CN114708750B - 一种桥区水域船舶碰撞风险检测方法和装置 - Google Patents

一种桥区水域船舶碰撞风险检测方法和装置 Download PDF

Info

Publication number
CN114708750B
CN114708750B CN202210630119.1A CN202210630119A CN114708750B CN 114708750 B CN114708750 B CN 114708750B CN 202210630119 A CN202210630119 A CN 202210630119A CN 114708750 B CN114708750 B CN 114708750B
Authority
CN
China
Prior art keywords
ship
channel
bridge
track
detected
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
CN202210630119.1A
Other languages
English (en)
Other versions
CN114708750A (zh
Inventor
陈鹏飞
张梁
牟军敏
陈琳瑛
程昭熙
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 CN202210630119.1A priority Critical patent/CN114708750B/zh
Publication of CN114708750A publication Critical patent/CN114708750A/zh
Application granted granted Critical
Publication of CN114708750B publication Critical patent/CN114708750B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G3/00—Traffic control systems for marine craft
    • G08G3/02—Anti-collision systems
    • 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
    • G01C21/203—Specially adapted for sailing ships
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • Y02A30/30—Adapting or protecting infrastructure or their operation in transportation, e.g. on roads, waterways or railways

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Ocean & Marine Engineering (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请公开了一种桥区水域船舶碰撞风险检测方法和装置，该方法包括：获取桥区水域的原始AIS数据，对所述原始AIS数据进行预处理，得到桥区水域范围和船舶航行轨迹数据；根据所述桥区水域范围和船舶航行轨迹数据，得到轨迹密度图；根据所述轨迹密度图确定航道边界点和航道分隔点；根据所述航道边界点和航道分隔点，得到桥区水域的航道边界，根据所述航道边界和待检测船舶的航行轨迹，判断所述待检测船舶与所述航道边界是否存在碰撞风险。本发明对航道边界进行了准确识别，并判断待检测船舶与航道边界是否存在碰撞风险，检测参数更少，更易解释且更准确，能够从源头上降低碰撞事故发生的概率，避免船桥碰撞造成的人员伤亡和财产损失。

