CN115409393A - 一种海上船舶监控用轨迹跟踪路线评价方法 - Google Patents
一种海上船舶监控用轨迹跟踪路线评价方法 Download PDFInfo
- Publication number
- CN115409393A CN115409393A CN202211073639.3A CN202211073639A CN115409393A CN 115409393 A CN115409393 A CN 115409393A CN 202211073639 A CN202211073639 A CN 202211073639A CN 115409393 A CN115409393 A CN 115409393A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- ship
- weight
- course
- fog
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 115
- 238000012544 monitoring process Methods 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 claims description 53
- 239000011159 matrix material Substances 0.000 claims description 48
- 230000008901 benefit Effects 0.000 claims description 29
- 230000008859 change Effects 0.000 claims description 26
- 238000012937 correction Methods 0.000 claims description 15
- 239000013505 freshwater Substances 0.000 claims description 6
- 239000000446 fuel Substances 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 230000035945 sensitivity Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 230000004888 barrier function Effects 0.000 claims description 4
- 230000002708 enhancing effect Effects 0.000 claims description 4
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 3
- 229910052739 hydrogen Inorganic materials 0.000 claims description 3
- 239000001257 hydrogen Substances 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 3
- 238000012545 processing Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 238000010606 normalization Methods 0.000 description 4
- 238000007619 statistical method Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种海上船舶监控用轨迹跟踪路线评价方法,具体涉及水上交通安全技术领域,本发明通过对航线过程中的所遇到的大雾情况进行详细的分类,结合可能的障碍物和危险物、定位和避让条件、航次船舶状况、人员以及经济效益建立数据集对可能遇到的情况进行收集,及时地对船舶航线进行补充评价,根据评价结果对计划航线做出必要的修正可以提高航行的安全性,同时根据雾天所得到的信息以及AHP和模糊理论两种数学方法,构建出评价模型,对航线可能遇到的危险情况进行分级,同时,为可能遇到的危险进行解析,且大量数据对比得出的结论中肯不易出现失误的情况,进而对航线路线进行判断,进一步提高了海上以及雾天航行时的安全性。
