CN115909817A - 一种面向多智能船的分布式自主协同避碰方法 - Google Patents
一种面向多智能船的分布式自主协同避碰方法 Download PDFInfo
- Publication number
- CN115909817A CN115909817A CN202211305715.9A CN202211305715A CN115909817A CN 115909817 A CN115909817 A CN 115909817A CN 202211305715 A CN202211305715 A CN 202211305715A CN 115909817 A CN115909817 A CN 115909817A
- Authority
- CN
- China
- Prior art keywords
- ship
- collision avoidance
- ships
- target
- speed
- 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
-
- 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
- Traffic Control Systems (AREA)
Abstract
本发明提供一种面向多智能船的分布式自主协同避碰方法。主要包括:基于船舶碰撞危险度模型构建本船的危险船舶列表;判断所述本船的危险船舶列表是否为空;根据本船与目标船舶的航行信息划分会遇态势;根据会遇态势确定每艘船舶的避碰责任系数;基于ORCA算法构造出本船与所有危险船舶的交互避碰空间;选择偏离当前航向最小的速度矢量作为最优速度矢量;清空危险船舶列表。本发明能够对船舶周围的交通态势进行连续的感知、决策和响应,使每艘智能船舶都可基于有限的感知信息独立自主地进行分布式协同避碰,且船舶之间不需要沟通协调,不仅降低了船舶之间的碰撞风险,而且节省了船舶之间的通信成本。
Description
技术领域
本发明涉及智慧航运技术领域,具体而言,尤其涉及一种面向多智能船的分布式自主协同避碰方法。
背景技术
随着科学技术的不断进步以及世界海运贸易量的不断增长,智能化作业方式正在逐步显示出巨大的潜力。近年来以“自主航行”为核心要素的智能船舶技术发展迅速,智能船舶利用先进的感知、认知、决策和控制技术,相比传统船舶,在经济性、安全性、可靠性、环保性和高效性等方面具有显著优势。智能船舶具有自主避碰决策的能力是确保其安全航行的关键。如何协调智能船舶之间的避碰行为,以满足动态场景中智能船舶之间实时协同的避碰需求,是当今智能船舶避碰决策技术的研究重点。
针对智能船舶避碰问题,国内外学者提出了很多方法,代表性的有基于粒子群的方法和基于模糊逻辑的方法等。这些方法针对简单场景下的智能船舶避碰问题,展现出了良好的性能,但是由于受到模型复杂度和计算效率的限制,每艘智能船舶的避碰决策有时会出现相互冲突的问题,很难应用于高动态和高密度的无人船集群场景,并且以上方法假设目标船舶的运动状态一直保持不变。这一假设在船舶实际航行中往往也是不成立的,因为目标船舶一旦察觉到其它船舶对其构成碰撞危险时,正常情况下也会采取相应的避碰措施。
此外,目前的智能船舶协同避碰技术大多是采用集中式的方式统一决策,即假设有一个协调中心来为每艘船舶制定相应的避碰航线,只有所有船舶按照各自的避碰航线航行才能避免碰撞。但是,该方法即使是在多船会遇的局面下,船舶也只进行一次决策以避免碰撞,忽略了船舶的自主性、避碰决策的实时性以及船舶周围交通态势的动态性,不适用于大规模智能船舶进行避碰的情况,例如海湾、港口等交通密集的狭窄区域。智能船舶进行避碰决策的实际情况应是每艘智能船舶根据周围船舶交通态势实时地做出自己认为最优的方案,以对目标船舶的行为做出快速响应。
当前,已有一些对智能船舶分布式自主协同避碰决策技术的相关研究,但是这些研究大多需要船舶之间进行沟通协调以交换彼此的避让意图,这会耗费大量的计算、通信成本。
例如多船会遇局面下的分布式避碰决策方法,虽然每艘船舶都能根据周围的交通状况独自做出判断,并且对目标船舶在不合作的情况下的应对决策进行了设计,能够处理所有船舶遵守避碰规则以及应对让路船不合作的情况。但是,此方法存在的一个问题是不同船舶之间的避碰决策可能会产生冲突,船舶之间需要沟通协作以避免冲突。
