CN103106812A - 一种获取海上船舶***平均碰撞风险的方法 - Google Patents
一种获取海上船舶***平均碰撞风险的方法 Download PDFInfo
- Publication number
- CN103106812A CN103106812A CN 201310016286 CN201310016286A CN103106812A CN 103106812 A CN103106812 A CN 103106812A CN 201310016286 CN201310016286 CN 201310016286 CN 201310016286 A CN201310016286 A CN 201310016286A CN 103106812 A CN103106812 A CN 103106812A
- Authority
- CN
- China
- Prior art keywords
- risk
- straton
- collision
- ships
- boats
- 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
- 238000000034 method Methods 0.000 title claims abstract description 22
- QZXCCPZJCKEPSA-UHFFFAOYSA-N chlorfenac Chemical compound OC(=O)CC1=C(Cl)C=CC(Cl)=C1Cl QZXCCPZJCKEPSA-UHFFFAOYSA-N 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 2
- 238000012216 screening Methods 0.000 claims description 2
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 238000007500 overflow downdraw method Methods 0.000 abstract description 2
- 238000011160 research Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000004927 fusion Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- LFULEKSKNZEWOE-UHFFFAOYSA-N propanil Chemical compound CCC(=O)NC1=CC=C(Cl)C(Cl)=C1 LFULEKSKNZEWOE-UHFFFAOYSA-N 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种获取海上船舶***平均碰撞风险的方法,该方法通过基于层次聚类的化简算法对某一时刻整个海上智能交通网络的拓扑结构进行分层简化,剔除无需考虑碰撞风险的船舶;然后以两船避碰***的碰撞风险为基础,应用自底向上的平均加权融合的方法得到从子***至整个海上交通网络的***碰撞风险。
Description
技术领域
本发明属于信息技术和航海领域,特别是涉及一种获取海上船舶***平均碰撞风险的方法。
背景技术
随着全球贸易的繁荣发展,海上船舶交通流量日益增加,因此海上船舶交通***的内部风险也随之明显增加,从而导致海上智能交通管理的复杂程度和压力也日益凸现。海上智能交通网络是包含大量船舶的动态网络,其碰撞事件在海上交通事故中占有很大比例,每年因其造成的经济损失和人员伤亡很大。因此,对海上智能交通网络内的船舶碰撞风险进行有效的识别、评估和风险控制管理显得异常重要。
海上智能交通网络中的船舶碰撞危险度的研究得到了众多研究者的关注,并应用模糊理论、信息融合和神经网络等先进信息处理技术获得了一些有用的研究成果。目前普遍被人们采用的计算船舶碰撞危险度的方案是:各避碰船以自身为标准,基于各自DCPA和TCPA和一些其他因素来获得目标船舶对本船的碰撞危险度。因此,计算碰撞危险度的方法研究主要从船舶操纵者角度进行,是从微观层面对碰撞风险的衡量,难以满足海事部门在进行宏观分析与全局决策上的需求,同时单一的(两船)碰撞危险度定义不具备直接描述***(宏观)层面的风险能力。也有一些文献给出了对整个海域船舶碰撞风险的研究,但其中的风险是基于多年船舶航行数据的统计量进行的研究,是一个较长时间尺度意义的***碰撞风险。海事部门在全局决策的时候需要的***碰撞风险是时间尺度较短的‘即时’***风险,也就是我们发明的内容。
到目前为止,尚未见到有关本发明涉及的获取海上智能交通网络的***碰撞风险的报道。
发明内容
本发明的目的是克服现有技术的不足,提供一种获取海上船舶***平均碰撞风险的方法。
本发明的目的是通过以下技术方案来实现的:一种获取海上船舶***平均碰撞风险的方法,该方法包括如下步骤:
(1)获取一段时间的AIS数据:从船舶VTS***中获取一段时间的海上交通的标准AIS数据;提取以下字段的数据:mmsi、shipname、sog、cog、heading、lon、lat和f_update_time。
