CN116050136A - 一种智能船舶测试场景库的生成方法、装置及设备 - Google Patents

一种智能船舶测试场景库的生成方法、装置及设备 Download PDF

Info

Publication number
CN116050136A
CN116050136A CN202310042918.1A CN202310042918A CN116050136A CN 116050136 A CN116050136 A CN 116050136A CN 202310042918 A CN202310042918 A CN 202310042918A CN 116050136 A CN116050136 A CN 116050136A
Authority
CN
China
Prior art keywords
scene
test
test scene
dynamic
target
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.)
Granted
Application number
CN202310042918.1A
Other languages
English (en)
Other versions
CN116050136B (zh
Inventor
王新宇
蔡玉良
赵轩
马吉林
王剑凡
孙东昊
郑龙
孙宁
但家梭
赵岩
樊娟娟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Classification Society
Original Assignee
China Classification Society
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Classification Society filed Critical China Classification Society
Priority to CN202310042918.1A priority Critical patent/CN116050136B/zh
Publication of CN116050136A publication Critical patent/CN116050136A/zh
Application granted granted Critical
Publication of CN116050136B publication Critical patent/CN116050136B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/36Preventing errors by testing or debugging software
    • G06F11/3668Software testing
    • G06F11/3672Test management
    • G06F11/3684Test management for test design, e.g. generating new test cases
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00Details relating to CAD techniques
    • G06F2111/04Constraint-based CAD

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种智能船舶测试场景库的生成方法、装置及设备,所述方法包括:获取对智能船舶进行测试的测试任务;根据所述测试任务,确定测试场景元素层次模型;根据所述测试场景元素层次模型,生成至少一个静态测试场景;根据所述测试场景元素层次模型以及至少一个所述静态测试场景,生成至少一个动态测试场景;根据至少一个所述动态测试场景的复杂度与重合度,获得目标测试场景库。本发明提供的方案提高了智能船舶避碰测试中测试场景的多样性与真实性。