又如基于多智能体的船舶避碰方法,以多智能体为架构,结合船舶通信方式和船舶避碰知识,构建了基于多智能体的船舶避碰系统,但是船舶之间需要通过协商以避免碰撞。
再如基于分布协同策略的船舶避碰方法,主要针对开阔水域中多船间的避碰规划。首先,利用蚁狮算法规划出本船相对于每艘会遇船舶的最佳避碰路线;其次,本船将每条最佳避碰路线,发送给会遇的船舶;然后,本船利用改进度指标公式分别计算出本船与会遇船舶的改进指标,将改进度大的船舶作为避让船舶,避让船舶按照其对应的最佳避碰路线进行航行,其它船舶按照原航线航行。但是,在此方法中本船与会遇船舶之间同样需要通信协调以避免碰撞。
综上所述,当前智能船舶避碰技术不适用于大规模船舶进行实时协同避碰的场景,同时,现有船舶协同避碰过程中需要沟通协调导致计算和通信成本偏高。
发明内容
本发明提出了一种面向多智能船的分布式自主协同避碰方法,将最优交互避碰(Optimal Reciprocal Collision Avoidance,ORCA)算法与真实的船舶航行约束条件相结合,能够对船舶周围的交通态势进行连续的感知、决策和响应,使每艘智能船舶都可基于有限的感知信息(航向、航速、位置)独立自主地进行分布式协同避碰,且船舶之间不需要沟通协调,不仅降低了船舶之间的碰撞风险,而且节省了船舶之间的通信成本。
本发明采用的技术手段如下:
一种面向多智能船的分布式自主协同避碰方法,包括以下步骤:
S1、获取本船及可见域内所有目标船舶的航行信息,所述航行信息包括位置、航向以及航速;
S2、根据本船位置和终点位置计算本船的期望速度矢量;
S3、计算本船与目标船舶的最小会遇距离、最小会遇时间、船舶安全域以及相对方位,基于船舶碰撞危险度模型构建本船的危险船舶列表;
S4、判断所述本船的危险船舶列表是否为空,如果本船的危险船舶列表为空执行S5,否则执行S6;
S5、判断本船是否到达终点,如果本船到达终点位置,结束此次航行;否则,以当前期望速度矢量继续航行,在经历一个决策周期后执行S1;
S6、判断所述本船的危险船舶列表中船舶的个数是否大于1,如果列表中船舶的个数等于1执行S7,否则执行S9;
S7、根据本船与目标船舶的航行信息,参考国际海上避碰规则,划分会遇态势;
S8、根据会遇态势确定每艘船舶的避碰责任系数,执行S10;
S9、确定每艘船舶承担相同的避让责任系数;
S10、获取智能船舶每次做决策的决策周期;
S11、将船舶安全域、决策周期、避让责任系数作为ORCA算法的输入,构造出本船与所有危险船舶的交互避碰空间;
S12、本船通过线性规划选择偏离当前航向最小的速度矢量作为最优速度矢量航行;
S13、清空危险船舶列表,经历一个决策周期后执行S1。
进一步地,根据本船位置和终点位置计算本船的期望速度矢量,包括根据以下公式获取本船的期望速度矢量:
进一步地,根据以下公式计算本船与目标船舶的最小会遇距离:
DCPA=D×sin(cOT-θ-Π)
其中,D为本船与目标船舶之间的距离,θ为目标船舶的真方位角,voT为本船与目标船舶的相对速度,v0为本船的航速,c0为本船的航向;
根据以下公式计算本船与目标船舶的最小会遇时间:
进一步地,基于船舶碰撞危险度模型构建本船的危险船舶列表,包括根据以下方式判断是否将目标船舶加入危险船舶列表中:
其中,ds为船舶安全域。
进一步地,根据本船与目标船舶的航行信息,参考国际海上避碰规则,划分会遇态势,包括根据以下方式进行会遇态势划分:
满足以下公式的会遇态势定义为对遇:
满足以下公式的会遇态势定义为右舷交叉相遇:
满足以下公式的会遇态势定义为追越:
满足以下公式的会遇态势定义为左舷交叉相遇:
其中B为本船与目标船舶的相对方位。
进一步地,将船舶安全域、决策周期、避让责任系数作为ORCA算法的输入,构造出本船与所有危险船舶的交互避碰空间,包括:
根据以下公式获取在时间窗口τ内由目标船舶对本船构成的速度障碍区:
其中pTS、pOS代表分别是目标船舶和本船的位置,ds|TS、ds|OS代表的是目标船舶与本船的安全域,且
D(pTS-pOS,ds|OS+ds|TS)={q|||q-(pTS-pOS)||<(ds|OS+ds|TS)}