(2)从步骤1获得的海上船舶AIS数据中提取某一采样时刻各个船舶的航行数据。
(3)对步骤2获得的数据进行层次聚类和划分类别。
(4)对步骤3中获得的若干类,进行分层化简。
(5)对步骤4中获得的每层子***,计算其***碰撞风险。
(6)根据结果判断海上智能交通网络的***碰撞风险:f1≥f时,认为整个海上智能交通网络即时***碰撞风险较大,f1<f时,认为整个海上智能交通网络的即时***碰撞风险较小;其中,f为风险阈值。
本发明的有益效果是:根据获取的海上智能交通网络的***碰撞风险值可以为海事部门进行海上碰撞风险评估,降低海上智能交通网络的整体碰撞风险提供决策依据。
附图说明
图1是最短距离法聚类得到的层次树示意图;
图2是最短距离法聚类后按阈值分层结果示意图;
图3是海上智能交通网络化简结果示意图。
具体实施方式
下面结合附图详细描述本发明,本发明的目的和效果将变得更加明显。
本发明获取海上船舶***平均碰撞风险的方法,包括如下步骤:
步骤1:获取一段时间的AIS数据。
从船舶VTS***中获取一段时间的海上交通的标准AIS数据。提取以下字段的数据:mmsi(船号)、shipname(船名)、sog(对地航速)、cog(对地航向)、heading(航向)、lon(经度)、lat(纬度)和f_update_time(更新时间)。
步骤2:从步骤1获得的海上船舶AIS数据中提取某一采样时刻各个船舶的航行数据。
将某一采样时刻各个船舶的航行数据从步骤1中获得的原始数据中提取出来,保存的格式与步骤1相同。
步骤3:对步骤2获得的数据进行层次聚类和划分类别。
提取步骤2中船舶数据,每个数据是一个二维空间,由船舶的经度和纬度经过实际距离的换算得到,其换算是以零度经线和纬线的交点为假想的坐标轴原点,向东为正x方向,向北为正y方向。对换算过后的N艘船舶的一个采样时刻的数据应用最短距离(欧氏距离)法聚类,得到大小为N的一个类,N为船舶数量。这个类是一个完整的分层树,它反映的是船舶地理距离之间的关系,船舶之间按距离由近到远聚成一类。然后我们用一个距离阈值d横切聚类树,这个值将截断树的若干个连接,属于每个连接的船舶节点划分为一个类。因此整个海上智能交通网络被聚成若干类,记为{C1,C2,C3,…,Cn},其中,Ci是聚类划分得到的类,i=1,2,…,n,n为自然数。每一个类中的船舶间地理距离不超过d。其物理意义是:属于一个类中的船舶之间的最大距离是d,换言之,合适选取阈值d可以将地理位置相距较近的船舶划分为一类。从船舶碰撞风险识别的角度来看,距离越近的船舶之间发生碰撞事件的概率显然要高一些,所以在接下来计算***碰撞风险时,不需要考虑属于不同类的船舶之间的碰撞风险。图1和图2是上述方法的示意图。
步骤4:对步骤3中获得的若干类,进行分层化简。
对步骤3中得到的类{C1,C2,C3,…,Cn},进行进一步的简化。首先规定Si代表海上智能交通网络的第i层子***,Si,j为第i层子***中的第j个***。对类的分层化简具体为:
4.1、若Ci中只有一个节点,显然该类中的船舶不构成碰撞***,无需考虑。
4.2、若Ci中只有两个节点,若满足0≤TCPA≤t2(TCPA是最短会遇时间,t2是注意时间),则作为第二层子***S2,j;反之,无需考虑;
4.3、若Ci中节点数多于两个,遍历Ci中的两两节点对,筛选留下来满足0≤TCPA≤t2的节点对;如果无符合条件的节点对,那么无需考虑该类;反之,这些节点对整体作为第二层子***S2,j;如果节点对数超过1,那么还需进行下列简化:
4.3.1记构成某个第二层子***S2,j中的相应节点对为第四层子***S4={S4,1,S4,2…S4,k},i=1;
4.3.3、若j<k,j=j+1;
4.3.4、若Xi=S4,j∪Xi;
4.3.5、重复步骤4.3.3和4.3.4;
4.3.6、S4=S4-Xi,i=i+1;
4.3.7、重复4.3.2~4.3.6;
4.3.8、Xi中的所有节点对构成S3,i
4.3.9、返回该第二层***S2,j对应的第三层子***S3,1,S3,2…;
4.4、重复步骤4.1-4.3,遍历所有类,最终得到整个海上智能交通网络的层次划分。第一层***即为海上智能交通网络,它包含若干个第二层子***,每一个第二层子***包含若干第三层子***,每一个第三层子***又由若干第四层子***组成。整个层次关系如图3所示。注意:对于只有一个两船避碰***的第二层子***,该***的第三层、第四层子***和第二层子***是一样的。最终,整个海上智能交通网络被划分为四个层次的***,并且一些不需要考虑碰撞风险的船舶被剔除,降低了计算复杂性。
步骤5:对步骤4中获得的每层子***,计算其***碰撞风险。
5.1计算第四层子***的风险
第四层子***实际上是两船避碰***。采用周江华、吴春杰:船舶碰撞危险度模型的构建,宁波大学学报(理工版),2004,17(1),61-65.所述方法计算第四层子***中两船各自碰撞危险度f1→2(1相对于2的碰撞危险度)和f2→1(2对于1的碰撞危险度)。记f12是船舶1与2构成的避碰***的***碰撞风险。通常f1→2≠f2→1,f1→2,如果用f1→2和f2→1中的任何一个来衡量两船的***整体碰撞风险,都存在一定的片面性,必然导致忽视或减弱另一个碰撞危险度对***整体碰撞风险的贡献。但是由于f1→2、f2→1和f12是从不同的角度对同一个问题的表征,三者之间必然存在一些联系。这里采用将f1→2和f2→1加权的方式得到f12,即
