CN115060264A - 一种基于ais数据的prm航线规划方法 - Google Patents
一种基于ais数据的prm航线规划方法 Download PDFInfo
- Publication number
- CN115060264A CN115060264A CN202210564267.8A CN202210564267A CN115060264A CN 115060264 A CN115060264 A CN 115060264A CN 202210564267 A CN202210564267 A CN 202210564267A CN 115060264 A CN115060264 A CN 115060264A
- Authority
- CN
- China
- Prior art keywords
- point
- ship
- ais data
- area
- points
- 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
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
- G01C21/203—Specially adapted for sailing ships
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于AIS数据的PRM航线规划方法,包括:将电子海图进行格栅化处理;基于船舶的AIS数据提取高频历史轨迹点集;提取电子海图中的航道信息,在可航区域中的非航道区域内随机选取采样点,形成采样点集;将高频历史轨迹点集转换为栅格坐标系坐标后,与采样点集融合,并按照一定距离范围内将点集中的点进行连接,对连接的边进行碰撞检测,将不会与碍航区域相交的边加入边集,得到路径网络;利用A*算法搜索路径网络中的最短路径作为最优航线。本发明在AIS数据的基础上使用PRM算法在可航区域中随机选取采样点,能够兼顾规划航向的安全性和覆盖区域的全面性。
Description
技术领域
本发明涉及船舶航线规划技术领域,更具体的说是涉及一种基于AIS数据的PRM航线规划方法。
背景技术
船舶航线自动规划技术是智能船舶技术中的一项关键技术,计划航线对船舶的安全航行起到至关重要的作用。船舶出航前应根据航行具体任务、船舶性能以及天气情况规划出合理的计划航线。商用船舶航行前一般会按照《世界大洋航路》中给出的推荐航线进行航线设计,但随着智能船舶技术的日益发展,自动航线规划技术今年来已经成为一个研究热点技术。当前主流的自动航线规划技术主要是通过电子海图构建海洋环境模型提取可航行区域并自动搜索生成最短可航行航线,但是这种规划方法可能出现航线紧贴碍航物和岸边、不在航道内的情况。因此如何提供一种能够兼顾规划航线的安全性和覆盖区域全面性的航线规划方法是本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种基于AIS数据的PRM航线规划方法,在AIS数据的基础上使用PRM算法在可航区域中随机选取采样点,能够兼顾规划航向的安全性和覆盖区域的全面性。
为了实现上述目的,本发明采用如下技术方案:
一种基于AIS数据的PRM航线规划方法,包括:
根据船舶安全水深及目标区域电子海图中标物属性,提取碍航区域和可航区域,并对所述电子海图进行格栅化处理;
基于船舶的AIS数据提取高频历史轨迹点集;
提取所述电子海图中的航道信息,在所述可航区域中的非航道区域内随机选取一定数量的采样点,形成采样点集;
将所述高频历史轨迹点集转换为栅格坐标系坐标后,与所述采样点集融合,并按照一定距离范围内将点集中的点进行连接,对连接的边进行碰撞检测,将不会与所述碍航区域相交的边加入边集,得到路径网络;
利用A*算法搜索所述路径网络中的最短路径作为最优航线。
进一步的,在上述一种基于AIS数据的PRM航线规划方法中,所述碍航区域中包含水上障碍物和水下障碍物;所述水上障碍物包括:各种灯标、各种浮标、桥梁、高架电缆、白昼标志、高架管道、输送带、泊船设备、钓鱼设备、冰区、灯标船、木材漂浮区、离岸平台、油栏、物体堆和塔桥支架;所述水下障碍物根据船舶本身的安全水深确定,其至少包括:水下暗礁、沉船和其他障碍物。
