CN115410417B - 基于环境因子的船舶调度靠泊预测系统 - Google Patents
基于环境因子的船舶调度靠泊预测系统 Download PDFInfo
- Publication number
- CN115410417B CN115410417B CN202210854733.6A CN202210854733A CN115410417B CN 115410417 B CN115410417 B CN 115410417B CN 202210854733 A CN202210854733 A CN 202210854733A CN 115410417 B CN115410417 B CN 115410417B
- Authority
- CN
- China
- Prior art keywords
- ship
- berthing
- speed
- factor
- navigational
- 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
Links
- 230000007613 environmental effect Effects 0.000 title claims abstract description 9
- 238000000034 method Methods 0.000 claims abstract description 12
- 238000004088 simulation Methods 0.000 claims abstract description 6
- 230000035772 mutation Effects 0.000 claims description 26
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 7
- 230000008901 benefit Effects 0.000 abstract description 5
- 238000010801 machine learning Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G3/00—Traffic control systems for marine craft
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Ocean & Marine Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于环境因子的船舶调度靠泊预测系统,包括船舶航点测算模块,船舶航点测算模块用于测算船舶的航点;航路模拟模块,航路模拟模块基于航点模拟船舶的行驶路线;靠泊因素测算模块,靠泊因素测算模块用于测算船舶的行驶路线上的靠泊因素,并生成靠泊因素值;靠泊模块,靠泊模块基于靠泊因素值选取船舶的靠泊位置,通过机器学习算法探索不同外界因素对船舶调度方案的效益,最终得到不同场景下的最优调度方案,实现了船舶航行的个性化调度,提高了船舶通行效率,避免了人工指挥过程中信号员主观因素的干扰,在保证船舶航行安全的基础上,提高船舶通行效率,降低等待时间。
Description
技术领域
本发明涉及船舶调度技术领域,更具体地,涉及一种基于环境因子的船舶调度靠泊预测系统。
背景技术
在船舶停靠港口时,设备的配置和调度对港口的运作效率有着较大影响。目前大部分调度系统普遍采用一定数量的船舶与某台岸桥绑定,形成一条作业路的传统调度规则,此种调度规则下船舶在作业循环中始终是半程为空,在船舶装卸过程、作业路之间的生产节奏也不相同,这种模式便于管理船舶但不利于港口的利用率,因此难以适应多泊位现代化码头生产管理的发展需求,同时在船舶调度靠泊时,传统的方式完全依赖调度人员的工作经验,这是因为船舶调度的影响因素较多,同时每一次调度时可选择的方案非常多,如何判断一次调度结果的优劣往往没有标准,主要依靠个人经验,需要人工安排每条船每个航次的执行计划,这种做法不仅需要大量人力资源投入,而且单纯依靠个人经验进行的调度决策可能并非最优决策,造成航运公司运营成本的增加,因此需要借助智能调度算法进行船舶调度。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明的一个目的在于提出一种基于环境因子的船舶调度靠泊预测系统,包括:
