CN117634719A - 一种基于航行概率与空间拓扑约束的航线预测方法及系统 - Google Patents
一种基于航行概率与空间拓扑约束的航线预测方法及系统 Download PDFInfo
- Publication number
- CN117634719A CN117634719A CN202410100744.4A CN202410100744A CN117634719A CN 117634719 A CN117634719 A CN 117634719A CN 202410100744 A CN202410100744 A CN 202410100744A CN 117634719 A CN117634719 A CN 117634719A
- Authority
- CN
- China
- Prior art keywords
- node
- probability
- matrix
- grid
- path
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 239000011159 matrix material Substances 0.000 claims abstract description 65
- 238000004891 communication Methods 0.000 claims abstract description 31
- 238000010586 diagram Methods 0.000 claims abstract description 9
- 238000012876 topography Methods 0.000 claims abstract description 5
- 238000013507 mapping Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 241000764238 Isis Species 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009189 diving Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Navigation (AREA)
Abstract
本申请公开了一种基于航行概率与空间拓扑约束的航线预测方法及系统,包括:根据海陆特征,构建航道连通图,并确定航道连通图中的节点、边,以及边的权重,其中所述航道连通图是以海陆地形为基础的无向图,边的权重根据格网间的距离和相邻节点的海陆属性决定;基于所构建的航道连通图,将边的权重以及局部航迹出现概率组合作为距离,确定出起点与终点的最短路径,以作为预测的航行路线。本申请通过将船舶的历史航线信息映射至局部航迹出现概率矩阵,将空间信息映射至航道连通图,以历史航行概率和空间拓扑特征约束航线预测,不需引入大量参数,为远海远域等信息稀疏场景提供支撑。
Description
技术领域
本申请涉及船舶航线技术领域,尤其涉及一种基于航行概率与空间拓扑约束的航线预测方法及系统。
背景技术
随着全球化的发展以及科技的进步,船舶在经济、科研、军事等领域发挥的作用越来越重要,船舶的数量也越来越多,如何时刻了解船舶在海上的分布态势成为亟待解决的问题,对船舶轨迹的预测是分析船舶海上态势重要的一步。
传统的船舶航线预测方法依赖输入的船舶的相关参数多,如专利“船舶轨迹预测方法及装置”(CN111272171A)”,除了需要坐标、航速、航向等参数外,还需要舯吃水、方位角、纵倾角、横倾角、主机功率等船舶状态信息,以及风向、流速流向、浪高浪向、水温、盐度、潜水区域等环境信息,如“基于LSTM-EMD模型的船舶轨迹预测方法”(王均刚等.舰船电子工程,2023,43(07))则需要密集而连续点位信息。而遥感等卫星侦察数据往往数据点位稀疏,且无操作性参数等数据。
近些年船舶航线预测工作大都是对连续航迹数据进行拟合如“基于非线性回归的目标航迹预测算法”(赵竞哲等.软件,2023,44(04)),“融合数据质量控制和transformer网络的船舶航迹预测方法及系统”(CN116541708A)等,但在连续航迹中往往是以连续密集的近似直线点位为主,而在拐点处的数据占比极少,往往会被模型拟合弱化,而拐点在轨迹中是包含信息更多的。
有预测方法大都是是对航迹数据的拟合,对空间地形或是考虑少(如深度学习方式仅假设数据中包含空间信息,算法通过黑盒的方式挖掘出相关信息),或是不考虑,而空间信息在船舶航行时是重要的。
