CN116522671B - 一种ais数据驱动的动态椭圆船舶领域模型的构建方法 - Google Patents
一种ais数据驱动的动态椭圆船舶领域模型的构建方法 Download PDFInfo
- Publication number
- CN116522671B CN116522671B CN202310563756.6A CN202310563756A CN116522671B CN 116522671 B CN116522671 B CN 116522671B CN 202310563756 A CN202310563756 A CN 202310563756A CN 116522671 B CN116522671 B CN 116522671B
- Authority
- CN
- China
- Prior art keywords
- ship
- elliptic
- field
- ellipse
- dynamic
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 8
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims description 24
- 101100001669 Emericella variicolor andD gene Proteins 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 230000002265 prevention Effects 0.000 abstract description 3
- 241001347978 Major minor Species 0.000 abstract 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 14
- 230000003068 static effect Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 230000033228 biological regulation Effects 0.000 description 4
- 235000010724 Wisteria floribunda Nutrition 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 239000003643 water by type Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000721047 Danaus plexippus Species 0.000 description 1
- 241001077868 Joanna Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008433 psychological processes and functions Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (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AIS数据驱动的动态椭圆船舶领域模型的构建方法，包括获取本船与目标船的船舶信息，并根据本船与目标船的船舶信息优化四元数船舶领域QSD的参数半径；基于参数半径获取包围本船的多边形；并基于最小二乘算法近似拟合椭圆获取椭圆长短半轴；根据椭圆的长短半轴获取船舶在领域中偏移量；根据椭圆长短半轴以及偏移量获取动态椭圆船舶领域的边界方程；通过AIS数据获取不同会遇局面下的影响系数s，对动态椭圆船舶领域的边界方程式进行调整，获得动态椭圆船舶领域模型；解决了目前广泛使用的椭圆形船舶领域模型没有考虑船舶速度和船舶操纵性能的影响，是一个固定大小的领域，通常被视为海上交通的客观区域不能准确地评估碰撞风险和规划避碰操作。
Description
技术领域
本发明涉及船舶领域模型技术领域，尤其涉及一种AIS数据驱动的动态椭圆船舶领域模型的构建方法。
背景技术
船舶领域是船舶驾驶人员想象的、并努力将他船保持在该领域以外的一块水域，它是任何船舶保持航行安全所需的水域。在避碰与路径规划的相关研究中被大量应用于船舶间的安全性判断。而影响船舶领域大小的因素主要由船舶方面的因素和环境方面的因素。船舶因素包括本船舶尺度、本船操纵性能、本船速度、目标船尺度、目标船速度等；环境因素主要包括船舶会遇态势、天气情况、交通情况、规则要求和人为因素等。多数的船舶领域模型可以分为以下三种类型：静态船舶领域模型、动态解析船舶领域模型以及模糊船舶领域模型。
静态船舶领域模型:上世纪六七十年代Fuji[1]首次提出船舶领域的概念，定义为其余船舶应避免进入一艘在航船舶一定范围内的水域，并且通过观测交通局面的问卷得出数据，进行统计的概率分析方法，得出了适用于当时通航环境下的椭圆船舶领域表达式。同一时期，学者Goodwin[3]结合《国际海上避碰规则》(后文简称《规则》)中对船舶会遇及避碰的规定，并通过归纳统计，对Fuji船舶领域进行了改良，以开阔水域为通航环境，建立了相应的船舶领域模型。该模型根据《规则》中对号灯的规定，使用由号灯划分出的三个不同扇形作为组合船舶领域，并且认为这三个扇形组成区域是任何船舶的安全航行水域。
随后，Davis等人[4]通过拟合Goodwin船舶领域的边界不连续、难以仿真和应用等缺点，建立了方便使用函数表达的船舶领域，解决了Goodwin船舶领域模型中由于存在的三个不等扇形，使得船舶领域边界难以通过函数表达仿真的问题。在提出的船舶领域模型中，船舶偏离圆心，向着模型的左下方移动，可以近似将圆形领域划分为四个不等的区域的同时，继承了Goodwin船舶领域的创新之处。通过Davis船舶领域模型研究船舶避碰行为时，为保持本船船舶领域模型不被其它船舶入侵，建立了船舶驾驶员需要采取合适避让行动的动界领域。Coldwell[5]按船舶尺寸和会遇局面对观测到数据进行分类统计，在Fuji船舶领域和《规则》的基础上，建立了船舶沿椭圆短轴方向，向左偏移的椭圆船舶领域。
HansenM等[6]经过对丹麦南部水域长达四年的观测和数据统计，利用大量的AIS数据对船舶领域进行研究，建立了开阔水域的船舶领域模型。国内学者孙立成等人[7,8]通过问卷及询问的方式，对驾驶员在船舶航行中的避让行动进行调查，开展相关船舶的避碰决策研究。同时区分多种会遇局面下的船舶避让情况，建立了不同航行环境下的船舶领域，这些模型在传统船舶领域模型的基础上加入了环境影响要素。