Description

一种智能船舶测试场景库的生成方法、装置及设备
技术领域
本发明涉及智能船舶测试技术领域,特别是指一种智能船舶测试场景库的生成方法、装置及设备。
背景技术
近年来,智能船舶以其在安全、效率和经济效益方面的显著优势得到了广泛的关注和研究,智能船舶智能化的速度也不断提升。与传统船舶相比,智能船舶的感知、决策和控制者已经逐渐从人类转变为智能系统。为充分验证智能船舶系统的安全性和稳定性,需要在不同的场景条件下对船舶进行更多的测试。
相较于传统测试场,仿真测试系统,可以通过更为经济和效率的方式为智能船舶避碰系统测试提供更多样的测试场景,覆盖更多的应用环境。其中,测试场景库作为检验智能船舶避碰系统的主要测试内容,其科学完善的场景生成流程、提高测试场景库的多样性和覆盖度对智能船舶避碰测试的真实性、可信性和全面性有着至关重要的影响。
总体上看,国内外智能船舶避碰测试场景研究还在萌芽阶段。研究者在验证智能船舶避碰算法能力时往往依靠自身给定的数个典型测试场景,而智能测试场景生成也只包含本船参数在内的自然环境生成模型,同时,船舶碰撞危险度模型等关键因素研究较为独立,没有应用到智能船舶避碰测试的实例。由此可见,当前的测试方法均不能满足智能船舶避碰测试对于场景库多样性和覆盖度的要求,难以支撑智能船舶多船避碰虚拟测试的需求。
发明内容
本发明要解决的技术问题是提供一种智能船舶测试场景库的生成方法、装置及设备,以提高智能船舶避碰测试中测试场景的多样性与真实性。
为解决上述技术问题,本发明的实施例提供一种智能船舶测试场景库的生成方法,包括:
获取对智能船舶进行测试的测试任务;
根据所述测试任务,确定测试场景元素层次模型;
根据所述测试场景元素层次模型,生成至少一个静态测试场景;
根据所述测试场景元素层次模型以及至少一个所述静态测试场景,生成至少一个动态测试场景;
根据至少一个所述动态测试场景的复杂度与重合度,获得目标测试场景库。
可选的,根据所述测试任务,确定测试场景元素层次模型,包括:
根据所述测试任务进行分析,从预设场景元素库中获取目标场景元素并生成场景元素列表;
根据所述场景元素列表构建测试场景元素层次模型。
可选的,根据所述测试场景元素层次模型,生成至少一个静态测试场景,包括:
获取所述测试场景元素层次模型中具有至少一种统计约束关系的目标场景元素;
根据至少一种所述统计约束关系对目标场景元素进行分组,生成多个目标场景元素组;
根据多个所述目标场景元素组中任一目标场景元素组中目标场景元素之间的数理关系,对所述目标场景元素进行赋值,生成至少一个静态测试场景。
可选的,根据所述测试场景元素层次模型以及至少一个所述静态测试场景,生成至少一个动态测试场景,包括:
根据至少一个所述静态测试场景的第一复杂度与第一重合度,获得至少一个目标静态测试场景;
根据至少一个所述目标静态测试场景以及所述测试场景元素层次模型,生成至少一个动态测试场景。
可选的,根据至少一个所述目标静态测试场景以及所述测试场景元素层次模型,生成至少一个动态测试场景,包括:
获取所述智能船舶与至少一个所述目标静态测试场景中的静态碍航物的第一会遇距离和第二会遇距离,其中,所述第一会遇距离是所述智能船舶采取避碰操作的最小安全距离,所述第二会遇距离是所述智能船舶采取避碰操作的预设安全距离;
根据所述第一会遇距离、所述第二会遇距离以及所述智能船舶的坐标,确定所述智能船舶的至少一个动态场景元素的坐标;
根据至少一个所述动态场景元素的坐标以及至少一个所述目标静态测试场景中的静态碍航物,生成至少一个所述动态测试场景。
可选的,根据以及至少一个所述动态测试场景的第二复杂度与第二重合度,获得目标测试场景库,包括:
根据至少一个所述动态测试场景中任一动态测试场景的第二复杂度以及至少一个所述动态测试场景中任意两个动态测试场景的第二重合度,获得至少一个目标动态测试场景;
根据至少一个所述目标动态测试场景,生成目标测试场景库。
可选的,所述第二复杂度通过以下步骤获得:
根据每一个动态测试场景中任意两个场景元素间的第二标度,获得每一个动态测试场景的第二判断矩阵;
根据所述第二判断矩阵,获得每一个动态测试场景的第二有效值;
当所述第二有效值小于第二预设值时,根据所述第二标度,获得每一个动态测试场景的第二复杂度。
可选的,根据至少一个所述动态测试场景中任一动态测试场景的第二复杂度以及至少一个所述动态测试场景中任意两个动态测试场景的第二重合度,获得至少一个目标动态测试场景,包括:
根据至少一个所述动态测试场景中任一动态测试场景的第二复杂度以及至少一个所述动态测试场景中任意两个动态测试场景的第二重合度,对至少一个所述动态测试场景进行筛选,当至少一个所述动态测试场景中任意两个动态测试场景的第二重合度大于第二重合度阈值时,确定当前两个动态测试场景为相似动态测试场景;
将所述相似动态测试场景中所述第二复杂度小于第二复杂度阈值对应的动态测试场景删除,并将保留的动态测试场景确定为目标动态测试场景。
本发明的实施例还提供一种智能船舶测试场景库的生成装置,包括:
获取模块,用于获取对智能船舶进行测试的测试任务;
处理模块,用于根据所述测试任务,确定测试场景元素层次模型;根据所述测试场景元素层次模型,生成至少一个静态测试场景;根据所述测试场景元素层次模型以及至少一个所述静态测试场景,生成至少一个动态测试场景;根据至少一个所述动态测试场景的第二复杂度与第二重合度,获得目标测试场景库。
本发明的实施例还提供一种计算设备,包括:处理器、存储有计算机程序的存储器,所述计算机程序被处理器运行时,执行如上述所述的方法。
本发明的实施例还提供一种计算机可读存储介质,存储指令,当所述指令在计算机上运行时,使得计算机执行如上述所述的方法。
本发明的上述方案至少包括以下有益效果:
本发明的上述方案,通过获取对智能船舶进行测试的测试任务;根据所述测试任务,确定测试场景元素层次模型;根据所述测试场景元素层次模型,生成至少一个静态测试场景;根据所述测试场景元素层次模型以及至少一个所述静态测试场景,生成至少一个动态测试场景;根据以及至少一个所述动态测试场景的复杂度与重合度,获得目标测试场景库,以提高智能船舶避碰测试中测试场景的多样性与真实性。
附图说明
图1是本发明实施例提供的智能船舶测试场景库的生成方法流程图;
图2是本发明实施例提供的智能船舶测试场景库的生成装置的模块框示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