船舶航点测算模块,船舶航点测算模块用于测算船舶的航点;
航路模拟模块,航路模拟模块基于航点模拟船舶的行驶路线;
靠泊因素测算模块,靠泊因素测算模块用于测算船舶的行驶路线上的靠泊因素,并生成靠泊因素值;
靠泊模块,靠泊模块基于靠泊因素值选取船舶的靠泊位置。
进一步的,船舶航点测算模块包括:
获取子模块,获取子模块用于获取船舶的AIS数据,并提取AIS数据内船舶的航速信息和航线信息;
其中,航速信息包括船舶的最高行驶速度、最低行驶速度和中值行驶速度,中值行驶速度通过最高行驶速度和最低行驶速度之和与二的比值得出;
航线信息包括船舶的起始点坐标、终点坐标及航线坐标。
进一步的,船舶航点测算模块还包括:
速度获取子模块,速度获取子模块用于获取最高行驶速度和最低行驶速度的差值,并标记为增值速度;
航速圈子模块,航速圈子模块用于获取船舶的中值行驶速度,若中值行驶速度大于预设行驶速度时,选取增值速度对应的数值为半径,单位为链得出航速圈;
获取船舶的中值行驶速度,若中值行驶速度小于预设行驶速度时,选取中值行驶速度与最低行驶速度差值的数值为半径,单位为链得出航速圈;
获取船舶的中值行驶速度,若中值行驶速度等于预设行驶速度时,选取中值行驶速度的数值为半径,单位为链得出航速圈。
进一步的,船舶航点测算模块用于测算船舶的航点包括:
选取起始点坐标和终点坐标,并在电子地图内连接起始点坐标和终点坐标,其中,连接的轨迹为直线,且轨迹位于水域内;
沿起始点坐标开始将航速圈与轨迹匹配,其中,航速圈的圆心位于轨迹上,且第一个航速圈的一侧与始点坐标重合,第二个航速圈的一侧与第一个航速圈的另外一侧相交,第N个航速圈的一侧与第N-1个航速圈的另一侧相交,第N个航速圈的另一侧与终点坐标重合或另一侧包括终点坐标;
其中,若干个航速圈内的坐标点则为航点。
进一步的,航路模拟模块基于航点模拟船舶的行驶路线包括:
获取子模块获取船舶的AIS数据,并读取船舶的实时坐标,若实时坐标属于航点时,则航点对应的航速圈为干预航速圈,且与干预航速圈相邻的航速圈为预测行驶航速圈;
若实时坐标不属于航点时,则获取与实时坐标距离最近的航点,若实时坐标与距离最近的航点直接的距离大于预设海里时,则进行航点补偿,反之,距离最近的航点对应的航速圈为干预航速圈。
进一步的,航点补偿包括:
获取实时坐标和航线坐标,将实时坐标替换对应的航线坐标,并从新生成航线坐标后续的航速圈,其中,若实时坐标对应的航线坐标为第N个航速圈,则不生成航线坐标后续的航速圈。
进一步的,靠泊因素测算模块用于测算船舶的行驶路线上的靠泊因素,并生成靠泊因素值之前还包括:
获取航速圈的数量,其中,将航速圈数量的前二分之一应的航速圈标记为初始航速圈,将航速圈数量的后二分之一对应的航速圈标记为中断航速圈,选取后二分之一对应的航速圈内最后10个航速圈为追踪航速圈。
进一步的,靠泊因素测算模块用于测算船舶的行驶路线上的靠泊因素,并生成靠泊因素值包括:
获取初始航速圈内干预航速圈的实时异变因数,若初始航速圈对应的全部异变因数之和大于预设因数时,则初始航速圈不生成靠泊因素值;若初始航速圈对应的全部异变因数之和小于等于预设因数时,则异变因数之和与预设因数的比值生成第一靠泊因素值;
获取中断航速圈的实时异变因数若中断航速圈对应的全部异变因数之和大于预设因数时,则中断航速圈不生成靠泊因素值;若中断航速圈对应的全部异变因数之和小于等于预设因数时,则异变因数之和与预设因数的比值生成第二靠泊因素值;
若第一靠泊因素值与第二靠泊因素值之和大于预设因素值时,则获取追踪航速圈内船舶的航速信息,此时不生成靠泊因素值;
若第一靠泊因素值与第二靠泊因素值之和小于等于预设因素值时,则第一靠泊因素值与第二靠泊因素值之和为靠泊因素值。
进一步的,靠泊模块基于靠泊因素值选取船舶的靠泊位置包括:
若船舶生成靠泊因素值时,选取靠泊内大于靠泊因素值的码头为停泊码头;
若船舶不生成靠泊因素值,则将船舶的航速信息上传预警中心,并由预警中心选取停泊码头。
进一步的,异变因数包括:
获取干预航速圈内实时的潮流数值、大雾数值、台风数值及拥堵数值,若潮流数值、大雾数值、台风数值及拥堵数值中任一数值大于预设数值时,则将对应的数值标记为异变因数值,干预航速圈内全部的异变因数值之和为异变因数。
本发明的附加方面和优点将在下面的描述中部分给出,同时,本申请通过船舶与港口的距离与船舶速度与增值速度之和获得行驶使时间,并与预设时间相比较得到到港时间,便于后续判断是否需要提前进行调度,通过增值速度、中值行驶速度与最低行驶速度差值的数值和中值行驶速度的数值为半径选取航速圈,可以保证船舶可以在最快的时间内行驶在航速圈内,保证后续调度的准确性,同时也可以保证航速圈的选取大小可以与船舶的性能相匹配,通过航速圈设置若干个航点可以最大程度满足船舶航行的规律,避免坐标点单一导致船舶因为风浪等原因偏离导致预测调度失效,有利于最大程度对船舶航行进行纠错;通过干预航速圈和预测行驶航速圈可以使得获取干扰因素时,子需要计算干预航速圈和预测行驶航速圈内的数据即可,降低了运行时数据量,保证系统的运行稳定性;通过生成航速圈可以对航线内若干区间的因素进行综合考量,保证预测的精准度,同样的,可以便于后期对系统分析调节是提供足够的数据支撑,通过机器学习算法探索不同外界因素对船舶调度方案的效益,最终得到不同场景下的最优调度方案,实现了船舶航行的个性化调度,提高了船舶通行效率,避免了人工指挥过程中信号员主观因素的干扰,在保证船舶航行安全的基础上,提高船舶通行效率,降低等待时间。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是根据本发明实施例的程序框图;
图2是根据本发明实施例的航线示意图;
图3是根据本发明实施例的航速圈示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明的描述中,“第一特征”、“第二特征”可以包括一个或者更多个该特征,“多个”的含义是两个或两个以上,第一特征在第二特征“之上”或“之下”可以包括第一和第二特征直接接触,也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触,第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方,或仅仅表示第一特征水平高度高于第二特征。
下面参考附图描述根据本发明实施例的一种基于环境因子的船舶调度靠泊预测系统;
参照图1-3所示,根据本发明实施例可以包括:
船舶航点测算模块,船舶航点测算模块用于测算船舶的航点;
在具体实施中,获取船舶的AIS数据,并提取AIS数据内船舶的航速信息和航线信息,这里船舶的AIS数据是指船舶自动识别系统产生的数据,因此本申请使用场景内的船舶必须具备船舶自动识别系统,正常状态下船舶自动识别系统是指一种应用于船和岸、船和船之间的海事安全与通信的新型助航系统,由VHF通信机、GPS定位仪和与船载显示器及传感器等相连接的通信控制器组成,能自动交换船位、航速、航向、船名、呼号等信息,同样的,装在船上的船舶自动识别系统也可以向外发送这些信息的同时,接收覆盖范围内其他船舶的信息,从而实现了自动应答,因为船舶装备船舶自动识别系统,使得本申请可以像船舶传输数据和接收船舶传输数据。
其中,本申请的航速信息包括船舶的最高行驶速度、最低行驶速度和中值行驶速度,这里最高行驶速度和最低行驶速度需要通过AIS数据获取,这里,获取的方法可以包括,获取AIS数据内存储的最高行驶速度和最低行驶速度的信息,并解码获得,或者,通过AIS向船舶进行通信获取船舶的最高行驶速度和最低行驶速度,在此,获取船舶的最高行驶速度和最低行驶速度可根据使用场景灵活设置;
中值行驶速度是通过最高行驶速度和最低行驶速度之和与二的比值得出,例如,船舶的最高行驶速度为30,最低行驶速度为10,对应的,中值行驶速度为20。
同时,本申请的航线信息包括船舶的起始点坐标、终点坐标及航线坐标,这里,起始点坐标为AIS系统内,船舶启航位置的坐标点,终点坐标为船舶停靠码头的坐标点,航线坐标可以是船舶通过AIS系统自动生成的航线对应的坐标,也可以是,船舶自己设置航行的坐标,同时需要强调的是航线坐标并非某一个特定的坐标,而是航线内全部坐标的集合。