动态解析船舶领域模型：我国学者贾传荧[9]通过分析船舶领域尺寸与船速、船长间的映射关系，建立适用于拥挤水域的船舶领域模型，并通过统计方式获取的缩放因子对船舶领域尺寸进行控制。Pietrzykowski[10]等人在多船会遇局面中基于目标船航向及方位的不同，将船舶离散化处理。通过得出的数据进行统计分析，结合船舶碰撞危险度CRI(CollisionRiskIndex)的理论，建立了由规则多边形包围的船舶领域模型。这种船舶领域模型受到船舶驾驶员操船知识及目标船真方位的影响，因此该船舶领域的尺寸是会随着环境动态变化的。向哲[11]通过收集到的AIS数据，提出一种在受限水域内基于网格频数法船舶领域确定方法:Smierzchalski[11-13]通过船速和旋回参数确定尺寸的方式，建立了一种六边形船舶领域模型，但其物理含义模糊，不便于实际应用；郭志新[14]根据船舶转向过程中的运动特性,分析船舶操纵性能与船舶领域模型尺寸间关系，提出不同会遇态势下的船舶领域模型尺寸的计算方法；Wielgosz[15]重点分析在受限水域中船速对船舶领域形状和尺寸的影响。代君[16]分析水流对船舶航行造成的偏航影响，对船舶领域模型进行修正。文献[17]考虑船舶周围不同方向上速度的影响，建立了受限水域航行安全判定的经验船舶领域模型，并根据新加坡海峡收集到的船舶航行数据对模型进行校正。
模糊船舶领域模型：考虑到船舶领域尺寸受驾驶员主观因素影响存在模糊性甚至引起错误操船等问题,赵劲松等[18]采用模糊数学理论对Goodwin提出的船舶领域模型边界进行模糊化处理使得到的船舶领域具有更高的自由度和柔性，便于在航海实践中进行应用。针对影响船舶领域因素众多的问题，Zhou等人[19]采用回归分析技术对影响船舶领域模型的因素进行分析，通过小波分解和神经网络结合的方式对船舶领域与这些因素间的映射关系进行分析并通过心理学函数对领域边界进行模糊化处理，建立一种新的动态模糊船舶领域模型区别于传统的船舶领域模型将船舶周围的领域划分为安全区域和危险区域两个区域。Pietrzykowski[20]利用经验数据对神经网络进行训练，得到输出参数碰撞危险度与船舶避碰参数间的映射关系，并分别在开阔水域和狭窄水域定义了不同危险度下的船舶领域模型。王宁[21,22]建立了四元船舶领域模型以及对应的四元模糊船舶领域模型，并从人、船、环境的角度考虑了船舶领域的主观性和客观性，为了提高船舶领域模型的准确性和可操作性，进一步提出随时间变化的动态四元船舶领域模型。
由于受多种不确定因素影响，目前现有广泛使用的椭圆形船舶领域模型没有考虑船舶速度和船舶操纵性能的影响，是一个固定大小的领域，通常被视为海上交通的客观区域，而不是导航员自愿保留的主观区域，因此不能准确地评估碰撞风险和规划避碰操作。而大多数考虑了船舶因素的船舶领域形状不规则，难以计算和应用，使得船舶领域在海上碰撞风险评估和避碰过程中的实际应用受阻。
[1]Yahei Fujii,Shiobara Reijiro.The Analysis of Traffic Accidents[J].The Journal of Navigation,1971,24(4):534-543.
[2]Rafal Szlapczynski,Szlapczynska Joanna.Review of ship safetydomains:Models and applications[J].Ocean Engineering,2017,145277-289.
[3]E-M Goodwin.A Statistical Study of Ship Domains[J].Journal ofNavigation,1975,28(3):328-344.
[4]P-V Davis,Dove M-J,Stockel C-T.A Computer Simulation of MarineTraffic Using Domains and Arenas[J].Journal of Navigation,1980,33(02):215.
[5]T-G Coldwell.Marine Traffic Behaviour in Restricted Waters[J].Journal of Navigation,1983,36(3):430-444.
[6]M-G Hansen,Jensen T-K,Lehn-Schi Ler T,et al.Empirical Ship Domainbased on AIS Data[J].Journal of Navigation,2013,66(06):931-940.
[7]孙立成.船舶避碰决策数学模型的研究[D].大连海事大学,2000.
[8]刘绍满.内河船舶拥挤水域通过能力的研究[D].大连海事大学,2006.
[9]贾传荧.拥挤水域内船舶领域的探讨[J].大连海运学院学报,1989,(04):15-19.
[10]Z Pietrzykowski,Uriasz J.The Ship Domain–A Criterion ofNavigational Safety Assessment in an Open Sea Area[J].Journal of Navigation,2009,62(1):93-108.
[11]向哲，胡勤友，施朝健，等.基于AIS数据的受限水域船舶领域计算方法[J].交通运输工程学报,2015,15(05):110-117.
[12]R Smierzchalski,Michalewicz Z.Modeling of ship trajectory incollision situations by an evolutionary algorithm[J].IEEE Transactions onEvolutionary Computation,2000.
[13]R Smierzchalski.On-Line Trajectory Planning in CollisionSituations at Sea by Evolutionary Computation-Experiments[J].IFAC ProceedingsVolumes,2001,34(7):407-412.
[14]郭志新.船舶领域边界的量化分析[J].武汉造船,2001,(S1):63-64.
[15]M Wielgosz,Pietrzykowski Z.Ship domain in the restricted area–analysis of the influence of ship speed on the shape and size of the domain[J].Chinese Journal of Clinical Neurosurgery,2012,36(5):514.