进一步的,在上述一种基于AIS数据的PRM航线规划方法中,从所述电子海图中提取碍航区域的步骤包括:
读取一幅电子海图逻辑记录,识别头标区、目次区、控制字段区和描述字段区;
按照顺序依次解析四个区的信息,从解析的头标区参数解析目次区,解析控制字段区后,得到标物类别及属性信息,解析描述字段区后,得到字段的控制结构;
遍历岸线、等深线的各边界节点以及碍航物节点,若岸线、等深线的边界被碍航物节点分割或者被遮蔽后,将所得碍航物信息存储在自定义障碍物数据库中。
进一步的,在上述一种基于AIS数据的PRM航线规划方法中,所述基于船舶的AIS数据提取高频历史轨迹点集,包括:
获取船舶的动态信息和静态信息;
根据MMSI编号将船舶的动态信息和静态信息进行匹配,构成船舶的原始AIS数据;
对船舶的原始AIS数据进行依次预处理、航迹压缩和聚类处理,得到高频历史轨迹点集。
进一步的,在上述一种基于AIS数据的PRM航线规划方法中,船舶的动态信息至少包括MMSI编号、位置、航速、航向和航行状态;船舶的静态信息至少包括MMSI编号、船名、船舶类型和船舶参数。
进一步的,在上述一种基于AIS数据的PRM航线规划方法中,所述对船舶的AIS数据进依次行预处理、航迹压缩和聚类处理,得到高频历史轨迹点集,包括:
删除原始AIS数据中的错误数据,并判断船舶航行状态,删除船舶处于锚泊、失控状态的数据,只保留船舶处于在航状态的数据;
删除原始AIS数据中的重复和冗余数据,保留能够体现船舶运动特性的数据,进行航迹压缩,得到典型航路点;
对得到的典型航路点进行聚类分析,得到高频历史轨迹点集。
进一步的,在上述一种基于AIS数据的PRM航线规划方法中,采用Douglas-Peucker算法对原始AIS数据进行航迹压缩;采用DBSCAN聚类算法对典型航路点进行聚类分析。
进一步的,在上述一种基于AIS数据的PRM航线规划方法中,A*算法的表达式为:
Fn=gn+hn
其中,Fn表示当前点的代价值,gn表示当前点到起点的代价,hn表示当前点到终点的代价。
进一步的,在上述一种基于AIS数据的PRM航线规划方法中,所述利用A*算法搜索所述路径网络中的最短路径作为最优航线,包括:
确定起点s,从起点s开始,把起点s作为一个等待检查的点,放入到待检查点列表中;
寻找起点s周围可以到达的点,将这些周围点放入待检查点列表中,并设置父节点为起点s;
从待检查点列表中删除起点s,并将起点s放入到封闭点列表中,作为不再需要检查的点;
计算每个周围点的Fn值
从待检查点列表中选择Fn值最小的点a,将其从待检查点列表中删除,放入封闭点列表中;
检查点a所有邻近并且可达的点;
继续从待检查点列表中找出Fn值最小的点,从待检查点列表中删除,添加到封闭点列表中;迭代循环,直至待检查点列表中出现目标终点,则说明路径已经找到。
进一步的,在上述一种基于AIS数据的PRM航线规划方法中,对点a所有邻近并且可达的点的检查规则为:a)不包含障碍物和封闭点列表中的点:b)若点a所有的邻近点均不在待检查点列表中,则将这些邻近点加入待检查点列表,并计算这些邻近点的Fn,设置父节点为点a;c)如果某相邻点c已经在待检查点列表中,则计算新的路径从点s到达点c的gn值,判断是否需要更新父节点,如果点s到达点c的gn值更小,则修改父节点为点c,重新计算Fn值,hn值不需要改变;如果新的gn值更大,则说明新的路径消耗更高,则不更新Fn值。
经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种基于AIS数据的PRM航线规划方法,基于船舶海量AIS数据,挖掘船舶习惯航路并以此规划航线,使规划出的航线更符合船舶航行规则和习惯,航行安全也更有保障;在此基础上,结合PRM路径规划算法在可航区中随机选取采样点,可高效、快速地规划出兼顾安全性和覆盖区域全面性的航线,提高了智能船舶自动航行的安全性和经济性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明提供的基于AIS数据的PRM航线规划方法的流程图;
图2为本发明提供的电子海图的碍航物数据库;
图3为本发明提供的栅格化海图;
图4为本发明提供的船舶的原始AIS数据;
图5为本发明提供的处理后的AIS数据;
图6为本发明提供的航线规划结果。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