若目标船舶的速度变化空间vTS∈VTS,则满足以下公式的本船速度矢量集合定义为避碰速度矢量空间:
对于会遇的船舶,满足以下公式的速度矢量空间定义为最优交互避碰空间:
较现有技术相比,本发明具有以下优点:
1、本发明提出一种面向多智能船的分布式自主协同避碰方法,以解决当前的智能船舶避碰技术不适用于大规模船舶进行实时协同避碰的场景以及船舶协同过程中需要沟通协调导致耗费计算、通信成本的问题。该方法即使是在通信条件受限的情况下,每艘智能船舶都可基于有限的可观测信息独立自主地进行分布式协同避碰。
2、本发明将最优交互避碰算法与真实的船舶航行约束条件相结合,能够对船舶周围的交通态势进行连续的感知、决策和响应,使每艘智能船舶都可基于有限的感知信息(航向、航速、位置)独立自主地进行分布式协同避碰,且船舶之间不需要沟通协调,不仅降低了船舶之间的碰撞风险,而且节省了船舶之间的通信成本。
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做以简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为实施例中面向多智能船的分布式自主协同避碰方法流程图。
图2为实施例中本船与目标船相关参数示意图。
图3为实施例中两船之间的会遇局面划分示意图。
图4为实施例中ORCA算法的相关参数示意图。
图5为实施例中两船避碰路线图示意图。
图6为实施例中两船之间的距离变化曲线图。
图7为实施例中四船避碰路线图。
图8为实施例中Ship1与其他船舶之间的距离变化曲线图。
图9为实施例中Ship2与其他船舶之间的距离变化曲线图。
图10为实施例中Ship3与其他船舶之间的距离变化曲线图。
图11为实施例中Ship4与其他船舶之间的距离变化曲线图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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,都应当属于本发明保护的范围。
由于当前船舶大多采用无人船集群方式执行任务,因此可以把每艘无人船看作是一个拥有自主避碰决策能力的智能体,采用分布式的思想解决无人船集群协同避碰问题。另外,最优交互避碰(ORCA)算法是一种经典的动态局部多智能体避障算法,算法的时间复杂度为O(n)。其计算方式不仅是分布式的,而且计算过程基于数学几何模型,具有较快的执行速度,非常适用于大规模智能体进行协同避碰的场景。因此本发明提供了一种面向多智能船的分布式自主协同避碰方法,该方法将每艘船舶都视为一个智能船舶,即每艘船舶都拥有自主协同避碰决策的能力,每艘智能船舶都可作为“本船”。每艘智能船舶的避碰流程如图1所示,基本步骤如下:
步骤1:获取本船及可见域内所有目标船舶的航行信息。
通过AIS船舶自动识别系统、ARPA雷达、GPS定位、电子罗经等专业设备获取本船及可见域内所有目标船舶的航行信息,包括位置、航向、航速,可见域的范围为距离本船6海里。
步骤2:计算本船的期望速度矢量。
步骤3:基于船舶碰撞危险度模型构建本船的危险船舶列表。
本船与危险船列表中的船舶都是一个拥有自主协同避碰决策能力的智能船舶,以分布式的方式协同地避免碰撞情况的发生,且船舶之间没有通信。根据步骤1获取到的本船与目标船舶的位置、航向、航速信息,计算本船与目标船舶的最小会遇距离DCPA、最小会遇时间TCPA、船舶安全域ds、相对方位B。假设本船S0的坐标为(x0,y0),速度和航向分别为v0,c0;目标船舶ST的坐标为(xT,yT),速度和航向分别为vT,cT。本船与目标船舶的相对速度为voT,其在x,y轴上的分量计算公式如公式(2)所示。
相对速度方向为cOT的计算公式如公式(3)所示。
θ为目标船舶的真方位角,D为本船与目标船舶之间的距离,则DCPA的计算公式如公式(4)所示。
DCPA=D×sin(cOT-θ-Π) (4)
TCPA的计算公式为如公式(5)所示。
如果本船与目标船舶的DCPA、TCPA达到一定的阈值,说明本船与目标船舶有碰撞危险,将该目标船舶加入危险船舶列表中,碰撞危险的判别公式如公式(6)所示。
其中ds为船舶安全域,计算公式如公式(7)所示。
