CN110322731A - 一种船舶会遇助航预警方法 - Google Patents

Abstract

本发明涉及一种船舶会遇助航预警方法，包括以下步骤：步骤1)：会遇船舶AIS数据预处理；步骤2)：碰撞风险组合度量与量化分级；步骤3)：构建行为特征序列与碰撞风险的映射关系；步骤4)：在线预测未来碰撞风险；步骤5)：作出船舶会遇反馈。本发明为监控船舶提供了会遇助航以及未来碰撞风险预警。

Description

一种船舶会遇助航预警方法

技术领域

本发明涉及海事智能监管领域，更具体地说，涉及一种船舶会遇助航预警方法。

背景技术

随着航运业快速发展，全球船舶数量迅速增长，导致船舶交通安全问题愈加突出，特别是在通航环境复杂、交通流量密度高的交汇水域，会遇冲突问题更加明显，繁忙交汇水域的交通***压力和风险尤为突出。

会遇船舶的碰撞风险预测是研究会遇冲突重要手段，有效对碰撞风险演化趋势进行量化建模可以促进船舶碰撞风险预警与智能助航等应用的发展。本发明提出一种船舶会遇助航预警方法，结合船舶自动识别***(AIS)，构建由两船绝对速度差V_r、航向差α、相对距离D组成的行为特征序列，与由DCPA(最近会遇距离，Distance Of Closest Point OfApproaching)、TCPA(最近会遇时间，Time To Closest Point Of Approaching)和相对距离D计算得到的未来碰撞风险建立映射关系，及时感知危险会遇局面，避免紧迫局面的出现而导致错过有效避让时机，该方法具有重要的现实意义。

发明内容

(一)要解决的技术问题

为了解决现有技术的上述问题，本发明提出了一种船舶会遇助航预警方法。

(二)技术方案

为了达到上述目的，本发明采用的主要技术方案包括：

设计一种船舶会遇助航预警方法，该方法包括以下步骤：

步骤1)：船舶自动识别***获取会遇船舶的原始轨迹数据(AIS数据)，设置插值统计窗口，根据插值统计窗口内轨迹点密度不同，采用基于点密度的可变长窗口滚动插值法还原船舶自动识别***的缺失数据。

会遇船舶A的轨迹数据为会遇船舶B的轨迹数据为其中，traj_i＝{Lat,Lng,Sog,Cog},1≤i≤min(m,n)代表船舶在第i秒的经度、纬度、航速、航向信息。基于点密度的可变长窗口滚动插值法包括步骤如下：

步骤1.1)：任选会遇船舶轨迹对中的一条轨迹，设置样本个数为L的插值统计窗口。

步骤1.2)：当插值统计窗口内样本个数L≥20时，窗口内点密度高，对插值统计窗口中的样本点采用三次Hermite插值算法；当插值统计窗口内样本个数16≤L＜20时，窗口内点密度稀疏，船舶自动识别***获取的数据存在缺失，将插值统计窗口长度延长一倍，对插值统计窗口中的样本点采用线性插值算法；当插值统计窗口内样本个数L≤15时，插值统计窗口的轨迹数据存在严重缺失，插值函数会严重偏离真实情况，将此窗口的轨迹数据剔除。

步骤2)：根据T_a和T_b计算任意时刻的最近会遇距离DCPA(Distance Of ClosestPoint Of Approaching)、最近会遇时间TCPA(Time To Closest Point Of Approaching)、两船绝对速度差V_r、航向差α、相对距离D等特征参量。利用DCPA、TCPA和相对距离D进行线性组合实现船舶会遇局面下的碰撞风险度量，

根据公式(1)计算船舶会遇局面下任意时刻对应的碰撞风险CRI。针对碰撞风险不能在短时间内突变的问题，选取时间窗口Δw对每个时刻的碰撞风险值进行窗口平滑处理。统计所有窗口对应的碰撞风险，利用累积分布函数CDF(Cumulative DistributionFunction)计算碰撞风险所在区间对应的累积概率，通过累积概率实现碰撞风险量化分级。