如图1所示,本发明实施例公开了一种基于AIS数据的PRM航线规划方法,包括以下步骤:
S1、根据船舶安全水深及目标区域电子海图中标物属性,提取碍航区域和可航区域,并对电子海图进行格栅化处理;
S2、基于船舶的AIS数据提取高频历史轨迹点集;
S3、提取电子海图中的航道信息,在可航区域中的非航道区域内随机选取一定数量的采样点,形成采样点集;
S4、将高频历史轨迹点集转换为栅格坐标系坐标后,与采样点集融合,并按照一定距离范围内将点集中的点进行连接,对连接的边进行碰撞检测,将不会与碍航区域相交的边加入边集,得到路径网络;
S5、利用A*算法搜索路径网络中的最短路径作为最优航线。
下面对上述各步骤进行进一步说明。
S1中,先对电子海图中的碍航物进行提取。如图2所示,本发明实施例基于S-57格式电子海图数据提取碍航物。在S-57中的物标数据模型是通过特征记录和空间记录来描述现实中的物标。空间物标用来描述实体的空间位置信息,它采用矢量记录表示,即空间中的“点”、“线”、“面”及它们的地理位置。特征物标用来描述实体的种类、性质和特征等属性信息,以空间物标为依托来表达其所在位置。二者通过编码组成了电子海图物标数据的要素基础。
在航行过程中需关注影响航行安全的碍航区域中的水面障碍物和水下障碍物。在一个具体实施例中,水上障碍物包括:各种灯标(BCNXXX)、各种浮标(BOYXXX)、桥梁(BRIDGE)、高架电缆(CBLOHD)、白昼标志(DAYMAR)、高架管道(PIPOHD)、输送带(CONVYR)、泊船设备(MORFAC)、钓鱼设备(FSHFAC)、冰区(ICEARE)、灯标船(LITFLT)、木材漂浮区(LOGPON)、离岸平台(OFSPLF)、油栏(OILBAR)、物体堆(PILPNT)和塔桥支架(PYLONS);水下障碍物根据船舶本身的安全水深确定,其至少包括:水下暗礁(UWTROC)、沉船(WRECKS)、水深(SOUNDG)和其他障碍物(OBSTRN)。
在一个实施例中,S1中,从电子海图中提取碍航区域的步骤包括:
读取一幅电子海图逻辑记录,识别头标区、目次区、控制字段区和描述字段区;
按照顺序依次解析四个区的信息,从解析的头标区参数解析目次区,解析控制字段区后,得到标物类别及属性信息,解析描述字段区后,得到字段的控制结构;
遍历岸线、等深线的各边界节点以及碍航物节点,若岸线、等深线的边界被碍航物节点分割或者被遮蔽后,将所得碍航物信息存储在自定义障碍物数据库中。
碍航物提取完成后,对电子海图进行格栅化处理,具体的格栅化处理过程为:
首先将电子海图WGS84坐标系坐标转换为墨卡托投影直角坐标;以一个顶点为原点,以固定长度进行栅格划分,最终将整个海图区域栅格化。
如图3所示,以天津港区域海图为例,将该区域划分为2500*3200的栅格地图。图中包含碍航物的栅格用黑色表示,可航区用白色表示。
在一个具体实施例中,S2包括:
S21、获取船舶的动态信息和静态信息;船舶的动态信息至少包括MMSI编号、位置、航速、航向和航行状态;船舶的静态信息至少包括MMSI编号、船名、船舶类型和船舶参数。
S22、根据MMSI编号将船舶的动态信息和静态信息进行匹配,构成船舶的原始AIS数据。如图4所示,为船舶的原始AIS数据。
S23、对原始AIS数据进行处理:包括对船舶的原始AIS数据进行预处理、航迹压缩和聚类处理,得到高频历史轨迹点集。具体的,S23包括:
S231、删除原始AIS数据中的错误数据,并判断船舶航行状态,删除船舶处于锚泊、失控状态的数据,只保留船舶处于在航状态的数据;错误数据比如:MMSI编号非9位数的数据,经纬度超出范围的数据,船速及航向超出合理范围的数据。
S232、删除原始AIS数据中的重复和冗余数据,保留能够体现船舶运动特性的数据,进行航迹压缩,得到典型航路点。
由于船舶AIS动态信息的报告间隔在2~180s之间,尤其在航行阶段AIS发送频率较高,因此在AIS原始轨迹数据中存在大量冗余数据。为在保证处理精度的前提下降低数据量,需对原始轨迹数据进行适当压缩,剔除其中的重复和冗余数据,保留能够体现船舶运动特性的数据。本实施例采用Douglas-Peucker算法,其原理是在首尾的两点之间虚连一条线,求出其余各点到该直线的距离,选其最大者与阈值比较,若大于阈值,则保留据该直线距离最大的点,否则不保留点。然后把保留点作为分裂点,将原曲线分段重复进行计算,最终获得数据压缩后的路径,获取典型航路点。