在获取最高行驶速度和最低行驶速度后,可以通过最高行驶速度和最低行驶速度的差值获取增值速度,例如,船舶的最高行驶速度为30,最低行驶速度为10,对应的,增值速度为20,这里增值速度可以反映船舶的加速性能,反映在航线内可以体现为船舶的到港时间,例如,通过船舶与港口的距离与船舶速度与增值速度之和获得行驶使时间,并与预设时间相比较得到到港时间,便于后续判断是否需要提前进行调度。
获取船舶的中值行驶速度,若中值行驶速度大于预设行驶速度时,选取增值速度对应的数值为半径,单位为链得出航速圈;
获取船舶的中值行驶速度,若中值行驶速度小于预设行驶速度时,选取中值行驶速度与最低行驶速度差值的数值为半径,单位为链得出航速圈;
获取船舶的中值行驶速度,若中值行驶速度等于预设行驶速度时,选取中值行驶速度的数值为半径,单位为链得出航速圈。
这里通过增值速度、中值行驶速度与最低行驶速度差值的数值和中值行驶速度的数值为半径选取航速圈,可以保证船舶可以在最快的时间内行驶在航速圈内,保证后续调度的准确性,同时也可以保证航速圈的选取大小可以与船舶的性能相匹配。
这里同时需要获取船舶的行驶轨迹,用于与上述的航速圈进行匹配,保证船舶行驶在航速圈内,具体的,选取起始点坐标和终点坐标,并在电子地图内连接起始点坐标和终点坐标,其中,连接的轨迹为直线,且轨迹位于水域内;
这里,例如,起始点坐标和终点坐标之间的连线内不存在陆地时,则对应的连接为行驶轨迹,但这里要强调的是,行驶轨迹需要遵循船舶航行的规则,比如不驶入禁区,不驶入军事区等,因此,连接的轨迹为直线是相对与船舶航行的规则满足时的直线,即若干个直线线段构成的直线,且若干个直线线段之间的夹角可以是任意角度。
又例如,起始点坐标和终点坐标之间的连线内存在陆地时,则需要若干个直线线段构成的直线,且若干个直线线段之间的夹角可以是任意角度,这里同样要强调的是,行驶轨迹需要遵循船舶航行的规则,比如不驶入禁区,不驶入军事区等。
沿起始点坐标开始将航速圈与轨迹匹配,其中,航速圈的圆心位于轨迹上,且第一个航速圈的一侧与始点坐标重合,第二个航速圈的一侧与第一个航速圈的另外一侧相交,第N个航速圈的一侧与第N-1个航速圈的另一侧相交,第N个航速圈的另一侧与终点坐标重合或另一侧包括终点坐标,例如,第一个航速圈的一侧必须是和始点坐标相互从合,第二个航速圈的一侧与第一个航速圈的另一侧相交,第二个航速圈的另一侧与第三个航速圈的一侧相交,第三个航速圈的另一侧与第四个航速圈的一侧相交……以此类推,第N个航速圈的一侧与第N-1个航速圈的另一侧相交,第N个航速圈的另一侧与终点坐标重合或另一侧包括终点坐标,这里,可以允许第N个航速圈内的若干个坐标点包括终点坐标。
若干个航速圈内的坐标点则为航点,通过航速圈设置若干个航点可以最大程度满足船舶航行的规律,避免坐标点单一导致船舶因为风浪等原因偏离导致预测调度失效,有利于最大程度对船舶航行进行纠错。
在进行完上述准备后,航路模拟模块即可获取船舶的AIS数据,并读取船舶的实时坐标,若实时坐标属于航点时,则航点对应的航速圈为干预航速圈,对应的,若干干预航速圈连接即可得到行驶路线,且干预航速圈相邻的航速圈为预测行驶航速圈,这里通过干预航速圈和预测行驶航速圈可以使得获取干扰因素时,子需要计算干预航速圈和预测行驶航速圈内的数据即可,降低了运行时数据量,保证系统的运行稳定性。
若实时坐标不属于航点时,则获取与实时坐标距离最近的航点,若实时坐标与距离最近的航点直接的距离大于预设海里时,则进行航点补偿,例如,获取实时坐标和航线坐标,将实时坐标替换对应的航线坐标,并从新生成航线坐标后续的航速圈,其中,若实时坐标对应的航线坐标为第N个航速圈,则不生成航线坐标后续的航速圈。
反之,距离最近的航点对应的航速圈为干预航速圈。
通过生成航速圈可以对航线内若干区间的因素进行综合考量,保证预测的精准度,同样的,可以便于后期对系统分析调节是提供足够的数据支撑。
靠泊因素测算模块,用于获取航速圈的数量,其中,将航速圈数量的前二分之一应的航速圈标记为初始航速圈,将航速圈数量的后二分之一对应的航速圈标记为中断航速圈,选取后二分之一对应的航速圈内最后10个航速圈为追踪航速圈,例如,航速圈数量为100个,对应的前50个航速圈即为初始航速圈,后50个航速圈即为中断航速圈,后50个航速圈内最后10个航速圈为追踪航速圈,这里,通过对航速圈进行分层,可以分别计算不同层下航速圈对预测的影响,保证了预测的精准度。