[16]代君，王当利，刘克中.基于船舶领域模型的港口受限航道通过能力计算方法[J].武汉理工大学学报(交通科学与工程版),2009,33(4):679-682.
[17]Y Wang,Chin Hoong-Chor.An Empirically-Calibrated Ship Domain as aSafety Criterion for Navigation in Confined Waters[J].Journal of Navigation,2016,69(2):257-276.
[18]J Zhao,Wu Z,Wang F.Comments on Ship Domains[J].Journal ofNavigation,1993,46(3):422-436.
[19]D Zhou,Zheng Z.Dynamic Fuzzy Ship Domain Considering the Factorsof Own Ship and Other Ships[J].The Journal of Navigation,2019,72(2):467-482.
[20]Z Pietrzykowski.Ship's Fuzzy Domain:a Criterion for NavigationalSafety in Narrow Fairways[J].Journal of Navigation,2008,61(3):499-514.
[21]N Wang.An Intelligent Spatial Collision Risk Based on theQuaternion Ship Domain.[J].Journal of Navigation,2010.
[22]N Wang.A Novel Analytical Framework for Dynamic Quaternion ShipDomains[J].Journal of Navigation,2013,66(2):265-281.
发明内容
本发明提供一种AIS数据驱动的动态椭圆船舶领域模型的构建方法，以克服上述技术问题。
为了实现上述目的，本发明的技术方案是：
一种AIS数据驱动的动态椭圆船舶领域模型的构建方法，包括以下步骤：
步骤S1：获取本船与目标船的船舶信息，并根据所述本船与目标船的船舶信息优化四元数船舶领域QSD的参数半径；
所述船舶信息包括船舶航向、船舶航速、船舶的长度、船舶方位坐标以及本船航向与目标船航向的夹角；
所述参数半径包括第一参数半径Rfore、第二参数半径Raft、第三参数半径Rport以及第四参数半径Rstard；
步骤S2：基于所述参数半径获取包围本船的多边形；
步骤S3：根据最小二乘算法对所述多边形进行近似拟合椭圆，获取椭圆长半轴a与椭圆短半轴b；
根据所述椭圆的长半轴a与短半轴b获取船舶在领域中偏移量；
所述偏移量包括船舶沿椭圆长轴从椭圆圆心向船尾的偏移量Δa与船舶沿椭圆短轴向船舶左舷偏移量Δb；
步骤S4：根据所述椭圆长半轴a、椭圆短半轴b以及所述偏移量获取动态椭圆船舶领域的边界方程；
步骤S5：通过AIS数据获取不同会遇局面下的影响系数s，并基于所述不同会遇局面下的影响系数s对动态椭圆船舶领域的边界方程式进行调整，获得动态椭圆船舶领域模型。
进一步的，步骤S1中所述优化四元数船舶领域QSD的参数半径的计算公式为
式中：L表示本船的船身长度；v表示本船的航行速度；s表示不同会遇局面下的影响系数；T90表示船舶旋转90°所需要的时间，且DT表示回旋战术直径(Tactical diameter)，从船舶原来航线至船首转向180°时船纵中剖面所在位置之间的距离；AD表示为纵距(advance)，从转舵开始时刻船舶重心所在的位置至船首转向90°时船舶纵中剖面的距离；
所述AD和DT的值近似估计公式为：
且不同会遇局面下的影响系数s的计算公式为：
式中：vt表示其他船舶的航行速度；α表示本船与其他船的航向夹角。
进一步的，步骤S3中所述获取椭圆长半轴a与椭圆短半轴b具体为
以本船船体为圆心，以船舶右舷正横方向为x轴正方向，以船首向方向为y轴正方向建立笛卡尔坐标系，获取在所述笛卡尔坐标系下多边形的各顶点坐标；根据所述多边形的各顶点坐标值获取椭圆长半轴a与椭圆短半轴b，计算公式
式中：Rfore、Raft、Rport以及Rstard表示四元数船舶领域QSD的参数半径；
所述船舶在领域中偏移量的计算公式为
Δa＝|Rfore|-a,Δb＝|Rstarb|-b
式中：Δa表示船舶沿椭圆长轴从椭圆圆心向船尾的偏移量；Δb表示船舶沿椭圆短轴向船舶左舷偏移量。