Description
技术领域
本发明涉及水上交通安全技术领域,更具体地说,本发明涉及一种海上船舶监控用轨迹跟踪路线评价方法。
背景技术
船舶在水面航行时,需要对船舶的轨迹进行监控,以方便对船舶的航线进行规划,偏航报警等,保证船舶的航行安全,但由于影响航线的因素大多具有模糊性,常用模糊数学的方法对航线中各影响因素进行量化处理,用综合评价的方法进行评价,目前在对航线的路线进行评价从而确认航线的安全性时通常以人员的航线经验以及对水文气象进行结合从而对大致路线进行选择,但水文气象的变化较多其中以雾天以及暴雨天气航行最为危险,大部分情况下暴雨天气则会停止航行,因此无需对暴雨天气的航线进行确立,根据相关数据的统计很大一部分的碰撞事故发生在能见度不良的情况之下,而能见度不良的很大一个诱因便是海雾,因此雾天的航线单纯依靠经验难以实现安全航行的效果。
发明内容
为了克服现有技术的上述缺陷,本发明提供了一种海上船舶监控用轨迹跟踪路线评价方法,本发明所要解决的技术问题是:根据相关数据的统计很大一部分的碰撞事故发生在能见度不良的情况之下,而能见度不良的很大一个诱因便是海雾,因此雾天的航线单纯依靠经验难以实现安全航行的问题。
为实现上述目的,本发明提供如下技术方案:
一种海上船舶监控用轨迹跟踪路线评价方法,包括以下评价方法:
S1、航线评价的影响具体可分为六类,包括水文气象、障碍物和危险物、定位和避让条件、航次船舶状况、人员以及经济效益,其中,水文气象包含海流、风、海冰以及雾,船舶航次状况包含船龄等级、航次吃水、航速以及航次载货,人员主要包括船长的经验能力、船员的训练水平、船长和航海长选择航线的专业能力,经济效益包括航程、航时、燃油及淡水消耗。
S2、建立对应的船舶航线评价的指标体系,通过建立评价因素集U的方式对影响判断的各因素进行收集对比:
U={u1,u2,u3...u6}
其中,u1,u2,u3...u6分别表示水文气象,障碍物和危险物,定位和避让条件,航次船舶状况,人员以及经济效益。
S3、建立评价集,价对象所有可能的评价结果的集合,将评价集取为:
V={v1,v2,v3...v5}
其中,v1,v2,v3...v5分别表示优秀、良好、一般、较差、差,100分为最理想值,0-50分为差,50-60分为较差,60-70分为一般,70-80分良好,80-100分为优秀。
S4、确定隶属度函数f,然后给出一个因素ui的评价f(ui),用映射描述如下:
μ:U→F(V)
μ(ui)=(ri1,ri2...,rmi)∈F(V)
式中:rij-ui具有评价vj的程度。
R=(rij)n×m
式中:R为所求的评价矩阵。
S5、用若干个指标进行综合评价时,权的数值越大就越重要,权的数值越小认为越不重要,具体可以将权的属性可以分为以下几类:
1)、指标含信息的多少,有关的信息多权数就大,有关的信息少,权的数值就取得小。
2)、指标的区分对象能力的强弱,综合评价就是将评价对象给以区别,并排出先后次序,一个指标从区别这些对象的性质来区分,当对象能力强的就应该重视,能力弱的受重视程度就应该小,这种权数称为敏感性权。
根据以上原则,结合实际的经验及专家的意见,考查两个元素ui和uj,对对象重要性的比重进行判断,得到指标判断矩阵。
A=(aij)n×m
式中:aij为元素ui和uj相对重要性比例标度,有aij>0或aij=1/aii=1,判断矩阵A称为正互反矩阵。
由判断矩阵A计算权重向量,计算权重的方法具体可以采用:根法、特征根法、对数最小二乘法、最小二乘法。
C=(cij)n×n,cij>0,cij=1/cij,cii=1
以特征根法为例:Aω=λmaxω
式中,λmax为A的最大特征根,ω为λmax对应的A的特征向量。
所求得的ω归一化以后即为权重向量α。
将这种方法所求得的权重向量,在应用中作为固定的权重向量对船舶的航线进行评价,一般情况下这样的评价结果具有一定的指导意义。
作为本发明的进一步方案:所述当没有重大事件发生时认为。