发明内容
本申请实施例提供一种基于航行概率与空间拓扑约束的航线预测方法及系统,以历史航行概率和空间拓扑特征约束航线预测,不需引入大量参数,为远海远域等信息稀疏场景提供支撑。
本申请实施例提供一种基于航行概率与空间拓扑约束的航线预测方法,包括:
根据海陆特征,构建航道连通图,并确定航道连通图中的节点、边,以及边的权重,其中所述航道连通图是以海陆地形为基础的无向图,边的权重根据格网间的距离和相邻节点的海陆属性决定;
基于所构建的航道连通图,将边的权重以及局部航迹出现概率组合作为距离,确定出起点与终点的最短路径,以作为预测的航行路线。
可选的,根据海陆特征,构建航道连通图包括:
将包含海洋和陆地的地形图,按照指定规则,映射至划分的格网中,其中格网中包含海洋的网格作为航道连通图的节点,网格之间的连通关系作为航道连通图的边。
可选的,确定航道连通图中的节点、边,以及边的权重包括:
筛选出网格内部为海洋的网格;
遍历所筛选出的海洋的网格相应的节点,并判断节点为海洋,将相应的边加入边集合;
根据节点与其相邻节点中心的相对距离计算权重值,其中节点的相邻节点是与该节点的对应网格相邻的网格。
可选的,基于所构建的航道连通图,将边的权重以及局部航迹出现概率组合作为距离,确定出起点与终点的最短路径包括:
构建局部航迹出现概率矩阵,其中所述局部航迹出现概率矩阵由节点本身与相邻点组成的概率矩阵;
初始化可达性矩阵、路径表及待测点集合;
基于初始化的可达性矩阵、路径表及待测点集合,查找出距离最小节点,并更新最短距离集合与路径表;
执行遍历,以确定出起点与终点的最短路径。
可选的,构建局部航迹出现概率矩阵具体包括:
将历史船舶航迹映射至格网,以构建航迹经过频次矩阵,定义网格中航迹的个数为该网格对应元素值,计算船舶在某网格时的局部航迹出现概率矩阵,满足:
其中,为船舶在网格i时,转移到网格j的局部概率,为航迹经过频次矩阵中j
点的元素,表示网格j中出现航迹的频次,为局部航迹出现概率矩阵的元素个数。
可选的,初始化可达性矩阵、路径表及待测点集合具体包括:
初始化可达性矩阵为的方阵,其中可达性矩阵的行列数为航道连
通图的矩阵表达中点的个数,每一行或列代表一个出发节点或到达节点,可
达性矩阵的元素代表节点到的“距离”,可达性矩阵对角线上的元素,边集合中存在边的节点对应的元素,,表示边的权重,其余
元素无穷大;
定义为出发点,初始待测点集合为除出发点以外的所有点的集合;
路径表,由个路径有序集合组成,每个有序集合代
表由出发点到某个节点的路径,与可达性矩阵的第行的每个元素相对应,初始时路径
表每个集合包含该元素本身。
可选的,基于初始化的可达性矩阵、路径表及待测点集合,查找出距离最小节点,并更新最短距离集合与路径表包括:
遍历待测点集合S,查找出与出发点距离最小的节点满足:
其中,表示边的权重;
更新最短距离集合与路径表,计算出发点通过节点到与节点近邻点()的距离,并判断新距离与当前可达矩阵中元素的大小关系,若新
距离小则更新元素为新距离,以及将到达节点的路径更新通过节点到达的路径
即,否则不变。
可选的,执行遍历,以确定出起点与终点的最短路径包括:
其中,表示在可达性矩阵中到的可达性权重,表示边的权重,表示船舶在网格m时,转移到网格j的局部概率;
更新路径,完成后,将节点从中移除();
重复查找出距离最小节点,直至到达点不在待测点集合中,返回路径集合,即为预测的船舶航行路线。
本申请实施例还提出一种基于航行概率与空间拓扑约束的航线预测系统,其特征在于,包括处理器和存储器,所述存储器上存储有计算机程序,所述计算机程序被处理器执行时实现如前述的基于航行概率与空间拓扑约束的航线预测方法的步骤。
本申请实施例通过将船舶的历史航线信息映射至局部航迹出现概率矩阵,将空间信息映射至航道连通图,以历史航行概率和空间拓扑特征约束航线预测,不需引入大量参数,为远海远域等信息稀疏场景提供支撑。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本申请的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1为本申请实施例的基于航行概率与空间拓扑约束的航线预测方法的基本流程示意;
图2为本申请实施例的海陆格网至航道连通图映射示例;
图3为本申请实施例的航迹频次映射及概率矩阵示例。
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。
本申请实施例提供一种基于航行概率与空间拓扑约束的航线预测方法,如图1所示,包括如下步骤:
在步骤S101中,根据海陆特征,构建航道连通图,并确定航道连通图中的节点、边,以及边的权重,其中所述航道连通图是以海陆地形为基础的无向图,边的权重根据格网间的距离和相邻节点的海陆属性决定。
在一些实施例中,根据海陆特征,构建航道连通图包括:
将包含海洋和陆地的地形图,按照指定规则,映射至划分的格网中,其中格网中包含海洋的网格作为航道连通图的节点,网格之间的连通关系作为航道连通图的边。在具体应用中一般的格网如正三角形、正方形、正六边形等都适用,本申请中对指定规则不作具体限定。格网中包含海洋的网格即是航道连通图的节点,网格之间的连通关系为航道连通图的边。因此在具体实施例中,构建航道连通图即是确定其中的节点、边,以及边的权重。
定义航道连通图,其中是连通图节点(海陆地理
格网中包含海洋的网格)的集合,n代表节点的个数,是G中
边的集合。边的权重主要由格网间的距离和相邻节点的海陆属性决定。如图2所示,图中
代表格网与节点的编号及对应关系,(1)代表网格内海洋,(0)代表网格内为陆地,带颜色的
格网/节点代表被计算临近关系的节点。在一些实施例中,确定航道连通图中的节点、边,以
及边的权重包括:
筛选出网格内部为海洋的网格。一些示例中,也即包含海洋又包含陆地的网格,此处不包含,若其与仅包含海洋的网格近邻,则在下面临近判断时将其加入,若不相邻,则其可忽略。
遍历所筛选出的海洋的网格相应的节点,并判断节点为海洋,将相应的边加入边集合。本申请实施例中,相邻点是指与该节点的对应网格相邻的网格,
如正三角格网有12个相邻点,正方形格网有8个相邻点,正六边形有6个相邻点。
根据节点与其相邻节点中心的相对距离计算权重值,其中节点的相邻节点是与该节点的对应网格相邻的网格。以按经纬网划分的网格为例,经纬网有从赤道到两极会有网格内面积越来小的特点,但对于本文计算每个节点时的九个相邻网格,此距离可以忽略。据此以1°×1°划分网格为例,满足:
其中代表当前计算的节点即边的出发节点,分别
代表左上角经纬度,代表与近邻的节点即边的终止
节点,分别代表左上角经纬度,代表边
的权重。
在步骤S102中,基于所构建的航道连通图,将边的权重以及局部航迹出现概率组合作为距离,确定出起点与终点的最短路径,以作为预测的航行路线。在一些具体示例中,可以基于Dijkstra算法来完成船舶的航行路线的预测。
本申请实施例通过将船舶的历史航线信息映射至局部航迹出现概率矩阵,将空间信息映射至航道连通图,以历史航行概率和空间拓扑特征约束航线预测,不需引入大量参数,为远海远域等信息稀疏场景提供支撑。
在航道连通图构建完成后,可以得到,以及边集合中每条边的权重,
航行路线的预测方式是通过将边的权重以及局部航迹出现概率组合作为距离,通过
Dijkstra算法,寻求起点与终点的最短。在一些实施例中,基于所构建的航道连通图,将边
的权重以及局部航迹出现概率组合作为距离,确定出起点与终点的最短路径包括:
构建局部航迹出现概率矩阵,其中所述局部航迹出现概率矩阵由节点本身与相邻
点组成的概率矩阵。以正方形格网为例出现概率矩阵为的矩阵。计算局部航迹出现概
率矩阵,在一些实施例中,构建局部航迹出现概率矩阵具体包括:
将历史船舶航迹映射至格网,以构建航迹经过频次矩阵,定义网格中航迹的个数为该网格对应元素值,计算船舶在某网格时的局部航迹出现概率矩阵,满足:
其中,为船舶在网格i时,转移到网格j的局部概率,为航迹经过频次矩阵中j
点的元素,表示网格j中出现航迹的频次,为局部航迹出现概率矩阵的元素个数。
如图3所示,图中左上格网中线条代表历史航迹,右上矩阵中数字代表航迹经过网格的次数,下右1代表计算局部出现概率是参与计算的区域,右2是对右1的指数化结果,右3是概率化结果。
初始化可达性矩阵、路径表及待测点集合。
基于初始化的可达性矩阵、路径表及待测点集合,查找出距离最小节点,并更新最短距离集合与路径表。
执行遍历,以确定出起点与终点的最短路径。
在一些实施例中,初始化可达性矩阵、路径表及待测点集合具体包括:
初始化可达性矩阵为的方阵,其中可达性矩阵的行列数为航道连
通图的矩阵表达中点的个数,每一行或列代表一个出发节点或到达节点,可
达性矩阵的元素代表节点到的“距离”,皆为节点编号,可达性矩阵对角线上的
元素,边集合中存在边的节点对应的元素;
表示边的权重,其余元素无穷大。
定义为出发点,初始待测点集合为除出发点以外的所有点n-1个点的集合;
路径表,由个路径有序集合组成,每个有序集合代
表由出发点到某个节点的路径,与可达性矩阵的第行的每个元素相对应,初始时路径
表每个集合包含该元素本身,即。