f12=αf1→2+βf2→1
其中,α和β分别是两个危险度的权重,它们满足α+β=1。根据线性加权融合的基本原理,权重可以根据该***内每个碰撞危险度对***碰撞风险的贡献来确定。可以理解,危险度较大的船舶的贡献比危险度较小的船舶贡献大。但是,对于一个两船避碰***,f1→2和f2→1是时变的,那么其权重(α,β)也应该是时变的。因此,取α=f1→2(f1→2+f2→1)和β=f2→1(f1→2+f2→1),则
以此计算第四层子***碰撞风险,得到的第四层子***风险依次记为f4,i,i=1,2,…,m4,其中,m4是第四层子***的个数。
上述加权方式既简单直观,又可以较好地反映两个危险度对***整体碰撞风险刻画的影响。经证明,上述计算模型得到的两船***碰撞风险值在[0,1]之间,即那么可将其作为一个***碰撞可能性的概率来理解,这也符合进行船舶交通***碰撞风险评估的初衷。
5.2计算第三层子***的风险
对5.1中获得的第四层子***风险,计算属于相应的第二层子***的第三层子***风险。计算公式如下:
j=1,2,…,m3,其中,f3,j是第j个三层子***的风险,m3是第三层子***的个数,N4,j是属于第j个三层子***的第四层子***的个数。用这种平均加权的方式计算出的第三层子***碰撞风险能够较好地从平均意义上表征该层子***平均碰撞风险。
5.3计算第二层子***的风险
对5.2中获得的第三层子***风险,计算属于相应的第二层子***的风险。计算公式如下:
j=1,2,…,m2,其中f2,j是第j个二层子***的风险,m2是第二层子***的个数,N3,j是属于第j个二层子***的第三层子***的个数。用这种平均加权的方式计算出的第二层子***碰撞风险能够较好地从平均意义上表征该层子***平均碰撞风险。
5.4计算第一层***,即海上智能交通网络的***碰撞风险
对5.3中获得的第二层子***风险,计算第一层***的风险f1。计算公式如下:
经过上述三个子步骤的分层计算,可以得到整个海上船舶***的平均碰撞风险,并且该算法还可以有效地显示出每一个子***的***碰撞风险,从宏观整体和子部分两个层面反映出***碰撞风险的情况以及子区域的风险情况。
步骤6:根据结果判断海上智能交通网络的***碰撞风险。
依据经验选取合适的风险阈值。本发明中选取f=0.4作为风险阈值。
f1≥f时,认为整个海上智能交通网络即时***碰撞风险较大。
f1<f时,认为整个海上智能交通网络的即时***碰撞风险较小。
由于每一层子***的***碰撞风险均可以在上述计算过程中得到,海事管理人员可以选取***碰撞风险较大的子***进行监视。
本发明的一种海上智能交通网络的***碰撞风险获取方法,是基于信息融合和分层聚类,将整个海上智能交通网络的拓扑结构进行简化,避免计算两船碰撞风险的遍历的复杂性;首先构建了两船避碰***的***碰撞风险,再基于此和***化简的结果,用自底向上的加权融合方法,计算得到每一层的子***碰撞风险以及大***的***碰撞风险。最终的结果可以为海事管理部门宏观管理海上交通,识别的评估***碰撞风险作为定量的依据。
Claims (1)
1.一种获取海上船舶***平均碰撞风险的方法,其特征在于,该方法包括如下步骤:
(1)获取一段时间的AIS数据:从船舶VTS***中获取一段时间的海上交通的标准AIS数据;提取以下字段的数据:mmsi、shipname、sog、cog、heading、lon、lat和f_update_time。
(2)从步骤1获得的海上船舶AIS数据中提取某一采样时刻各个船舶的航行数据。
(3)对步骤2获得的数据进行层次聚类和划分类别:提取步骤2中船舶数据,该数据是一个二维空间,由船舶的经度和纬度经过实际距离的换算得到,其换算是以零度经线和纬线的交点为假想的坐标轴原点,向东为正x方向,向北为正y方向。对换算过后的N艘船舶的一个采样时刻的数据应用最短距离(欧氏距离)法聚类,得到大小为N的一个类,N为船舶数量。这个类是一个完整的分层树,它反映的是船舶地理距离之间的关系,船舶之间按距离由近到远聚成一类。然后用一个距离阈值d横切聚类树,这个值将截断树的若干个连接,属于每个连接的船舶节点划分为一个类。因此整个海上智能交通网络被聚成若干类,记为{C1,C2,C3,…,Cn},其中,Ci是聚类划分得到的类,i=1,2,…,n,n为自然数。每一个类中的船舶间地理距离不超过d。
(4)对步骤3中获得的若干类,进行分层化简:对步骤3中得到的类{C1,C2,C3,…,Cn},进行进一步的简化。首先规定Si代表海上智能交通网络的第i层子***,Si,j为第i层子***中的第j个***。对类的分层化简具体为:
(4.1)若Ci中只有一个节点,显然该类中的船舶不构成碰撞***,无需考虑。
(4.2)若Ci中只有两个节点,若满足0≤TCPA≤t2(TCPA是最短会遇时间,t2是注意时间),则作为第二层子***S2,j;反之,无需考虑;