如图1所示,本发明的实施例提出一种智能船舶测试场景库的生成方法,包括:
步骤11,获取对智能船舶进行测试的测试任务;
步骤12,根据所述测试任务,确定测试场景元素层次模型;
步骤13,根据所述测试场景元素层次模型,生成至少一个静态测试场景;
步骤14,根据所述测试场景元素层次模型以及至少一个所述静态测试场景,生成至少一个动态测试场景;
步骤15,根据至少一个所述动态测试场景的第二复杂度与第二重合度,获得目标测试场景库。
该实施例中,所述测试任务为对智能船舶进行避碰测试所提出的;所述测试场景元素层次模型中包含多种生成测试场景所需的场景元素(如动态碍航物、静态碍航物、气象元素、水面元素、地理环境元素等),所述场景元素为影响智能船舶碰壁测试的因素;在所述测试场景元素层次模型中对多种场景元素进行了分组和编号,便于后续计算测试场景的复杂度,同时可以依据测试任务的实际需求对场景元素进行分组和编号处理;
根据所述测试场景元素层次模型中具有分组和标号的场景元素,以及场景元素间的相互关系,生成至少一个静态测试场景,所述静态测试场景中的场景元素相对于与测试对象(运行中的智能船舶)均为相对静止的场景元素,例如:气象元素、地理环境元素、静态碍航物(如停在水面上的其他船舶)等;
进一步的,根据生成的至少一个静态测试场景以及所述测试场景元素层次模型中的动态碍航物,生成至少一个动态测试场景;应当知道的是,所述动态测试场景中包含所述静态测试场景中的所有场景元素,同时还包含动态碍航物(所述静态测试场景中不存在的场景元素,如在水面上正常运行的其他船舶);
该实施例中,基于至少一个所述静态测试场景生成至少一个所述动态测试场景,为智能船舶避碰测试提供了多样性的测试场景支持;进一步的基于至少一个所述动态测试场景的复杂度与重合度,对至少一个所述动态测试场景进行筛选,获得最终的目标测试场景库;所述目标测试场景库中包含至少一个目标动态测试场景,由于所述目标动态测试场景中包含所述目标静态测试场景中的所述场景元素,保证了所述目标测试场景库的多样性与复杂性;进而可以依据实际测试需求,从所述目标测试场景库中选择目标测试场景对智能船舶进行避碰测试,保证避碰测试场景模拟的准确性以及测试结果的准确性,进而可以提高智能船舶避碰测试分析结果的准确度。
本发明的一可选实施例中,上述步骤12,可以包括:
步骤121,根据所述测试任务,从预设场景元素库中获取目标场景元素并生成场景元素列表;
步骤122,根据所述场景元素列表构建测试场景元素层次模型。
该实施例中,对所述测试任务进行分析,包括所述测试任务所需的测试船舶、其他交通参与者(静止或运动的船舶等)、水面环境、气象环境、地理环境等,并从所述预设场景元素库中调用相对应的目标场景元素,同时生成场景元素列表,如下表1所示,表1的F1列中表示分析所述测试任务所需的对象,也可以看作是F2列中目标场景元素的主场景元素,F3列中为F2列中对应目标场景元素的指标,也可以看作是F2列中目标场景元素的子场景元素;所述主场景元素、所述目标元素以及所述子场景元素不仅限于下述表1中内容,在实际避碰测试时,可以依据实际分析任务的需求从预设场景元素库中提取;这里,所述预设场景元素库可以是基于历史经验生成的;
进一步的,根据所述场景元素列表,构建测试场景元素层次模型,以便于直观的获取模型中场景元素间的从属关系;在所述测试场景元素层次模型中,可以依据实际测试任务的需求,对多个目标场景元素进行分组和编号,便于后续生成测试场景;所述测试场景元素层次模型中目标场景元素的从属关系可以通过以下公式描述:
其中,为位于层次模型第m层的第n个元素;子元素下标n构成的集合;Z为模型层数;为模型第m层的元素数目,表示可以理解为里的n,层级中的n的取值范围;
表1、场景元素列表
本发明的一可选实施例中,上述步骤13,可以包括:
步骤131,获取所述测试场景元素层次模型中具有至少一种统计约束关系的目标场景元素;
步骤132,根据至少一种所述统计约束关系目标对场景元素进行分组,生成多个目标场景元素组;
步骤133,根据多个所述目标场景元素组中任一目标场景元素组中目标场景元素之间的数理关系,对所述目标场景元素进行赋值,生成至少一个静态测试场景。
该实施例中,具有至少一种所述统计约束关系的目标场景元素是指所述测试场景元素层次模型中具有相关性的目标场景元素,进而可以依据至少一种所述统计约束关系对目标场景元素进行分组,获得多个目标场景元素组;
这里,至少一种所述统计约束关系可以是目标场景元素之间的异属关系,具有异属关系的两个目标场景元素为异属目标场景元素;这里,所述统计约束关系不仅限于异属关系;根据所述异属关系,可以构建静态目标场景元素的统计约束模型,所述统计约束模型,可以通过以下公式表达:
式中:表示具有异属关系的目标场景元素的个数,表示异属目标场景元素共同出现的概率,表示异属目标场景元素在场景生成中出现的概率,用表示2个异属目标场景元素同时出现的概率,上述公式中P等于零表示:具有异属关系的场景元素不可同时出现在一个测试场景中的概率;
所述数理关系是指在多个所述目标场景元素组中每一个目标场景元素组中的两个或多个目标场景元素具有一定倍数关系或函数关系;如目标场景元素:潮汐与流速之间,以长江口为例,流速的均速为1m/s,但是受到潮汐状态影响,落潮前的1.5-2h流速可以达到2倍以上;
进一步的,根据所述数理关系以及目标场景元素的预设取值范围,对所述目标场景元素进行赋值,具体的:根据所述数理关系对目标场景元素的预设取值范围进行修正调整,以生成具有相应数值的目标场景元素组,即得到静态测试场景,每一个具有相应数值的目标场景元素组对应一个静态测试场景;这里,目标场景元素的所述预设取值范围可以根据气象、地理环境设定,如:流速可取范围为[0.8,1.9],风向可取范围为[0,360];
通过至少一种所述统计约束关系,选取所述测试场景元素层次模型中目标场景元素,为生成静态测试场景提供基础;进一步根据目标场景元素组中目标场景元素的树林里关系,对目标场景元素数值进行调整,以生成静态测试场景,并准确描述各目标场景元素间的关系,提高静态测试场景的复杂度与准确性。
本发明的一可选实施例中,上述步骤14,可以包括:
步骤141,根据至少一个所述静态测试场景的第一复杂度与第一重合度,获得至少一个目标静态测试场景;
步骤142,根据至少一个所述目标静态测试场景以及所述测试场景元素层次模型,生成至少一个动态测试场景。