B=a0R=(b1,b2,...,bm)。
当有重大事件发生或即将发生时。
利用加权平均法对得出结果进行加权。
作为本发明的进一步方案:所述雾中航行应对举措具体包括。
(1)船舶在航行进入雾区之前或者大雾将要到来之前,应该获得本船的准确船位,该船位可以用于雾中航行航迹推算之依据。
(2)对于安装有雷达设备的船舶,提前将其打开。
(3)对于船舶航线的设定要尽可能的避免危险区域,避免通过渔区和船舶密集区域。
(4)按章采取安全航速,施放雾号。
(5)变自动操舵为人工操舵。
(6)必要时报告及时报告船长,备车航行。
(7)增强瞭望,肃静、打开驾驶台门窗、关闭水密门窗,保证听觉、视觉瞭望。
本发明的有益效果在于:本发明通过对航线过程中的所遇到的大雾情况进行详细的分类,结合可能的障碍物和危险物、定位和避让条件、航次船舶状况、人员以及经济效益建立数据集对可能遇到的情况进行收集,收集完毕后由基于信息源的专家知识库或者专家的现场打分得到修正矩阵,及时地对船舶航线进行补充评价,根据评价结果对计划航线做出必要的修正可以提高航行的安全性,避免海上事故的发生,同时根据雾天所得到的信息以及AHP和模糊理论两种数学方法,构建出评价模型,对航线可能遇到的危险情况进行分级,同时,为可能遇到的危险进行解析,且大量数据对比得出的结论中肯不易出现失误的情况,进而对航线路线进行判断,进一步提高了海上以及雾天航行时的安全性。
具体实施方式
下面将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。
实施例1:
一种海上船舶监控用轨迹跟踪路线评价方法,包括以下评价方法:
S1、航线评价的影响具体可分为六类,包括水文气象、障碍物和危险物、定位和避让条件、航次船舶状况、人员以及经济效益,其中,水文气象包含海流、风、海冰以及雾,船舶航次状况包含船龄等级、航次吃水、航速以及航次载货,人员主要包括船长的经验能力、船员的训练水平、船长和航海长选择航线的专业能力,经济效益包括航程、航时、燃油及淡水消耗。
S2、建立对应的船舶航线评价的指标体系,通过建立评价因素集U的方式对影响判断的各因素进行收集对比:
U={u1,u2,u3...u6}
其中,u1,u2,u3...u6分别表示水文气象,障碍物和危险物,定位和避让条件,航次船舶状况,人员以及经济效益。
S3、建立评价集,价对象所有可能的评价结果的集合,将评价集取为:
V={v1,v2,v3...v5}
其中,v1,v2,v3...v5分别表示优秀、良好、一般、较差、差,100分为最理想值,0-50分为差,50-60分为较差,60-70分为一般,70-80分良好,80-100分为优秀。
S4、确定隶属度函数f,然后给出一个因素ui的评价f(ui),用映射描述如下:
μ:U→F(V)
μ(ui)=(ri1,ri2...,rmi)∈F(V)
式中:rij-ui具有评价vj的程度。
R=(rij)n×m
式中:R为所求的评价矩阵。
S5、用若干个指标进行综合评价时,权的数值越大就越重要,权的数值越小认为越不重要,具体可以将权的属性可以分为以下几类:
1)、指标含信息的多少,有关的信息多权数就大,有关的信息少,权的数值就取得小。
2)、指标的区分对象能力的强弱,综合评价就是将评价对象给以区别,并排出先后次序,一个指标从区别这些对象的性质来区分,当对象能力强的就应该重视,能力弱的受重视程度就应该小,这种权数称为敏感性权。
根据以上原则,结合实际的经验及专家的意见,考查两个元素ui和uj,对对象重要性的比重进行判断,得到指标判断矩阵。
A=(aij)n×m
式中:aij为元素ui和uj相对重要性比例标度,有aij>0或aij=1/aii=1,判断矩阵A称为正互反矩阵。
由判断矩阵A计算权重向量,计算权重的方法具体可以采用:根法、特征根法、对数最小二乘法、最小二乘法。
C=(cij)n×n,cij>0,cij=1/cij,cii=1
以特征根法为例:Aω=λmaxω
式中,λmax为A的最大特征根,ω为λmax对应的A的特征向量。
所求得的ω归一化以后即为权重向量α。
将这种方法所求得的权重向量,在应用中作为固定的权重向量对船舶的航线进行评价,一般情况下这样的评价结果具有一定的指导意义。