(4.3)若Ci中节点数多于两个,遍历Ci中的两两节点对,筛选留下来满足0≤TCPA≤t2的节点对;如果无符合条件的节点对,那么无需考虑该类;反之,这些节点对整体作为第二层子***S2,j;如果节点对数超过1,那么还需进行下列简化:
(4.3.1)记构成某个第二层子***S2,j中的相应节点对为第四层子***S4={S4,1,S4,2…S4,k},i=1;
(4.3.3)若j<k,j=j+1;
(4.3.5)重复步骤4.3.3和4.3.4;
(4.3.6)S4=S4-Xi,i=i+1;
(4.3.7)重复4.3.2~4.3.6;
(4.3.8)Xi中的所有节点对构成S3,i
(4.3.9)返回该第二层***S2,j对应的第三层子***S3,1,S3,2…;
(4.4)重复步骤4.1-4.3,遍历所有类,最终得到整个海上智能交通网络的层次划分。第一层***即为海上智能交通网络,它包含若干个第二层子***,每一个第二层子***包含若干第三层子***,每一个第三层子***又由若干第四层子***组成。
(5)对步骤4中获得的每层子***,计算其***碰撞风险,具体包括以下步骤:(5.1)计算第四层子***的风险:第四层子***实际上是两船避碰***,计算第四层子***中两船各自碰撞危险度f1→2(第1条船相对于第2条船的碰撞危险度)和f2→1(第2条船对于第1条船的碰撞危险度)。记f12是第1条船与第2条船构成的避碰***的***碰撞风险;f12=αf1→2+βf2→1;其中,α和β分别是两个危险度的权重,它们满足α+β=1。α=f1→2(f1→2+f2→1),β=f2→1(f1→2+f2→1),则:
以此计算第四层子***碰撞风险,得到的第四层子***风险依次记为f4,i,i=1,2,…,m4,其中,m4是第四层子***的个数。
(5.2)计算第三层子***的风险:对5.1中获得的第四层子***风险,计算属于相应的第二层子***的第三层子***风险。计算公式如下:
(5.3)计算第二层子***的风险:对5.2中获得的第三层子***风险,计算相应的第二层子***的风险。计算公式如下:
j=1,2,…,m2,其中f2,j是第j个二层子***的风险,m2是第二层子***的个数,N3,j是属于第j个二层子***的第三层子***的个数。
(5.4)计算第一层***,即海上智能交通网络的***碰撞风险:对5.3中获得的第二层子***风险,计算第一层***的风险f1。计算公式如下:
(6)根据结果判断海上智能交通网络的***碰撞风险:f1≥f时,认为整个海上智能交通网络即时***碰撞风险较大,f1<f时,认为整个海上智能交通网络的即时***碰撞风险较小;其中,f为风险阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201310016286 CN103106812A (zh) | 2013-01-17 | 2013-01-17 | 一种获取海上船舶***平均碰撞风险的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201310016286 CN103106812A (zh) | 2013-01-17 | 2013-01-17 | 一种获取海上船舶***平均碰撞风险的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103106812A true CN103106812A (zh) | 2013-05-15 |
Family
ID=48314632
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201310016286 Pending CN103106812A (zh) | 2013-01-17 | 2013-01-17 | 一种获取海上船舶***平均碰撞风险的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103106812A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103353756A (zh) * | 2013-05-27 | 2013-10-16 | 武汉理工大学 | 基于ais与vts信息融合的在航船舶实时监控方法 |
CN104462856A (zh) * | 2014-12-30 | 2015-03-25 | 江苏理工学院 | 船舶冲突预警方法 |
CN104504934A (zh) * | 2014-12-30 | 2015-04-08 | 江苏理工学院 | 一种航海交通管制方法 |
CN104504935A (zh) * | 2014-12-30 | 2015-04-08 | 江苏理工学院 | 航海交通管制方法 |
CN105070102A (zh) * | 2015-09-24 | 2015-11-18 | 上海海事大学 | 一种基于模糊逻辑的船舶航行动态风险推理***及其方法 |
CN105810013A (zh) * | 2014-12-30 | 2016-07-27 | ***通信集团公司 | 一种基于车群风险的车辆防撞控制方法和装置 |