该实施例中,根据至少一个所述静态测试场景中的任意一个静态测试场景的第一复杂度,以及至少一个所述静态测试场景中的任意两个静态测试场景间的第一重合度,对至少一个所述静态测试场景进行筛选,获得至少一个目标静态测试场景,在筛除不必要的静态测试场景的同时,也保留了静态测试场景的多样性与复杂性,进一步的,基于至少一个所述目标静态测试场景以及所述测试场景元素层次模型,获得至少一个动态测试场景,提高了动态测试场景的多样性与复杂性,保证后续智能船舶避碰测试结果分析的准确性;
这里,所述第一重合度是指至少一个所述静态测试场景中任意两个静态测试场景间的相似程度,其相似程度可以通过静态测试场景中的目标场景元素的重复率来表示(两个进行比较的静态测试场景中,相同场景元素个数占场景元素总个数的比例),所述第一重合度可以根据实际需要进行计算或调整;
所述第一复杂度可以通过至少一个所述静态测试场景中任意一个静态测试场景中场景元素的第一标度获得;所述第一标度可以表示任意一个静态测试场景中任意两个场景元素间关于生成静态测试场景复杂程度的相对重要度(场景元素越重要,对应第一标度的值越大,对应生成的测试场景越复杂),这里,所述第一标度可以是根据场景元素的种类预先设定的值;
本发明一可选实施中,所述第一复杂度通过以下步骤获得:
步骤21,根据每一个静态测试场景中任意两个场景元素间的第一标度,获得每一个静态测试场景的第一判断矩阵;
步骤22,根据所述第一判断矩阵,获得每一个静态测试场景的第一有效值;
步骤23,当所述第一有效值小于第一预设值时,根据所述第一标度,获得每一个静态测试场景的第一复杂度。
该实施例中,根据每一个静态测试场景中任意两个场景元素间的第一标度,获得每一个静态测试场景的第一判断矩阵,所述第一判断矩阵表示为:
其中,表示场景元素相对于场景元素关于静态测试场景复杂程度的相对重要度(也即是所述静态测试场景的第一标度,其取值可以按照相对重要度由弱到强的顺序,可以去取为1,2,…,9,当然也可以是其他数值),表示维实数空间,具体指所述第一判断矩阵的取值范围,进一步的,可以选取所述第一判断矩阵中的最大特征值所对应的第一特征向量作为所述第一复杂度的指数参考,所述第一特征向量可以通过以下表达式描述:
进一步的,依据所述第一判断矩阵计算获得每一个静态测试场景的第一有效值,当所述第一有效值<所述第一预设值时,认为所述第一判断矩阵具有较强的一致性,表明每一个静态测试场景中的两个场景元素间的第一标度的值是可接受的;当所述第一有效值≥所述第一预设值时,认为所述第一判断矩阵的一致性较差,表明每一个静态测试场景中的两个场景元素间的第一标度的值是不可取的,需要重新定义并取值第一标度,以对所述第一判断矩阵进行修正,直到满足所述第一有效值<所述第一预设值时为止;这里所述第一预设值可以根据实际需要进行设置,如0.1;
当所述第一有效值<所述第一预设值时,可以根据公式计算获得静态测试场景中两个场景元素间的第一耦合指数;
其中,表示第一耦合指数,为两个场景元素间的第一相对重要度(也即是第一标度),q表示两个相比较的静态测试场景中场景元素的序号,进一步的,通过一个静态测试场景中所有两个场景元素间的第一耦合指数的乘积,获得该静态测试场景的第一复杂度,为后续基于所述第一复杂度对静态测试场景进行筛选,提供了理论依据,同时也保证静态测试场景的复杂性与多样性,以满足智能船舶避碰测试的全面性及复杂性要求。
本发明的一可选实施例中,上述步骤142,可以包括:
步骤1411,当至少一个所述静态测试场景中任意两个静态测试场景的第一重合度大于第一重合度阈值时,确定当前两个静态测试场景为相似静态测试场景;
步骤1412,将所述相似静态测试场景中所述第一复杂度小于第一复杂度阈值对应的静态测试场景删除,获得至少一个目标静态测试场景。
该实施例中,通过所述第一重合度确定至少一个静态测试场景中的相似静态测试场景,当至少一个所述静态测试场景中任意两个静态测试场景的第一重合度大于第一重合度阈值时,确定当前两个静态测试场景为相似静态测试场景,所述第一重合度阈值可以根据实际需要进行设置;
进一步的,根据所述第一复杂度,对所述相似静态测试场景中的测试场景进行删除,具体的:当所述相似静态测试场景中静态测试场景对应的第一复杂度按照从小到大的顺序进行排列,并删除最小第一复杂度对应的静态测试场景,保留最大第一复杂度对应的静态测试场景,并将最大第一复杂度对应的静态测试场景确定为目标静态测试场景;
通过所述第一重合度以及所述第一复杂度对至少一个所述静态测试场景进行筛选,避免了存在多个高重和度的静态测试场景对智能船舶避碰测试的影响,同时也保留了静态测试场景的复杂度,以满足智能船舶避碰测试的全面性及复杂性要求。
本发明的一可选实施例中,上述步骤142,可以包括:
步骤1421,获取所述智能船舶与至少一个所述目标静态测试场景中的静态碍航物的第一会遇距离和第二会遇距离,其中,所述第一会遇距离是所述智能船舶采取避碰操作的最小安全距离,所述第二会遇距离是所述智能船舶采取避碰操作的预设安全距离;
步骤1422,根据所述第一会遇距离、所述第二会遇距离以及所述智能船舶的坐标,确定所述智能船舶的至少一个动态场景元素的坐标;
步骤1423,根据至少一个所述动态场景元素的坐标以及至少一个所述目标静态测试场景中的静态碍航物,生成至少一个所述动态测试场景。
该实施例中,所述第一会遇距离S1与所述第二会遇距离S2,可以是通过统计或机理分析进行确定,所述第一会遇距离S1、所述第二会遇距离S2均与被测智能船舶的尺寸、静态测试场景的能见度以及水文因素有关;
这里,根据所述第一会遇距离S1、所述第二会遇距离S2以及所述智能船舶的坐标,确定所述智能船舶的至少一个动态场景元素的坐标,具体可以包括以下步骤:
步骤14231,根据所述智能船舶的坐标以及所述第一会遇距离S1、所述第二会遇距离S2,确定至少一个动态碍航物的可行坐标区域;具体的,可以通过以下公式确定所述动态碍航物的可行坐标区域;
其中,被测智能船舶的坐标,为动态碍航物的坐标,上式可以表示,在以被测智能船舶的坐标为圆心,分别以所述第一会遇距离、所述第二会遇距离为半径的绘制两个同心圆,两个同心圆之间的环形区域即为所述动态碍航物的可行坐标区域;