上述相关参数的直观示意图,如图2所示。
步骤4:判断危险船舶列表是否为空。
每艘智能船舶都有一个危险船舶列表,其中包含的是与本船构成碰撞危险的船舶,如果该列表为空,说明在可见域内没有任何船舶与本船构成危险,转向步骤5;否则,转向步骤6。
步骤5:判断本船是否到达终点。
如果本船到达终点位置,结束此次航行;否则,以当前期望速度矢量继续航行,在经历一个决策周期后,转向步骤1。判断本船是否到达终点的公式如公式(8)所示。
步骤6:判断列表中船舶的个数是否大于1。
如果列表中船舶的个数等于1,说明在可见域内是两艘智能船舶进行协同避碰,转向步骤7;否则,转向步骤9。
步骤7:划分会遇态势。
如果危险船舶列表中船舶的个数为1,说明在可见域内是两艘智能船舶进行协同避碰,这时应根据本船与目标船舶的航行信息,参考国际海上避碰规则,划分会遇态势,从而确定每艘船舶的避碰责任系数。根据避碰规则的规定,两船之间的会遇态势划分为:对遇(A)、右舷交叉相遇(B)、追越(C)、左舷交叉相遇(D),如图3所示。
满足公式(9)的会遇态势定义为对遇(HEAD_ON)。
满足公式(10)的会遇态势定义为右舷交叉相遇(CROSS_RIGHT)。
满足公式(11)的会遇态势定义为追越(OVER_TAKEN)。
满足公式(12)的会遇态势定义为左舷交叉相遇(CROSS_LEFT)。
其中B为本船与目标船舶的相对方位。
步骤8:参考避碰规则确定两艘船舶的避让责任系数。
根据国际海上避碰规则,对于两艘船舶会遇局面下的避让责任确定原则,定义ω为避让责任系数,其具体取值如表1所示。
表1两艘船舶参与协同避碰的责任系数
步骤9:每艘船舶承担相同的避让责任系数。
如果危险船舶列表中船舶的个数大于1,说明在可见域内至少3艘智能船舶进行协同避碰,但国际海上避碰规则针对多艘智能船舶会遇局面下的协同避让责任系数的确定并未给出具体的指导意见。本发明提出在多艘智能船舶会遇局面下,每艘船舶承担相同的避让责任系数,即参与协同避碰的智能船舶应以避让行动的高效作为第一目标,即在危险局面下都有责任和义务参与到协同避碰过程中,尽快解除碰撞危险局面。对于任意两艘智能船舶而言双方各承担一半的避让责任,这样就保证了在无通信的情况下,每艘船舶可基于观测信息,独立自主地进行分布式协同避碰决策。
步骤10:确定决策周期。
决策周期指的是智能船舶每次做决策之间的时间间隔,为了能够对智能船舶周围的交通态势做出快速响应,同时考虑到决策误差和行动误差的存在,在采取避让行动时应保留适当的安全量,使船舶处于主动地位,所以,本发明在进行仿真实验时,将决策周期τ设置为30s,其值可以根据具体需求而设置。
步骤11:基于ORCA算法构造船舶安全可行的速度矢量空间。
ORCA算法是一种动态局部多智能体避障算法,核心原则是会遇双方的智能体均具备避碰决策能力,并且在消除碰撞危险时具有同样的避碰责任和避碰决策机制;该方法在对其它智能体进行避碰决策时基于其它智能体的位置、速度以及尺寸信息,不需要智能体之间进行通讯,能够对其它智能体的行为做出快速响应。将船舶安全域、决策周期、避让责任系数作为ORCA算法的输入,构造出本船与所有危险船舶的交互避碰空间。记为在时间窗口τ内由目标船舶对本船构成的速度障碍区,计算公式见公式(13)。
其中pTS、pOS代表分别是目标船舶和本船的位置,ds|TS、ds|OS代表的是目标船舶与本船的安全域,D(pTS-pOS,ds|OS+ds|TS)表示为公式(14)。
D(pTS-pOS,ds|OS+ds|TS)={q|||q-(pTS-pOS)||<(ds|OS+ds|TS)} (14)
如果代表本船与目标船舶将在时间窗口τ内发生碰撞;相反,如果则可以保证本船与目标船舶在时间窗口τ之前可以无碰撞地安全行进。若目标船舶的速度变化空间vTS∈VTS,满足公式(15)的本船速度矢量集合定义为避碰速度矢量空间。
对于会遇的船舶,满足公式(17)的速度矢量空间定义为最优交互避碰空间。
其中,ωos为步骤2中确定的避让责任系数,当可见域内只有两艘船舶参与协同避碰时,其具体取值参考表1;当可见域内参与协同避碰的船舶大于两艘时,本发明提出参与协同避碰的智能船舶承担相同的避让责任,即所有船舶都需要采取行动以避免碰撞,每艘智能船舶参与协同避碰时避让责任系数ωos取值均为0.5。其中,n为速度障碍区位于点处的外向法向量。λ为在时间窗口τ内,本船和目标船舶避免碰撞的速度最小改变量。ORCA算法相关参数的直观示意图,如图4所示。