进一步的，步骤S4中所述动态椭圆船舶领域的边界方程为
进一步的，步骤S5中所述获取动态椭圆船舶领域模型具体为
步骤S5.1：以大地坐标系为基准，以正北方向为y轴正方向，以正东方向为x轴正方向，并获取在所述大地坐标系下的本船与目标船的船舶信息；
所述船舶信息包括船舶航向、船舶航速以及船舶的坐标；
步骤S5.2：根据所述船舶信息确认本船与目标船的会遇局面影响的系数S；
步骤S5.3：根据所述会遇局面影响的系数S再次优化更新四元数船舶领域QSD的参数半径；所述参数半径包括第一参数半径Rfore、第二参数半径Raft、第三参数半径Rport以及第四参数半径Rstard；
并基于所述参数半径获取优化更新的椭圆船舶领域的长半轴a与短半轴b，并根据优化更新后的所述椭圆的长半轴a与短半轴b获取优化更新的船舶在领域中偏移量；
所述椭圆船舶领域的长半轴a与短半轴b的更新计算公式为
a＝k(|Rfore|+|Raft|),b＝k(|Rstarb|+|Rport|)
式中：k表示换算因子，且
所述船舶在领域中偏移量的更新公式为；
Δa＝k|Rfore|-a,Δb＝k|Rstarb|-b
步骤S5.4：根据所述优化更新的船舶在领域中偏移量，获取在所述大地坐标系下，以AIS数据驱动的动态椭圆船舶领域模型的新椭圆中心坐标；
式中：xoc表示AIS数据驱动的动态椭圆船舶领域模型的椭圆中心的横坐标；yoc表示AIS数据驱动的动态椭圆船舶领域模型的椭圆中心的纵坐标；表示在笛卡尔坐标系下的本船的船舶航向；xos表示在笛卡尔坐标系下本船当前位置的横坐标；yos表示在笛卡尔坐标系下本船当前位置的纵坐标；
步骤S5.5：根据所述动态椭圆船舶领域模型的新椭圆中心坐标与所述动态椭圆船舶领域的边界方程，获得动态椭圆船舶领域模型，所述动态椭圆船舶领域模型的表达式为
有益效果：本发明提供了一种AIS数据驱动的动态椭圆船舶领域模型的构建方法，通过本船与目标船的船舶信息优化四元数船舶领域QSD的参数半径；并基于所述参数半径获取包围本船的多边形；根据最小二乘算法对多边形进行近似拟合椭圆获取椭圆长半轴a与椭圆短半轴b；进而根据椭圆的长半轴a与短半轴b获取船舶在领域中偏移量；通过椭圆长半轴a、椭圆短半轴b以及所述偏移量获取动态椭圆船舶领域的边界方程；在通过AIS数据获取不同会遇局面下的影响系数s，并基于所述不同会遇局面下的影响系数s对动态椭圆船舶领域的边界方程式进行调整，获得动态椭圆船舶领域模型；解决了对于同一艘船舶来说不同运动状态下的船舶领域是固定的问题，本发明通过船舶AIS数据获取本船与其他船舶领域不同运动状态下船舶的会遇影响来动态调整椭圆船舶领域模型，使椭圆船舶领域模型的大小是随着船舶速度和船舶操纵性参数变化的，更符合船舶航海的实际情况。
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作一简单地介绍，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为本发明AIS数据驱动的动态椭圆船舶领域模型构建方法的流程图；
图2为本发明AIS数据驱动的动态椭圆船舶领域模型构建方法的椭圆船舶领域模型图；
图3为本发明AIS数据驱动的动态椭圆船舶领域模型构建方法的船舶不同会遇情景示意图；
图4为本发明AIS数据驱动的动态椭圆船舶领域模型构建方法的在大地坐标系下的动态椭圆船舶领域示意图；
图5为本实施例中本申请的动态椭圆船舶领域、Coldwell以及Szlapczynski的船舶领域的对比示意图；
图6为本实施例中育鹏轮的动态椭圆船舶领域模型半径线条图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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作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。
本实施例提供了一种AIS数据驱动的动态椭圆船舶领域模型的构建方法，如图1所示，包括以下步骤：
步骤S1：获取本船与目标船的船舶信息，并根据所述本船与目标船的船舶信息优化四元数船舶领域QSD的参数半径；所述四元数船舶领域QSD为现有的领域模型(Quaternion ship domain)且所述四元数船舶领域QSD的四个半径(Rfore,Raft,Rport,Rstarb)可将船舶领域分为四个不等的区域，并且这四个区域能充分考虑船舶操纵能力与船速；所述船舶信息包括船舶航向、船舶航速、船舶的长度、船舶方位坐标以及本船航向与目标船航向的夹角；所述参数半径包括第一参数半径Rfore、第二参数半径Raft、第三参数半径Rport以及第四参数半径Rstard；