Description

一种桥区水域船舶碰撞风险检测方法和装置
技术领域
本发明涉及水上交通管理技术领域，尤其涉及一种桥区水域船舶碰撞风险检测方法、装置和计算机可读存储介质。
背景技术
内河航运是我国综合运输体系的重要组成部分，在我国经济发展中发挥着不可或缺的作用。随着现代城市的发展，桥梁的数量不断增加，由船桥碰撞引起的桥梁倒塌事件也越来越多，桥梁事故对生命安全、经济效益以及社会效应的影响是巨大的。因此，如何降低船桥碰撞造成的损失在国内外都引起了广泛关注。
现有技术中，防止船桥碰撞的方法主要是从安装防撞设施的角度来为桥梁提供有效保护，防止船舶对桥梁造成损坏。这类方法能够有效地减轻船舶与桥梁发生碰撞后对桥梁造成的损伤，但并没有从源头上降低碰撞概率，一旦船舶的撞击力超过防撞设施的负载，这些设施的作用就非常有限。
因此，需要提供一种桥区水域的船舶碰撞风险检测方法，从降低碰撞概率的角度来进行船桥防撞，从源头上防止船桥碰撞，解决现有技术中存在的船桥碰撞防护效果不佳的问题，减少船桥碰撞造成的人员伤亡和经济损失。
发明内容
有鉴于此，有必要提供一种桥区水域船舶碰撞风险检测方法、装置和计算机可读存储介质，用以解决现有技术没有从源头上降低船桥碰撞的概率，从而导致船桥碰撞防护效果不佳的问题。
为了解决上述问题，本发明提供一种桥区水域船舶碰撞风险检测方法，包括：
获取桥区水域的原始AIS数据，对所述原始AIS数据进行预处理，得到桥区水域范围和船舶航行轨迹数据；
根据所述桥区水域范围和船舶航行轨迹数据，得到轨迹密度图；
根据所述轨迹密度图确定航道边界点和航道分隔点；
根据所述航道边界点和航道分隔点，得到桥区水域的航道边界；
根据所述航道边界和待检测船舶的航行轨迹，判断所述待检测船舶与所述航道边界是否存在碰撞风险。
进一步地，根据所述轨迹密度图确定航道边界点和航道分隔点，包括：
根据所述轨迹密度图，得到核密度拟合曲线；
根据所述核密度拟合曲线的局部最大值和局部最小值，确定航道中心点、航道边界点和航道分隔点。
进一步地，根据所述航道边界点和航道分隔点，得到桥区水域的航道边界，包括：
根据所述航道边界点和航道分隔点，得到初步航道边界线和初步航道分隔线；
对所述初步航道边界线和初步航道分隔线进行平滑处理，得到桥区水域的航道边界。
进一步地，根据所述待检测船舶的航行轨迹，判断所述待检测船舶与所述航道边界是否存在碰撞风险，包括：
根据所述待检测船舶的航行轨迹，确定所述待检测船舶轨迹点的速度空间和速度向量；
将所述航道边界投影到所述待检测船舶轨迹点的速度空间中，得到航道边界投影区间；
当所述速度向量落入所述航道边界投影区间内时，所述待检测船舶与所述航道边界存在碰撞风险。
进一步地，所述方法还包括：
根据所述桥区水域范围和船舶航行轨迹数据，得到目标船舶的船舶领域；
根据所述待检测船舶的航行轨迹和所述目标船舶的船舶领域，判断所述待检测船舶和所述目标船舶是否存在碰撞风险。
进一步地，根据所述桥区水域范围和船舶航行轨迹数据，得到目标船舶的船舶领域，包括：
根据所述船舶航行轨迹数据，得到目标船舶的航行轨迹；
根据目标船舶航行轨迹点周围的轨迹点，得到船舶轨迹点拟合曲线；
根据所述船舶轨迹点拟合曲线，得到目标船舶的距离参数；
根据所述目标船舶的距离参数，确定所述目标船舶的船舶领域。
进一步地，根据所述待检测船舶的航行轨迹和所述目标船舶的船舶领域，判断所述待检测船舶和所述目标船舶是否存在碰撞风险，包括：
根据所述待检测船舶的航行轨迹，确定所述待检测船舶轨迹点的速度空间和速度向量；
将所述目标船舶的船舶领域投影到所述待检测船舶轨迹点的速度空间中，得到目标船舶投影区间；
当所述速度向量落入所述目标船舶投影区间内时，所述待检测船舶与所述目标船舶存在碰撞风险。
进一步地，对所述原始AIS数据进行预处理，包括：
删除所述原始AIS数据中的异常数据、对所述原始AIS数据进行运动学插值处理。
本发明还提供一种桥区水域船舶碰撞风险检测装置，包括：
数据获取模块，用于获取桥区水域的原始AIS数据，对所述原始AIS数据进行预处理，得到桥区水域范围和船舶航行轨迹数据；
轨迹密度图识别模块，用于根据所述桥区水域范围和船舶航行轨迹数据，得到轨迹密度图；
特征点确定模块，用于根据所述轨迹密度图确定航道边界点和航道分隔点；
航道边界确定模块，用于根据所述航道边界点和航道分隔点，得到桥区水域的航道边界；
碰撞检测模块，用于根据所述航道边界和待检测船舶的航行轨迹，判断所述待检测船舶与所述航道边界是否存在碰撞风险。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机该程序被处理器执行时，实现如上述任一技术方案所述的桥区水域船舶碰撞风险检测方法。
与现有技术相比，本发明的有益效果包括：首先，获取桥区水域的原始AIS数据，对所述原始AIS数据进行预处理，得到桥区水域范围和船舶航行轨迹数据；其次，根据所述桥区水域范围和船舶航行轨迹数据，得到轨迹密度图，进一步确定航道边界点和航道分隔点，根据所述航道边界点和航道分隔点，得到桥区水域的航道边界；最后，判断所述待检测船舶与所述航道边界是否存在碰撞风险。本发明通过桥区水域的真实AIS数据，对桥区水域的航道边界进行了准确的识别；通过AIS数据提取出船舶轨迹数据，根据船舶轨迹数据能够简单明了的判断待检测船舶和航道边界的碰撞风险，需要检测的参数更少，更易解释且更准确。本发明能够从源头上防止船桥碰撞，减少船桥碰撞造成的人员伤亡和经济损失。
附图说明
图1为本发明提供的一种桥区水域船舶碰撞风险检测方法一实施例的流程示意图；
图2（a）为本发明提供的经过预处理后的原始AIS数据一实施例的示意图；
图2（b）为本发明提供的轨迹密度图一实施例的示意图；
图3为本发明提供的根据轨迹密度图得到核密度拟合曲线一实施例的示意图；
图4（a）为本发明提供的通过KDE方法求得的边界线和分隔线一实施例的示意图；
图4（b）为本发明提供的经过多项式拟合后的边界线和分隔线一实施例的示意图；
图5（a）为本发明提供的真实航道边界线和识别航道边界线一实施例的对比图；
图5（b）为本发明提供的边界识别误差范围一实施例的示意图；
图6（a）为本发明提供的目标船舶方位范围划分一实施例的示意图；
图6（b）为本发明提供的根据目标船舶进行区域划分后通过KDE方法得到的拟合曲线一实施例的示意图；
图7为本发明提供的偏心椭圆船舶领域一实施例的示意图；
图8（a）为本发明提供的待检测船舶和航道边界不存在碰撞风险一实施例的检测示意图；
图8（b）为本发明提供的待检测船舶和航道边界存在碰撞风险一实施例的检测示意图；
图9（a）为本发明提供的待检测船舶和桥墩不存在碰撞风险一实施例的检测示意图；