CN106571066A (zh) * | 2014-12-30 | 2017-04-19 | 江苏理工学院 | 一种基于滚动规划策略的船舶冲突解脱的规划方法 |
CN107657144A (zh) * | 2017-08-30 | 2018-02-02 | 天津大学 | 一种基于船舶ais和计程仪数据的近岸流场反演方法 |
CN109448442A (zh) * | 2018-10-12 | 2019-03-08 | 天津大学 | 一种海域内多船碰撞危险度的高效监测方法 |
CN110009936A (zh) * | 2019-03-15 | 2019-07-12 | 北京海兰信数据科技股份有限公司 | 一种用于繁忙水域的船舶辅助避碰方法 |
CN110322731A (zh) * | 2019-06-20 | 2019-10-11 | 武汉理工大学 | 一种船舶会遇助航预警方法 |
CN111899567A (zh) * | 2019-05-06 | 2020-11-06 | 江苏金海星导航科技有限公司 | 一种基于定位的船舶防碰撞优化方法及*** |
CN113065996A (zh) * | 2021-04-23 | 2021-07-02 | 苏州百胜动力机器股份有限公司 | 一种基于计算机的舷外机航行辅助*** |
-
2013
- 2013-01-17 CN CN 201310016286 patent/CN103106812A/zh active Pending
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103353756B (zh) * | 2013-05-27 | 2016-01-06 | 武汉理工大学 | 基于ais与vts信息融合的在航船舶实时监控方法 |
CN103353756A (zh) * | 2013-05-27 | 2013-10-16 | 武汉理工大学 | 基于ais与vts信息融合的在航船舶实时监控方法 |
CN106571067A (zh) * | 2014-12-30 | 2017-04-19 | 江苏理工学院 | 基于滚动规划策略的船舶冲突解脱的规划方法 |
CN106803361A (zh) * | 2014-12-30 | 2017-06-06 | 江苏理工学院 | 一种基于滚动规划策略的航海管制方法 |
CN104462856B (zh) * | 2014-12-30 | 2017-07-11 | 江苏理工学院 | 船舶冲突预警方法 |
CN104504934A (zh) * | 2014-12-30 | 2015-04-08 | 江苏理工学院 | 一种航海交通管制方法 |
CN105810013A (zh) * | 2014-12-30 | 2016-07-27 | ***通信集团公司 | 一种基于车群风险的车辆防撞控制方法和装置 |
CN104504934B (zh) * | 2014-12-30 | 2017-03-08 | 江苏理工学院 | 一种航海交通管制方法 |
CN106571066A (zh) * | 2014-12-30 | 2017-04-19 | 江苏理工学院 | 一种基于滚动规划策略的船舶冲突解脱的规划方法 |
CN106571065A (zh) * | 2014-12-30 | 2017-04-19 | 江苏理工学院 | 一种船舶冲突解脱的规划方法 |
CN104462856A (zh) * | 2014-12-30 | 2015-03-25 | 江苏理工学院 | 船舶冲突预警方法 |
CN104504935A (zh) * | 2014-12-30 | 2015-04-08 | 江苏理工学院 | 航海交通管制方法 |
CN105070102A (zh) * | 2015-09-24 | 2015-11-18 | 上海海事大学 | 一种基于模糊逻辑的船舶航行动态风险推理***及其方法 |
CN107657144A (zh) * | 2017-08-30 | 2018-02-02 | 天津大学 | 一种基于船舶ais和计程仪数据的近岸流场反演方法 |
CN107657144B (zh) * | 2017-08-30 | 2020-03-17 | 天津大学 | 一种基于船舶ais和计程仪数据的近岸流场反演方法 |
CN109448442A (zh) * | 2018-10-12 | 2019-03-08 | 天津大学 | 一种海域内多船碰撞危险度的高效监测方法 |
CN110009936A (zh) * | 2019-03-15 | 2019-07-12 | 北京海兰信数据科技股份有限公司 | 一种用于繁忙水域的船舶辅助避碰方法 |
CN111899567A (zh) * | 2019-05-06 | 2020-11-06 | 江苏金海星导航科技有限公司 | 一种基于定位的船舶防碰撞优化方法及*** |
CN110322731A (zh) * | 2019-06-20 | 2019-10-11 | 武汉理工大学 | 一种船舶会遇助航预警方法 |
CN110322731B (zh) * | 2019-06-20 | 2021-08-10 | 武汉理工大学 | 一种船舶会遇助航预警方法 |