步骤S2：基于所述参数半径获取包围本船的多边形；由这四个半径的顶点所连接组成的多边形可以视为包围本船的多边形区域；
步骤S3：根据最小二乘算法对所述多边形进行近似拟合椭圆，获取椭圆长半轴a与椭圆短半轴b；根据所述椭圆的长半轴a与短半轴b获取船舶在领域中偏移量；所述偏移量包括船舶沿椭圆长轴从椭圆圆心向船尾的偏移量Δa与船舶沿椭圆短轴向船舶左舷偏移量Δb；
椭圆虽是比较复杂的几何图形，但可以通过二次多项式建立必要的方程来进行函数解析，从而进行建模表达；船舶领域模型的研究通常基于经验数据或实验数据，这意味着研究人员要使用来自中心船舶周围一组点所形成的多边形来构建船舶领域。基于最小二乘算法对使用椭圆的二次曲线函数可以减少基于椭圆标准方程的五个未知数((x0、y0、a、b、α)，其中(x0,y0)为椭圆的中心，a和b分别为椭圆的长短半轴，α逆时针长轴倾斜角)拟合的线性最小二乘问题近似值；
在二次曲线表示法中，对于设定的一组点{(x1,y1),…,(xn,yn)}定义一个一般性椭圆：
Ax2+Bxy+Cy2+Dx+Ey+F＝0
且为避免二次型中的退化矩阵则有：
B2-4AC＜0
同时在不失一般性的情况下令A＝1则有：
x2+Bxy+Cy2+Dx+Ey+F＝0
B2-4C＜0
对于这样的一个被定义的椭圆方程和一组给定的点{(x1,y1),…,(xn,yn)}，从椭圆方程到点集的距离(在最小二乘法中)为：
从椭圆二次曲线进行解析转换计算获得(x0,y0)为椭圆的中心，a和分别为椭圆的长半轴a与短半轴b以及逆时针长轴倾斜角α，进行得到更简便的椭圆标准参数表达式，计算公式如下：
如果通过式指定一个椭圆，我们可以计算得到(x0、y0、a、b、α)：
椭圆几何中心(x0,y0)的计算公式为：
长半轴a与短半轴为b计算公式为：
逆时针长轴倾斜角α的计算公式为：
则椭圆标准参数表达式：
椭圆标准参数表达式是一个考虑一般性椭圆的通用方程，但实际上，椭圆船舶领域一般平行于船舶的速度矢量，我们以本船中心作为原点，以船舶右舷正横方向为x轴正方向，以船首向方向为y轴正方向，建立笛卡尔坐标，对指定构成椭圆区域的拟合只需要进行一次，该过程不必因为会遇情况实时重复进行，因此不会影响到通过函数解析来确定椭圆领域参数计算的精确度；
步骤S4：根据所述椭圆长半轴a、椭圆短半轴b以及所述偏移量获取动态椭圆船舶领域的边界方程；
步骤S5：通过AIS数据获取不同会遇局面下的影响系数s，并基于所述不同会遇局面下的影响系数s对动态椭圆船舶领域的边界方程式进行调整，获得动态椭圆船舶领域模型。
通过本船与目标船的船舶信息优化四元数船舶领域QSD的参数半径；并基于所述参数半径获取包围本船的多边形；根据最小二乘算法对多边形进行近似拟合椭圆获取椭圆长半轴a与椭圆短半轴b；进而根据椭圆的长半轴a与短半轴b获取船舶在领域中偏移量；通过椭圆长半轴a、椭圆短半轴b以及所述偏移量获取动态椭圆船舶领域的边界方程；在通过AIS数据的静态信息和动态信息对动态椭圆船舶领域的边界方程式进行调整，获得动态椭圆船舶领域模型；解决了对于同一艘船舶来说不同运动状态下的船舶领域是固定的问题，本发明通过船舶AIS数据获取本船与其他船舶领域不同运动状态下船舶的会遇影响来动态调整椭圆船舶领域模型，所述船舶AIS数据包括静态信息与动态信息，所述静态信息包括船舶MMSI编号、船舶类型、船舶在航状态以及船舶外形尺寸；所述动态信息包括船舶航速、船舶航向以及船舶位置的经/纬度，使椭圆船舶领域模型的大小是随着船舶速度和船舶操纵性参数变化的，更符合船舶航海的实际情况。
在具体实施例中，如图2所示，步骤S1中所述优化四元数船舶领域QSD的参数半径具体为，根据阻塞区域估计公式对四元数船舶领域的四个半径(Rfore,Raft,Rport,Rstarb)进行优化，计算得到优化的QSD的四个半径，计算公式如下：
式中：L表示本船的船身长度；v表示本船的航行速度，v是以节为单位的船舶速度；s表示不同会遇局面下的影响系数；T90表示船舶旋转90°所需要的时间，且DT表示回旋战术直径(Tactical diameter)，从船舶原来航线至船首转向180°时船纵中剖面所在位置之间的距离；
所述AD和DT的值近似估计公式为：
其中AD表示为纵距(Advance)，从转舵开始时刻船舶重心所在的位置至船首转向90°时船舶纵中剖面的距离。一般船舶纵距其数值越大，表示船舶对操舵反映越迟钝，即应舵较慢；