S233、对得到的典型航路点进行聚类分析,得到高频历史轨迹点集。本实施例采用DBSCAN聚类算法对典型航路点进行聚类分析。如图5所示,为经过S211-S213处理之后的AIS数据。
在一个实施例中,S3中,在海图区域中AIS数据不密集且可航行区域内选取随机采样点。
该步骤为PRM算法的学习阶段。PRM算法的学习阶段是为了创建无向图的路径网格G=(V,E),其中,V代表随机点集,E代表所有可能的两点之间的路径。这一阶段的主要工作内容是创建数据结构,目的是在地图中的随机选点以获得在地图中的连通性,路径网格G用于之后查询阶段的路径搜索。
本实施例中,只在AIS数据不密集的区域随机选取采样点,使用栅格地图中左上角及右下角顶点坐标限制采样区域。不密集的区域的确定标准为:每平方海里不同船舶的AIS数据不超过20组的区域。
然后执行步骤S4中的,将S2中得到的高频历史轨迹点集的经纬度坐标转换为墨卡托直角坐标,再转换为栅格地图坐标,绘制在栅格中。
将高频历史轨迹点集的栅格地图坐标与上述采样点集融合,并按照一定距离范围将点集中的点进行连接。对连接的边进行碰撞检测,将不会与碍航区相交的边加入边集。完成PRM算法的学习阶段。
在一个具体实施例中,S5利用A*算法搜索路径网络中的最短路径作为最优航线,具体包括:
该步骤为PRM算法的查询阶段,A*算法是全局路径规划中的一种启发式搜索算法。其核心是综合考虑起点到当前节点的实际代价和当前节点到终点的估计代价,表示为:
Fn=gn+hn
其中Fn表示当前点的代价值,它由两部分组成,gn表示当前点到起点的代价,hn表示当前点到终点的代价,一般使用欧式距离和曼哈顿距离计算距离即代价。
A*算法的详细步骤如下:
1.确定起点s,从起点s开始,把起点s作为一个等待检查的点,放入到待检查点列表中;
2.寻找起点s周围可以到达的点,将这些周围点放入待检查点列表中,并设置父节点为起点s;
3.从待检查点列表中删除起点s,并将起点s放入到封闭点列表中,作为不再需要检查的点;
4.计算每个周围点的Fn值
5.从待检查点列表中选择Fn值最小的点a,将其从待检查点列表中删除,放入封闭点列表中;
6.检查点a所有邻近并且可达的点;其中,对点a所有邻近并且可达的点的检查规则为:a)不包含障碍物和封闭点列表中的点:b)若点a所有的邻近点均不在待检查点列表中,则将这些邻近点加入待检查点列表,并计算这些邻近点的Fn,设置父节点为点a;c)如果某相邻点c已经在待检查点列表中,则计算新的路径从点s到达点c的gn值,判断是否需要更新父节点,如果点s到达点c的gn值更小,则修改父节点为点c,重新计算Fn值,hn值不需要改变;如果新的gn值更大,则说明新的路径消耗更高,则不更新Fn值。
7.继续从待检查点列表中找出Fn值最小的点,从待检查点列表中删除,添加到封闭点列表中;迭代循环,直至待检查点列表中出现目标终点,则说明路径已经找到。如图6所示,为航线的最终规划结果。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种基于AIS数据的PRM航线规划方法,其特征在于,包括:
根据船舶安全水深及目标区域电子海图中标物属性,提取碍航区域和可航区域,并对所述电子海图进行格栅化处理;
基于船舶的AIS数据提取高频历史轨迹点集;
提取所述电子海图中的航道信息,在所述可航区域中的非航道区域内随机选取一定数量的采样点,形成采样点集;
将所述高频历史轨迹点集转换为栅格坐标系坐标后,与所述采样点集融合,并按照一定距离范围内将点集中的点进行连接,对连接的边进行碰撞检测,将不会与所述碍航区域相交的边加入边集,得到路径网络;
利用A*算法搜索所述路径网络中的最短路径作为最优航线。
2.根据权利要求1所述的一种基于AIS数据的PRM航线规划方法,其特征在于,所述碍航区域中包含水上障碍物和水下障碍物;所述水上障碍物包括:各种灯标、各种浮标、桥梁、高架电缆、白昼标志、高架管道、输送带、泊船设备、钓鱼设备、冰区、灯标船、木材漂浮区、离岸平台、油栏、物体堆和塔桥支架;所述水下障碍物根据船舶本身的安全水深确定,其至少包括:水下暗礁、沉船和其他障碍物。