随后靠泊因素测算模块获取初始航速圈内干预航速圈的实时异变因数,若初始航速圈对应的全部异变因数之和大于预设因数时,则初始航速圈不生成靠泊因素值;若初始航速圈对应的全部异变因数之和小于等于预设因数时,则异变因数之和与预设因数的比值生成第一靠泊因素值;
这里,异变因数包括潮流数值、大雾数值、台风数值及拥堵数值,且上述数值均为预先设置的深度学习网络学习得出,通过对若干数据的学习得出上述数值,具体的,
随机初始化神经网络。其隐含层数目和隐含层节点数依据场景复杂度确定。场景越复杂,隐含层数目和隐含层节点数越多。本实施例中神经网络包含4层隐含层,各隐含层均包含10个隐含层节点;输入层包含5个节点;输出层包含8个节点;隐含层激活函数采用sigmoid函数,输出层采用softmax函数。将船舶状态表征向量s与船舶调度指令a作为输入变量,Q(s,a)作为输出变量,代表可采取的调度指令a的分数。
依据限制性区域的具体场景,通过计算机生成不同的潮流数据、大雾数据、台风数据及拥堵数据。计算并预测船舶到达指挥断面的时间PATt以及在限制性区域内航行所需的时间,并构建船舶航行状态向量;在0~1之间等概率随机选取数字选择因子λ,令λ取值为1-无穷之间,并选取当前迭代次数。通过AIS设备/雷达/视频监控获取并解析取神经网络迭代后产生的船舶的位置、速度,航向等动、静态信息。
根据船舶位置信息和速度信息预测船舶到达指挥断面的时间和在限制性区域内航行所需要的时间得出潮流数据、大雾数据、台风数据及拥堵数据对应的潮流数值、大雾数值、台风数值及拥堵数值。
获取干预航速圈内实时的潮流数值、大雾数值、台风数值及拥堵数值,若潮流数值、大雾数值、台风数值及拥堵数值中任一数值大于预设数值时,则将对应的数值标记为异变因数值,干预航速圈内全部的异变因数值之和为异变因数
获取中断航速圈的实时异变因数若中断航速圈对应的全部异变因数之和大于预设因数时,则中断航速圈不生成靠泊因素值;若中断航速圈对应的全部异变因数之和小于等于预设因数时,则异变因数之和与预设因数的比值生成第二靠泊因素值;
若第一靠泊因素值与第二靠泊因素值之和大于预设因素值时,则获取追踪航速圈内船舶的航速信息,此时不生成靠泊因素值;
若第一靠泊因素值与第二靠泊因素值之和小于等于预设因素值时,则第一靠泊因素值与第二靠泊因素值之和为靠泊因素值
靠泊模块,靠泊模块基于靠泊因素值选取船舶的靠泊位置
若船舶生成靠泊因素值时,选取靠泊内大于靠泊因素值的码头为停泊码头;
若船舶不生成靠泊因素值,则将船舶的航速信息上传预警中心,并由预警中心选取停泊码头,这里通过预警中心的人为干预可以对无法停靠的船舶进行引导,例如,停船等待、减速慢行等。
本申请通过船舶与港口的距离、船舶速度与增值速度之和来动态得出驶使时间,并与预设时间相比较得到到港时间,便于后续判断是否需要提前进行调度,通过增值速度、中值行驶速度与最低行驶速度差值的数值和中值行驶速度的数值为半径选取航速圈,可以保证船舶可以在最快的时间内行驶在航速圈内,保证后续调度的准确性,同时也可以保证航速圈的选取大小可以与船舶的性能相匹配,通过航速圈设置若干个航点可以最大程度满足船舶航行的规律,避免坐标点单一导致船舶因为风浪等原因偏离导致预测调度失效,有利于最大程度对船舶航行进行纠错;通过干预航速圈和预测行驶航速圈可以使得获取干扰因素时,子需要计算干预航速圈和预测行驶航速圈内的数据即可,降低了运行时数据量,保证系统的运行稳定性;通过生成航速圈可以对航线内若干区间的因素进行综合考量,保证预测的精准度,同样的,可以便于后期对系统分析调节是提供足够的数据支撑,通过机器学习算法探索不同外界因素对船舶调度方案的效益,最终得到不同场景下的最优调度方案,实现了船舶航行的个性化调度,提高了船舶通行效率,避免了人工指挥过程中信号员主观因素的干扰,在保证船舶航行安全的基础上,提高船舶通行效率,降低等待时间。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体的连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