当没有重大事件发生时认为。
B=a0R=(b1,b2,...,bm)。
当有重大事件发生或即将发生时。
利用加权平均法对得出结果进行加权。
雾中航行应对举措具体包括。
(1)船舶在航行进入雾区之前或者大雾将要到来之前,应该获得本船的准确船位,该船位可以用于雾中航行航迹推算之依据。
(2)对于安装有雷达设备的船舶,提前将其打开。
(3)对于船舶航线的设定要尽可能的避免危险区域,避免通过渔区和船舶密集区域。
(4)按章采取安全航速,施放雾号。
(5)变自动操舵为人工操舵。
(6)必要时报告及时报告船长,备车航行。
(7)增强瞭望,肃静、打开驾驶台门窗、关闭水密门窗,保证听觉、视觉瞭望。
雾对于船舶航行的影响巨大,量化各个安全等级的数值,分别为1、3、5、7、9,分值越高,表示风险越小,相应的也就越安全,具体评判标准如下表所示。
评语集 | 危险 | 较危险 | 一般 | 较安全 | 安全 |
评分值 | 1 | 3 | 5 | 7 | 9 |
根据构建的国内某水陆路段风险评分标准,邀请10位通航安全领域的专家对水陆路段进行打分,对专家的打分结果进行统计分析,处理得到的数据,进行归一化处理,构造出模糊评价样本矩阵R:
实施例2:
一种海上船舶监控用轨迹跟踪路线评价方法,包括以下评价方法:
S1、航线评价的影响具体可分为六类,包括水文气象、障碍物和危险物、定位和避让条件、航次船舶状况、人员以及经济效益,其中,水文气象包含海流、风、海冰以及雾,船舶航次状况包含船龄等级、航次吃水、航速以及航次载货,人员主要包括船长的经验能力、船员的训练水平、船长和航海长选择航线的专业能力,经济效益包括航程、航时、燃油及淡水消耗。
S2、建立对应的船舶航线评价的指标体系,通过建立评价因素集U的方式对影响判断的各因素进行收集对比:
U={u1,u2,u3...u6}
其中,u1,u2,u3...u6分别表示水文气象,障碍物和危险物,定位和避让条件,航次船舶状况,人员以及经济效益。
S3、建立评价集,价对象所有可能的评价结果的集合,将评价集取为:
V={v1,v2,v3...v5}
其中,v1,v2,v3...v5分别表示优秀、良好、一般、较差、差,100分为最理想值,0-50分为差,50-60分为较差,60-70分为一般,70-80分良好,80-100分为优秀。
S4、确定隶属度函数f,然后给出一个因素ui的评价f(ui),用映射描述如下:
μ:U→F(V)
μ(ui)=(ri1,ri2...,rmi)∈F(V)
式中:rij-ui具有评价vj的程度。
R=(rij)n×m
式中:R为所求的评价矩阵。
S5、用若干个指标进行综合评价时,权的数值越大就越重要,权的数值越小认为越不重要,具体可以将权的属性可以分为以下几类:
1)、指标含信息的多少,有关的信息多权数就大,有关的信息少,权的数值就取得小。
2)、指标的区分对象能力的强弱,综合评价就是将评价对象给以区别,并排出先后次序,一个指标从区别这些对象的性质来区分,当对象能力强的就应该重视,能力弱的受重视程度就应该小,这种权数称为敏感性权。
根据以上原则,结合实际的经验及专家的意见,考查两个元素ui和uj,对对象重要性的比重进行判断,得到指标判断矩阵。
A=(aij)n×m
式中:aij为元素ui和uj相对重要性比例标度,有aij>0或aij=1/aii=1,判断矩阵A称为正互反矩阵。
由判断矩阵A计算权重向量,计算权重的方法具体可以采用:根法、特征根法、对数最小二乘法、最小二乘法。
C=(cij)n×n,cij>0,cij=1/cij,cii=1
以特征根法为例:Aω=λmaxω
式中,λmax为A的最大特征根,ω为λmax对应的A的特征向量。
所求得的ω归一化以后即为权重向量α。
将这种方法所求得的权重向量,在应用中作为固定的权重向量对船舶的航线进行评价,一般情况下这样的评价结果具有一定的指导意义。
当没有重大事件发生时认为。
B=a0R=(b1,b2,...,bm)。
当有重大事件发生或即将发生时。
利用加权平均法对得出结果进行加权。
雾中航行应对举措具体包括。
(1)船舶在航行进入雾区之前或者大雾将要到来之前,应该获得本船的准确船位,该船位可以用于雾中航行航迹推算之依据。