3.根据权利要求1所述的一种基于AIS数据的PRM航线规划方法,其特征在于,从所述电子海图中提取碍航区域的步骤包括:
读取一幅电子海图逻辑记录,识别头标区、目次区、控制字段区和描述字段区;
按照顺序依次解析四个区的信息,从解析的头标区参数解析目次区,解析控制字段区后,得到标物类别及属性信息,解析描述字段区后,得到字段的控制结构;
遍历岸线、等深线的各边界节点以及碍航物节点,若岸线、等深线的边界被碍航物节点分割或者被遮蔽后,将所得碍航物信息存储在自定义障碍物数据库中。
4.根据权利要求1所述的一种基于AIS数据的PRM航线规划方法,其特征在于,所述基于船舶的AIS数据提取高频历史轨迹点集,包括:
获取船舶的动态信息和静态信息;
根据MMSI编号将船舶的动态信息和静态信息进行匹配,构成船舶的原始AIS数据;
对船舶的原始AIS数据进行预处理、航迹压缩和聚类处理,得到高频历史轨迹点集。
5.根据权利要求4所述的一种基于AIS数据的PRM航线规划方法,其特征在于,船舶的动态信息至少包括MMSI编号、位置、航速、航向和航行状态;船舶的静态信息至少包括MMSI编号、船名、船舶类型和船舶参数。
6.根据权利要求4所述的一种基于AIS数据的PRM航线规划方法,其特征在于,所述对船舶的AIS数据进依次行预处理、航迹压缩和聚类处理,得到高频历史轨迹点集,包括:
删除原始AIS数据中的错误数据,并判断船舶航行状态,删除船舶处于锚泊、失控状态的数据,只保留船舶处于在航状态的数据;
删除原始AIS数据中的重复和冗余数据,保留能够体现船舶运动特性的数据,进行航迹压缩,得到典型航路点;
对得到的典型航路点进行聚类分析,得到高频历史轨迹点集。
7.根据权利要求6所述的一种基于AIS数据的PRM航线规划方法,其特征在于,采用Douglas-Peucker算法对原始AIS数据进行航迹压缩;采用DBSCAN聚类算法对典型航路点进行聚类分析。
8.根据权利要求1所述的一种基于AIS数据的PRM航线规划方法,其特征在于,A*算法的表达式为:
Fn=gn+hn
其中,Fn表示当前点的代价值,gn表示当前点到起点的代价,hn表示当前点到终点的代价。
9.根据权利要求8所述的一种基于AIS数据的PRM航线规划方法,其特征在于,所述利用A*算法搜索所述路径网络中的最短路径作为最优航线,包括:
确定起点s,从起点s开始,把起点s作为一个等待检查的点,放入到待检查点列表中;
寻找起点s周围可以到达的点,将这些周围点放入待检查点列表中,并设置父节点为起点s;
从待检查点列表中删除起点s,并将起点s放入到封闭点列表中,作为不再需要检查的点;
计算每个周围点的Fn值
从待检查点列表中选择Fn值最小的点a,将其从待检查点列表中删除,放入封闭点列表中;
检查点a所有邻近并且可达的点;
继续从待检查点列表中找出Fn值最小的点,从待检查点列表中删除,添加到封闭点列表中;迭代循环,直至待检查点列表中出现目标终点,则说明路径已经找到。
10.根据权利要求9所述的一种基于AIS数据的PRM航线规划方法,其特征在于,对点a所有邻近并且可达的点的检查规则为:a)不包含障碍物和封闭点列表中的点:b)若点a所有的邻近点均不在待检查点列表中,则将这些邻近点加入待检查点列表,并计算这些邻近点的Fn,设置父节点为点a;c)如果某相邻点c已经在待检查点列表中,则计算新的路径从点s到达点c的gn值,判断是否需要更新父节点,如果点s到达点c的gn值更小,则修改父节点为点c,重新计算Fn值,hn值不需要改变;如果新的gn值更大,则说明新的路径消耗更高,则不更新Fn值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210564267.8A CN115060264A (zh) | 2022-05-23 | 2022-05-23 | 一种基于ais数据的prm航线规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210564267.8A CN115060264A (zh) | 2022-05-23 | 2022-05-23 | 一种基于ais数据的prm航线规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115060264A true CN115060264A (zh) | 2022-09-16 |