如图3所示，且不同会遇局面下的影响系数s的计算公式为：
式中：vt表示其他船舶的航行速度；α表示本船与其他船的航向夹角。
在具体实施例中，步骤S3中所述获取椭圆长半轴a与椭圆短半轴b具体为：以本船船体为圆心，以船舶右舷正横方向为x轴正方向，以船首向方向为y轴正方向建立笛卡尔坐标系，获取在所述笛卡尔坐标系下多边形的各顶点坐标；根据所述多边形的各顶点坐标值获取椭圆长半轴a与椭圆短半轴b，计算公式
式中：Rfore、Raft、Rport以及Rstard表示四元数船舶领域QSD的参数半径；所述船舶在领域中偏移量的计算公式为
Δa＝|Rfore|-a,Δb＝|Rstarb|-b
式中：Δa表示船舶沿椭圆长轴从椭圆圆心向船尾的偏移量；Δb表示船舶沿椭圆短轴向船舶左舷偏移量。
在具体实施例中，步骤S4中所述动态椭圆船舶领域的边界方程为
式中，a和b为分别领域的长短轴参数；Δa，船舶沿椭圆长轴从椭圆圆心向船尾的偏移量；Δb，船舶沿椭圆短轴向船舶左舷偏移量。
在具体实施例中，步骤S5中所述获取动态椭圆船舶领域模型具体为
步骤S5.1：如图4所示，将笛卡尔坐标系(空间坐标系)转化为大地坐标系，并以大地坐标系为基准，以正北方向为y轴正方向，以正东方向为x轴正方向，并获取在所述大地坐标系下的本船与目标船的船舶信息；所述船舶信息包括船舶航向、船舶航速以及船舶的坐标；
船舶AIS数据包含了丰富的船舶交通信息，主要有船舶MMSI编号，船舶类型、船舶在航状态、外形尺寸等静态信息，和船舶航速、航向、位置(经度和纬度)等动态信息。我们可以通过AIS数据实时了解本船及本船周围其他船舶航行意图。AIS数据的传输速率从两秒到三分钟不等，取决于船舶航速和转弯速率。AIS数据可以为动态椭圆船舶领域提供船舶的静态信息和动态信息。本文通过选取AIS数据驱动动态椭圆船舶领域作为船舶碰撞危险评价的依据，将以固定船舶为原点的坐标系转换为AIS数据中的对地坐标系位置；
步骤S5.2：根据所述船舶信息确认本船与目标船的会遇局面影响的系数S；
步骤S5.3：根据所述会遇局面影响的系数S再次优化更新四元数船舶领域QSD的参数半径；所述参数半径包括第一参数半径Rfore、第二参数半径Raft、第三参数半径Rport以及第四参数半径Rstard；
并基于所述参数半径获取优化更新的椭圆船舶领域的长半轴a与短半轴b，并根据优化更新后的所述椭圆的长半轴a与短半轴b获取优化更新的船舶在领域中偏移量；动态椭圆船舶领域的长短轴，偏移量参数是以m为单位呈现的，因此为了满足后续的算法计算以及可视化显示的需求，需要在新坐标中转化为单位一致，航海上通用的转化为
式中为船舶所在的纬度。在航海实践中，通常将1nmile的长度固定为1852m，该过程产生的误差并不大，可以忽略不计；为简化计算，我们也做了类似处理，认为1海里等于1852m；
所述椭圆船舶领域的长半轴a与短半轴b的更新计算公式为
a＝k(|Rfore|+|Raft|),b＝k(|Rstarb|+|Rport|)
式中：k表示换算因子，且
所述船舶在领域中偏移量的更新公式为；
Δa＝k|Rfore|-a,Δb＝k|Rstarb|-b
步骤S5.4：根据所述优化更新的船舶在领域中偏移量，获取在所述大地坐标系下，以AIS数据驱动的动态椭圆船舶领域模型的新椭圆中心坐标；
式中：xoc表示AIS数据驱动的动态椭圆船舶领域模型的椭圆中心的横坐标；yoc表示AIS数据驱动的动态椭圆船舶领域模型的椭圆中心的纵坐标；表示在笛卡尔坐标系下本船的船舶航向；xos表示在笛卡尔坐标系下本船当前位置的横坐标；yos表示在笛卡尔坐标系下本船当前位置的纵坐标；
步骤S5.5：根据所述动态椭圆船舶领域模型的新椭圆中心坐标与所述动态椭圆船舶领域的边界方程，获得动态椭圆船舶领域模型，所述动态椭圆船舶领域模型的表达式为
动态椭圆船舶领域模型参数计算与验证：为了验证椭圆船舶领域的尺寸与船舶自身的长度和速度的关联，假设在对遇局面中，对“育鹏轮”和“育鲲轮”进行相应的数值模拟计算。船舶速度均从5节加速到18节进行计算，参数计算结果，结果使用海里表示，如表3所示；
同时，为了验证选取的AIS数据驱动的动态椭圆船舶领域的优越性，选取Coldwell和Szlapczynski的偏中心船舶领域分别计算出两船在对遇局面下的领域尺寸参数，并绘制可视图，如图5所示。其中这两艘船舶的基本参数信息如表1所示，仿真实验的船舶初始信息如表2所示。
表1.育鹏轮和育鲲轮的基本参数.
表2.育鹏轮和育鲲轮在对遇局面下的初始时刻信息.
表3.育鹏轮和育鲲轮的动态椭圆船舶领域半径.