(2)对于安装有雷达设备的船舶,提前将其打开。
(3)对于船舶航线的设定要尽可能的避免危险区域,避免通过渔区和船舶密集区域。
(4)按章采取安全航速,施放雾号。
(5)变自动操舵为人工操舵。
(6)必要时报告及时报告船长,备车航行。
(7)增强瞭望,肃静、打开驾驶台门窗、关闭水密门窗,保证听觉、视觉瞭望。
根据构建的国内某水陆路段风险评分标准,邀请10位通航安全领域的专家对水陆路段进行打分,对专家的打分结果进行统计分析,处理得到的数据,进行归一化处理,构造出模糊评价样本矩阵R:
实施例3:
一种海上船舶监控用轨迹跟踪路线评价方法,包括以下评价方法:
S1、航线评价的影响具体可分为六类,包括水文气象、障碍物和危险物、定位和避让条件、航次船舶状况、人员以及经济效益,其中,水文气象包含海流、风、海冰以及雾,船舶航次状况包含船龄等级、航次吃水、航速以及航次载货,人员主要包括船长的经验能力、船员的训练水平、船长和航海长选择航线的专业能力,经济效益包括航程、航时、燃油及淡水消耗。
S2、建立对应的船舶航线评价的指标体系,通过建立评价因素集U的方式对影响判断的各因素进行收集对比:
U={u1,u2,u3...u6}
其中,u1,u2,u3...u6分别表示水文气象,障碍物和危险物,定位和避让条件,航次船舶状况,人员以及经济效益。
S3、建立评价集,价对象所有可能的评价结果的集合,将评价集取为:
V={v1,v2,v3...v5}
其中,v1,v2,v3...v5分别表示优秀、良好、一般、较差、差,100分为最理想值,0-50分为差,50-60分为较差,60-70分为一般,70-80分良好,80-100分为优秀。
S4、确定隶属度函数f,然后给出一个因素ui的评价f(ui),用映射描述如下:
μ:U→F(V)
μ(ui)=(ri1,ri2...,rmi)∈F(V)
式中:rij-ui具有评价vj的程度。
R=(rij)n×m
式中:R为所求的评价矩阵。
S5、用若干个指标进行综合评价时,权的数值越大就越重要,权的数值越小认为越不重要,具体可以将权的属性可以分为以下几类:
1)、指标含信息的多少,有关的信息多权数就大,有关的信息少,权的数值就取得小。
2)、指标的区分对象能力的强弱,综合评价就是将评价对象给以区别,并排出先后次序,一个指标从区别这些对象的性质来区分,当对象能力强的就应该重视,能力弱的受重视程度就应该小,这种权数称为敏感性权。
根据以上原则,结合实际的经验及专家的意见,考查两个元素ui和uj,对对象重要性的比重进行判断,得到指标判断矩阵。
A=(aij)n×m
式中:aij为元素ui和uj相对重要性比例标度,有aij>0或aij=1/aii=1,判断矩阵A称为正互反矩阵。
由判断矩阵A计算权重向量,计算权重的方法具体可以采用:根法、特征根法、对数最小二乘法、最小二乘法。
C=(cij)n×n,cij>0,cij=1/cij,cii=1
以特征根法为例:Aω=λmaxω
式中,λmax为A的最大特征根,ω为λmax对应的A的特征向量。
所求得的ω归一化以后即为权重向量α。
将这种方法所求得的权重向量,在应用中作为固定的权重向量对船舶的航线进行评价,一般情况下这样的评价结果具有一定的指导意义。
当没有重大事件发生时认为。
B=a0R=(b1,b2,...,bm)。
当有重大事件发生或即将发生时。
利用加权平均法对得出结果进行加权。
雾中航行应对举措具体包括。
(1)船舶在航行进入雾区之前或者大雾将要到来之前,应该获得本船的准确船位,该船位可以用于雾中航行航迹推算之依据。
(2)对于安装有雷达设备的船舶,提前将其打开。
(3)对于船舶航线的设定要尽可能的避免危险区域,避免通过渔区和船舶密集区域。
(4)按章采取安全航速,施放雾号。
(5)变自动操舵为人工操舵。
(6)必要时报告及时报告船长,备车航行。
(7)增强瞭望,肃静、打开驾驶台门窗、关闭水密门窗,保证听觉、视觉瞭望。
根据构建的国内某水陆路段风险评分标准,邀请10位通航安全领域的专家对水陆路段进行打分,对专家的打分结果进行统计分析,处理得到的数据,进行归一化处理,构造出模糊评价样本矩阵R:
实施例4:
一种海上船舶监控用轨迹跟踪路线评价方法,包括以下评价方法:
S1、航线评价的影响具体可分为六类,包括水文气象、障碍物和危险物、定位和避让条件、航次船舶状况、人员以及经济效益,其中,水文气象包含海流、风、海冰以及雾,船舶航次状况包含船龄等级、航次吃水、航速以及航次载货,人员主要包括船长的经验能力、船员的训练水平、船长和航海长选择航线的专业能力,经济效益包括航程、航时、燃油及淡水消耗。
S2、建立对应的船舶航线评价的指标体系,通过建立评价因素集U的方式对影响判断的各因素进行收集对比:
U={u1,u2,u3...u6}
其中,u1,u2,u3...u6分别表示水文气象,障碍物和危险物,定位和避让条件,航次船舶状况,人员以及经济效益。
S3、建立评价集,价对象所有可能的评价结果的集合,将评价集取为:
V={v1,v2,v3...v5}
其中,v1,v2,v3...v5分别表示优秀、良好、一般、较差、差,100分为最理想值,0-50分为差,50-60分为较差,60-70分为一般,70-80分良好,80-100分为优秀。
S4、确定隶属度函数f,然后给出一个因素ui的评价f(ui),用映射描述如下:
μ:U→F(V)
μ(ui)=(ri1,ri2...,rmi)∈F(V)
式中:rij-ui具有评价vj的程度。
R=(rij)n×m
式中:R为所求的评价矩阵。
S5、用若干个指标进行综合评价时,权的数值越大就越重要,权的数值越小认为越不重要,具体可以将权的属性可以分为以下几类:
1)、指标含信息的多少,有关的信息多权数就大,有关的信息少,权的数值就取得小。
2)、指标的区分对象能力的强弱,综合评价就是将评价对象给以区别,并排出先后次序,一个指标从区别这些对象的性质来区分,当对象能力强的就应该重视,能力弱的受重视程度就应该小,这种权数称为敏感性权。
根据以上原则,结合实际的经验及专家的意见,考查两个元素ui和uj,对对象重要性的比重进行判断,得到指标判断矩阵。
A=(aij)n×m
式中:aij为元素ui和uj相对重要性比例标度,有aij>0或aij=1/aii=1,判断矩阵A称为正互反矩阵。
由判断矩阵A计算权重向量,计算权重的方法具体可以采用:根法、特征根法、对数最小二乘法、最小二乘法。
C=(cij)n×n,cij>0,cij=1/cij,cii=1
以特征根法为例:Aω=λmaxω
式中,λmax为A的最大特征根,ω为λmax对应的A的特征向量。
所求得的ω归一化以后即为权重向量α。
将这种方法所求得的权重向量,在应用中作为固定的权重向量对船舶的航线进行评价,一般情况下这样的评价结果具有一定的指导意义。
当没有重大事件发生时认为。
B=a0R=(b1,b2,...,bm)。
当有重大事件发生或即将发生时。
利用加权平均法对得出结果进行加权。
雾中航行应对举措具体包括。
(1)船舶在航行进入雾区之前或者大雾将要到来之前,应该获得本船的准确船位,该船位可以用于雾中航行航迹推算之依据。
(2)对于安装有雷达设备的船舶,提前将其打开。
(3)对于船舶航线的设定要尽可能的避免危险区域,避免通过渔区和船舶密集区域。
(4)按章采取安全航速,施放雾号。
(5)变自动操舵为人工操舵。
(6)必要时报告及时报告船长,备车航行。
(7)增强瞭望,肃静、打开驾驶台门窗、关闭水密门窗,保证听觉、视觉瞭望。
根据构建的国内某水陆路段风险评分标准,邀请10位通航安全领域的专家对水陆路段进行打分,对专家的打分结果进行统计分析,处理得到的数据,进行归一化处理,构造出模糊评价样本矩阵R:
根据上述确定的评价指标权重和构造的模糊评价样本矩阵,利用模糊综合评价方法对长江江苏段船舶引航风险进行评价,具体计算公式如下:
A=WR
根据模糊综合评价方法中关于风险研究的计算公式,可计算出长江江苏段船舶引航风险评价指标体系中各级评价指标所对应的评价结果,其中,长江江苏段船舶引航风险综合评价结果为:
A=WR=(0.097,0.112,0.202,0.375,0.214)
所求取的综合评价结果是一个向量,为了使综合评价结果更加直观,可对其进行量化处理,具体的量化方法是通过把综合评价结果和上述相对应的评分标准相乘,可得到最终量化后的评价结果V。
因此,风险的最终评价结果为5.994,根据表中提出的风险等级评分标准可知,该分值位于“一般”和“较安全”之间,评价结果表明长江江苏段船舶引航风险相对可控,但是安全问题不容忽视,应尽量采取应对措施,以期减少船舶引航事故的发生。
