CN115410420B - 一种船舶安全航行管理方法和系统 - Google Patents

Abstract

本说明书实施例提供一种船舶安全航行管理方法和系统。该方法由服务终端执行，包括：基于用户终端获取当前船舶的第一航迹信息；基于其他船舶相对于当前船舶的参数，确定其他船舶的第二航迹信息，参数通过安装在当前船舶上的船舶雷达获取；基于第一航迹信息和第二航迹信息之间的关系，判断当前船舶是否存在风险行为；响应于存在风险行为，向用户终端发出提示信息。

Description

一种船舶安全航行管理方法和系统

技术领域

本说明书涉及船舶管理领域，特别涉及一种船舶安全航行管理方法和系统。

背景技术

在船舶航行过程中，尤其是在进出港口处，在有限的水道空间往往有大量船舶，在船舶进行会船或追越时，由于航行水道情况复杂，发生碰撞事故的几率大大增加。要想避免船舶事故，则需要根据实际航行状态进行风险情况的判断，而仅依靠船员进行风险情况的判断对船员自身经验具有较高要求，同时也会受船员工作状态的影响。

因此，希望提供一种船舶安全管理方法和系统，以更好地保证船舶安全航行。

发明内容

本说明书一个或多个实施例提供一种船舶安全航行管理方法，所述方法由服务终端执行，包括：基于用户终端获取当前船舶的第一航迹信息；基于其他船舶相对于所述当前船舶的参数，确定其他船舶的第二航迹信息，所述参数通过安装在所述当前船舶上的船舶雷达获取；基于所述第一航迹信息和所述第二航迹信息之间的关系，判断所述当前船舶是否存在风险行为；响应于存在风险行为，向用户终端发出提示信息。

本说明书一个或多个实施例还提供一种船舶安全航行管理系统，包括：第一获取模块，用于基于用户终端获取当前船舶的第一航迹信息；第二获取模块，用于基于其他船舶相对于所述当前船舶的参数，确定其他船舶的第二航迹信息，所述参数通过安装在所述当前船舶上的船舶雷达获取；判断模块，用于基于所述第一航迹信息和所述第二航迹信息之间的关系，判断所述当前船舶是否存在风险行为；提示模块，响应于存在风险行为，向用户终端发出提示信息。

本说明书一个或多个实施例还提供一种船舶安全航行管理装置，包括处理器，所述处理器用于执行上述船舶安全航行管理方法。

本说明书一个或多个实施例还提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行上述船舶安全航行管理方法。

附图说明

本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本说明书一些实施例所示的船舶安全航行管理系统的应用场景示意图；

图2是根据本说明书一些实施例所示的船舶安全航行管理方法的示例性流程图；

图3是根据本说明书一些实施例所示的航迹预测模型的示意图；

图4是根据本说明书一些实施例所示的向用户终端发送提示信息的示意图；

图5是根据本说明书一些实施例所示的船舶安全航行管理系统的示例性模块图。

具体实施方式

为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。

如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和组成部分，而这些步骤和组成部分不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或组成部分。

本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

图1是根据本说明书一些实施例所示的船舶安全航行管理系统的应用场景示意图。如图1所述，船舶安全航行管理系统的应用场景100可以包括当前船舶110、至少一个其他船舶（例如，船舶111、船舶112）、雷达120、处理设备130、水道140。

当前船舶110可以是需要进行安全航行管理的船舶。例如，当前船舶可以是即将启航或是正在进行航行的船舶。至少一个其他船舶（例如，船舶111、船舶112）可以是与当前船舶距离在预设范围内的船舶，通常与当前船舶行驶在相同的水道或水道上的相近范围。

当前船舶与至少一个其他船舶在水道140中航行，水道具有至少一个航段，各航段具有不同的宽度、弯曲度及船舶密度。

在一些实施例中，当前船舶可以包括雷达120和处理设备130。

其中，雷达120是通过无线电进行探测及定位的装置，可以用于确定至少一个其他船舶和当前船舶110的相对位置，例如，相对距离、所在方向等。

处理设备130是具有计算能力的设备，例如，CPU等，可以用于处理船舶信息、判断船舶航行的风险等。在一些实施例中，处理设备130可以设置在服务器中，例如，计算机、计算云平台等。

应当理解的是，以上场景仅作为示例，在实际应用中可以有各种形式的变换。

图2是根据本说明书一些实施例所示的船舶安全航行管理方法的示例性流程图。如图2所示，流程200包括下述步骤。在一些实施例中，流程200可以由处理设备130执行。

步骤210，基于用户终端获取当前船舶的第一航迹信息。在一些实施例中，步骤210可以由第一获取模块510执行。

第一航迹信息是指当前船舶航行时的轨迹信息。在一些实施例中，第一航迹信息包括当前船舶的行驶方向和速度。例如，第一航迹信息可以包括从港口A到港口的航线，速度为2节/时。