步骤12:选择最优速度矢量航行。
根据国际海上避碰规则对于转向操纵的提倡,本发明在选择最优速度矢量进行避碰决策时不会采取降速的方式,即只可转向。智能船舶在进行避碰决策时,通过线性规划选择偏离当前航向最小的速度矢量。本船的速度允许集合,是与所有目标船舶所形成半平面的交集,计算公式见公式(20)。
本船最优避碰速度矢量的计算公式如公式(21)所示。
步骤13:清空危险船舶列表。
将本船本次决策周期内的危险船舶列表清空,在经历一个决策周期后,转向步骤1。
通过以上描述可知,本发明提出的一种面向多智能船的分布式自主协同避碰方法,每艘智能船舶能够自主地根据决策周期进行连续的感知、决策和响应,形成一个闭环,以分布式的方式协同地避免碰撞情况的发生,且船舶之间没有相互通信。同时,每艘智能船舶以避让行动的高效作为目标,在不同的会遇局面下承担不同的避让责任系数。该方法的时间复杂度O(n),由当前决策时刻危险船舶的总数量决定,具有较高的响应速度,适用于大规模智能船舶进行协同避碰决策的情况。
为了验证本发明方案的有效性和可靠性,下面利用MATLAB软件对具体的实施案例进行仿真验证。第一个案列为两艘智能船舶协同避碰,第二个案列为四艘智能船舶协同避碰。
(一)两艘智能船舶协同避碰仿真验证及分析
根据本发明的方案,两艘船舶之间的协同避碰行为应依据国际海上避碰规则确定。下面以右交叉局面来验证该方案的有效性。船舶的相关参数设置如表2所示,船1与船2构成右交叉局面,根据避碰规则可知船1为直航船,保向保速;船2为让路船,采取避让行动。本发明规划出的具体避碰路线如图5所示,两船之间的距离变化曲线如图6所示,由图可知,两船安全驶过,并且避让行为符合国际海上避碰规则的规定。
表2两艘船舶的初始状态参数
(二)四艘智能船舶协同避碰仿真验证及分析
根据本发明的方案,当参与协同避碰的智能船舶大于2艘时,每艘船舶承担的避让责任系数为0.5,即每艘船舶都需要采取行动,下面通过实验验证该方案的有效性。船舶的相关参数设置如表3所示,规划出的具体避碰路线如图7所示,船舶之间的距离变化曲线如图8~图11所示,由图可知,船舶之间相互安全通过,验证了本方案的有效性。
表3四艘船舶的初始状态参数
最后应说明的是: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 (6)
1.一种面向多智能船的分布式自主协同避碰方法,其特征在于,包括以下步骤:
S1、获取本船及可见域内所有目标船舶的航行信息,所述航行信息包括位置、航向以及航速;
S2、根据本船位置和终点位置计算本船的期望速度矢量;
S3、计算本船与目标船舶的最小会遇距离、最小会遇时间、船舶安全域以及相对方位,基于船舶碰撞危险度模型构建本船的危险船舶列表;
S4、判断所述本船的危险船舶列表是否为空,如果本船的危险船舶列表为空执行S5,否则执行S6;
S5、判断本船是否到达终点,如果本船到达终点位置,结束此次航行;否则,以当前期望速度矢量继续航行,在经历一个决策周期后执行S1;
S6、判断所述本船的危险船舶列表中船舶的个数是否大于1,如果列表中船舶的个数等于1执行S7,否则执行S9;
S7、根据本船与目标船舶的航行信息,参考国际海上避碰规则,划分会遇态势;
S8、根据会遇态势确定每艘船舶的避碰责任系数,执行S10;
S9、确定每艘船舶承担相同的避让责任系数;
S10、获取智能船舶每次做决策的决策周期;
S11、将船舶安全域、决策周期、避让责任系数作为ORCA算法的输入,构造出本船与所有危险船舶的交互避碰空间;
S12、本船通过线性规划选择偏离当前航向最小的速度矢量作为最优速度矢量航行;
S13、清空危险船舶列表,经历一个决策周期后执行S1。
6.根据权利要求1所述的一种面向多智能船的分布式自主协同避碰方法,其特征在于,将船舶安全域、决策周期、避让责任系数作为ORCA算法的输入,构造出本船与所有危险船舶的交互避碰空间,包括:
根据以下公式获取在时间窗口τ内由目标船舶对本船构成的速度障碍区:
其中pTS、pOS代表分别是目标船舶和本船的位置,ds|TS、ds|OS代表的是目标船舶与本船的安全域,且
D(pTS-pOS,ds|OS+ds|TS)={q|||q-(pTS-pOS)||<(ds|OS+ds|TS)}
若目标船舶的速度变化空间vTS∈VTS,则满足以下公式的本船速度矢量集合定义为避碰速度矢量空间:
对于会遇的船舶,满足以下公式的速度矢量空间定义为最优交互避碰空间:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211305715.9A CN115909817A (zh) | 2022-10-24 | 2022-10-24 | 一种面向多智能船的分布式自主协同避碰方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211305715.9A CN115909817A (zh) | 2022-10-24 | 2022-10-24 | 一种面向多智能船的分布式自主协同避碰方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115909817A true CN115909817A (zh) | 2023-04-04 |
Family
ID=86475086
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211305715.9A Pending CN115909817A (zh) | 2022-10-24 | 2022-10-24 | 一种面向多智能船的分布式自主协同避碰方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115909817A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116483091A (zh) * | 2023-05-10 | 2023-07-25 | 北鲲睿航科技(上海)有限公司 | 一种船舶自主避障方法及系统 |
CN117315995A (zh) * | 2023-09-28 | 2023-12-29 | 大连海事大学 | 基于近距离错过的水域碰撞危险量化及空间分布表征方法 |
-
2022
- 2022-10-24 CN CN202211305715.9A patent/CN115909817A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116483091A (zh) * | 2023-05-10 | 2023-07-25 | 北鲲睿航科技(上海)有限公司 | 一种船舶自主避障方法及系统 |
CN116483091B (zh) * | 2023-05-10 | 2024-04-19 | 北鲲睿航科技(上海)有限公司 | 一种船舶自主避障方法及系统 |
CN117315995A (zh) * | 2023-09-28 | 2023-12-29 | 大连海事大学 | 基于近距离错过的水域碰撞危险量化及空间分布表征方法 |
CN117315995B (zh) * | 2023-09-28 | 2024-05-07 | 大连海事大学 | 基于近距离错过的水域碰撞危险量化及空间分布表征方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhou et al. | The review unmanned surface vehicle path planning: Based on multi-modality constraint | |
Shaobo et al. | A collision avoidance decision-making system for autonomous ship based on modified velocity obstacle method | |
CN115909817A (zh) | 一种面向多智能船的分布式自主协同避碰方法 | |
CN109597417B (zh) | 一种基于避碰准则的多usv群体协同避碰规划方法 | |