碰撞风险量化分级包括以下步骤：

步骤2.1)：将CRI进行量化分级，分别对应为低、中低、中、中高、高5类碰撞风险等级；

步骤2.2)：根据历史会遇船舶的碰撞风险得到CDF分布图，按照不同碰撞风险等级分布概率近似相等，进行碰撞风险等级划分：CRI在[0-0.15)范围，累计概率为[0,0.2)，划分为低碰撞风险R₁；CRI在[0.15-0.17)范围，累计概率为(0.2,0.4]，划分为中低碰撞风险R₂，该阶段的风险变化比较明显；CRI在[0.17-0.25)范围，累计概率为(0.4,0.6]，划分为中碰撞风险R₃，该阶段风险变化上逐渐趋于平稳；CRI在[0.25-0.4)范围，累计概率为(0.6,0.8]，划分为中高碰撞风险R₄；CRI在[0.4,+∞)范围，累计概率为(0.8,1]，划分为高碰撞风险R₅，该阶段的风险变化速率较小，基本维持恒定。

步骤3)：构建不同窗口下的行为特征序列{V_r,α,D}，窗口初始时刻为t，每组行为特征序列都由两船绝对速度差V_r、航向差α、相对距离D构成。计算t+T时刻的未来碰撞风险，并将未来碰撞风险看作离散的标签。根据会遇局面的演化过程，采用滑动窗口实时提取会遇船舶的AIS数据，构建AIS数据驱动的行为特征序列与未来碰撞风险之间的映射关系。

如图2所示，构建AIS数据驱动的行为特征序列与未来碰撞风险之间的映射关系包括以下步骤：

步骤3.1)：两艘会遇船舶从t时刻开始形成会遇局面，设置滑动窗口步长为w；

步骤3.2)：构建t时刻到t+w时刻内由两船绝对速度差V_r、航向差α、相对距离D组成的行为特征序列S_t；

步骤3.3)：预测t+T时刻的DCPA、TCPA和相对距离D，通过DCPA、TCPA和相对距离D线性组合得到t+T时刻的未来碰撞风险CRI，根据CRI得到t+T时刻对应的未来碰撞风险等级R，构建由R组成的P_t+T，构建S_t→P_t+T的映射关系；

步骤3.4)：将会遇船舶的AIS数据依照滑动窗口向前滚动一秒，构建t+1时刻到t+w+1时刻的特征序列S_t+1，t+T+1时刻对应的P_t+T+1，构建S_t+1→P_t+T+1的映射关系；

步骤3.5)：重复步骤3.3)与步骤3.4)滚动构建映射关系，直到两艘船舶结束会遇局面。

步骤4)：将当前窗口的行为特征序列作为长短期记忆网络的输入，长短期记忆网络输出T时刻之后的未来碰撞风险，利用会遇船舶实时AIS数据不断更新当前时间窗口的行为特征序列，实现AIS数据驱动的未来碰撞风险在线预测。

步骤5)：基站实时接收监控船舶的AIS数据，根据未来碰撞风险在线预测结果，将未来碰撞风险较高的会遇船舶的AIS数据发送至监控船舶的AIS终端，监控船舶根据海上避碰规则及时做出转向避让操作。

(三)有益效果

本发明的有益效果是：在计算DCPA、TCPA等评价指标的基础上，实现了碰撞风险组合度量，根据累计分布函数实现了碰撞风险等概率划分；采用滑动窗口提取行为特征序列，构建当前窗口的行为特征序列与T时刻之后未来碰撞风险之间的映射关系；利用长短期记忆网络建立行为特征序列与未来碰撞风险之间的映射模型，准确对未来碰撞风险进行在线预测，实现了向监控船舶提供会遇助航和未来碰撞风险预警。

附图说明

图1为一种船舶会遇助航预警方法的流程示意图；

图2为构建AIS数据驱动的行为特征序列与未来碰撞风险之间的映射关系的示意图；

图3为本发明实施例中的窗口风险统计分布示意图；

图4为本发明实施例中的累积分布示意图。

具体实施方式

为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。

本发明提供了一种船舶会遇助航预警方法，如图1所示，该方法包括以下步骤：

步骤1)：船舶自动识别***获取会遇船舶的原始轨迹数据(AIS数据)，设置插值统计窗口，根据插值统计窗口内轨迹点密度不同，采用基于点密度的可变长窗口滚动插值法还原船舶自动识别***的缺失数据。