从图5和图6可以看出，动态椭圆船舶领域尺寸随着船舶的航速以及操纵性参数变化，呈现出船首方向区域大，船位小，右舷大，左舷小的分布情况，这与航海实践中存在的船舶前方危险比船尾方向大，船舶右舷危险比左舷大的观点相一致，而且这一情况充分考虑了《规则》和船员的船舶操纵习惯。Coldwell和Szlapczynski的偏中心船舶领域均只与船舶长度相关，未考虑船舶操纵性。若船舶领域过小，使用基于船舶领域模型的碰撞危险度识别标准会导致他船侵入船舶领域时，船舶间安全距离较小，船舶无法检测到碰撞风险，导致船舶的碰撞风险信息延迟。而船舶领域过大，使用标准时，船舶间的安全距离过大，导致频频发生预警，不利于采取避碰行动避碰，行动幅度过大。动态椭圆船舶领域尺寸合适，且符合航海实际需求。
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 (5)
1.一种AIS数据驱动的动态椭圆船舶领域模型的构建方法，包括以下步骤：
步骤S1：获取本船与目标船的船舶信息，并根据所述本船与目标船的船舶信息优化四元数船舶领域QSD的参数半径；
所述船舶信息包括船舶航向、船舶航速、船舶的长度、船舶方位坐标以及本船航向与目标船航向的夹角；
所述参数半径包括第一参数半径Rfore、第二参数半径Raft、第三参数半径Rport以及第四参数半径Rstard；
步骤S2：基于所述参数半径获取包围本船的多边形；
步骤S3：根据最小二乘算法对所述多边形进行近似拟合椭圆，获取椭圆长半轴a与椭圆短半轴b；
根据所述椭圆的长半轴a与短半轴b获取船舶在领域中偏移量；
所述偏移量包括船舶沿椭圆长轴从椭圆圆心向船尾的偏移量Δa与船舶沿椭圆短轴向船舶左舷偏移量Δb；
步骤S4：根据所述椭圆长半轴a、椭圆短半轴b以及所述偏移量获取动态椭圆船舶领域的边界方程；
步骤S5：通过AIS数据获取不同会遇局面下的影响系数s，并基于所述不同会遇局面下的影响系数s对动态椭圆船舶领域的边界方程式进行调整，获得动态椭圆船舶领域模型。
2.根据权利要求1所述的一种AIS数据驱动的动态椭圆船舶领域模型的构建方法，其特征在于，步骤S1中所述优化四元数船舶领域QSD的参数半径的计算公式为
式中：L表示本船的船身长度；v表示本船的航行速度；s表示不同会遇局面下的影响系数；T90表示船舶旋转90°所需要的时间，且DT表示回旋战术直径，从船舶原来航线至船首转向180°时船纵中剖面所在位置之间的距离；AD表示为纵距，从转舵开始时刻船舶重心所在的位置至船首转向90°时船舶纵中剖面的距离；
所述AD和DT的值近似估计公式为：
且不同会遇局面下的影响系数s的计算公式为：
式中：vt表示其他船舶的航行速度；α表示本船与其他船的航向夹角。
3.根据权利要求1所述的一种AIS数据驱动的动态椭圆船舶领域模型的构建方法，其特征在于，步骤S3中所述获取椭圆长半轴a与椭圆短半轴b具体为
以本船船体为圆心，以船舶右舷正横方向为x轴正方向，以船首向方向为y轴正方向建立笛卡尔坐标系，获取在所述笛卡尔坐标系下多边形的各顶点坐标；根据所述多边形的各顶点坐标值获取椭圆长半轴a与椭圆短半轴b，计算公式
式中：Rfore、Raft、Rport以及Rstard表示四元数船舶领域QSD的参数半径；
所述船舶在领域中偏移量的计算公式为
Δa＝|Rfore|-a,Δb＝|Rstarb|-b
式中：Δa表示船舶沿椭圆长轴从椭圆圆心向船尾的偏移量；Δb表示船舶沿椭圆短轴向船舶左舷偏移量。
4.根据权利要求1所述的一种AIS数据驱动的动态椭圆船舶领域模型的构建方法，其特征在于，步骤S4中所述动态椭圆船舶领域的边界方程为
5.根据权利要求1所述的一种AIS数据驱动的动态椭圆船舶领域模型的构建方法，其特征在于，步骤S5中所述获取动态椭圆船舶领域模型具体为
步骤S5.1：以大地坐标系为基准，以正北方向为y轴正方向，以正东方向为x轴正方向，并获取在所述大地坐标系下的本船与目标船的船舶信息；
所述船舶信息包括船舶航向、船舶航速以及船舶的坐标；
步骤S5.2：根据所述船舶信息确认本船与目标船的会遇局面影响的系数S；
步骤S5.3：根据所述会遇局面影响的系数s再次优化更新四元数船舶领域QSD的参数半径；所述参数半径包括第一参数半径Rfore、第二参数半径Raft、第三参数半径Rport以及第四参数半径Rstard；
并基于所述参数半径获取优化更新的椭圆船舶领域的长半轴a与短半轴b，并根据优化更新后的所述椭圆的长半轴a与短半轴b获取优化更新的船舶在领域中偏移量；
所述椭圆船舶领域的长半轴a与短半轴b的更新计算公式为
a＝k(|Rfore|+|Raft|),b＝k(|Rstarb|+|Rport|)
式中：k表示换算因子，且
所述船舶在领域中偏移量的更新公式为；
Δa＝k|Rfore|-a,Δb＝k|Rstarb|-b
步骤S5.4：根据所述优化更新的船舶在领域中偏移量，获取在所述大地坐标系下，以AIS数据驱动的动态椭圆船舶领域模型的新椭圆中心坐标；
式中：xoc表示AIS数据驱动的动态椭圆船舶领域模型的椭圆中心的横坐标；yoc表示AIS数据驱动的动态椭圆船舶领域模型的椭圆中心的纵坐标；表示在笛卡尔坐标系下的本船的船舶航向；xos表示在笛卡尔坐标系下本船当前位置的横坐标；yos表示在笛卡尔坐标系下本船当前位置的纵坐标；
步骤S5.5：根据所述动态椭圆船舶领域模型的新椭圆中心坐标与所述动态椭圆船舶领域的边界方程，获得动态椭圆船舶领域模型，所述动态椭圆船舶领域模型的表达式为
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310563756.6A CN116522671B (zh) | 2023-05-18 | 2023-05-18 | 一种ais数据驱动的动态椭圆船舶领域模型的构建方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310563756.6A CN116522671B (zh) | 2023-05-18 | 2023-05-18 | 一种ais数据驱动的动态椭圆船舶领域模型的构建方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116522671A CN116522671A (zh) | 2023-08-01 |
| CN116522671B true CN116522671B (zh) | 2023-12-19 |
Family
ID=87397594
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310563756.6A Active CN116522671B (zh) | 2023-05-18 | 2023-05-18 | 一种ais数据驱动的动态椭圆船舶领域模型的构建方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116522671B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103207937A (zh) * | 2013-04-15 | 2013-07-17 | 大连海事大学 | 一种四元船舶安全领域模型及船舶避碰方法 |
| CN103204223A (zh) * | 2013-04-15 | 2013-07-17 | 大连海事大学 | 一种模糊四元船舶安全领域模型及船舶避碰方法 |
| CN109166355A (zh) * | 2018-07-20 | 2019-01-08 | 大连海事大学 | 一种船舶航道航行时的变速避让系统 |
| CN112699315A (zh) * | 2020-12-30 | 2021-04-23 | 中南大学 | 基于ais数据的船舶异常行为探测方法 |