CN113065996A (zh) * | 2021-04-23 | 2021-07-02 | 苏州百胜动力机器股份有限公司 | 一种基于计算机的舷外机航行辅助*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103106812A (zh) | 一种获取海上船舶***平均碰撞风险的方法 | |
CN102890875B (zh) | 一种获取海上智能交通网络的***碰撞风险的方法 | |
CN110009937B (zh) | 一种基于ais数据的船舶碰撞风险分析方法 | |
CN104408900B (zh) | 基于动态优化的神经网络洪水预警装置及其方法 | |
Wang et al. | Safety assessment of shipping routes in the South China Sea based on the fuzzy analytic hierarchy process | |
CN107571965B (zh) | 一种基于移动终端的船舶海上作业辅助决策支持*** | |
Goharnejad et al. | Vulnerability assessment of southern coastal areas of Iran to sea level rise: evaluation of climate change impact | |
CN111428916B (zh) | 一种海上救援船舶巡航路径规划方法 | |
Wang et al. | Sea-water-level prediction via combined wavelet decomposition, neuro-fuzzy and neural networks using SLA and wind information | |
CN102109619A (zh) | 一种基于人工智能的台风增水预测***和方法 | |
CN106816039A (zh) | 一种船舶巡航预警动态监测方法 | |
Xu et al. | Risk evaluation system of navigation security based on coupled wind and wave model: a case of study of Qiongzhou strait | |
Wang et al. | Risk assessment for typhoon-induced storm surges in Wenchang, Hainan Island of China | |
Zhou et al. | A comprehensive path planning framework for patrolling marine environment | |
Rawson et al. | Developing contextually aware ship domains using machine learning | |
Ai et al. | Vulnerability analysis of coastal zone based on InVEST model in Jiaozhou Bay, China | |
Lee et al. | Artificial neural network-based data recovery system for the time series of tide stations | |
Aisjah et al. | Maritime weather prediction using fuzzy logic in Java Sea for shipping feasibility | |
CN113962426A (zh) | 一种近海水上通航安全智能预报方法和装置 | |
Mannarini et al. | VISIR-1. b: Ocean surface gravity waves and currents for energy-efficient navigation | |
CN110414042A (zh) | 一种冲突会遇局面下船舶集群态势分析方法 | |
CN105070102A (zh) | 一种基于模糊逻辑的船舶航行动态风险推理***及其方法 | |
Weixi et al. | A Case Research on Vulnerability of logistics system in the Tianjin port | |
Lin et al. | Regional ship collision risk prediction: An approach based on encoder-decoder LSTM neural network model | |
Aisjah et al. | Maritime weather prediction using fuzzy logic in java sea |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20130515 |