在一些实施例中,基于初始化的可达性矩阵、路径表及待测点集合,查找出距离最小节点,并更新最短距离集合与路径表包括:
遍历待测点集合S,查找出与出发点距离最小的节点满足:
其中,表示边的权重;
更新最短距离集合与路径表,计算出发点通过节点到与节点近邻点()的距离,并判断新距离与当前可达矩阵中元素的大小关系,若新
距离小则更新元素为新距离,以及将到达节点的路径更新通过节点到达的路径
即,否则不变。
在一些实施例中,执行遍历,以确定出起点与终点的最短路径包括:
遍历完所有与相邻的点位:
更新路径,完成后,将从中移除();
重复查找出距离最小节点,直至到达点不在待测点集合中,返回路径集合,即为预测的船舶航行路线。
本申请的方法包括基于空间特征的航道连通图的构建方式与基于行为特征的航行路线的预测方式两部分。本申请的方法通过将船舶的历史航线信息映射至局部航迹出现概率矩阵,将空间信息映射至航道连通图,以历史航行概率和空间拓扑特征约束航线预测,不需引入大量参数,为远海远域等信息稀疏场景提供支撑。
本申请的方法在基于行为特征的航行路线的预测方式中以局部航行概率的形式影像航行的预测,而不是以预测航行变化增量方式,避免了模型预测倾向于直线而忽略拐点信息的缺陷。
本申请的方法在基于空间特征的航道连通图的构建方式通过构建航道连通图将空间的海陆关系映射至格网中,再将格网转化成由节点、边以及权重组成的图结构数据,实现了海上航路空间信息的拓扑表达,为定量计算航路信息提供基础。
本申请实施例还提出一种基于航行概率与空间拓扑约束的航线预测系统,其特征在于,包括处理器和存储器,所述存储器上存储有计算机程序,所述计算机程序被处理器执行时实现如前述的基于航行概率与空间拓扑约束的航线预测方法的步骤。
需要说明的是,在本申各实施例中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献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(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本申请的保护之内。
Claims (9)
1.一种基于航行概率与空间拓扑约束的航线预测方法,其特征在于,包括:
根据海陆特征,构建航道连通图,并确定航道连通图中的节点、边,以及边的权重,其中所述航道连通图是以海陆地形为基础的无向图,边的权重根据格网间的距离和相邻节点的海陆属性决定;
基于所构建的航道连通图,将边的权重以及局部航迹出现概率组合作为距离,确定出起点与终点的最短路径,以作为预测的航行路线。
2.如权利要求1所述的基于航行概率与空间拓扑约束的航线预测方法,其特征在于,根据海陆特征,构建航道连通图包括:
将包含海洋和陆地的地形图,按照指定规则,映射至划分的格网中,其中格网中包含海洋的网格作为航道连通图的节点,网格之间的连通关系作为航道连通图的边。
3.如权利要求2所述的基于航行概率与空间拓扑约束的航线预测方法,其特征在于,确定航道连通图中的节点、边,以及边的权重包括:
筛选出网格内部为海洋的网格;
遍历所筛选出的海洋的网格相应的节点,并判断节点为海洋,将相应的边加入边集合/>;
根据节点与其相邻节点中心的相对距离计算权重值,其中节点的相邻节点是与该节点的对应网格相邻的网格。
4.如权利要求3所述的基于航行概率与空间拓扑约束的航线预测方法,其特征在于,基于所构建的航道连通图,将边的权重以及局部航迹出现概率组合作为距离,确定出起点与终点的最短路径包括:
构建局部航迹出现概率矩阵,其中所述局部航迹出现概率矩阵由节点本身与相邻点组成的概率矩阵;
初始化可达性矩阵、路径表及待测点集合;
基于初始化的可达性矩阵、路径表及待测点集合,查找出距离最小节点,并更新最短距离集合与路径表;
执行遍历,以确定出起点与终点的最短路径。
5.如权利要求3所述的基于航行概率与空间拓扑约束的航线预测方法,其特征在于,构建局部航迹出现概率矩阵具体包括:
将历史船舶航迹映射至格网,以构建航迹经过频次矩阵,定义网格中航迹的个数为该网格对应元素值,计算船舶在某网格时的局部航迹出现概率矩阵,满足:
其中,/>为船舶在网格i时,转移到网格j的局部概率,/>为航迹经过频次矩阵中j点的元素,/>表示网格j中出现航迹的频次,/>为局部航迹出现概率矩阵的元素个数。
6.如权利要求5所述的基于航行概率与空间拓扑约束的航线预测方法,其特征在于,初始化可达性矩阵、路径表及待测点集合具体包括:
初始化可达性矩阵为/>的方阵,其中可达性矩阵的行列数/>为航道连通图的矩阵表达/>中点的个数,每一行或列代表一个出发节点或到达节点,可达性矩阵的元素/>代表节点/>到/>的“距离”,可达性矩阵对角线上的元素/>,边集合/>中存在边的节点对应的元素/>,,/>表示边/>的权重,其余元素无穷大;