在一些实施例中，第一获取模块510可以基于用户终端，通过当前船舶上的定位装置获取当前船舶的第一航迹信息。例如，可以通过GPS定位、沿海CDMA网络定位、基站定位、网络IP定位、AIS定位等获取第一航迹信息。

步骤220，基于其他船舶相对于当前船舶的参数，确定其他船舶的第二航迹信息，参数通过安装在当前船舶上的船舶雷达获取。在一些实施例中，步骤220可以由第二获取模块520执行。

第二航迹信息是指其他船舶航行时的轨迹信息。与第一航迹信息类似地，第二航迹信息包括其他船舶的行驶方向和速度。

在一些实施例中，第二获取模块520可以基于其他船舶相对于当前船舶的参数，确定其他船舶的第二航迹信息。

其他船舶相对于当前船舶的参数可以是指其他船舶相对于当前船舶的航行参数。例如，位置信息（如，其他船舶位于当前船舶的东偏北30°方向，2km处）、速度信息（如，1节/时）等。

在一些实施例中，第二获取模块520可以通过海图、GPS、雷达等方式获取其他船舶相对于当前船舶的参数。

在一些实施例中，其他船舶相对于当前船舶的参数可以为预设时间内多个时间点，其他船舶相对于当前船舶的位置信息。

在一些实施例中，第二获取模块520可以基于船舶雷达获取预设时间内多个时间点其他船舶相对于当前船舶的位置信息，确定预设时间内多个时间点的位置信息330；并基于航迹预测模型对预设时间内多个时间点的位置信息330进行处理，得到未来多个时间点的位置信息，根据未来多个时间点的位置信息确定第二航迹信息。

预设时间内多个时间点可以包括当前时间点之前的一段时间中的多个时间点。例如，当前时间点为19:56，则预设时间可以为19:00~19:56。相应地，预设时间内多个时间点可以包括19:00、19:10、19:20、19:30、19:40、19:50。

在一些实施例中，船舶雷达可以实时获取其他船舶相对于所述当前船舶的位置信息，并将获取到的位置信息存储至船舶安全航行管理的数据库和/或存储设备中。第二获取模块520可以基于数据库和/或存储设备存储的位置信息，获取预设时间内多个时间点所述其他船舶相对于所述当前船舶的位置信息，从而确定预设时间内多个时间点的位置信息330。

在一些实施例中，第二获取模块520可以进行建模或采用各种数据分析算法，例如回归分析法、判别分析法等，对预设时间内多个时间点的位置信息330进行分析处理，得到未来多个时间点的位置信息。

在一些实施例中，第二获取模块520可以基于航迹预测模型对预设时间内多个时间点的位置信息330进行处理，得到未来多个时间点的位置信息。关于上述实施例的更多说明可以参见图3及其相关描述。

在一些实施例中，第二获取模块520可以将未来多个时间点的位置信息直接作为第二航迹信息。在一些实施例中，处理设备还可以从未来多个时间点的位置信息中选择部分位置信息作为第二航迹信息。其中，第二获取模块520可以基于传统航线、礁石情况、水道情况等确定部分位置信息。

步骤230，基于第一航迹信息和第二航迹信息之间的关系，判断当前船舶是否存在风险行为。在一些实施例中，步骤230可以由判断模块530执行。

风险行为是指影响船舶以及航行安全的行为。在一些实施例中，风险行为可以包括追越和/或会船行为。

在一些实施例中，判断模块530可以基于第一航迹信息和第二航迹信息之间的关系，判断当前船舶是否存在风险行为。

仅作为示例地，预设时间内，当第一航迹信息中的至少一个位置信息和第二航迹信息中至少一个位置信息的距离小于预设阈值，且当前船舶和/或其他船舶的平均速度超过速度阈值的情况下，可以判断存在追越的风险行为。例如，设置预设阈值为3 km，预设时间为当前时间点前的20分钟内，速度阈值为2节/时。当确定第一航迹信息中的某一个位置信息和第二航迹信息中某一位置信息的距离为2.4km时，且船舶M的当前速度为5节/时，船舶N的当前速度为1.5节/时的情况下，即船舶M可能在追越船舶N，则存在追越的风险行为。

作为另一示例地，可以设置在当前船舶与至少一艘其他船舶的行驶方向相反，并且第一航迹信息中的至少一个位置信息和第二航迹信息中的至少一个位置信息的距离小于预设阈值的情况下，判断存在会船的风险行为。例如，设置预设阈值为2km，存在由港口B驶向港口A的船舶N和港口A驶向港口B的船舶M，当确定船舶N的第一航迹信息中的某一个位置信息和船舶N的第二航迹信息中某一位置信息的距离为1.4km时，则存在会船的风险行为。