会遇船舶A的轨迹数据为会遇船舶B的轨迹数据为其中，traj_i＝{Lat,Lng,Sog,Cog},1≤i≤min(m,n)代表船舶在第i秒的经度、纬度、航速、航向信息。基于点密度的可变长窗口滚动插值法包括步骤如下：

步骤1.1)：任选会遇船舶轨迹对中的一条轨迹，设置样本个数为L的插值统计窗口。

步骤1.2)：当插值统计窗口内样本个数L≥20时，窗口内点密度高，对插值统计窗口中的样本点采用三次Hermite插值算法；当插值统计窗口内样本个数16≤L＜20时，窗口内点密度稀疏，船舶自动识别***获取的数据存在缺失，将插值统计窗口长度延长一倍，对插值统计窗口中的样本点采用线性插值算法；当插值统计窗口内样本个数L≤15时，插值统计窗口的轨迹数据存在严重缺失，插值函数会严重偏离真实情况，将此窗口的轨迹数据剔除。

步骤2)：根据T_a和T_b计算任意时刻的最近会遇距离DCPA(Distance Of ClosestPoint Of Approaching)、最近会遇时间TCPA(Time To Closest Point Of Approaching)、两船绝对速度差V_r、航向差α、相对距离D等特征参量。利用DCPA、TCPA和相对距离D进行线性组合实现船舶会遇局面下的碰撞风险度量，

根据公式(1)计算船舶会遇局面下任意时刻对应的碰撞风险CRI。针对碰撞风险不能在短时间内突变的问题，选取时间窗口Δw对每个时刻的碰撞风险值进行窗口平滑处理。统计所有窗口对应的碰撞风险，利用累积分布函数CDF(Cumulative DistributionFunction)计算碰撞风险所在区间对应的累积概率，通过累积概率实现碰撞风险量化分级。

碰撞风险量化分级包括以下步骤：

步骤2.1)：将CRI进行量化分级，分别对应为低、中低、中、中高、高5类碰撞风险等级；

步骤2.2)：根据历史会遇船舶的碰撞风险得到CDF分布图，按照不同碰撞风险等级分布概率近似相等，进行碰撞风险等级划分：CRI在[0-0.15)范围，累计概率为[0,0.2)，划分为低碰撞风险R₁；CRI在[0.15-0.17)范围，累计概率为(0.2,0.4]，划分为中低碰撞风险R₂，该阶段的风险变化比较明显；CRI在[0.17-0.25)范围，累计概率为(0.4,0.6]，划分为中碰撞风险R₃，该阶段风险变化上逐渐趋于平稳；CRI在[0.25-0.4)范围，累计概率为(0.6,0.8]，划分为中高碰撞风险R₄；CRI在[0.4,+∞)范围，累计概率为(0.8,1]，划分为高碰撞风险R₅，该阶段的风险变化速率较小，基本维持恒定。

步骤3)：构建不同窗口下的行为特征序列{V_r,α,D}，窗口初始时刻为t，每组行为特征序列都由两船绝对速度差V_r、航向差α、相对距离D构成。计算t+T时刻的未来碰撞风险，并将未来碰撞风险看作离散的标签。根据会遇局面的演化过程，采用滑动窗口实时提取会遇船舶的AIS数据，构建AIS数据驱动的行为特征序列与未来碰撞风险之间的映射关系。

如图2所示，构建AIS数据驱动的行为特征序列与未来碰撞风险之间的映射关系包括以下步骤：

步骤3.1)：两艘会遇船舶从t时刻开始形成会遇局面，设置滑动窗口步长为w；

步骤3.2)：构建t时刻到t+w时刻内由两船绝对速度差V_r、航向差α、相对距离D组成的行为特征序列S_t；

步骤3.3)：预测t+T时刻的DCPA、TCPA和相对距离D，通过DCPA、TCPA和相对距离D线性组合得到t+T时刻的未来碰撞风险CRI，根据CRI得到t+T时刻对应的未来碰撞风险等级R，构建由R组成的P_t+T，构建S_t→P_t+T的映射关系；