图9（b）为本发明提供的待检测船舶和桥墩存在碰撞风险一实施例的检测示意图；
图10（a）为本发明提供的待检测船舶与目标船舶不存在碰撞风险一实施例的检测示意图；
图10（b）为本发明提供的待检测船舶与目标船舶存在碰撞风险一实施例的检测示意图；
图11为本发明提供的船舶航行轨迹数据一实施例的示意图；
图12（a）为本发明提供的船舶和桥墩之间TCPA碰撞风险计算结果一实施例的示意图；
图12（b）为本发明提供的船舶和桥墩之间DCPA碰撞风险计算结果一实施例的示意图；
图12（c）为本发明提供的船舶和桥墩之间通过本申请的方法得到的碰撞风险检测结果一实施例的示意图；
图13（a）为本发明提供的两艘船会遇期间 TCPA碰撞风险计算结果一实施例的示意图；
图13（b）为本发明提供的两艘船会遇期间DCPA碰撞风险计算结果一实施例的示意图；
图13（c）为本发明提供的两艘船会遇期间通过本申请的方法得到的碰撞风险检测结果一实施例的示意图；
图14为本发明提供的一种桥区水域船舶碰撞风险检测装置的结构示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。
本发明提供了一种桥区水域船舶碰撞风险检测方法和装置，以下分别进行详细说明。
本发明实施例提供了一种桥区水域船舶碰撞风险检测方法，其流程示意图如图1所示，包括：
步骤S101、获取桥区水域的原始AIS数据，对所述原始AIS数据进行预处理，得到桥区水域范围和船舶航行轨迹数据；
步骤S102、根据所述桥区水域范围和船舶航行轨迹数据，得到轨迹密度图；
步骤S103、根据所述轨迹密度图确定航道边界点和航道分隔点；
步骤S104、根据所述航道边界点和航道分隔点，得到桥区水域的航道边界；
步骤S105、根据所述航道边界和待检测船舶的航行轨迹，判断所述待检测船舶与所述航道边界是否存在碰撞风险。
与现有技术相比，本实施例提供的一种桥区水域船舶碰撞风险检测方法，首先，获取桥区水域的原始AIS数据，对所述原始AIS数据进行预处理，得到桥区水域范围和船舶航行轨迹数据；其次，根据所述桥区水域范围和船舶航行轨迹数据，得到轨迹密度图，进一步确定航道边界点和航道分隔点，根据所述航道边界点和航道分隔点，得到桥区水域的航道边界；最后，判断所述待检测船舶与所述航道边界是否存在碰撞风险。本发明通过桥区水域的真实AIS数据，对桥区水域的航道边界进行了准确的识别；通过AIS数据提取出船舶轨迹数据，根据船舶轨迹数据能够简单明了的判断待检测船舶和航道边界的碰撞风险，需要检测的参数更少，更易解释且更准确。本发明能够从源头上防止船桥碰撞，减少船桥碰撞造成的人员伤亡和经济损失。
在步骤S101中，AIS数据记录了船舶通过桥区水域的真实轨迹。这些轨迹是由船舶驾驶员在考虑风、流、边界和习惯路线等各种因素后决定的。因此，获取准确的AIS数据对于后续的碰撞风险检测具有重要意义。然而，由于AIS报文易受恶劣天气、通信信道阻塞、设备故障等影响，获取得到的原始AIS数据常常会存在大量的异常值和缺失数据，需要对原始AIS数据进行预处理，得到准确有效的AIS数据。
作为优选的实施例，在步骤S101中，对所述原始AIS数据进行预处理，包括：
删除所述原始AIS数据中的异常数据、对所述原始AIS数据进行运动学插值处理。
作为一个具体的实施例，删除所述原始AIS数据中的异常数据包括：
（1）删除违规数据，如MMSI不是9位数的数据、经纬度记录超出范围的数据，船舶吃水为零的数据等；
（2）删除极端数据，如短时间变化很大或长时间内没有变化的数据等；
（3）删除重叠数据，如相邻两个轨迹点的数据除了时间之外均相同的数据。
通常，AIS数据的传输频率从3秒到3分钟不等。因此，同一轨迹上相邻轨迹点之间的时间间隔是不一致的，需要在间隔时间较长的轨迹点之间进行插值，以提高数据质量。航运领域常用的插值方法有线性插值、三次样条插值和运动学插值。
作为一个具体的实施例，对所述原始AIS数据进行运动学插值处理。运动学插值的主要思想是在一个周期内建立运动物体的加速度函数，运动学方程如下：
Figure 151528DEST_PATH_IMAGE001
其中，
Figure 536DEST_PATH_IMAGE002
和
Figure 656776DEST_PATH_IMAGE003
分别表示插值点在
Figure 907629DEST_PATH_IMAGE004
时刻船舶的位置和速度，
Figure 482967DEST_PATH_IMAGE005
和
Figure 819270DEST_PATH_IMAGE006
是插值点前一个船舶的点的位置和速度，
Figure 262890DEST_PATH_IMAGE002
为船舶加速度。
假设船舶加速度
Figure 102670DEST_PATH_IMAGE002
为以下线性函数：
Figure 848909DEST_PATH_IMAGE007
其中，B为常数，M为线性系数。
Figure 672508DEST_PATH_IMAGE008
将上述的加速度线性函数代入运动学方程中，则插值点可通过以下方程组计算获得：
将插值点前后的已知两点代入上式就可计算出
Figure 670551DEST_PATH_IMAGE009
和
Figure 895996DEST_PATH_IMAGE010
。
插值点的位置
Figure 813137DEST_PATH_IMAGE011
和速度
Figure 248666DEST_PATH_IMAGE003
是在计算出插值点的时间后得到的，时间一般是前后两点的平均值。
插值点的航向可通过下式计算获得：
Figure 909455DEST_PATH_IMAGE012
其中，
Figure 723827DEST_PATH_IMAGE013
和
Figure 77448DEST_PATH_IMAGE014
代表两相邻点的航向。
在桥区水域，船舶可能的碰撞物有航道边界、桥墩和目标船舶。因此，需要对航道边界、桥墩领域和目标船舶领域进行准确的识别，并分别判断待检测船舶与航道边界、桥墩和目标船舶是否存在碰撞风险。
在航道边界识别方面，一般来说，航标会沿着航道布置用以标明航道界线，引导船舶安全通过。但由于各种条件（如风、水流、水深等）的限制，很多桥梁水道中的浮标配备不齐全，位置也会随水流变化而变化。因此，依赖于航标来识别航道边界具有很大的风险和不确定性。
作为优选的实施例，在步骤S102中，根据所述轨迹密度图确定航道边界点和航道分隔点，包括：
根据所述轨迹密度图，得到核密度拟合曲线；
根据所述核密度拟合曲线的局部最大值和局部最小值，确定航道中心点、航道边界点和航道分隔点。