步骤14232,在所述动态场景元素的可行坐标区域内,根据所述静态测试场景中静态碍航物的航道元素,可以确定被测智能船舶的可航行区域(航道范围)H,则在所述可航行区域内,可以对被测智能船舶的第一避碰距离H10以及第二避碰距离H20进行赋值,所述第一避碰距离H10是被测智能船舶在所述动态场景元素的可行坐标区域内采取避碰操作的最小安全距离,所述第二避碰距离H20是被测智能船舶在所述动态场景元素的可行坐标区域内采取避碰操作的预设安全距离;这里,所述第一避碰距离H10以及所述第二避碰距离H20,可以是通过统计或机理分析进行确定,所述第一避碰距离H10、所述第二避碰距离H20均与被测智能船舶的尺寸、静态测试场景的能见度以及水文因素有关;
此时可以获得被测智能船舶在所述动态场景元素的可行坐标区域中第一避碰区间:H1=H10-H20
步骤14233,取第二避碰区间,依照编号,在第二避碰区间内随机选取静态碍航物的坐标,并赋值当前静态碍航物与被测智能船舶的第三避碰距离H30,以及第四避碰距离H40,所述第三避碰距离H30是被测智能船舶在第二避碰区间内采取避碰操作的最小安全距离,所述第四避碰距离H40是被测智能船舶在第二避碰区间内采取避碰操作的预设安全距离;
步骤14234,取第三避碰区间,并生成第一动态碍航物的坐标,赋值当前静态碍航物与被测智能船舶的第五避碰距离H50,以及第六避碰距离H60;如果为空集,则重新进行步骤1433;
步骤14235,取,并生成第二动态碍航物的坐标,如果为空集,则重新进行步骤1434;
步骤14236,循环直到确定完所述动态场景元素的可行坐标区域内所有动态碍航物坐标为止;
进一步的,根据上述得到至少一个所述动态场景元素(动态碍航物)的坐标以及至少一个所述静态测试场景中的静态场景元素,生成至少一个所述动态测试场景;由于所述静态碍航物是根据场景元素间的数理关系对目标场景元素的预设取值范围进行修正调整得到的,进而通过上述步骤确定完所述动态场景元素的可行坐标区域内所有动态碍航物坐标后,可以直接在所述静态测试场景中直接叠加入所述动态碍航物的坐标值,即可得到动态测试场景;
应当知道的是,所述动态测试场景中,包含所有静态测试场景的所有场景元素,同时还包含所述动态碍航物的坐标值,保证了动态测试场景的复杂度与准确性。
本发明的一可选实施例中,上述步骤15,可以包括:
步骤151,根据至少一个所述动态测试场景中任一动态测试场景的第二复杂度以及至少一个所述动态测试场景中任意两个动态测试场景的第二重合度,获得至少一个目标动态测试场景;
步骤152,根据至少一个所述目标动态测试场景,生成目标测试场景库。
该实施例中,所述第二重合度是指至少一个所述动态测试场景中任意两个动态测试场景的相似程度,其相似程度可以通过目标场景元素的重复率来表示(两个进行比较的测试场景中,相同场景元素个数占场景元素总个数的比例),所述第二重合度均可以根据实际需要进行计算或调整;
所述第二复杂度可以通过至少一个所述动态测试场景中任意一个动态测试场景中场景元素的第二标度获得;所述第二标度可以表示任意一个动态测试场景中任意两个场景元素间关于生成测试场景复杂程度的相对重要度(场景元素越重要,对应第二标度的值越大,对应生成的测试场景越复杂),这里,所述第二标度可以是根据场景元素的种类预先设定的值;
通过所述动态测试场景的第二复杂度以及所述动态测试场景的第二重合度,对至少一个所述动态测试场景进行筛选,获得至少一个目标动态测试场景;将获得的所有目标动态测试场景进行合并,获得目标测试场景库,在筛除不必要的测试场景的同时,也保留了测试场景的多样性与复杂性,提高目标测试场景库的适用范围,同时也提高了智能船舶避碰测试结果分析的准确性;
进一步的,在具体目标测试场景的具体应用时,可以从所述目标测试场景库中,根据实际测试需求,选择相应的目标测试场景对智能船舶进行避碰测试,所述目标测试场景库中的目标测试场景可以覆盖绝大多数场景并依照需求调整整体场景库整体复杂度,进而可以提高智能船舶避碰测试分析的准确度。
本发明一可选实施中,所述第二复杂度通过以下步骤获得:
步骤31,根据每一个动态测试场景中任意两个场景元素间的第二标度,获得每一个动态测试场景的第二判断矩阵;
步骤32,根据所述第二判断矩阵,获得每一个动态测试场景的第二有效值;
步骤33,当所述第二有效值小于第二预设值时,根据所述第二标度,获得每一个动态测试场景的第二复杂度。
该实施例中,根据每一个动态测试场景中任意两个场景元素间的第二标度,获得每一个动态测试场景的第二判断矩阵,所述第二判断矩阵表示为:
其中,表示场景元素相对于场景元素关于动态测试场景复杂程度的相对重要度(也即是所述动态测试场景的第二标度,其取值可以按照相对重要度由弱到强的顺序,可以去取为1,2,…,9,当然也可以是其他数值),表示维实数空间,具体指所述第二判断矩阵的取值范围(这里所述第二判断矩阵的取值范围与所述第一判断矩阵的取值范围可以相同);进一步的,可以选取所述第二判断矩阵中的最大特征值所对应的第二特征向量作为所述第二复杂度的指数参考,所述第二特征向量可以通过下述表达式描述:
进一步的,依据所述第二判断矩阵计算获得每一个动态测试场景的第二有效值,当所述第一有效值<所述第二预设值时,认为所述第二判断矩阵具有较强的一致性,表明每一个动态测试场景中的两个场景元素间的第二标度的值是可接受的;当所述第二有效值≥所述第二预设值时,认为所述第二判断矩阵的一致性较差,表明每一个动态测试场景中的两个场景元素间的第二标度的值是不可取的,需要重新定义并取值第二标度,以对所述第二判断矩阵进行修正,直到满足<所述第二预设值时为止;这里所述第二预设值可以根据实际需要进行设置,如0.1;
当所述第二有效值<所述第二预设值时,可以根据公式,计算获得动态测试场景中两个场景元素间的第二耦合指数,其中,表示第二耦合指数,为两个场景元素间的第二相对重要度(也即是第二标度),表示两个相比较的动态测试场景中场景元素的序号;进一步的,通过一个动态测试场景中所有两个场景元素间的第一耦合指数的乘积,获得该动态测试场景的第二复杂度,为后续基于所述第二复杂度对动态测试场景进行筛选,提供了理论依据,同时也保证动态测试场景的复杂性与多样性,以满足智能船舶避碰测试的全面性及复杂性要求。
本发明一可选实施例中,上述步骤1511,可以包括:
步骤1511,当至少一个所述动态测试场景中任意两个动态测试场景的第二重合度大于第二重合度阈值时,确定当前两个动态测试场景为相似动态测试场景;
步骤1512,将所述相似动态测试场景中所述第二复杂度小于第二复杂度阈值对应的动态测试场景删除,获得至少一个目标动态测试场景。