Family
ID=83197902
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210564267.8A Pending CN115060264A (zh) | 2022-05-23 | 2022-05-23 | 一种基于ais数据的prm航线规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115060264A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115790609A (zh) * | 2023-01-18 | 2023-03-14 | 亿海蓝(北京)数据技术股份公司 | 集装箱船舶海上航路关键点的确定方法和装置 |
CN116049208A (zh) * | 2023-01-19 | 2023-05-02 | 中远海运科技股份有限公司 | 一种船舶imo号与mmsi号自动更新匹配方法及系统 |
CN116839594A (zh) * | 2023-08-29 | 2023-10-03 | 成都蓉奥科技有限公司 | 基于优化双向A-Star算法的潜艇全局航迹规划方法及装置 |
CN117346796A (zh) * | 2023-12-05 | 2024-01-05 | 武汉理工大学三亚科教创新园 | 一种基于航路网络的智能航线规划方法、装置及电子设备 |
CN117433541A (zh) * | 2023-12-22 | 2024-01-23 | 中船(浙江)海洋科技有限公司 | 一种避台航线自动规划方法 |
WO2024060859A1 (zh) * | 2022-09-23 | 2024-03-28 | 中移(成都)信息通信科技有限公司 | 一种航线生成方法、装置及存储介质 |
-
2022
- 2022-05-23 CN CN202210564267.8A patent/CN115060264A/zh active Pending
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024060859A1 (zh) * | 2022-09-23 | 2024-03-28 | 中移(成都)信息通信科技有限公司 | 一种航线生成方法、装置及存储介质 |
CN115790609A (zh) * | 2023-01-18 | 2023-03-14 | 亿海蓝(北京)数据技术股份公司 | 集装箱船舶海上航路关键点的确定方法和装置 |
CN116049208A (zh) * | 2023-01-19 | 2023-05-02 | 中远海运科技股份有限公司 | 一种船舶imo号与mmsi号自动更新匹配方法及系统 |
CN116049208B (zh) * | 2023-01-19 | 2023-10-31 | 中远海运科技股份有限公司 | 一种船舶imo号与mmsi号自动更新匹配方法及系统 |
CN116839594A (zh) * | 2023-08-29 | 2023-10-03 | 成都蓉奥科技有限公司 | 基于优化双向A-Star算法的潜艇全局航迹规划方法及装置 |
CN116839594B (zh) * | 2023-08-29 | 2023-11-24 | 成都蓉奥科技有限公司 | 基于优化双向A-Star算法的潜艇全局航迹规划方法及装置 |
CN117346796A (zh) * | 2023-12-05 | 2024-01-05 | 武汉理工大学三亚科教创新园 | 一种基于航路网络的智能航线规划方法、装置及电子设备 |
CN117346796B (zh) * | 2023-12-05 | 2024-03-08 | 武汉理工大学三亚科教创新园 | 一种基于航路网络的智能航线规划方法、装置及电子设备 |
CN117433541A (zh) * | 2023-12-22 | 2024-01-23 | 中船(浙江)海洋科技有限公司 | 一种避台航线自动规划方法 |
CN117433541B (zh) * | 2023-12-22 | 2024-04-02 | 中船(浙江)海洋科技有限公司 | 一种避台航线自动规划方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115060264A (zh) | 一种基于ais数据的prm航线规划方法 | |