步骤240，响应于存在风险行为，向用户终端发出提示信息。在一些实施例中，步骤240可以由提示模块540执行。

提示信息是指提醒当前船舶可能存在风险的信息。提示信息的形式可以是包括但不限于短信、文本推送、图像、视频、语音、广播等一种或多种形式的组合。

在一些实施例中，提示模块540可以响应于存在风险行为，向用户终端发送提示信息。其中，提示信息可以包括风险类型。例如，提示信息可以为存在会船风险。提示信息还可以为存在追越风险。

在一些实施例中，提示模块540可以响应于存在风险行为，确定风险行为发生时的风险值；向用户终端发送提示信息，所述提示信息包括风险值。关于上述实施例的更多说明可以参见图4及其相关描述。

本说明书的一些实施例所述的一些方法，能够确定根据船舶的航迹信息确定是存在追越或会船等风险行为，帮助船舶管理工作人员或船舶的海员确定当前航行的潜在风险，并提示用户，从而保证航行的安全，避免出现意外情况。

图3是根据本说明书一些实施例所示的航迹预测模型的示意图。如图3所示，航迹预测模型300可以包括以下内容。

在一些实施例中，可以基于航迹预测模型对预设时间内多个时间点的位置信息进行处理，得到未来多个时间点的位置信息。

航迹预测模型可以用于确定未来多个时间点的位置信息。航迹预测模型可以为包括但不限于卷积神经网络模型、深度神经网络模型等。

在一些实施例中，航迹预测模型的输入可以包括预设时间内多个时间点的位置信息330、未来天气信息、当前海况信息，输出可以是未来多个时间点的位置信息。其中，未来天气信息可以包括当前时间和未来一段时间（如，未来2小时、未来1天）的天气信息，例如，多云、大雨等。当前海况信息可以指当前海面状况，例如，风速（如，10.8～12.4m/s）、浪高（如，1.0m～1.5m）等。

在一些实施例中，航迹预测模型可以通过多个带有标签的训练样本训练得到。可以基于大多组带有标签的训练样本对初始航迹预测模型进行训练，训练样本可以包括样本船舶在第一样本时间段内多个时间点的样本位置信息、第二样本时间段内的样本天气信息以及样本海况信息，训练样本的标签可以是该样本船舶在第二样本时间段内多个时间点的位置信息，其中，第一样本时间段早于第二样本时间段。标签可以通过对样本船舶在第二样本时间段内的样本位置信息人工标注获取，也可以通过第二样本时间段内的海图记录获取。应当理解的是，样本船舶与待预测船舶的类型应该相同或为同一大类，如，样本船舶与待预测船舶的类型均为万吨级杂货船。将多个训练样本输入初始航迹预测模型，基于初始航迹预测模型的输出和标签构建损失函数，并基于损失函数迭代更新初始航迹预测模型的参数，当训练的模型满足预设条件时，训练结束，获取训练好的航迹预测模型。预设条件可以包括但不限于损失函数收敛、损失函数值小于预设值或训练迭代次数达到阈值等。

如图3所示，航迹预测模型340可以包括环境特征341提取层340-1和预测层340-2。

在一些实施例中，环境特征341提取层340-1可以对未来天气信息310和当前海况信息320进行处理，确定环境特征341。其中，环境特征341可以指对未来天气信息310和当前海况信息320进行特征提取后获得的特征。环境特征341提取层340-1可以是深度神经网络模型。如图3所示，环境特征341提取层340-1的输入可以为未来天气信息310和当前海况信息320，环境特征341提取层340-1的输出可以为环境特征341。

在一些实施例中，预测层340-2可以对预设时间内多个时间点的位置信息330和环境特征341进行处理，确定未来多个时间点的位置信息350。预测层340-2可以是循环神经网络模型。如图3所示，预测层340-2的输入可以包括预设时间内多个时间点的位置信息330和环境特征341，预测层340-2的输出可以是未来多个时间点的位置信息350。

在一些实施例中，环境特征341提取层340-1和预测层340-2可以通过联合训练得到。训练样本可以包括样本船舶的在第三样本时间段多个时间点的样本位置信息和第四样本时间段内的样本天气信息以及样本海况信息，标签可以为该样本船舶在第四样本时间段内多个时间点的位置信息，其中，第三样本时间段早于第四样本时间段。标签可以通过对样本船舶在第四样本时间段内的样本位置信息人工标注获取，也可以通过第四样本时间段内的海图记录获取。应当理解的是，样本船舶与待预测船舶的类型应该相同或为同一大类，如，样本船舶与待预测船舶的类型均为万吨级杂货船。将训练样本中的样本天气信息和样本海况信息输入初始环境特征提取层。然后将初始环境特征提取层的输出和样本位置信息一同输入至初始预测层中，并基于初始预测层的输出和标签构建损失函数。基于损失函数迭代更新初始航迹预测模型中各层的参数，直至满足预设条件，得到训练好的航迹预测模型。预设条件可以包括但不限于损失函数收敛、损失函数值小于预设值或训练迭代次数达到阈值。