在本说明书的描述中,参考术语“实施例”、“具体实施例”、“示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (3)
1.一种基于环境因子的船舶调度靠泊预测系统,其特征在于,包括:
船舶航点测算模块,船舶航点测算模块用于测算船舶的航点;
航路模拟模块,航路模拟模块基于航点模拟船舶的行驶路线;
靠泊因素测算模块,靠泊因素测算模块用于测算船舶的行驶路线上的靠泊因素,并生成靠泊因素值;
靠泊模块,靠泊模块基于靠泊因素值选取船舶的靠泊位置;
船舶航点测算模块包括:
获取子模块,获取子模块用于获取船舶的AIS数据,并提取AIS数据内船舶的航速信息和航线信息;
其中,航速信息包括船舶的最高行驶速度、最低行驶速度和中值行驶速度,中值行驶速度通过最高行驶速度和最低行驶速度之和与二的比值得出;
航线信息包括船舶的起始点坐标、终点坐标及航线坐标;
船舶航点测算模块还包括:
速度获取子模块,速度获取子模块用于获取最高行驶速度和最低行驶速度的差值,并标记为增值速度;
航速圈子模块,航速圈子模块用于获取船舶的中值行驶速度,若中值行驶速度大于预设行驶速度时,选取增值速度对应的数值为半径,单位为链得出航速圈;
获取船舶的中值行驶速度,若中值行驶速度小于预设行驶速度时,选取中值行驶速度与最低行驶速度差值的数值为半径,单位为链得出航速圈;
获取船舶的中值行驶速度,若中值行驶速度等于预设行驶速度时,选取中值行驶速度的数值为半径,单位为链得出航速圈;
船舶航点测算模块用于测算船舶的航点包括:
选取起始点坐标和终点坐标,并在电子地图内连接起始点坐标和终点坐标,其中,连接的轨迹为直线,且轨迹位于水域内;
沿起始点坐标开始将航速圈与轨迹匹配,其中,航速圈的圆心位于轨迹上,且第一个航速圈的一侧与始点坐标重合,第二个航速圈的一侧与第一个航速圈的另外一侧相交,第N个航速圈的一侧与第N-1个航速圈的另一侧相交,第N个航速圈的另一侧与终点坐标重合或另一侧包括终点坐标;
其中,若干个航速圈内的坐标点则为航点;
航路模拟模块基于航点模拟船舶的行驶路线包括:
获取子模块获取船舶的AIS数据,并读取船舶的实时坐标,若实时坐标属于航点时,则航点对应的航速圈为干预航速圈,且与干预航速圈相邻的航速圈为预测行驶航速圈;
若实时坐标不属于航点时,则获取与实时坐标距离最近的航点,若实时坐标与距离最近的航点直接的距离大于预设海里时,则进行航点补偿,反之,距离最近的航点对应的航速圈为干预航速圈;
航点补偿包括:
获取实时坐标和航线坐标,将实时坐标替换对应的航线坐标,并从新生成航线坐标后续的航速圈,其中,若实时坐标对应的航线坐标为第N个航速圈,则不生成航线坐标后续的航速圈;
靠泊因素测算模块用于测算船舶的行驶路线上的靠泊因素,并生成靠泊因素值之前还包括:
获取航速圈的数量,其中,将航速圈数量的前二分之一应的航速圈标记为初始航速圈,将航速圈数量的后二分之一对应的航速圈标记为中断航速圈,选取后二分之一对应的航速圈内最后10个航速圈为追踪航速圈;
靠泊因素测算模块用于测算船舶的行驶路线上的靠泊因素,并生成靠泊因素值包括:
获取初始航速圈内干预航速圈的实时异变因数,若初始航速圈对应的全部异变因数之和大于预设因数时,则初始航速圈不生成靠泊因素值;若初始航速圈对应的全部异变因数之和小于等于预设因数时,则异变因数之和与预设因数的比值生成第一靠泊因素值;
获取中断航速圈的实时异变因数若中断航速圈对应的全部异变因数之和大于预设因数时,则中断航速圈不生成靠泊因素值;若中断航速圈对应的全部异变因数之和小于等于预设因数时,则异变因数之和与预设因数的比值生成第二靠泊因素值;
若第一靠泊因素值与第二靠泊因素值之和大于预设因素值时,则获取追踪航速圈内船舶的航速信息,此时不生成靠泊因素值;
若第一靠泊因素值与第二靠泊因素值之和小于等于预设因素值时,则第一靠泊因素值与第二靠泊因素值之和为靠泊因素值。
2.根据权利要求1所述的基于环境因子的船舶调度靠泊预测系统,其特征在于,靠泊模块基于靠泊因素值选取船舶的靠泊位置包括:
若船舶生成靠泊因素值时,选取靠泊内大于靠泊因素值的码头为停泊码头;