EP2145155B1 (en) | Method and apparatus for routing ocean going vessels to avoid treacherous environments | |
Hörteborn et al. | A revisit of the definition of the ship domain based on AIS analysis | |
JP2008513779A (ja) | 航行支援方法およびシステム | |
Tsou | Integration of a geographic information system and evolutionary computation for automatic routing in coastal navigation | |
CN101806596A (zh) | 基于电子海图的最短距离航线自动生成方法 | |
Naus | Drafting route plan templates for ships on the basis of AIS historical data | |
CN112859864A (zh) | 一种面向无人船的几何路径规划方法 | |
KR101214996B1 (ko) | 해양지리 정보 구축 및 서비스 방법 | |
CN111412918B (zh) | 无人艇全局安全路径规划方法 | |
Mazaheri et al. | 20. A Decision Support Tool for VTS Centers to Detect Grounding Candidates | |
CN112069371A (zh) | 一种基于格网化邻域的海上船舶有效救援搜索方法 | |
CN116678422A (zh) | 基于多邻域规则格网的舰船最短时间航线自动规划方法 | |
CN113805178A (zh) | 一种水面静态碍航物探测方法 | |
May et al. | Method for finding the optimal ship route in ice based on vector geo-algorithms | |
Kastrisios et al. | Maritime zones delimitation–Problems and solutions | |
Olindersson et al. | Development of a software to identify and analyse marine traffic situations | |
CN113127581A (zh) | 一种自动航线规划的方法 | |
RU2281529C1 (ru) | Способ визуализации навигационной обстановки при судовождении | |
CN111768068A (zh) | 一种海上搜救船舶响应能力评估方法 | |
CN110222138A (zh) | 基于航线的浮标搜索方法和系统 | |
Xue et al. | Risk Assessment Based on KDE of Ship Collision Candidates for Ship Routing Waterway | |
Hammond | Applications of probabilistic interpolation to ship tracking | |
Bu | AIS-Data For Increased Insight Into Navigational Impacts Post Installation of Man-made Structures at Sea | |
Liu et al. | A method of ship multi-constraint route planning based on AIS big data |
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 |