作为优选的实施例，根据所述航道边界点和航道分隔点，得到桥区水域的航道边界，包括：
根据所述航道边界点和航道分隔点，得到初步航道边界线和初步航道分隔线；
对所述初步航道边界线和初步航道分隔线进行平滑处理，得到桥区水域的航道边界。
下面结合图2（a）-图5（b）对上述航道边界的识别过程进行详细说明。
第一步：通过对桥区水域的范围和轨迹进行网格划分，得到轨迹密度图。
如图2（a）所示，图2（a）是经过预处理后的原始AIS数据的示意图。
假设桥区水域的范围是
Figure 751006DEST_PATH_IMAGE015
到
Figure 215485DEST_PATH_IMAGE016
，将桥区水域的范围划分为
Figure 884364DEST_PATH_IMAGE017
个小网格。
用
Figure 533520DEST_PATH_IMAGE018
表示船舶轨迹，其中，
Figure 553428DEST_PATH_IMAGE019
表示船舶轨迹点，N表示船舶轨迹中的轨迹点数量，
Figure 556020DEST_PATH_IMAGE020
表示j轨迹点的横坐标，
Figure 485929DEST_PATH_IMAGE021
表示j轨迹点的纵坐标，
Figure 181353DEST_PATH_IMAGE022
表示j轨迹点的船舶航向，
Figure 422978DEST_PATH_IMAGE023
表示j轨迹点的船舶速度。
每个轨迹点的网格索引可以通过下式计算：
Figure 229260DEST_PATH_IMAGE024
其中，
Figure 540242DEST_PATH_IMAGE025
和
Figure 875409DEST_PATH_IMAGE026
表示轨迹点所在网格的索引。
根据轨迹点的网格索引可以得到轨迹密度图，如图2（b）所示。
第二步：根据轨迹密度图，得到核密度拟合曲线。
Figure 869910DEST_PATH_IMAGE027
为了准确的从轨迹密度图中提取航道边界，采用KDE方法（核密度估计Kernel Density Estimation）来描述轨迹点分布。KDE是一种被广泛使用且适合非参数估计的方法，可以直接根据轨迹分布的位置信息研究AIS数据的空间分布特征。与传统统计方法相比，KDE的优势在于拟合曲线是连续的。KDE的方程可以表示为：
其中，
Figure 214303DEST_PATH_IMAGE028
表示独立分布的轨迹点；
Figure 853226DEST_PATH_IMAGE029
是平滑参数，称为带宽，
Figure 624873DEST_PATH_IMAGE030
是核函数，包括均匀核、三角形核、高斯核和正态核等。
本实施例中采取的是如下高斯核：
Figure 106670DEST_PATH_IMAGE031
轨迹密度图中的每个小网格对应一个灰度值，即落在网格上的轨迹点数量。如图3所示，分别取出每列网格的灰度值，然后采用KDE方法进行拟合，得到拟合曲线。
第三步：根据所述核密度拟合曲线的局部最大值和局部最小值，确定航道中心点、航道边界点和航道分隔点。
由于桥区水域有上游航道和下游航道，拟合曲线有两个局部最大值和一个局部最小值，他们分别代表航道的中心点和航道之间的分隔点。以局部最小值作为航道边界的概率值便可以得到该列网格对应的边界点。如图3所示，根据局部最小值可以得到航道的两个边界点和一个分隔点。
第四步：根据航道边界点和航道分隔点，得到初步航道边界线和初步航道分隔线。
通过KDE方法迭代计算轨迹密度图的灰度值后，就可以根据边界点和分隔点识别出航道的两条边界线和一条分隔线，如图4（a）所示。
第五步：对所述初步航道边界线和初步航道分隔线进行平滑处理。
通过KDE方法可以识别出航道边界线和分隔线，但获得的曲线是不平滑的，不符合航海实践。因此，采用多项式拟合对初步拟合的航道边界线和分隔线进行处理，得到最终的航道边界线和分隔线，如图4（b）所示。
比较图4（a）和图4（b）中可以看到，经过多项式拟合后，航道的边界A从不平滑的曲线变为平滑的符合实际情况的A’曲线。
在许多桥区水域存在航标配备不足，且航标会随着流向移动的情况，这导致航道边界线难以进行精确辨识。本实施例的方法基于历史AIS数据，采用KDE方法进行航道识别，不会受到航标配备不足的影响。因此更为可靠，能够更准确地对航道边界进行识别，有助于降低船桥碰撞事故的概率。
为了验证本方法的航道识别效果，进行真实航道边界与本方法识别的航道边界的对比实验。实验结果如图5（a）和图5（b）所示，从图5（a）可以看出真实和识别的边界几乎是重合的，在图5（b）中，边界1的最大误差和中值误差分别为35.3m和11.5m，边界 2 的误差大于边界 1，但也在可控范围内，完全可以满足航海实践。这种误差可以通过更准确的 AIS数据来进行减小。
在桥区水域，对桥墩领域进行准确识别也尤为重要。作为一个具体的实施例，根据所述桥区水域范围和船舶航行轨迹数据，得到桥墩领域，包括：
根据所述桥区水域范围和船舶航行轨迹数据，得到航道边界；
根据桥墩和桥墩防撞设施的距离、桥墩和所述航道边界的距离，确定桥墩领域的长度和宽度。
作为一个具体的实施例，采用矩形作为桥墩的安全领域，桥墩领域的长度和宽度由桥墩与防撞设施和航道边界的距离决定。桥墩领域的四个顶点坐标如下：
Figure 989175DEST_PATH_IMAGE032
其中，
Figure 607238DEST_PATH_IMAGE033
代表桥墩中心，
Figure 940000DEST_PATH_IMAGE034
是桥墩安全领域逆时针旋转的角度，
Figure 643514DEST_PATH_IMAGE035
和
Figure 64131DEST_PATH_IMAGE036
是桥墩安全领域的长半轴和宽半轴。
在目标船舶的船舶领域识别方面，作为优选的实施例，根据所述桥区水域范围和船舶航行轨迹数据，得到目标船舶的船舶领域，包括：
根据所述船舶航行轨迹数据，得到目标船舶的航行轨迹；
根据目标船舶航行轨迹点周围的轨迹点，得到船舶轨迹点拟合曲线；
根据所述船舶轨迹点拟合曲线，得到目标船舶的距离参数；
根据所述目标船舶的距离参数，确定所述目标船舶的船舶领域。
作为一个具体的实施例，基于目标船舶的历史AIS数据，采用KDE方法来确定目标船舶的船舶领域参数。下面结合图6（a）、图6（b）和图7对具体的目标船舶领域识别方法进行说明。
假设
Figure 802279DEST_PATH_IMAGE037
是目标船舶的轨迹点，
Figure 915729DEST_PATH_IMAGE019
是目标船舶周围另一艘船舶的轨迹点。将目标船舶周围的空间按照图6（a）进行划分，轨迹点