定义为出发点,初始待测点集合为除出发点以外的所有点的集合/>;
路径表,由/>个路径有序集合/>组成,每个有序集合代表由出发点/>到某个节点的路径,与可达性矩阵的第/>行的每个元素相对应,初始时路径表/>每个集合包含该元素本身。
7.如权利要求6所述的基于航行概率与空间拓扑约束的航线预测方法,其特征在于,基于初始化的可达性矩阵、路径表及待测点集合,查找出距离最小节点,并更新最短距离集合与路径表包括:
遍历待测点集合S,查找出与出发点距离最小的节点/>满足:
其中,/>表示边的权重;
更新最短距离集合与路径表,计算出发点通过节点/>到与节点/>近邻点()的距离,并判断新距离与当前可达矩阵中元素/>的大小关系,若新距离小则更新元素/>为新距离,以及将到达节点/>的路径更新通过节点/>到达的路径即/>,否则不变。
8.如权利要求7所述的基于航行概率与空间拓扑约束的航线预测方法,其特征在于,执行遍历,以确定出起点与终点的最短路径包括:
遍历完所有与相邻的点位:
其中,/>表示在可达性矩阵中/>到/>的可达性权重,/>表示边/>的权重,表示船舶在网格m时,转移到网格j的局部概率;
更新路径,完成后,将节点从/>中移除(/>);
重复查找出距离最小节点,直至到达点不在待测点集合/>中,返回路径集合/>,即为预测的船舶航行路线。
9.一种基于航行概率与空间拓扑约束的航线预测系统,其特征在于,包括处理器和存储器,所述存储器上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的基于航行概率与空间拓扑约束的航线预测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410100744.4A CN117634719B (zh) | 2024-01-25 | 一种基于航行概率与空间拓扑约束的航线预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410100744.4A CN117634719B (zh) | 2024-01-25 | 一种基于航行概率与空间拓扑约束的航线预测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117634719A true CN117634719A (zh) | 2024-03-01 |
CN117634719B CN117634719B (zh) | 2024-05-24 |
Family
ID=
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110243359A (zh) * | 2019-05-31 | 2019-09-17 | 南京航空航天大学 | 基于低空风预测模型的安全航迹规划方法 |
EP3644014A1 (en) * | 2018-10-23 | 2020-04-29 | Offshore Navigation Limited | An apparatus for determining an optimal route of a maritime ship |
CN115204466A (zh) * | 2022-06-20 | 2022-10-18 | 中国南方航空股份有限公司 | 一种带通行限制的国际航线航路规划方法 |
CN115600733A (zh) * | 2022-10-08 | 2023-01-13 | 北京中交通信科技有限公司(Cn) | 一种船舶航迹预测方法及装置 |
CN116226403A (zh) * | 2023-03-09 | 2023-06-06 | 中国电子科技集团公司电子科学研究院 | 基于行为特征图谱的船舶动向概率连续预测方法与装置 |
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3644014A1 (en) * | 2018-10-23 | 2020-04-29 | Offshore Navigation Limited | An apparatus for determining an optimal route of a maritime ship |
CN110243359A (zh) * | 2019-05-31 | 2019-09-17 | 南京航空航天大学 | 基于低空风预测模型的安全航迹规划方法 |