若船舶不生成靠泊因素值,则将船舶的航速信息上传预警中心,并由预警中心选取停泊码头。
3.根据权利要求2所述的基于环境因子的船舶调度靠泊预测系统,其特征在于,异变因数包括:
获取干预航速圈内实时的潮流数值、大雾数值、台风数值及拥堵数值,若潮流数值、大雾数值、台风数值及拥堵数值中任一数值大于预设数值时,则将对应的数值标记为异变因数值,干预航速圈内全部的异变因数值之和为异变因数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210854733.6A CN115410417B (zh) | 2022-07-20 | 2022-07-20 | 基于环境因子的船舶调度靠泊预测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210854733.6A CN115410417B (zh) | 2022-07-20 | 2022-07-20 | 基于环境因子的船舶调度靠泊预测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115410417A CN115410417A (zh) | 2022-11-29 |
CN115410417B true CN115410417B (zh) | 2023-11-14 |
Family
ID=84158303
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210854733.6A Active CN115410417B (zh) | 2022-07-20 | 2022-07-20 | 基于环境因子的船舶调度靠泊预测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115410417B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117311354B (zh) * | 2023-10-12 | 2024-03-29 | 大连海事大学 | 一种基于精确任务导向的港作船自主路径规划及靠泊方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106875753A (zh) * | 2017-04-12 | 2017-06-20 | 武汉理工大学 | 基于物联网技术的船舶靠泊辅助系统 |
DE112015005600T5 (de) * | 2015-01-15 | 2017-11-16 | Nanjing University 5D Technology Co., Ltd. | Hilfsanlegeverfahren und System des Schiffs |
CN110133659A (zh) * | 2019-05-15 | 2019-08-16 | 中国舰船研究设计中心 | 一种新型水面舰船辅助离靠泊引航设备及方法 |
CN113095627A (zh) * | 2021-03-17 | 2021-07-09 | 北京工业大学 | 一种无规则限制性区域船舶调度方法 |
CN113112059A (zh) * | 2021-03-31 | 2021-07-13 | 亿海蓝(北京)数据技术股份公司 | 船舶靠泊时间预测方法及系统 |
CN114066354A (zh) * | 2021-11-12 | 2022-02-18 | 中远海运科技股份有限公司 | 一种基于全球船舶历史航迹的智能航线推荐方法及系统 |
-
2022
- 2022-07-20 CN CN202210854733.6A patent/CN115410417B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE112015005600T5 (de) * | 2015-01-15 | 2017-11-16 | Nanjing University 5D Technology Co., Ltd. | Hilfsanlegeverfahren und System des Schiffs |