步骤3.4)：将会遇船舶的AIS数据依照滑动窗口向前滚动一秒，构建t+1时刻到t+w+1时刻的特征序列S_t+1，t+T+1时刻对应的P_t+T+1，构建S_t+1→P_t+T+1的映射关系；

步骤3.5)：重复步骤3.3)与步骤3.4)滚动构建映射关系，直到两艘船舶结束会遇局面。

步骤4)：将当前窗口的行为特征序列作为长短期记忆网络的输入，长短期记忆网络输出T时刻之后的未来碰撞风险，利用会遇船舶实时AIS数据不断更新当前时间窗口的行为特征序列，实现AIS数据驱动的未来碰撞风险在线预测。

步骤5)：基站实时接收监控船舶的AIS数据，根据未来碰撞风险在线预测结果，将未来碰撞风险较高的会遇船舶的AIS数据发送至监控船舶的AIS终端，监控船舶根据海上避碰规则及时做出转向避让操作。

本发明为监控船舶提供了会遇助航以及未来碰撞风险预警。

下面以具体实例演示说明：选取长江南槽交汇水域2017年2月的200对会遇船舶AIS数据，设置时间窗口Δw为20秒，一共生成了40137个窗口，利用每个窗口内的DCPA、TCPA和D的计算出对应的碰撞风险，生成如图3的窗口风险统计分布，根据图4的累积分布确定低、中低、中、中高、高五种风险等级。随机选取150对会遇船舶AIS数据作为训练集，剩余50对会遇船舶AIS数据作为测试集。设置窗口步长w为10，预测T＝20秒的未来碰撞风险。利用滑动窗口提取船舶会遇特征信息作为长短期记忆网络的输入，对应的碰撞风险等级作为长短期记忆网络输出的标签，采用训练好的长短期记忆网络对测试集的会遇船舶进行未来碰撞风险在线预测。将预测碰撞风险与测试集的真实碰撞风险进行对比，结果表明本发明提出的船舶会遇助航预警方法对碰撞风险预测的准确率在90％以上。

附图对本发明的实施例进行了描述，但是本发明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发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (9)

1.一种船舶会遇助航预警方法，其特征在于：包括以下步骤：

步骤1)：会遇船舶AIS数据预处理；

步骤2)：碰撞风险组合度量与量化分级；

步骤3)：构建行为特征序列与碰撞风险的映射关系；

步骤4)：在线预测未来碰撞风险；

步骤5)：作出船舶会遇反馈。

2.如权利要求1所述的一种船舶会遇助航预警方法，其特征在于：在所述步骤1)中，船舶自动识别***获取会遇船舶的原始轨迹数据，记为AIS数据，会遇船舶A的轨迹数据为会遇船舶B的轨迹数据为其中，traj_i＝{Lat,Lng,Sog,Cog},1≤i≤min(m,n)代表船舶在第i秒的经度、纬度、航速、航向信息，设置插值统计窗口，根据插值统计窗口内轨迹点密度不同，采用基于点密度的可变长窗口滚动插值法还原船舶自动识别***的缺失数据。

3.如权利要求2所述的一种船舶会遇助航预警方法，其特征在于：基于点密度的可变长窗口滚动插值法包括步骤如下：

步骤1.1)：任选会遇船舶轨迹对中的一条轨迹，设置样本个数为L的插值统计窗口；

步骤1.2)：当插值统计窗口内样本个数L≥20时，对插值统计窗口中的样本点采用三次Hermite插值算法；当插值统计窗口内样本个数16≤L＜20时，将插值统计窗口长度延长一倍，对插值统计窗口中的样本点采用线性插值算法；当插值统计窗口内样本个数L≤15时，将插值统计窗口的轨迹数据剔除。