在一些实施例中，航迹预测模型340还可以包括嵌入层340-3。在一些实施例中，嵌入层340-3可以对水道信息360进行处理，确定水道特征342。其中，嵌入层340-3可以是深度神经网络模型。如图3所示，嵌入层340-3的输入可以为水道信息360，嵌入层340-3的输出可以为水道特征342。

其中，水道信息是指船舶航行所经过的水道的信息。水道信息可以包括水道的宽度（如，30米）、曲率（如，0.05）、深度（如，25米）以及船舶的密度（如，62艘/km²）等信息。

在一些实施例中，可以基于水道信息采集装置（如，航空遥感装置、声呐等）和/或船舶导航系统获取水道信息。

水道特征342是指对水道信息进行特征提取后获得的特征。在一些实施例中，水道特征可以通过水道特征序列表征。水道特征序列是指由水道特征构成的序列。

示例性地，嵌入层340-3可以根据各段水道的宽度确定平均宽度的特征向量和最小宽度的特征向量，根据曲率确定弯道的数量的特征向量、平均弧度的特征向量和曲率半径的特征向量，根据船舶的密度信息确定预设范围内（如，以船舶M为中心的2km范围内）船舶数量的特征向量和船舶之间的最小距离的特征向量，将上述特征向量进行组合确定水道特征序列。

在一些实施例中环境特征341提取层340-1、预测层340-2以及嵌入层340-3可以通过联合训练得到。训练样本可以包括样本船舶的在第五样本时间段多个时间点的样本位置信息和第六样本时间段内的样本天气信息、样本海况信息以及水道信息，标签可以为该样本船舶在第六样本时间段内多个时间点的位置信息，其中，第五样本时间段早于第六样本时间段。标签可以通过对样本船舶在第六样本时间段内的样本位置信息人工标注获取，也可以通过第六样本时间段内的海图记录获取。应当理解的是，样本船舶与待预测船舶的类型应该相同或为同一大类，如，样本船舶与待预测船舶的类型均为万吨级杂货船。将训练样本中的样本天气信息和样本海况信息输入初始环境特征提取层，将训练样本中的样本水道信息输入初始嵌入层。然后将初始环境特征提取层的输出、初始嵌入层的输出以及样本位置信息一同输入至初始预测层中，并基于初始预测层的输出和标签构建损失函数。基于损失函数迭代更新初始航迹预测模型中各层的参数，直至满足预设条件，得到训练好的航迹预测模型。预设条件可以包括但不限于损失函数收敛、损失函数值小于预设值或训练迭代次数达到阈值。

本说明书的一些实施例所述的方法，通过对水道信息进行分析，能够适应于不同水道的实际情况，从而准确地确定出预设时间内多个时间点的位置信息。

本说明书的一些实施例所述的方法，结合环境情况对其他船舶的未来航迹进行准确预测，便于后续判断出船舶的风险行为，从而保证船舶的航行安全和航行水域的顺畅通行。

图4是根据本说明书一些实施例所示的向用户终端发送提示信息的示意图。如图4所示，向用户终端发送提示信息的流程400包括以下步骤。在一些实施例中，流程400可以由处理设备执行。

步骤410，响应于存在风险行为，确定风险行为发生时的风险值。

在一些实施例中，处理设备可以基于风险预测模型对水道特征序列、当前船舶的船舶信息和其他船舶的船舶信息进行处理，确定风险行为发生时的风险值。其中，风险值可以包括会船风险值和追越风险值中的至少一种，风险值可以时0-1之间的数值，数值越大表示风险越高。风险预测模型为机器学习模型，例如，神经网络模型等。

在一些实施例中，风险预测模型的输入可以包括当前船舶的船舶信息和其他船舶的船舶信息；风险预测模型的输出数据可以包括追越风险值和会船风险值。其中，船舶信息可以包括船舶的类型、长度、载重、速度、当前船舶和其他船舶之间的距离等。

在一些实施例中，风险预测模型的输入还包括水道特征序列。前述水道特征序列可以包括根据各段水道的宽度提取平均宽度和最小宽度特征向量，根据弯曲度提取弯道数量、平均弧度和曲率半径特征向量，根据船舶的密度信息提取范围内船舶数量和最小距离特征向量，前述特征向量均可以通过提取水道信息获得。

在一些实施例中，水道特征序列还可以通过航迹预测模型的嵌入层获得，有关航迹预测模型及其嵌入层的详细描述可参见图3中的相关描述。

在一些实施例中，风险预测模型可以包括第一船舶特征提取层、第二船舶特征提取层、第一风险判断层和第二风险判断层。其中，第一船舶特征提取层和第二船舶特征提取层的输出可以作为第一风险判断层和第二风险判断层的输入，第一风险判断层和第二风险判断层的输出可以作为风险预测模型最终的输出。

第一船舶特征提取层可以用于获取当前船舶的第一特征向量，在一些实施例中，第一船舶特征提取层的输入数据可以包括当前船舶的信息，第一船舶特征提取层的输出可以包括当前船舶的第一特征向量。