该实施例中,通过所述第二重合度确定至少一个动态测试场景中的相似动态测试场景,当至少一个所述动态测试场景中任意两个动态测试场景的第二重合度大于第二重合度阈值时,确定当前两个动态测试场景为相似动态测试场景,所述第二重合度阈值可以根据实际需要进行设置;
进一步的,根据所述第二复杂度,对所述相似动态测试场景中的测试场景进行删除,具体的:当所述相似动态测试场景中动态测试场景对应的第二复杂度按照从小到大的顺序进行排列,并删除最小第二复杂度对应的动态测试场景,保留最大第二复杂度对应的动态测试场景,并将最大第二复杂度对应的动态测试场景确定为目标动态测试场景;
通过所述第二重合度以及所述第二复杂度对至少一个所述动态测试场景进行筛选,避免了存在多个高重和度的动态测试场景对智能船舶避碰测试的影响,同时也保留了动态测试场景的复杂度,以满足智能船舶避碰测试的全面性及复杂性要求。
本发明的上述实施例,通过获取对智能船舶进行测试的测试任务;并根据所述测试任务,确定测试场景元素层次模型;根据所述测试场景元素层次模型,生成至少一个静态测试场景;根据所述测试场景元素层次模型以及至少一个所述静态测试场景,生成至少一个动态测试场景;根据至少一个所述静态测试场景的第一复杂度与第一重合度,以及至少一个所述动态测试场景的第二复杂度与第二重合度,获得目标测试场景库,可以覆盖绝大多数场景并依照需求调整整体场景库整体复杂度;同时可以对测试场景参数进行人工赋值和复现,从而进行具体测试;本发明通过复杂度的标度生成动态测试场景,有利于智能船舶避碰评分评价与智能等级分级的评判。
如图2所示,本发明的实施例还提供一种智能船舶测试场景库的生成装置20,包括:
获取模块21,用于获取对智能船舶进行测试的测试任务;
处理模块22,用于根据所述测试任务,确定测试场景元素层次模型;根据所述测试场景元素层次模型,生成至少一个静态测试场景;根据所述测试场景元素层次模型以及至少一个所述静态测试场景,生成至少一个动态测试场景;根据至少一个所述动态测试场景的复杂度与重合度,获得目标测试场景库。
可选的,所述处理模块22根据所述测试任务,确定测试场景元素层次模型时,具体用于:
根据所述测试任务进行分析,从预设场景元素库中获取目标场景元素并生成场景元素列表;
根据所述场景元素列表构建测试场景元素层次模型。
可选的,所述处理模块22根据所述测试场景元素层次模型,生成至少一个静态测试场景时,具体用于:
获取所述测试场景元素层次模型中具有至少一种统计约束关系的目标场景元素;
根据至少一种所述统计约束关系对目标场景元素进行分组,生成多个目标场景元素组;
根据多个所述目标场景元素组中任一目标场景元素组中目标场景元素之间的数理关系,对所述目标场景元素进行赋值,生成至少一个静态测试场景。
可选的,所述处理模块22根据所述测试场景元素层次模型以及至少一个所述静态测试场景,生成至少一个动态测试场景时,具体用于:
根据至少一个所述静态测试场景的第一复杂度与第一重合度,获得至少一个目标静态测试场景;
根据至少一个所述目标静态测试场景以及所述测试场景元素层次模型,生成至少一个动态测试场景。
可选的,所述处理模块22根据至少一个所述目标静态测试场景以及所述测试场景元素层次模型,生成至少一个动态测试场景时,具体用于:
获取所述智能船舶与至少一个所述目标静态测试场景中的静态碍航物的第一会遇距离和第二会遇距离,其中,所述第一会遇距离是所述智能船舶采取避碰操作的最小安全距离,所述第二会遇距离是所述智能船舶采取避碰操作的预设安全距离;
根据所述第一会遇距离、所述第二会遇距离以及所述智能船舶的坐标,确定所述智能船舶的至少一个动态场景元素的坐标;
根据至少一个所述动态场景元素的坐标以及至少一个所述目标静态测试场景中的静态碍航物,生成至少一个所述动态测试场景。
可选的,所述处理模块22根据至少一个所述动态测试场景的第二复杂度与第二重合度,获得目标测试场景库时,具体用于:
根据至少一个所述动态测试场景中任一动态测试场景的第二复杂度以及至少一个所述动态测试场景中任意两个动态测试场景的第二重合度,获得至少一个目标动态测试场景;
根据至少一个所述目标动态测试场景和至少一个所述目标静态测试场景,生成目标测试场景库。
可选的,所述处理模块22获得所述第二复杂度时,具体用于:
根据每一个动态测试场景中任意两个场景元素间的第二标度,获得每一个动态测试场景的第二判断矩阵;
根据所述第二判断矩阵,获得每一个动态测试场景的第二有效值;
当所述第二有效值小于第二预设值时,根据所述第二标度,获得每一个动态测试场景的第二复杂度。
可选的,所述处理模块22根据至少一个所述动态测试场景中任一动态测试场景的第二复杂度以及至少一个所述动态测试场景中任意两个动态测试场景的第二重合度,获得至少一个目标动态测试场景时,具体用于:
根据至少一个所述动态测试场景中任一动态测试场景的第二复杂度以及至少一个所述动态测试场景中任意两个动态测试场景的第二重合度,对至少一个所述动态测试场景进行筛选,当至少一个所述动态测试场景中任意两个动态测试场景的第二重合度大于第二重合度阈值时,确定当前两个动态测试场景为相似动态测试场景;
将所述相似动态测试场景中所述第二复杂度小于第二复杂度阈值对应的动态测试场景删除,并将保留的动态测试场景确定为目标动态测试场景。
需要说明的是,该装置是与上述智能船舶目标测试场景库的生成方法相对应的装置,上述方法实施例中的所有实现方式均适用于该装置的实施例中,也能达到相同的技术效果。
本发明的实施例还提供一种计算设备,包括:处理器、存储有计算机程序的存储器,所述计算机程序被处理器运行时,执行如上所述的方法。上述方法实施例中的所有实现方式均适用于该实施例中,也能达到相同的技术效果。
本发明的实施例还提供一种计算机可读存储介质,包括指令,当所述指令在计算机上运行时,使得计算机执行如上所述的方法。上述方法实施例中的所有实现方式均适用于该实施例中,也能达到相同的技术效果。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
此外,需要指出的是,在本发明的装置和方法中,显然,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且,执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行,但是并不需要一定按照时间顺序执行,某些步骤可以并行或彼此独立地执行。对本领域的普通技术人员而言,能够理解本发明的方法和装置的全部或者任何步骤或者部件,可以在任何计算装置(包括处理器、存储介质等)或者计算装置的网络中,以硬件、固件、软件或者它们的组合加以实现,这是本领域普通技术人员在阅读了本发明的说明的情况下运用他们的基本编程技能就能实现的。