最后应说明的几点是:虽然,上文中已经用一般性说明及具体实施例对本发明作了详尽的描述,但在本发明的基础上,以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各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,或者对其中部分或者全部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范围。
Claims (3)
1.一种海上船舶监控用轨迹跟踪路线评价方法,其特征在于,包括以下评价方法:
S1、航线评价的影响具体可分为六类,包括水文气象、障碍物和危险物、定位和避让条件、航次船舶状况、人员以及经济效益,其中,水文气象包含海流、风、海冰以及雾,船舶航次状况包含船龄等级、航次吃水、航速以及航次载货,人员主要包括船长的经验能力、船员的训练水平、船长和航海长选择航线的专业能力,经济效益包括航程、航时、燃油及淡水消耗;
S2、建立对应的船舶航线评价的指标体系,通过建立评价因素集U的方式对影响判断的各因素进行收集对比:
U={u1,u2,u3...u6}
其中,u1,u2,u3...u6分别表示水文气象,障碍物和危险物,定位和避让条件,航次船舶状况,人员以及经济效益;
S3、建立评价集,价对象所有可能的评价结果的集合,将评价集取为:
V={v1,v2,v3...v5}
其中,v1,v2,v3...v5分别表示优秀、良好、一般、较差、差,100分为最理想值,0-50分为差,50-60分为较差,60-70分为一般,70-80分良好,80-100分为优秀。
S4、确定隶属度函数f,然后给出一个因素ui的评价f(ui),用映射描述如下:
μ:U→F(V)
μ(ui)=(ri1,ri2...,rmi)∈F(V)
式中:rij-ui具有评价vj的程度;
R=(rij)n×m
式中:R为所求的评价矩阵;
S5、用若干个指标进行综合评价时,权的数值越大就越重要,权的数值越小认为越不重要,具体可以将权的属性可以分为以下几类:
1)、指标含信息的多少,有关的信息多权数就大,有关的信息少,权的数值就取得小;
2)、指标的区分对象能力的强弱,综合评价就是将评价对象给以区别,并排出先后次序,一个指标从区别这些对象的性质来区分,当对象能力强的就应该重视,能力弱的受重视程度就应该小,这种权数称为敏感性权;
根据以上原则,结合实际的经验及专家的意见,考查两个元素ui和uj,对对象重要性的比重进行判断,得到指标判断矩阵;
A=(aij)n×m
式中:aij为元素ui和uj相对重要性比例标度,有aij>0或aij=1/aii=1,判断矩阵A称为正互反矩阵;
由判断矩阵A计算权重向量,计算权重的方法具体可以采用:根法、特征根法、对数最小二乘法、最小二乘法;
C=(cij)n×n,cij>0,cij=1/cij,cii=1
3.根据权利要求1所述的一种海上船舶监控用轨迹跟踪路线评价方法,其特征在于:所述雾中航行应对举措具体包括:
(1)船舶在航行进入雾区之前或者大雾将要到来之前,应该获得本船的准确船位,该船位可以用于雾中航行航迹推算之依据;
(2)对于安装有雷达设备的船舶,提前将其打开;
(3)对于船舶航线的设定要尽可能的避免危险区域,避免通过渔区和船舶密集区域;
(4)按章采取安全航速,施放雾号;
(5)变自动操舵为人工操舵;
(6)必要时报告及时报告船长,备车航行;
(7)增强瞭望,肃静、打开驾驶台门窗、关闭水密门窗,保证听觉、视觉瞭望。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211073639.3A CN115409393A (zh) | 2022-09-02 | 2022-09-02 | 一种海上船舶监控用轨迹跟踪路线评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211073639.3A CN115409393A (zh) | 2022-09-02 | 2022-09-02 | 一种海上船舶监控用轨迹跟踪路线评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115409393A true CN115409393A (zh) | 2022-11-29 |