在一些实施例中，第一船舶特征提取层可以是神经网络模型（Neural Networks,NN）。

第二船舶特征提取层可以用于获取其他船舶的第二特征向量，在一些实施例中，第二船舶特征提取层的输入数据可以包括其他船舶的信息，第二船舶特征提取层的输出可以包括其他船舶的第二特征向量。

一些实施例中，第二船舶特征提取层可以是神经网络模型（Neural Networks,NN）。

在一些实施例中，第一船舶特征提取层和第二船舶特征提取层的参数可以共享。

第一风险判断层可以用于确定追越风险值，在一些实施例中，第一风险判断层的输入数据可以包括第一特征向量、第二特征向量和水道特征序列；第一风险判断层的输出数据可以包括追越风险值及其置信度。

一些实施例中，第一风险判断层可以是神经网络模型（Neural Networks, NN）。

第二风险判断层可以用于确定会船风险值，在一些实施例中，第二风险判断层的输入数据可以包括第一特征向量、第二特征向量和水道特征序列；第二风险判断层的输出数据可以包括会船风险值及其置信度。

一些实施例中，第二风险判断层可以是神经网络模型（Neural Networks, NN）。

在一些实施例中，风险预测模型中的第一船舶特征提取层、第二船舶特征提取层、第一风险判断层和第二风险判断层可以通过联合训练获得。训练样本可以包括多组训练数据，每组训练数据包括：历史当前船舶的信息、历史其他船舶的信息和对应的历史水道特征序列。

训练的标签可以是对应的追越风险值和会船风险值。在一些实施例中，训练的标签可以基于历史数据确定，或由人工进行标注。例如，1表示存在较高风险不适宜追越或会船，0表示安全，可以进行追越或会船。

在本说明书一些实施例中，处理设备基于第一船舶提取层、第二船舶提取层、第一风险判断层和第二风险判断层联合训练的方式获得风险预测模型。通过风险预测模型可以预测当会船或追越等风险行为发生时的风险值，在此基础上，可以向用户终端提示是否存在风险，有利于船舶航行的相关人员及时做出恰当决策，保证船舶的航行安全。

在一些实施例中，当风险值大于阈值时，处理设备可以确定推荐的会船位置或追越位置，并将推荐的会船位置或追越位置发送给用户终端。

在一些实施例中，处理设备可以基于位置推荐模型对第一航迹信息、第二航迹信息、当前船舶的船舶信息、其他船舶的船舶信息进行处理，确定推荐的追越位置或会船位置。其中，追越位置或会船位置可以通过经纬度表示。

在一些实施例中，位置推荐模型的输入数据可以包括第一航迹信息、第二航迹信息、当前船舶的船舶信息、其他船舶的船舶信息；位置推荐模型的输出数据可以包括推荐位置。其中，船舶信息可以包括船舶的类型、长度、载重、速度、当前船舶和其他船舶之间的距离等。

在一些实施例中，位置推荐模型可以包括船舶特征提取层和推荐层。其中，第一船舶特征提取层的输出可以作为推荐层的输入，推荐层的输出可以作为位置推荐模型的最终输出。

船舶特征提取层可以用于提取船舶的特征。在一些实施例中，船舶特征提取层的输入数据可以包括当前船舶的船舶信息、其他船舶的船舶信息。船舶特征提取层的输出数据可以包括当前船舶的第一船舶特征和其他船舶的第二船舶特征。

在一些实施例中，船舶特征提取层可以和风险预测模型中的第一船舶特征提取层和第二船舶特征提取层具有相同的参数。

推荐层可以用于确定推荐位置。在一些实施例中，推荐层的输入数据可以包括第一船舶特征、第二船舶特征、第一航迹信息、第二航迹信息和水道特征序列。推荐层的输出数据可以包括推荐位置。其中，水道特征序列可以是上述风险预测模型中的水道特征序列，第一航迹信息、第二航迹信息的获取可参见图2中的相关描述。

在一些实施例中，位置推荐模型可以通过多个带标签的样本训练获得。训练样本可以包括历史第一航迹信息、历史第二航迹信息、历史当前船舶的船舶信息和其他船舶的船舶信息。

训练的标签可以包括船舶历史进行安全无危险的会船或追越时的位置，训练标签可以基于历史船舶航行数据获得。

在本说明书一些实施例中，当会船或追越的风险值大于阈值是，通过运用位置推荐模型的方式获取推荐的会船位置或追越位置，可以在风险值较高，但船舶不得不进行会船或追越时提示用户更好的会船位置或追越位置，在一定程度上保证船舶顺利会船或追越，使船舶安全航行。

