述第二定位信息以及延迟时间确定当前的第一定位信息,包括:
根据进行确定碰撞风险的确定时间与第二定位信息的发送时间确定所述延迟时间;
根据所述延迟时间以及对应可移动物体的速度确定对应的移动距离;
根据对应的移动距离以及所述第二定位信息,确定所述第一定位信息。
4.根据权利要求2或3所述的方法,其特征在于,所述方法还包括:
根据延迟时间是否大于时间阈值确定是否对所述第二定位信息进行过滤;
当延迟时间大于所述时间阈值,则对所述第二定位信息进行过滤,根据过滤后的第二定位信息以及延迟时间确定当前的第一定位信息。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据有效性时间,确定可移动物体当前的第一定位信息。
6.根据权利要求1所述的方法,其特征在于,所述根据第一定位信息,确定候选可移动物体对,包括:
根据第一定位信息,确定多个可移动物体中两个可移动物体之间的相对距离;
当相对距离小于距离阈值,则确定所述两个可移动物体属于候选可移动物体对。
7.根据权利要求1所述的方法,其特征在于,所述根据候选可移动物体对,确定对应可移动物体之间的碰撞风险指标,包括:
根据可移动物体对中对应可移动物体的速度,确定对应可移动物体之间的相对速度;
根据第一定位信息,确定多个可移动物体中两个可移动物体之间的相对距离;
根据相对速度以及相对距离对应的向量,确定两向量之间的夹角;
根据所述夹角以及所述相对距离,确定可移动物体对的距离指标;
根据所述夹角、所述相对距离以及相对速度,确定可移动物体对的时间指标。
8.根据权利要求1所述的方法,其特征在于,所述当所述碰撞风险指标在对应预置阈值以及对应阈值调整量的组合范围内,则确定对对应可移动物体具有碰撞风险,包括:
当距离指标以及时间指标在对应的指标阈值以及对应指标阈值调整量的组合范围内,以及可移动物体对属于持续靠近的情况,则确定对应可移动物体具有碰撞风险。
9.根据权利要求1或8所述的方法,其特征在于,所述方法还包括:
根据可移动物体的物体长度、可移动物体所在区域内的可移动物体密度、以及可移动物体之间的位置关系,进行预置模型训练,以确定距离指标对应的调整量。
10.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当距离指标在距离指标阈值以及距离指标阈值调整量的组合范围内,且时间指标小于时间指标阈值以及可移动物体对属于持续靠近的情况,则确定对应可移动物体具有碰撞风险。
11.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当确定对应可移动物体对具有碰撞风险,则持续监测对应可移动物体对是否保持具有碰撞风险;
当在预置时间内,持续监测到对应可移动物体对保持具有碰撞风险,则对可移动物体对进行预警。
12.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当可移动物体所在区域内的可移动物体密度高于密度阈值,则过滤掉可移动物体的速度低于速度阈值的可移动物体;
对过滤后的可移动物体进行预警;
确定可移动物体的类型,根据所述类型,确定是否进行预警。
13.一种计算设备,其特征在于,包括:存储器、处理器;
所述存储器,用于存储计算机程序;
所述处理器,执行所述计算机程序,以用于:
确定可移动物体当前的第一定位信息;
根据第一定位信息,确定候选可移动物体对,所述候选可移动物体对是指需要进行碰撞风险确定的可移动物体对;
根据候选可移动物体对,确定对应可移动物体之间的碰撞风险指标;
当所述碰撞风险指标在对应预置阈值以及对应阈值调整量的组合范围内,则确定对应可移动物体对具有碰撞风险,以使对可移动物体对进行预警。
14.一种存储有计算机程序的计算机可读存储介质,其特征在于,计算机程序被一个或多个处理器执行时,致使所述一个或多个处理器实现权利要求1-12任一项所述方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111521823.5A CN114202966A (zh) | 2021-12-13 | 2021-12-13 | 碰撞风险的确定方法、计算设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111521823.5A CN114202966A (zh) | 2021-12-13 | 2021-12-13 | 碰撞风险的确定方法、计算设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114202966A true CN114202966A (zh) | 2022-03-18 |
Family
ID=80653251
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111521823.5A Pending CN114202966A (zh) | 2021-12-13 | 2021-12-13 | 碰撞风险的确定方法、计算设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114202966A (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030236605A1 (en) * | 2002-06-19 | 2003-12-25 | Nissan Motor Co., Ltd. | Vehicle obstacle detecting apparatus |
US20040189451A1 (en) * | 2003-03-28 | 2004-09-30 | Zoratti Paul K. | Stopped object filtering for side object detection system |
CN101707006A (zh) * | 2009-10-20 | 2010-05-12 | 中华电信股份有限公司 | 合作式车辆追撞警告系统 |
CN105682222A (zh) * | 2016-03-01 | 2016-06-15 | 西安电子科技大学 | 一种基于车辆自组织网络的车辆位置定位信息融合方法 |
CN106781692A (zh) * | 2016-12-01 | 2017-05-31 | 东软集团股份有限公司 | 车辆碰撞预警的方法、装置及系统 |
CN110264782A (zh) * | 2018-03-12 | 2019-09-20 | 世环国际股份有限公司 | 车辆不当跟车判断方法、不当跟车判断模块与系统 |
CN110517486A (zh) * | 2019-08-16 | 2019-11-29 | 东南大学 | 一种基于驾驶行为状态的前向碰撞预警方法 |
CN111833657A (zh) * | 2020-06-28 | 2020-10-27 | 武汉理工大学 | 船舶避碰方法、系统和存储介质 |
CN112046472A (zh) * | 2020-09-11 | 2020-12-08 | 中国第一汽车股份有限公司 | 一种车辆避撞方法、装置、车辆及存储介质 |
CN112133129A (zh) * | 2020-09-25 | 2020-12-25 | 安徽达尔智能控制系统股份有限公司 | 一种基于智能网联技术的交通路口自动警示系统 |