Figure 981905DEST_PATH_IMAGE038
可以根据相对目标船舶的方位角被划分到所属的区域。
分别将每个区域的轨迹点与目标船舶轨迹点的距离采用KDE进行拟合，可得到图6（b）所示的拟合曲线，通过设立0到1之内的概率阈值就可以得到每个区域的距离参数为：
Figure 471792DEST_PATH_IMAGE039
其中，
Figure 798868DEST_PATH_IMAGE040
是概率阈值，
Figure 348798DEST_PATH_IMAGE041
是检测到的目标船舶与其他船舶之间的最小距离，
Figure 26904DEST_PATH_IMAGE042
是拟合曲线，
Figure 179537DEST_PATH_IMAGE043
是区域的距离参数。
创建目标船舶的偏心椭圆船舶领域，如图7所示。假设目标船舶的中心位置为
Figure 626699DEST_PATH_IMAGE044
，则目标船舶的船舶领域可以用虚拟船舶进行标识。目标船舶领域的长短半轴
Figure 347530DEST_PATH_IMAGE045
和虚拟船舶的坐标
Figure 247353DEST_PATH_IMAGE046
可以通过如下方式来确定：
假设
Figure 79043DEST_PATH_IMAGE047
分别代表目标船舶周围四个区域的距离参数。船舶领域的参数可以通过以下确定：
Figure 256077DEST_PATH_IMAGE048
其中，
Figure 147810DEST_PATH_IMAGE049
和
Figure 800508DEST_PATH_IMAGE050
是目标船舶和虚拟船舶的位置；
Figure 904731DEST_PATH_IMAGE051
和
Figure 326485DEST_PATH_IMAGE052
是偏心椭圆船舶领域的长短半轴。
假设
Figure 513752DEST_PATH_IMAGE040
为目标船舶的真实航向，偏心椭圆的船舶领域表达式如下：
Figure 388167DEST_PATH_IMAGE053
通过上述方法即可确定目标船舶的船舶领域。
通常，碰撞风险被定义为，会遇过程中其时空关系满足具有潜在碰撞的某些标准的船舶和目标（目标包括航道边界、桥墩和其他船舶）。本申请对碰撞风险的定义如下：
定义1：目标的安全领域被侵犯时则存在碰撞风险。
定义2：待检测船舶将保持当前运动，目标则可以做线性或非线性运动。
定义3：碰撞风险是一个显式值，1 表示存在，0 表示不存在。
基于上述碰撞风险定义，可以得到：当满足以下基本方程时，存在碰撞风险。
Figure 561660DEST_PATH_IMAGE054
其中，
Figure 837920DEST_PATH_IMAGE055
和
Figure 71456DEST_PATH_IMAGE056
分别表示待检测和目标在时间
Figure 308533DEST_PATH_IMAGE057
的轨迹点；
Figure 20137DEST_PATH_IMAGE058
是目标的安全领域。
当待检测船舶在桥区水域航行时，航道边界和桥墩可视为静态障碍物，目标船舶可视为非线性运动的动态障碍物。
作为优选的实施例，在步骤S105中，根据所述航道边界和待检测船舶的航行轨迹，判断所述待检测船舶与所述航道边界是否存在碰撞风险，包括：
根据所述待检测船舶的航行轨迹，确定所述待检测船舶轨迹点的速度空间和速度向量；
将所述航道边界投影到所述待检测船舶轨迹点的速度空间中，得到航道边界投影区间；
当所述速度向量落入所述航道边界投影区间内时，所述待检测船舶与所述航道边界存在碰撞风险。
在桥墩领域的识别方面，通过现有的桥墩防撞设施来确定其安全领域。一般桥墩两侧都会设置防撞设施以保证桥梁安全，且在设施与桥墩之间的距离在设置前会经过严格的论证，以符合标准要求和当地航道条件。因此该距离可以作为设置桥墩领域的参考。
下面结合图8（a）和图8（b）来说明待检测船舶与航道边界的碰撞检测方法。
作为一个具体的实施例，可以将航道边界看作一个具有无限小安全领域的静态障碍物。用
Figure 416483DEST_PATH_IMAGE059
表示航道边界，N表示轨迹点的数量。
假设待检测船舶保持当前的运动方式，则船舶与航道边界的碰撞风险检测方程如下：
Figure 555341DEST_PATH_IMAGE060
其中，
Figure 404348DEST_PATH_IMAGE061
表示待检测船舶在时刻
Figure 44277DEST_PATH_IMAGE062
的轨迹点；
Figure 295129DEST_PATH_IMAGE063
是初始时刻，
Figure 870467DEST_PATH_IMAGE064
表示待检测船舶的速度向量，
Figure 941191DEST_PATH_IMAGE065
表示航道边界在时刻
Figure 260177DEST_PATH_IMAGE066
的轨迹点。
将航道边界投影到待检测船舶的速度空间中，当满足待检测船舶与航道边界的碰撞风险检测方程时，待检测轨迹点的速度向量会落在航道边界的投影范围内，如图8（b）所示，此时待检测船舶和航道边界存在碰撞风险。若不满足上述条件，则速度向量如图8（a）所示，不会落在航道边界在待检测船舶的投影区域内，此时待检测船舶和航道边界不存在碰撞风险。
下面结合图9（a）和图9（b）说明待检测船舶与桥墩的碰撞检测方法。
作为一个具体的实施例，假设
Figure 240903DEST_PATH_IMAGE067
是一个桥墩的中心。由于桥墩的运动是线性的，因此当满足下式条件式，轨迹点与桥墩存在碰撞风险：
Figure 987142DEST_PATH_IMAGE068
其中，
Figure 545162DEST_PATH_IMAGE069
和
Figure 402260DEST_PATH_IMAGE070
分别表示待检测和桥墩在时刻
Figure 362126DEST_PATH_IMAGE071
的轨迹点，
Figure 403900DEST_PATH_IMAGE072
是桥梁的安全领域，
Figure 714795DEST_PATH_IMAGE073
是初始时刻。
船舶待检测轨迹点与桥墩检测示意图如图9（a）和图9（b）所示，与航道边界的分析方法相同，若待检测船舶的速度在阴影区域内则认为存在碰撞风险，否则不存在碰撞风险。图9（a）不存在碰撞风险，图9（b）存在碰撞风险。
作为优选的实施例，根据所述待检测船舶的航行轨迹和所述目标船舶的船舶领域，判断所述待检测船舶和所述目标船舶是否存在碰撞风险，包括：