步骤420，向用户终端发送提示信息。

在一些实施例中，上述提示信息可以包括会船风险值、追越风险值、推荐会船位置或推荐追越位置中的至少一种。

其中，风险值可以通过上述风险预测模型的输出结果确定，推荐会船位置或推荐追越位置可以通过上述位置推荐模型的输出结果确定。

在一些实施例中，上述提示信息还包括在用户终端显示预警。其中，预警可以有多种方式，例如，文字预警、图形预警、声音预警等。预警的内容可以包括风险行为的风险等级，例如，预警内容可以为“当前追越风险高”、“存在低会船风险”等，预警的内容可根据实际需求进行设定。

在一些实施例中，处理设备可以基于风险预测模型输出的风险值确定风险行为对应的风险等级。例如，风险值在[0，0.4）这一区间时风险等级为低风险，风险值在[0.4，0.7）这一区间时风险等级为中风险，风险值在[0.7，1]这一区间时风险等级为高风险。

在一些实施例中，处理设备可以基于风险行为的风险等级确定在用户终端显示预警的方式。例如，当风险等级为低风险时，可以通过文字预警或图形预警的方式显示预警，当风险等级为中风险或高风险时，可以通过声音预警的方式进行预警。

在一些实施例中，处理设备还可以基于风险行为的风险等级和风险预测模型的置信度确定预警的方式。当风险预测模型的置信度低于预设阈值时，则说明风险预测模型的结果可能具有一定误差，因此在进行预警时可同时通过声音向用户提示风险预测结果置信度低于预设值；当风险预测模型的置信度高于预设阈值时，则说明风险预测模型的结果可靠，可根据不同的风险等级采用不同的方式进行预警，例如，风险等级为低风险时通过文字或图形的方式进行预警，风险等级为中风险或高风险时通过声音进行预警。

在一些实施例中，显示预警的方式还可以包括其他可能的形式，具体可根据实际船舶管理需求进行设定。

图5是根据本说明书一些实施例所示的船舶安全航行管理系统的示例性模块图。如图5所示，在一些实施例中，船舶安全航行管理系统500可以包括第一获取模块510、第二获取模块520、判断模块530和提示模块540。

在一些实施例中，第一获取模块510用于基于用户终端获取当前船舶的第一航迹信息。关于第一航迹信息的更多内容参见图2及其相关描述。

在一些实施例中，第二获取模块520用于基于其他船舶相对于当前船舶的参数，确定其他船舶的第二航迹信息，参数通过安装在当前船舶上的船舶雷达获取。关于第二航迹信息的更多内容参见图2及其相关描述。在一些实施例中，第二确定模块520进一步用于基于船舶雷达获取预设时间内多个时间点其他船舶相对于当前船舶的位置信息，确定预设时间内多个时间点的位置信息330；基于航迹预测模型对预设时间内多个时间点的位置信息330进行处理，得到未来多个时间点的位置信息，根据未来多个时间点的位置信息确定第二航迹信息。关于航迹预测模型的更多内容参见图3及其相关描述。

在一些实施例中，判断模块530用于基于第一航迹信息和第二航迹信息之间的关系，判断当前船舶是否存在风险行为。关于判断当前船舶是否存在风险行为的更多内容参见图2及其相关描述。

在一些实施例中，提示模块540用于响应于存在风险行为，确定风险行为发生时的风险值；向用户终端发送提示信息，提示信息包括风险值。关于风险值的更多内容参见图4及其相关描述。在一些实施例中，提示模块540还用于在用户终端显示预警，在用户终端显示预警，包括：基于风险值确定风险行为的风险等级；基于风险等级确定在用户终端显示预警的方式。关于在用户终端显示预警的更多内容参见图4及其相关描述。

应当理解，图5所示的系统及其模块可以利用各种方式来实现。需要注意的是，以上对于船舶安全航行管理系统及其模块的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。在一些实施例中，图5中披露的第一获取模块、第二获取模块、判断模块和提示模块可以是一个系统中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。例如，各个模块可以共用一个存储模块，各个模块也可以分别具有各自的存储模块。诸如此类的变形，均在本说明书的保护范围之内。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。

同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件（当前或之后附加于本说明书中的）也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。

最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (10)

1.一种船舶安全航行管理方法，所述方法由处理设备执行，包括：

基于用户终端获取当前船舶的第一航迹信息；

基于其他船舶相对于所述当前船舶的参数，确定其他船舶的第二航迹信息，所述参数通过安装在所述当前船舶上的船舶雷达获取；

基于所述第一航迹信息和所述第二航迹信息之间的关系，判断所述当前船舶是否存在风险行为，所述风险行为包括追越行为、会船行为中的至少一种；

响应于存在风险行为，通过风险预测模型确定所述风险行为的风险值，向用户终端发出提示信息；其中，所述风险预测模型为机器学习模型，所述风险预测模型包括：嵌入层、第一船舶特征提取层、第二船舶特征提取层、第一风险判断层和第二风险判断层；