CN115204466A (zh) * | 2022-06-20 | 2022-10-18 | 中国南方航空股份有限公司 | 一种带通行限制的国际航线航路规划方法 |
CN115600733A (zh) * | 2022-10-08 | 2023-01-13 | 北京中交通信科技有限公司(Cn) | 一种船舶航迹预测方法及装置 |
CN116226403A (zh) * | 2023-03-09 | 2023-06-06 | 中国电子科技集团公司电子科学研究院 | 基于行为特征图谱的船舶动向概率连续预测方法与装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108680163B (zh) | 一种基于拓扑地图的无人艇路径搜索系统及方法 | |
JP7247334B2 (ja) | 海上船舶の最適ルートを決定するための装置 | |
CN111504325B (zh) | 一种基于扩大搜索邻域的加权a*算法的全局路径规划方法 | |
Masseran et al. | Fitting a mixture of von Mises distributions in order to model data on wind direction in Peninsular Malaysia | |
CN108805350B (zh) | 基于多维蒙特卡洛理论的搜救范围预测方法 | |
CN107798185A (zh) | 一种基于ecdis的航线自动设计系统及其构建方法 | |
CN109655063B (zh) | 大型水陆两栖飞机海上搜索航路规划方法 | |
CN112348867A (zh) | 基于LiDAR点云数据的城市高精度三维地形构建方法及系统 | |
CN114440916A (zh) | 一种导航方法、装置、设备及存储介质 | |
CN112347218A (zh) | 无人船艇的环境地图生成方法及无人船艇感知系统 | |
KR20180111196A (ko) | 선박 항로 및 속도 결정 장치, 선박 항로 및 속도 결정 방법, 기록 매체 | |
Ai et al. | A map generalization model based on algebra mapping transformation | |
CN117634719B (zh) | 一种基于航行概率与空间拓扑约束的航线预测方法及系统 | |
Zaccone et al. | An optimization tool for ship route planning in real weather scenarios | |
Zhang et al. | A method for ship route planning fusing the ant colony algorithm and the A* search algorithm | |
CN116182859A (zh) | 路径规划方法及装置、设备、存储介质 | |
Osaragi et al. | Street network created by proximity graphs: its topological structure and travel efficiency | |
CN117634719A (zh) | 一种基于航行概率与空间拓扑约束的航线预测方法及系统 | |
CN112747760A (zh) | 一种狭水道水面无人平台自主航行航路规划方法及装置 | |
Piehl et al. | A finite element method-based potential theory approach for optimal ice routing | |
CN113074735B (zh) | 一种地图数据结构的处理方法 | |
CN113311843A (zh) | 基于安全距离约束和los视线判断的无人船路径规划方法 | |
CN111914039B (zh) | 道路网更新方法及装置 | |
Liu et al. | A method of ship multi-constraint route planning based on AIS big data | |
CN117433541B (zh) | 一种避台航线自动规划方法 |
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 | ||
GR01 | Patent grant |