CN106875753A (zh) * | 2017-04-12 | 2017-06-20 | 武汉理工大学 | 基于物联网技术的船舶靠泊辅助系统 |
CN110133659A (zh) * | 2019-05-15 | 2019-08-16 | 中国舰船研究设计中心 | 一种新型水面舰船辅助离靠泊引航设备及方法 |
CN113095627A (zh) * | 2021-03-17 | 2021-07-09 | 北京工业大学 | 一种无规则限制性区域船舶调度方法 |
CN113112059A (zh) * | 2021-03-31 | 2021-07-13 | 亿海蓝(北京)数据技术股份公司 | 船舶靠泊时间预测方法及系统 |
CN114066354A (zh) * | 2021-11-12 | 2022-02-18 | 中远海运科技股份有限公司 | 一种基于全球船舶历史航迹的智能航线推荐方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115410417A (zh) | 2022-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105775054B (zh) | 蚁群式动态溢油回收方法 | |
CN103531043B (zh) | 基于航线匹配的船舶点到点航行时间估算方法 | |
US12013243B2 (en) | Passage planning and navigation systems and methods | |
KR101556723B1 (ko) | 선박의 최적 항로 결정 장치 | |
KR101894674B1 (ko) | 해양 내비게이션 장치 및 항로 제공 방법 | |
CN105390028A (zh) | 船舶航行轨迹的纠正方法和系统 | |
CN111966106B (zh) | 一种基于船-船协同的智能船舶编队靠泊的方法 | |
CN115410417B (zh) | 基于环境因子的船舶调度靠泊预测系统 | |
CN104267723A (zh) | 远洋船舶导航自动航行系统及导航方法 | |
CN109460021A (zh) | 船只智能航行会遇航迹识别精算避碰系统 | |
WO2006136157A1 (en) | Maritime information system | |
US20200018601A1 (en) | Navigation device and method of creating route | |
CN111694355B (zh) | 船舶编队航行控制方法、系统和存储介质 | |
CN115855065A (zh) | 航路动态规划方法及系统、可读存储介质 | |
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 | |
CN116911468B (zh) | 一种基于大数据的全球船运信息监控系统 | |
CN112068565A (zh) | 一种结构化环境中的无人船自主导航方法和系统 | |
CN117761689A (zh) | 一种海上周界目标无人监测系统 | |
CN117311160A (zh) | 一种基于人工智能的自动控制系统和控制方法 | |
CN116778754A (zh) | 航线的智能规划方法及装置 | |
US20230259085A1 (en) | Trim management system | |
CN109960256A (zh) | 基于面部识别预警的自动导航系统 | |
Bourgeois et al. | Autonomous bathymetry survey system | |
Wu et al. | The positive impact of intelligent aids to navigation on maritime transportation | |
CN109164797A (zh) | 一种用于船舶智能控制的航迹制导方法及系统 |
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 |