所述通过风险预测模型确定所述风险行为的风险值包括：

基于所述嵌入层对水道信息进行处理，确定水道特征序列，其中，所述水道信息包括至少一段水道的宽度、曲率、深度、船舶的密度信息中的至少一种；

基于所述第一船舶特征提取层对所述当前船舶的信息进行处理，确定当前船舶的第一特征向量；

基于所述第二船舶特征提取层对所述其他船舶的信息进行处理，确定所述其他船舶的第二特征向量；

基于所述第一风险判断层对所述水道特征序列、所述第一特征向量和所述第二特征向量进行处理，确定所述追越行为对应的追越风险值；

基于所述第二风险判断层对所述水道特征序列、所述第一特征向量和所述第二特征向量进行处理，确定所述会船行为对应的会船风险值；所述向用户终端发出提示信息包括：

判断所述风险值是否大于阈值，响应于所述风险值大于阈值，确定推荐位置，并向所述用户提示所述推荐位置，所述推荐位置包括推荐追越位置、推荐会船位置中的至少一种；所述确定推荐位置包括：

基于位置推荐模型对所述第一航迹信息、所述第二航迹信息、所述当前船舶的船舶信息、所述其他船舶的船舶信息和所述水道特征序列进行处理，确定所述推荐位置；其中，所述船舶特征提取层的参数与所述风险预测模型中的第一船舶特征提取层和第二船舶特征提取层具有相同的参数。

2.如权利要求1所述的船舶安全航行管理方法，所述确定其他船舶的第二航迹信息，包括：

基于所述船舶雷达获取预设时间内多个时间点所述其他船舶相对于所述当前船舶的位置信息，确定预设时间内多个时间点的位置信息；

基于航迹预测模型对所述预设时间内多个时间点的位置信息进行处理，得到未来多个时间点的位置信息，根据所述未来多个时间点的位置信息确定第二航迹信息。

3.如权利要求1所述的船舶安全航行管理方法，所述响应于存在风险行为，向用户终端发出提示信息，包括：

响应于存在风险行为，确定所述风险行为发生时的风险值；

向用户终端发送提示信息，所述提示信息包括所述风险值。

4.如权利要求3所述的船舶安全航行管理方法，所述向用户终端发出提示信息还包括在所述用户终端显示预警，所述在所述用户终端显示预警，包括：

基于所述风险值确定所述风险行为的风险等级；

基于所述风险等级确定在所述用户终端显示预警的方式。

5.一种船舶安全航行管理系统，包括：

第一获取模块，用于基于用户终端获取当前船舶的第一航迹信息；

第二获取模块，用于基于其他船舶相对于所述当前船舶的参数，确定其他船舶的第二航迹信息，所述参数通过安装在所述当前船舶上的船舶雷达获取；

判断模块，用于基于所述第一航迹信息和所述第二航迹信息之间的关系，判断所述当前船舶是否存在风险行为，所述风险行为包括追越行为、会船行为中的至少一种；

所述判断模块，还用于响应于存在风险行为，通过风险预测模型确定所述风险行为的风险值，以及判断所述风险值是否大于阈值，响应于所述风险值大于阈值，确定推荐位置，所述推荐位置包括推荐追越位置、推荐会船位置中的至少一种；其中，所述风险预测模型为机器学习模型，所述风险预测模型包括：嵌入层、第一船舶特征提取层、第二船舶特征提取层、第一风险判断层和第二风险判断层；

所述通过风险预测模型确定所述风险行为的风险值包括：

基于所述嵌入层对水道信息进行处理，确定水道特征序列，其中，所述水道信息包括至少一段水道的宽度、曲率、深度、船舶的密度信息中的至少一种；

基于所述第一船舶特征提取层对所述当前船舶的信息进行处理，确定当前船舶的第一特征向量；

基于所述第二船舶特征提取层对所述其他船舶的信息进行处理，确定所述其他船舶的第二特征向量；

基于所述第一风险判断层对所述水道特征序列、所述第一特征向量和所述第二特征向量进行处理，确定所述追越行为对应的追越风险值；

基于所述第二风险判断层对所述水道特征序列、所述第一特征向量和所述第二特征向量进行处理，确定所述会船行为对应的会船风险值；所述确定推荐位置包括：

基于位置推荐模型对所述第一航迹信息、所述第二航迹信息、所述当前船舶的船舶信息、所述其他船舶的船舶信息和所述水道特征序列进行处理，确定所述推荐位置；其中，所述船舶特征提取层的参数与所述风险预测模型中的第一船舶特征提取层和第二船舶特征提取层具有相同的参数；