4.如权利要求1所述的一种船舶会遇助航预警方法，其特征在于：在所述步骤2)中，根据T_a和T_b计算任意时刻的最近会遇距离DCPA、最近会遇时间TCPA、两船绝对速度差V_r、航向差α、相对距离D特征参量，利用DCPA、TCPA和相对距离D进行线性组合实现船舶会遇局面下的碰撞风险度量，

根据公式(1)计算船舶会遇局面下任意时刻对应的碰撞风险CRI；选取时间窗口Δw对每个时刻的碰撞风险值进行窗口平滑处理；统计所有窗口对应的碰撞风险，利用累积分布函数CDF计算碰撞风险所在区间对应的累积概率，通过累积概率实现碰撞风险量化分级。

5.如权利要求4所述的一种船舶会遇助航预警方法，其特征在于：碰撞风险量化分级包括以下步骤：

步骤2.1)：将CRI进行量化分级，分别对应为低、中低、中、中高、高5类碰撞风险等级；

步骤2.2)：根据历史会遇船舶的碰撞风险得到CDF分布图，按照不同碰撞风险等级分布概率近似相等，进行碰撞风险等级划分：CRI在[0-0.15)范围，累计概率为[0,0.2)，划分为低碰撞风险R₁；CRI在[0.15-0.17)范围，累计概率为(0.2,0.4]，划分为中低碰撞风险R₂；CRI在[0.17-0.25)范围，累计概率为(0.4,0.6]，划分为中碰撞风险R₃；CRI在[0.25-0.4)范围，累计概率为(0.6,0.8]，划分为中高碰撞风险R₄；CRI在[0.4,+∞)范围，累计概率为(0.8,1]，划分为高碰撞风险R₅。

6.如权利要求2所述的一种船舶会遇助航预警方法，其特征在于：在所述步骤3)中，构建不同窗口下的行为特征序列{V_r,α,D}，窗口初始时刻为t，每组行为特征序列都由两船绝对速度差V_r、航向差α、相对距离D构成，计算t+T时刻的未来碰撞风险，并将未来碰撞风险看作离散的标签；根据会遇局面的演化过程，采用滑动窗口实时提取会遇船舶的AIS数据，构建AIS数据驱动的行为特征序列与未来碰撞风险之间的映射关系。

7.如权利要求6所述的一种船舶会遇助航预警方法，其特征在于：构建AIS数据驱动的行为特征序列与未来碰撞风险之间的映射关系包括以下步骤：

步骤3.1)：两艘会遇船舶从t时刻开始形成会遇局面，设置滑动窗口步长为w；

步骤3.2)：构建t时刻到t+w时刻内由两船绝对速度差V_r、航向差α、相对距离D组成的行为特征序列S_t；

步骤3.3)：预测t+T时刻的DCPA、TCPA和相对距离D，通过DCPA、TCPA和相对距离D线性组合得到t+T时刻的未来碰撞风险CRI，根据CRI得到t+T时刻对应的未来碰撞风险等级R，构建由R组成的P_t+T，构建S_t→P_t+T的映射关系；

步骤3.4)：将会遇船舶的AIS数据依照滑动窗口向前滚动一秒，构建t+1时刻到t+w+1时刻的特征序列S_t+1，t+T+1时刻对应的P_t+T+1，构建S_t+1→P_t+T+1的映射关系；

步骤3.5)：重复步骤3.3)与步骤3.4)滚动构建映射关系，直到两艘船舶结束会遇局面。

8.如权利要求1所述的一种船舶会遇助航预警方法，其特征在于：在所述步骤4)中，将当前窗口的行为特征序列作为长短期记忆网络的输入，长短期记忆网络输出T时刻之后的未来碰撞风险，利用会遇船舶实时AIS数据不断更新当前时间窗口的行为特征序列，实现AIS数据驱动的未来碰撞风险在线预测。

9.如权利要求1所述的一种船舶会遇助航预警方法，其特征在于：在所述步骤5)中，基站实时接收监控船舶的AIS数据，根据未来碰撞风险在线预测结果，将未来碰撞风险高的会遇船舶的AIS数据发送至监控船舶的AIS终端，监控船舶根据海上避碰规则及时做出转向避让操作。