根据所述待检测船舶的航行轨迹，确定所述待检测船舶轨迹点的速度空间和速度向量；
将所述目标船舶的船舶领域投影到所述待检测船舶轨迹点的速度空间中，得到目标船舶投影区间；
当所述速度向量落入所述目标船舶投影区间内时，所述待检测船舶与所述目标船舶存在碰撞风险。
下面结合图10（a）和图10（b）说明待检测船舶与目标船舶的碰撞检测方法。
作为一个具体的实施例，动态目标碰撞风险检测中，目标船舶轨迹是非线性的和确定性的。
假设
Figure 375584DEST_PATH_IMAGE074
和
Figure 189956DEST_PATH_IMAGE075
分别是待检测船舶的轨迹和待检测船舶附近的一艘目标船舶的轨迹。
假设
Figure 277998DEST_PATH_IMAGE076
为
Figure 685977DEST_PATH_IMAGE077
时刻检测到的待检测船舶的轨迹点，检测时长为
Figure 884877DEST_PATH_IMAGE078
秒。目标船舶的轨迹只需要保留
Figure 819335DEST_PATH_IMAGE079
的轨迹片段。
Figure 343857DEST_PATH_IMAGE080
和
Figure 832607DEST_PATH_IMAGE081
之间的碰撞风险检测方程如下：
Figure 225411DEST_PATH_IMAGE082
其中，
Figure 14376DEST_PATH_IMAGE083
和
Figure 444220DEST_PATH_IMAGE084
分别表示待检测和目标船舶在时刻
Figure 951425DEST_PATH_IMAGE085
的轨迹点，
Figure 492127DEST_PATH_IMAGE086
是目标船舶的安全领域，
Figure 10965DEST_PATH_IMAGE073
是初始时刻，
Figure 877289DEST_PATH_IMAGE087
表示待检测船舶的速度向量。
如图10（a）和图10（b）所示，图10（a）中，待检测船舶的速度向量和目标船舶的阴影区域没有交集，因此不存在碰撞风险；图10（b）中，待检测船舶的速度向量和目标船舶的阴影区域有交集，因此存在碰撞风险。
与其他碰撞风险计算模型相比，本申请的碰撞风险检测方法的参数更少，更易解释且更准确。为了进一步说明本发明碰撞风险检测方法的优势，我们设置了对比实验，与常用的碰撞模型CPA模型进行比较。
如图11所示，船舶“353XXX000”为不完全符合桥区航行规则的超越船，过桥后驶出了既定航道。船舶“412XXX050”为符合桥区航行规则沿航道航行的直航船。
下面分别利用本申请提出碰撞风险检测方法和常用的CPA模型对353xxx000船的每个轨迹点进行碰撞风险检测。
由于CPA模型难以应用于船舶轨迹点和航道边界的碰撞风险检测，因此主要对船舶353XXX000与桥墩，以及船舶353XXX000和船舶412XXX050的检测结果进行对比分析。
将CPA模型中TCPA、DCPA 和
Figure 606211DEST_PATH_IMAGE088
的阈值分别设置为 90s、500m 和 90s。
图12（a）和图12（b）分别显示了船舶353XXX000和桥墩之间的TCPA和 DCPA计算结果。当轨迹点同时落在图12（a）和图12（b）中的阴影部分时，CPA模型就认为该点与桥墩具有碰撞风险。图12（c）是本申请提出的碰撞风险检测方法的检测结果。可以看出，两种方法的检测结果是一致的，即353xxx000 与桥墩之间没有潜在的碰撞风险。但是对比图12（a）、图12（b）和图12（c）可以看出，本申请碰撞风险检测方法比CPA模型更方便，因为它只需要判断点是否落入一个阴影区域。而CPA模型需要进行轨迹点同时落在不同的两个阴影区域。
图13（a）和图13（b）分别显示了 353xxx000 在两艘船会遇期间 TCPA、DCPA的碰撞风险的检测结果。船舶的第11和12点同时落在图13（a）和图13（b）的阴影区域，因此以上两点被 CPA 模型识别为碰撞风险点。在图13（c）中，除了第 12 到第 16 点之外的点都被认为是碰撞风险点。CPA模型是假设目标船的运动是线性的，然而本申请提出的碰撞风险检测方法是考虑了目标船的非线性运动。因此本申请提出的碰撞风险检测模型的结果比CPA模型更可靠和准确。
本发明实施例提供了一种桥区水域船舶碰撞风险检测装置，其结构框图如图14所示，所述一种桥区水域船舶碰撞风险检测装置1400，包括：
数据获取模块1401，用于获取桥区水域的原始AIS数据，对所述原始AIS数据进行预处理，得到桥区水域范围和船舶航行轨迹数据；
轨迹密度图识别模块1402，用于根据所述桥区水域范围和船舶航行轨迹数据，得到轨迹密度图；
特征点确定模块1403，用于根据所述轨迹密度图确定航道边界点和航道分隔点；
航道边界确定模块1404，用于根据所述航道边界点和航道分隔点，得到桥区水域的航道边界；
碰撞检测模块1405，用于根据所述航道边界和待检测船舶的航行轨迹，判断所述待检测船舶与所述航道边界是否存在碰撞风险。
本实施例还提供了一种计算机可读存储介质，其上存储有一种桥区水域船舶碰撞风险检测方法的程序，处理器执行程序时，实现如上所述的一种桥区水域船舶碰撞风险检测方法。
根据本发明上述实施例提供的计算机可读存储介质和计算设备，可以参照根据本发明实现如上所述的一种桥区水域船舶碰撞风险检测方法具体描述的内容实现，并具有与如上所述的一种桥区水域船舶碰撞风险检测方法类似的有益效果，在此不再赘述。
本发明公开的一种桥区水域船舶碰撞风险检测方法、装置和计算机可读存储介质，首先，获取桥区水域的原始AIS数据，对所述原始AIS数据进行预处理，得到桥区水域范围和船舶航行轨迹数据；其次，根据所述桥区水域范围和船舶航行轨迹数据，得到待检测船舶的航行轨迹、桥区水域的航道边界、桥墩领域和目标船舶的船舶领域；最后，判断所述待检测船舶与所述航道边界、所述桥墩和所述目标船舶是否存在碰撞风险。
本发明通过桥区水域的真实AIS数据，对桥区水域的航道边界、桥墩领域和目标船舶领域进行了准确的识别；通过AIS数据提取出船舶轨迹数据，根据船舶轨迹数据分别判断待检测船舶和航道边界、桥墩和目标船舶的碰撞风险。本发明能够从源头上防止船桥碰撞，减少船桥碰撞造成的人员伤亡和经济损失。
以上所述，仅为本发明较佳的具体实施方式，但本发明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发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (9)