提示模块，用于响应于存在风险行为，向用户终端发出提示信息，以及向所述用户提示所述推荐位置。

6.如权利要求5所述的船舶安全航行管理系统，所述第二获取模块进一步用于：

基于所述船舶雷达获取预设时间内多个时间点所述其他船舶相对于所述当前船舶的位置信息，确定预设时间内多个时间点的位置信息；

基于航迹预测模型对所述预设时间内多个时间点的位置信息进行处理，得到未来多个时间点的位置信息，根据所述未来多个时间点的位置信息确定第二航迹信息。

7.如权利要求5所述的船舶安全航行管理系统，所述提示模块进一步用于：

响应于存在风险行为，确定所述风险行为发生时的风险值；

向用户终端发送提示信息，所述提示信息包括所述风险值。

8.如权利要求7所述的船舶安全航行管理系统，所述提示模块还用于在用户终端显示预警，所述在所述用户终端显示预警，包括：

基于所述风险值确定所述风险行为的风险等级；

基于所述风险等级确定在所述用户终端显示预警的方式。

9.一种船舶安全航行管理装置，包括处理器，所述处理器用于执行一种船舶安全航行管理方法，所述方法包括：

基于用户终端获取当前船舶的第一航迹信息；

基于其他船舶相对于所述当前船舶的参数，确定其他船舶的第二航迹信息，所述参数通过安装在所述当前船舶上的船舶雷达获取；

基于所述第一航迹信息和所述第二航迹信息之间的关系，判断所述当前船舶是否存在风险行为，所述风险行为包括追越行为、会船行为中的至少一种；

响应于存在风险行为，通过风险预测模型确定所述风险行为的风险值，向用户终端发出提示信息；其中，所述风险预测模型为机器学习模型，所述风险预测模型包括：嵌入层、第一船舶特征提取层、第二船舶特征提取层、第一风险判断层和第二风险判断层；

所述通过风险预测模型确定所述风险行为的风险值包括：

基于所述嵌入层对水道信息进行处理，确定水道特征序列，其中，所述水道信息包括至少一段水道的宽度、曲率、深度、船舶的密度信息中的至少一种；

基于所述第一船舶特征提取层对所述当前船舶的信息进行处理，确定当前船舶的第一特征向量；

基于所述第二船舶特征提取层对所述其他船舶的信息进行处理，确定所述其他船舶的第二特征向量；

基于所述第一风险判断层对所述水道特征序列、所述第一特征向量和所述第二特征向量进行处理，确定所述追越行为对应的追越风险值；

基于所述第二风险判断层对所述水道特征序列、所述第一特征向量和所述第二特征向量进行处理，确定所述会船行为对应的会船风险值；所述向用户终端发出提示信息包括：

判断所述风险值是否大于阈值，响应于所述风险值大于阈值，确定推荐位置，并向所述用户提示所述推荐位置，所述推荐位置包括推荐追越位置、推荐会船位置中的至少一种；所述确定推荐位置包括：

基于位置推荐模型对所述第一航迹信息、所述第二航迹信息、所述当前船舶的船舶信息、所述其他船舶的船舶信息和所述水道特征序列进行处理，确定所述推荐位置；其中，所述船舶特征提取层的参数与所述风险预测模型中的第一船舶特征提取层和第二船舶特征提取层具有相同的参数。

10.一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行一种船舶安全航行管理方法，所述方法包括：

基于用户终端获取当前船舶的第一航迹信息；

基于其他船舶相对于所述当前船舶的参数，确定其他船舶的第二航迹信息，所述参数通过安装在所述当前船舶上的船舶雷达获取；

基于所述第一航迹信息和所述第二航迹信息之间的关系，判断所述当前船舶是否存在风险行为，所述风险行为包括追越行为、会船行为中的至少一种；

响应于存在风险行为，通过风险预测模型确定所述风险行为的风险值，向用户终端发出提示信息；其中，所述风险预测模型为机器学习模型，所述风险预测模型包括：嵌入层、第一船舶特征提取层、第二船舶特征提取层、第一风险判断层和第二风险判断层；

所述通过风险预测模型确定所述风险行为的风险值包括：

基于所述嵌入层对水道信息进行处理，确定水道特征序列，其中，所述水道信息包括至少一段水道的宽度、曲率、深度、船舶的密度信息中的至少一种；

基于所述第一船舶特征提取层对所述当前船舶的信息进行处理，确定当前船舶的第一特征向量；

基于所述第二船舶特征提取层对所述其他船舶的信息进行处理，确定所述其他船舶的第二特征向量；

基于所述第一风险判断层对所述水道特征序列、所述第一特征向量和所述第二特征向量进行处理，确定所述追越行为对应的追越风险值；

基于所述第二风险判断层对所述水道特征序列、所述第一特征向量和所述第二特征向量进行处理，确定所述会船行为对应的会船风险值；所述向用户终端发出提示信息包括：

判断所述风险值是否大于阈值，响应于所述风险值大于阈值，确定推荐位置，并向所述用户提示所述推荐位置，所述推荐位置包括推荐追越位置、推荐会船位置中的至少一种；所述确定推荐位置包括：

基于位置推荐模型对所述第一航迹信息、所述第二航迹信息、所述当前船舶的船舶信息、所述其他船舶的船舶信息和所述水道特征序列进行处理，确定所述推荐位置；其中，所述船舶特征提取层的参数与所述风险预测模型中的第一船舶特征提取层和第二船舶特征提取层具有相同的参数。

Images