因此,本发明的目的还可以通过在任何计算装置上运行一个程序或者一组程序来实现。所述计算装置可以是公知的通用装置。因此,本发明的目的也可以仅仅通过提供包含实现所述方法或者装置的程序代码的程序产品来实现。也就是说,这样的程序产品也构成本发明,并且存储有这样的程序产品的存储介质也构成本发明。显然,所述存储介质可以是任何公知的存储介质或者将来所开发出来的任何存储介质。还需要指出的是,在本发明的装置和方法中,显然,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且,执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行,但是并不需要一定按照时间顺序执行。某些步骤可以并行或彼此独立地执行。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种智能船舶测试场景库的生成方法,其特征在于,包括:
获取对智能船舶进行测试的测试任务;
根据所述测试任务,确定测试场景元素层次模型;
根据所述测试场景元素层次模型,生成至少一个静态测试场景;
根据所述测试场景元素层次模型以及至少一个所述静态测试场景,生成至少一个动态测试场景;
根据至少一个所述动态测试场景的复杂度与重合度,获得目标测试场景库。
2.根据权利要求1所述的智能船舶测试场景库的生成方法,其特征在于,根据所述测试任务,确定测试场景元素层次模型,包括:
根据所述测试任务,从预设场景元素库中获取目标场景元素并生成场景元素列表;
根据所述场景元素列表构建测试场景元素层次模型。
3.根据权利要求1所述的智能船舶测试场景库的生成方法,其特征在于,根据所述测试场景元素层次模型,生成至少一个静态测试场景,包括:
获取所述测试场景元素层次模型中具有至少一种统计约束关系的目标场景元素;
根据至少一种所述统计约束关系对目标场景元素进行分组,生成多个目标场景元素组;
根据多个所述目标场景元素组中任一目标场景元素组中目标场景元素之间的数理关系,对所述目标场景元素进行赋值,生成至少一个静态测试场景。
4.根据权利要求1所述的智能船舶测试场景库的生成方法,其特征在于,根据所述测试场景元素层次模型以及至少一个所述静态测试场景,生成至少一个动态测试场景,包括:
根据至少一个所述静态测试场景的第一复杂度与第一重合度,获得至少一个目标静态测试场景;
根据至少一个所述目标静态测试场景以及所述测试场景元素层次模型,生成至少一个动态测试场景。
5.根据权利要求4所述的智能船舶测试场景库的生成方法,其特征在于,根据至少一个所述目标静态测试场景以及所述测试场景元素层次模型,生成至少一个动态测试场景,包括:
获取所述智能船舶与至少一个所述目标静态测试场景中的静态碍航物的第一会遇距离和第二会遇距离,其中,所述第一会遇距离是所述智能船舶采取避碰操作的最小安全距离,所述第二会遇距离是所述智能船舶采取避碰操作的预设安全距离;
根据所述第一会遇距离、所述第二会遇距离以及所述智能船舶的坐标,确定所述智能船舶的至少一个动态场景元素的坐标;
根据至少一个所述动态场景元素的坐标以及至少一个所述目标静态测试场景中的静态碍航物,生成至少一个所述动态测试场景。
6.根据权利要求1所述的智能船舶测试场景库的生成方法,其特征在于,根据至少一个所述动态测试场景的复杂度与重合度,获得目标测试场景库,包括:
根据至少一个所述动态测试场景中任一动态测试场景的第二复杂度以及至少一个所述动态测试场景中任意两个动态测试场景的第二重合度,获得至少一个目标动态测试场景;
根据至少一个所述目标动态测试场景,生成目标测试场景库。
7.根据权利要求6所述的智能船舶测试场景库的生成方法,其特征在于,所述第二复杂度通过以下步骤获得:
根据每一个动态测试场景中任意两个场景元素间的第二标度,获得每一个动态测试场景的第二判断矩阵;
根据所述第二判断矩阵,获得每一个动态测试场景的第二有效值;
当所述第二有效值小于第二预设值时,根据所述第二标度,获得每一个动态测试场景的第二复杂度。
8.根据权利要求6所述的智能船舶测试场景库的生成方法,其特征在于,根据至少一个所述动态测试场景中任一动态测试场景的第二复杂度以及至少一个所述动态测试场景中任意两个动态测试场景的第二重合度,获得至少一个目标动态测试场景,包括:
根据至少一个所述动态测试场景中任一动态测试场景的第二复杂度以及至少一个所述动态测试场景中任意两个动态测试场景的第二重合度,对至少一个所述动态测试场景进行筛选,当至少一个所述动态测试场景中任意两个动态测试场景的第二重合度大于第二重合度阈值时,确定当前两个动态测试场景为相似动态测试场景;
将所述相似动态测试场景中所述第二复杂度小于第二复杂度阈值对应的动态测试场景删除,并将保留的动态测试场景确定为目标动态测试场景。
9.一种智能船舶测试场景库的生成装置,其特征在于,包括:
获取模块,用于获取对智能船舶进行测试的测试任务;
处理模块,用于根据所述测试任务,确定测试场景元素层次模型;根据所述测试场景元素层次模型,生成至少一个静态测试场景;根据所述测试场景元素层次模型以及至少一个所述静态测试场景,生成至少一个动态测试场景;根据至少一个所述动态测试场景的复杂度与重合度,获得目标测试场景库。
10.一种计算设备,其特征在于,包括:处理器、存储有计算机程序的存储器,所述计算机程序被处理器运行时,执行如权利要求1-8任一项所述的方法。
CN202310042918.1A 2023-01-28 2023-01-28 一种智能船舶测试场景库的生成方法、装置及设备 Active CN116050136B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310042918.1A CN116050136B (zh) 2023-01-28 2023-01-28 一种智能船舶测试场景库的生成方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310042918.1A CN116050136B (zh) 2023-01-28 2023-01-28 一种智能船舶测试场景库的生成方法、装置及设备