1.一种桥区水域船舶碰撞风险检测方法，其特征在于，包括：
获取桥区水域的原始AIS数据，对所述原始AIS数据进行预处理，得到桥区水域范围和船舶航行轨迹数据；
根据所述桥区水域范围和船舶航行轨迹数据，得到轨迹密度图；
根据所述轨迹密度图确定航道边界点和航道分隔点；包括：根据所述轨迹密度图，得到核密度拟合曲线；根据所述核密度拟合曲线的局部最大值和局部最小值，确定航道中心点、航道边界点和航道分隔点；具体为：桥区水域有上游航道和下游航道，所述核密度拟合曲线有两个局部最大值和一个局部最小值，分别表示上下游航道的中心点和航道之间的分隔点，以所述局部最小值作为航道边界的概率值，得到所述桥区水域的航道边界点；
根据所述航道边界点和航道分隔点，得到桥区水域的航道边界；
根据所述航道边界和待检测船舶的航行轨迹，判断所述待检测船舶与所述航道边界是否存在碰撞风险。
2.根据权利要求1所述的桥区水域船舶碰撞风险检测方法，其特征在于，根据所述航道边界点和航道分隔点，得到桥区水域的航道边界，包括：
根据所述航道边界点和航道分隔点，得到初步航道边界线和初步航道分隔线；
对所述初步航道边界线和初步航道分隔线进行平滑处理，得到桥区水域的航道边界。
3.根据权利要求1所述的桥区水域船舶碰撞风险检测方法，其特征在于，根据所述待检测船舶的航行轨迹，判断所述待检测船舶与所述航道边界是否存在碰撞风险，包括：
根据所述待检测船舶的航行轨迹，确定所述待检测船舶轨迹点的速度空间和速度向量；
将所述航道边界投影到所述待检测船舶轨迹点的速度空间中，得到航道边界投影区间；
当所述速度向量落入所述航道边界投影区间内时，所述待检测船舶与所述航道边界存在碰撞风险。
4.根据权利要求1所述的桥区水域船舶碰撞风险检测方法，其特征在于，还包括：
根据所述桥区水域范围和船舶航行轨迹数据，得到目标船舶的船舶领域；
根据所述待检测船舶的航行轨迹和所述目标船舶的船舶领域，判断所述待检测船舶和所述目标船舶是否存在碰撞风险。
5.根据权利要求4所述的桥区水域船舶碰撞风险检测方法，其特征在于，根据所述桥区水域范围和船舶航行轨迹数据，得到目标船舶的船舶领域，包括：
根据所述船舶航行轨迹数据，得到目标船舶的航行轨迹；
根据目标船舶航行轨迹点周围的轨迹点，得到船舶轨迹点拟合曲线；
根据所述船舶轨迹点拟合曲线，得到目标船舶的距离参数；
根据所述目标船舶的距离参数，确定所述目标船舶的船舶领域。
6.根据权利要求4所述的桥区水域船舶碰撞风险检测方法，其特征在于，根据所述待检测船舶的航行轨迹和所述目标船舶的船舶领域，判断所述待检测船舶和所述目标船舶是否存在碰撞风险，包括：
根据所述待检测船舶的航行轨迹，确定所述待检测船舶轨迹点的速度空间和速度向量；
将所述目标船舶的船舶领域投影到所述待检测船舶轨迹点的速度空间中，得到目标船舶投影区间；
当所述速度向量落入所述目标船舶投影区间内时，所述待检测船舶与所述目标船舶存在碰撞风险。
7.根据权利要求1所述的桥区水域船舶碰撞风险检测方法，其特征在于，对所述原始AIS数据进行预处理，包括：
删除所述原始AIS数据中的异常数据、对所述原始AIS数据进行运动学插值处理。
8.一种桥区水域船舶碰撞风险检测装置，其特征在于，包括：
数据获取模块，用于获取桥区水域的原始AIS数据，对所述原始AIS数据进行预处理，得到桥区水域范围和船舶航行轨迹数据；
轨迹密度图识别模块，用于根据所述桥区水域范围和船舶航行轨迹数据，得到轨迹密度图；
特征点确定模块，用于根据所述轨迹密度图确定航道边界点和航道分隔点；包括：根据所述轨迹密度图，得到核密度拟合曲线；根据所述核密度拟合曲线的局部最大值和局部最小值，确定航道中心点、航道边界点和航道分隔点；具体为：桥区水域有上游航道和下游航道，所述核密度拟合曲线有两个局部最大值和一个局部最小值，分别表示上下游航道的中心点和航道之间的分隔点，以所述局部最小值作为航道边界的概率值，得到所述桥区水域的航道边界点；
航道边界确定模块，用于根据所述航道边界点和航道分隔点，得到桥区水域的航道边界；
碰撞检测模块，用于根据所述航道边界和待检测船舶的航行轨迹，判断所述待检测船舶与所述航道边界是否存在碰撞风险。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时，实现如权利要求1-7任一所述的桥区水域船舶碰撞风险检测方法。
CN202210630119.1A 2022-06-06 2022-06-06 一种桥区水域船舶碰撞风险检测方法和装置 Active CN114708750B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210630119.1A CN114708750B (zh) 2022-06-06 2022-06-06 一种桥区水域船舶碰撞风险检测方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210630119.1A CN114708750B (zh) 2022-06-06 2022-06-06 一种桥区水域船舶碰撞风险检测方法和装置