Family
ID=84163145
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211073639.3A Pending CN115409393A (zh) | 2022-09-02 | 2022-09-02 | 一种海上船舶监控用轨迹跟踪路线评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115409393A (zh) |
-
2022
- 2022-09-02 CN CN202211073639.3A patent/CN115409393A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110223302B (zh) | 一种基于旋转区域提取的舰船多目标检测方法 | |
CN112906830B (zh) | 一种基于ais大数据的船舶最优航线自动生成方法 | |
Li et al. | AIS data-based decision model for navigation risk in sea areas | |
CN113409314B (zh) | 高空钢结构腐蚀的无人机视觉检测与评价方法及系统 | |
CN111613094A (zh) | 一种港口水域船舶交通风险预警方法 | |
CN105137971B (zh) | 一种辅助船舶进行避碰决策的方法 | |
CN111353222B (zh) | 一种智能船舶自动靠泊能力的仿真测试系统及方法 | |
CN111599130A (zh) | 一种海上救助的环境风险预警系统 | |
CN112907052A (zh) | 一种智能船舶避碰能力评估系统 | |
CN114464014A (zh) | 基于模糊逻辑的区域船舶碰撞风险处理方法、系统和介质 | |
CN115409393A (zh) | 一种海上船舶监控用轨迹跟踪路线评价方法 | |
CN113110474A (zh) | 一种近海海域小型船舶行为决策方法 | |
CN115239110A (zh) | 一种基于改进topsis方法的通航风险评价方法 | |
CN116402143A (zh) | 一种智能船舶指标体系构建与评价方法 | |
CN116167902A (zh) | 一种基于多属性分析的水面目标安全评估算法模型及方法 | |
CN114254935A (zh) | 基于云模型和熵权法的邮轮风险评估方法及系统 | |
CN114331042A (zh) | 一种船舶碰撞风险分析方法 | |
CN115018304A (zh) | 一种计算船机碰撞风险的方法、装置以及存储介质 | |
CN113177713B (zh) | 一种基于事故数据挖掘的船舶碰撞危险度计算方法 | |
CN113505965A (zh) | 一种三角模糊层次分析的多级综合评价模型 | |
Zhou et al. | Research on Navigation Risk Identification of Three Gorges Ship Lock Based on Improved Analytic Hierarchy Process | |
CN111275329A (zh) | 水运工程施工安全事故致因分析方法 | |
CN110986873A (zh) | 高速铁路工程服役状态预警指标获取方法 | |
Wang et al. | A Fuzzy Logic-Based Model for Evaluating Grounding Risk of Inland River Ships | |
CN114781787A (zh) | 一种客船航行条件下的自然环境因素风险评估方法 |
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 |