| CN116580597A (zh) * | 2023-05-30 | 2023-08-11 | 中海电信有限公司 | 一种基于ais的船舶防撞预警系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2022200545A1 (en) * | 2021-01-29 | 2022-08-18 | WiseTech Global (Licensing) Pty Ltd | Vessel tracking |
-
2023
- 2023-05-18 CN CN202310563756.6A patent/CN116522671B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103207937A (zh) * | 2013-04-15 | 2013-07-17 | 大连海事大学 | 一种四元船舶安全领域模型及船舶避碰方法 |
| CN103204223A (zh) * | 2013-04-15 | 2013-07-17 | 大连海事大学 | 一种模糊四元船舶安全领域模型及船舶避碰方法 |
| CN109166355A (zh) * | 2018-07-20 | 2019-01-08 | 大连海事大学 | 一种船舶航道航行时的变速避让系统 |
| CN112699315A (zh) * | 2020-12-30 | 2021-04-23 | 中南大学 | 基于ais数据的船舶异常行为探测方法 |
| CN116580597A (zh) * | 2023-05-30 | 2023-08-11 | 中海电信有限公司 | 一种基于ais的船舶防撞预警系统 |
Non-Patent Citations (4)
| Title |
|---|
| Modelling and simulation of intelligent collision avoidance based on ship domain;Weifeng Li等;International Journal of Simulation and Process Modelling;第15卷(第1-2期);64-75 * |
| 基于AIS数据的受限水域船舶领域计算方法;向哲;胡勤友;施朝健;杨春;;交通运输工程学报(第05期);114-121 * |
| 基于动态水域网格计算的船舶领域研究;赵健;王新建;高飞德;张文拴;;舰船科学技术(第09期);156-160 * |
| 基于最短避碰距离和碰撞危险度的避碰决策支持;刘冬冬;史国友;李伟峰;陈作桓;江健;;上海海事大学学报(第01期);16-21 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116522671A (zh) | 2023-08-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Shen et al. | Automatic collision avoidance of multiple ships based on deep Q-learning | |
| CN108564202B (zh) | 一种基于环境预报信息的无人艇航线优化方法 | |
| Tsou et al. | Decision support from genetic algorithms for ship collision avoidance route planning and alerts | |
| Tam et al. | Review of collision avoidance and path planning methods for ships in close range encounters | |
| CN111580518B (zh) | 一种基于改进果蝇优化和动态窗口法的无人艇分层避障方法 | |
| Fang et al. | A simplified simulation model of ship navigation for safety and collision avoidance in heavy traffic areas | |
| CN109597417B (zh) | 一种基于避碰准则的多usv群体协同避碰规划方法 | |
| CN108711312A (zh) | 基于bp神经网络的船舶与静态物标碰撞风险预判方法 | |
| CN111536962B (zh) | 智能船舶的航线规划方法及装置、存储介质、计算机设备 | |
| JP2021018484A (ja) | 周辺状態表現方法、避航動作学習プログラム、避航動作学習システム、及び船舶 | |
| Song et al. | Method of emergency collision avoidance for unmanned surface vehicle (USV) based on motion ability database | |
| Zhao et al. | Decision-making for the autonomous navigation of USVs based on deep reinforcement learning under IALA maritime buoyage system | |
| CN109765914A (zh) | 一种基于滑窗粒子群的水面无人艇避碰方法 | |
| CN116700295A (zh) | 一种复杂水域的船舶自主避碰方法 | |
| Wu et al. | Multi-vessels collision avoidance strategy for autonomous surface vehicles based on genetic algorithm in congested port environment | |
| RU2467914C1 (ru) | Способ контроля мореходности судна и устройство для его осуществления | |
| Hansen et al. | Autonomous navigation in confined waters-a COLREGs rule 9 compliant framework | |
| CN116522671B (zh) | 一种ais数据驱动的动态椭圆船舶领域模型的构建方法 | |
| Vagale et al. | Evaluation of path planning algorithms of autonomous surface vehicles based on safety and collision risk assessment | |
| CN114387822B (zh) | 船舶避碰方法 | |
| İnan et al. | Particle swarm optimization-based collision avoidance | |
| Gierusz et al. | The researching ship “Gdynia “ | |
| Życzkowski | Sailing route planning method considering various user categories | |
| Wu et al. | Deliberative collision avoidance for unmanned surface vehicle based on the directional weight | |
| Zeng et al. | Planning a collision avoidance model for ship using genetic algorithm |
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 |