Publications (2)

Publication Number Publication Date
CN114708750A CN114708750A (zh) 2022-07-05
CN114708750B true CN114708750B (zh) 2022-09-06

Family

ID=82177782

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210630119.1A Active CN114708750B (zh) 2022-06-06 2022-06-06 一种桥区水域船舶碰撞风险检测方法和装置

Country Status (1)

Country Link
CN (1) CN114708750B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115905343B (zh) * 2022-08-01 2023-10-03 中华人民共和国广东海事局 水上航运数据处理方法、装置、设备、介质和程序产品

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103714718B (zh) * 2013-12-31 2016-01-13 武汉理工大学 一种内河桥区船舶安全航行预控系统
EP3353764A1 (en) * 2015-09-22 2018-08-01 Strandsyn EHF. Alarm device for ships
JP6709529B2 (ja) * 2015-11-19 2020-06-17 株式会社パスコ 水上交通状況解析システム、水上交通状況解析方法、及びプログラム
CN106218831B (zh) * 2016-07-22 2018-09-25 大连海事大学 一种基于船舶ais轨迹数据获取船舶操纵行为的方法及系统
JP6998576B2 (ja) * 2017-03-31 2022-01-18 国立研究開発法人 海上・港湾・航空技術研究所 航路上のリスクに適応した航行支援方法及び航行支援システム
CN111291776B (zh) * 2018-12-07 2023-06-02 北方工业大学 基于众源轨迹数据的航道信息提取方法
CN109726355B (zh) * 2019-01-04 2022-11-25 重庆邮电大学 一种基于向量插值的船舶轨迹修复方法
CN112133131A (zh) * 2020-09-15 2020-12-25 广州海事科技有限公司 船舶偏航预警方法、系统、计算机设备及存储介质
CN112967527B (zh) * 2021-02-05 2022-05-10 武汉理工大学 一种渡船碰撞风险评估方法、系统、装置及介质
CN113837461B (zh) * 2021-09-18 2023-07-25 海南大学 一种基于lstm网络的船舶轨迹预测方法
CN114264313A (zh) * 2021-12-23 2022-04-01 上海逐路智能科技发展有限公司 基于势能的车道级路径规划方法、系统、设备及存储介质
CN114550498B (zh) * 2022-01-13 2023-04-07 武汉理工大学 一种海量ais数据驱动的船舶偏离航道智能预警系统
CN114564545A (zh) * 2022-01-13 2022-05-31 武汉理工大学 一种基于ais历史数据的船舶经验航线提取系统及方法

Also Published As

Publication number Publication date
CN114708750A (zh) 2022-07-05

Similar Documents

Publication Publication Date Title
US20220036738A1 (en) Method and system for assessing and early warning ship collision risk
Zhang et al. Enhance the AIS data availability by screening and interpolation
CN112966332B (zh) 基于多船运动不确定性的冲突侦测方法、存储器及处理器
CN111815120A (zh) 水上交通风险评估方法、装置、计算机设备和存储介质
CN114708750B (zh) 一种桥区水域船舶碰撞风险检测方法和装置
CN113421432A (zh) 交通限行信息检测方法、装置、电子设备和存储介质
Rong et al. Evaluation of near-collisions in the Tagus River Estuary using a marine traffic simulation model
CN112037582B (zh) 一种基于风险预测的跨海桥梁船撞预警方法
CN115131393A (zh) 轨迹预测方法、碰撞检测方法、装置、电子设备及介质
CN114454878B (zh) 车速控制模型训练样本的确定方法及装置
Kang et al. How do ships pass through L-shaped turnings in the Singapore strait?
Silveira et al. Assessment of ship collision estimation methods using AIS data
CN112561232A (zh) 繁忙水域船舶交通冲突风险度量方法
Copping et al. Likelihood of a marine vessel accident from wind energy development in the Atlantic
Jie et al. A novel estimation algorithm for interpolating ship motion
Zhang et al. A data-driven approach for ship-bridge collision candidate detection in bridge waterway
Cheng et al. Traffic-conflict and fuzzy-logic-based collision risk assessment for constrained crossing scenarios of a ship
CN113112871B (zh) 一种考虑船舶尺度的船撞桥危险度计算方法
CN112562419B (zh) 一种基于离线多目标跟踪的天气规避区划设方法
Rasmussen et al. Quantitative assessment of risk to ship traffic in the Fehmarnbelt Fixed Link project
CN117078953A (zh) 一种基于视觉图像的桥梁防船撞轻量化多级预警方法
CN116312063A (zh) 一种船舶避让决策方法、装置、设备及介质
CN116092329A (zh) 基于滑动时间窗口的内河船舶停泊行为检测方法及装置
CN114565176B (zh) 一种长期船舶轨迹预测方法
Du et al. An intelligent method for real-time ship collision risk assessment and visualization

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