Publications (2)

Publication Number Publication Date
CN116050136A true CN116050136A (zh) 2023-05-02
CN116050136B CN116050136B (zh) 2023-07-21

Family

ID=86131085

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310042918.1A Active CN116050136B (zh) 2023-01-28 2023-01-28 一种智能船舶测试场景库的生成方法、装置及设备

Country Status (1)

Country Link
CN (1) CN116050136B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116719748A (zh) * 2023-08-10 2023-09-08 中国船级社 一种船舶系统的场景生成方法、装置及介质
CN116911081A (zh) * 2023-09-14 2023-10-20 中国船级社 一种智能船舶避碰仿真测试方法、系统及设备
CN116911077A (zh) * 2023-09-13 2023-10-20 中国船级社 一种船舶智能航行场景的处理方法、系统及装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070038039A1 (en) * 2005-07-29 2007-02-15 Siemens Aktiengesellschaft Method and device for dynamically generating test scenarios for complex computer-controlled systems, e.g. for medical engineering installations
CN111949519A (zh) * 2020-07-30 2020-11-17 智慧航海(青岛)科技有限公司 一种管理智能船舶自主航行仿真测试场景的方法及系统
CN113076338A (zh) * 2021-02-04 2021-07-06 中国船级社 一种基于规则的智能船舶避碰自动测试场景生成方法及系统
CN113470435A (zh) * 2021-07-09 2021-10-01 上海海事大学 生成自然对抗海洋环境的智能船舶测试场景的方法及终端
CN114664118A (zh) * 2022-03-18 2022-06-24 陕西正整数科技有限公司 一种智能船舶避碰自动测试场景生成方法及系统
CN114895673A (zh) * 2022-04-26 2022-08-12 武汉理工大学 一种规则约束下基于深度强化学习的船舶避碰决策方法
WO2022205748A1 (zh) * 2021-03-29 2022-10-06 中船航海科技有限责任公司 一种sil的船舶自动控制仿真测试平台及仿真测试方法
CN115376324A (zh) * 2022-10-24 2022-11-22 中国汽车技术研究中心有限公司 车辆场景复杂度确定方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070038039A1 (en) * 2005-07-29 2007-02-15 Siemens Aktiengesellschaft Method and device for dynamically generating test scenarios for complex computer-controlled systems, e.g. for medical engineering installations
CN111949519A (zh) * 2020-07-30 2020-11-17 智慧航海(青岛)科技有限公司 一种管理智能船舶自主航行仿真测试场景的方法及系统
CN113076338A (zh) * 2021-02-04 2021-07-06 中国船级社 一种基于规则的智能船舶避碰自动测试场景生成方法及系统
WO2022205748A1 (zh) * 2021-03-29 2022-10-06 中船航海科技有限责任公司 一种sil的船舶自动控制仿真测试平台及仿真测试方法
CN113470435A (zh) * 2021-07-09 2021-10-01 上海海事大学 生成自然对抗海洋环境的智能船舶测试场景的方法及终端
CN114664118A (zh) * 2022-03-18 2022-06-24 陕西正整数科技有限公司 一种智能船舶避碰自动测试场景生成方法及系统
CN114895673A (zh) * 2022-04-26 2022-08-12 武汉理工大学 一种规则约束下基于深度强化学习的船舶避碰决策方法
CN115376324A (zh) * 2022-10-24 2022-11-22 中国汽车技术研究中心有限公司 车辆场景复杂度确定方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116719748A (zh) * 2023-08-10 2023-09-08 中国船级社 一种船舶系统的场景生成方法、装置及介质
CN116719748B (zh) * 2023-08-10 2024-02-20 中国船级社 一种船舶系统的场景生成方法、装置及介质
CN116911077A (zh) * 2023-09-13 2023-10-20 中国船级社 一种船舶智能航行场景的处理方法、系统及装置
CN116911077B (zh) * 2023-09-13 2024-02-20 中国船级社 一种船舶智能航行场景的处理方法、系统及装置
CN116911081A (zh) * 2023-09-14 2023-10-20 中国船级社 一种智能船舶避碰仿真测试方法、系统及设备
CN116911081B (zh) * 2023-09-14 2024-02-02 中国船级社 一种智能船舶避碰仿真测试方法、系统及设备

Also Published As

Publication number Publication date
CN116050136B (zh) 2023-07-21

Similar Documents

Publication Publication Date Title
CN116050136B (zh) 一种智能船舶测试场景库的生成方法、装置及设备
Nii et al. Signal-to-symbol transformation: HASP/SIAP case study
CN110188093A (zh) 一种基于大数据平台针对ais信息源的数据挖掘系统
CN110458095A (zh) 一种有效手势的识别方法、控制方法、装置和电子设备
CN110111345A (zh) 一种基于注意力网络的3d点云分割方法
CN104239712B (zh) 一种雷达抗干扰效能实时评估方法
CN106156758B (zh) 一种sar海岸图像中海岸线提取方法
CN109039503A (zh) 一种频谱感知方法、装置、设备及计算机可读存储介质
CN110910448A (zh) 一种海上溢油漂移轨迹溯源方法
CN110046677A (zh) 数据预处理方法、地图构建方法、回环检测方法及系统
CN107132515A (zh) 一种基于多维信息约束的点迹筛选方法
CN110826891B (zh) 一种基于船舶集群态势的相对碰撞危险度获取方法
CN115128569B (zh) 雷达侦察全脉冲数据可视化分选方法、服务器及存储介质
Zhang et al. FRS-Net: An efficient ship detection network for thin-cloud and FOG-covered high-resolution optical satellite imagery
CN109830300A (zh) 甲状腺结节分析方法、装置、计算机设备及可读存储介质
Lei The gis-based research on criminal cases hotspots identifying
CN112907567B (zh) 基于空间推理方法的sar图像有序人造构筑物提取方法
CN114492540A (zh) 目标检测模型的训练方法、装置、计算机设备及存储介质
CN114818113A (zh) 一种水下目标探测识别仿真系统及方法
CN114202551A (zh) 一种喀斯特石漠化的分级制图方法及装置
CN113888380A (zh) 一种人员落水轨迹预测方法、装置、设备和介质
CN113361887A (zh) 面向作战应用的航空电子系统适用性评估系统
Ye et al. A quality control method based on an improved random forest algorithm for surface air temperature observations
Sun et al. Vessel motion statistical learning based on stored ais data and its application to trajectory prediction
CN102509288A (zh) 基于Memetic核聚类的SAR图像变化检测方法

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
GR01 Patent grant
GR01 Patent grant