Woerner | Multi-contact protocol-constrained collision avoidance for autonomous marine vehicles | |
CN113096446B (zh) | 混合航行场景下的多船避碰决策方法、存储介质及处理器 | |
CN113759939B (zh) | 一种受限水域智能航行方法及装置 | |
Li et al. | Distributed multi-objective algorithm for preventing multi-ship collisions at sea | |
CN112578793B (zh) | 一种快速运动水面艇的避障方法 | |
Wang et al. | Multi-ship encounter situation adaptive understanding by individual navigation intention inference | |
Li et al. | Toward time-optimal trajectory planning for autonomous ship maneuvering in close-range encounters | |
Lee et al. | A collision avoidance method for multi-ship encounter situations | |
Guan et al. | Autonomous collision avoidance of unmanned surface vehicles based on improved A-star and dynamic window approach algorithms | |
Chen et al. | Survey on cooperative control for waterborne transport | |
Kim et al. | Development of ship collision avoidance system and sea trial test for autonomous ship | |
Sedova et al. | Automated stationary obstacle avoidance when navigating a marine craft | |
CN114895673A (zh) | 一种规则约束下基于深度强化学习的船舶避碰决策方法 | |
Wang et al. | A novel maritime autonomous navigation decision-making system: Modeling, integration, and real ship trial | |
Ding et al. | Intelligent collision avoidance decision-making method for unmanned ships based on driving practice | |
Ni et al. | Coordinated anti-collision path planning algorithm for marine surface vessels | |
CN116360434A (zh) | 基于改进的csac-apf算法的船舶路径规划方法 | |
Wang et al. | A collaborative collision avoidance strategy for autonomous ships under mixed scenarios | |
Liu et al. | PE-A* Algorithm for Ship Route Planning Based on Field Theory | |
CN110414042B (zh) | 一种冲突会遇局面下船舶集群态势分析方法 | |
CN117369441A (zh) | 一种考虑船舶运动学和CORLEGs的自适应智能船舶路径规划方法 |
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 |