CN112590984A (zh) * | 2020-12-03 | 2021-04-02 | 江门市大长江集团有限公司 | 摩托车后视镜防撞报警装置、方法和计算机设备 |
CN113060160A (zh) * | 2021-04-21 | 2021-07-02 | 深圳大学 | 自动驾驶控制方法及装置 |
CN113744569A (zh) * | 2021-11-03 | 2021-12-03 | 武汉理工大学 | 开阔水域船舶自主避碰方法、系统、设备及存储介质 |
-
2021
- 2021-12-13 CN CN202111521823.5A patent/CN114202966A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030236605A1 (en) * | 2002-06-19 | 2003-12-25 | Nissan Motor Co., Ltd. | Vehicle obstacle detecting apparatus |
US20040189451A1 (en) * | 2003-03-28 | 2004-09-30 | Zoratti Paul K. | Stopped object filtering for side object detection system |
CN101707006A (zh) * | 2009-10-20 | 2010-05-12 | 中华电信股份有限公司 | 合作式车辆追撞警告系统 |
CN105682222A (zh) * | 2016-03-01 | 2016-06-15 | 西安电子科技大学 | 一种基于车辆自组织网络的车辆位置定位信息融合方法 |
CN106781692A (zh) * | 2016-12-01 | 2017-05-31 | 东软集团股份有限公司 | 车辆碰撞预警的方法、装置及系统 |
CN110264782A (zh) * | 2018-03-12 | 2019-09-20 | 世环国际股份有限公司 | 车辆不当跟车判断方法、不当跟车判断模块与系统 |
CN110517486A (zh) * | 2019-08-16 | 2019-11-29 | 东南大学 | 一种基于驾驶行为状态的前向碰撞预警方法 |
CN111833657A (zh) * | 2020-06-28 | 2020-10-27 | 武汉理工大学 | 船舶避碰方法、系统和存储介质 |
CN112046472A (zh) * | 2020-09-11 | 2020-12-08 | 中国第一汽车股份有限公司 | 一种车辆避撞方法、装置、车辆及存储介质 |
CN112133129A (zh) * | 2020-09-25 | 2020-12-25 | 安徽达尔智能控制系统股份有限公司 | 一种基于智能网联技术的交通路口自动警示系统 |
CN112590984A (zh) * | 2020-12-03 | 2021-04-02 | 江门市大长江集团有限公司 | 摩托车后视镜防撞报警装置、方法和计算机设备 |
CN113060160A (zh) * | 2021-04-21 | 2021-07-02 | 深圳大学 | 自动驾驶控制方法及装置 |
CN113744569A (zh) * | 2021-11-03 | 2021-12-03 | 武汉理工大学 | 开阔水域船舶自主避碰方法、系统、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9659501B2 (en) | Vessel monitoring system and vessel monitoring method thereof | |
Rong et al. | Ship collision avoidance behaviour recognition and analysis based on AIS data | |
EP2504719B1 (en) | A method and system of navigational decision support in the process of safe vessel navigation | |
US9334030B2 (en) | Method and system for managing traffic considering GPS jamming | |
JP7222879B2 (ja) | 交通手段の危険早期警告方法、装置、機器および媒体 | |
CN103714718B (zh) | 一种内河桥区船舶安全航行预控系统 | |
CN108922247A (zh) | 一种基于ais的船舶-航标碰撞危险度估算方法 | |
KR20110098465A (ko) | 운항체의 운항 상황별 운항경로정보를 이용한 교통관제장치 및 그 방법 | |
US20220371705A1 (en) | Method for providing a location-specific machine learning model | |
Silveira et al. | Assessment of ship collision estimation methods using AIS data | |
CN112562417A (zh) | 一种船舶应急指挥管理系统和方法 | |
EP3621009A1 (en) | Cargo transfer | |
CN112102361B (zh) | 一种多船只运行碰撞检测方法、装置及计算机设备 | |
Stateczny et al. | Sensor data fusion in inland navigation | |
CN114274972A (zh) | 自主驾驶环境中的场景识别 | |
AU2022252739A1 (en) | Obstruction detection system | |
KR102283968B1 (ko) | 이미지 학습 기반 시정 관측 정보 생성 및 공유 시스템과 그 방법 | |
CN114202966A (zh) | 碰撞风险的确定方法、计算设备及存储介质 | |
Kim et al. | Field experiment of autonomous ship navigation in canal and surrounding nearshore environments | |
Kotzé et al. | Use of uncertainty zones for vessel operation in inland waterways | |
CN116009534A (zh) | 一种基于岛礁-无人船平台的海上应急突发搜救处置方法 | |
CN103942979A (zh) | 探测目标的预警方法及装置 | |
Rao et al. | Harnessing low-cost marine internet for collision avoidance of vessels at sea | |
Hagargund et al. | Implementation of Global Ship Tracking And Monitor System | |
CN114279432A (zh) | 融合定位方法、计算设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220318 |