CN110415561B - 一种非冲突会遇局面下船舶集群态势分析方法 - Google Patents
一种非冲突会遇局面下船舶集群态势分析方法 Download PDFInfo
- Publication number
- CN110415561B CN110415561B CN201910516641.5A CN201910516641A CN110415561B CN 110415561 B CN110415561 B CN 110415561B CN 201910516641 A CN201910516641 A CN 201910516641A CN 110415561 B CN110415561 B CN 110415561B
- Authority
- CN
- China
- Prior art keywords
- ship
- area
- target
- interference
- target ship
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G3/00—Traffic control systems for marine craft
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G3/00—Traffic control systems for marine craft
- G08G3/02—Anti-collision systems
Landscapes
- Engineering & Computer Science (AREA)
- Ocean & Marine Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开实施例涉及一种非冲突会遇局面下船舶集群态势分析方法,其包括:在非冲突会遇局面下,将目标船的感知区域划由外到内划分为多个虚拟动态网格;在虚拟动态网格内选择代表船,代表船用以代表动态网格区域内的宏观交通状况;在虚拟动态网格中将代表船对目标船的作用力通过作用粒度进行描述;采用模糊逻辑规则结合作用粒度进行评分,得到目标船受干扰船的作用力;根据作用力的合并,对虚拟动态网格进行合并和约简。本公开的方法利用作用粒度在虚拟动态网格内对目标船的作用力进行描述;分析虚拟动态网格区域内代表船对目标船的作用粒度大小,进行合并和约简,为无人船舶的避碰决策以及下一可航行区域的选择提供准确的感知信息,提高航行安全性。
Description
技术领域
本公开涉及船舶技术领域,尤其涉及一种非冲突会遇局面下船舶集群态势分析方法。
背景技术
智慧无人船舶是一种无人驾驶船舶,拥有自主航行、智能机舱、能效管理、货物运输和智能集成平台,该技术融合了船舶、通信、自动化、机器人控制、远程监控、网络化***等技术,可实现自主导航、智能避障等功能。与有人驾驶船相比,智能无人船舶具有安全系数高,经济环保,绿色节能等优点。而智能无人船舶的路径规划,是智能无人船舶自主航行***的核心内容。
船舶集群态势是指针对无人船的感知区域内所有交通实体部署和行为所构成的状态和形势,包含交通实体所能感知到的所有信息。智慧无人船舶集群态势分析是避碰决策的前提和基础,是智慧无人船感知和认知的重要组成部分。现有的对船舶会遇的研究缺乏对冲突会遇局面下船舶集群态势的研究,缺少准确性以及全面性,无法满足无人船高效、自主航行的要求。
基于上述,现有的船舶会遇态势的分析仍然存在上述缺陷。
上述缺陷是本领域技术人员期望克服的。
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,本公开提供一种非冲突会遇局面下船舶集群态势分析方法,其可以使智慧无人船在非冲突会遇局面下全面认识复杂的航行环境,提高航行安全性。
(二)技术方案
为了达到上述目的,本公开采用的主要技术方案包括:
本公开一实施例提供一种非冲突会遇局面下船舶集群态势分析方法,其包括:
在非冲突会遇局面下,将目标船的感知区域划由外到内划分为多个虚拟动态网格;
在所述虚拟动态网格内选择代表干扰船,所述代表干扰船用以代表所述动态网格区域内的宏观交通状况;
在所述虚拟动态网格中将所述代表干扰船对目标船的作用力通过作用粒度进行描述;
采用模糊逻辑规则结合所述作用粒度进行评分,得到所述目标船受代表干扰船的作用力;
根据作用力的合并,对所述虚拟动态网格进行合并和约简。
在本公开一实施例中,所述非冲突会遇局面包括:平行会遇和驶离会遇。
在本公开一实施例中,在非冲突会遇局面下,将目标船的感知区域划由外到内划分为多个虚拟动态网格之前,还包括:
获取干扰船和目标船的运动参数,其中所述运动参数至少包括:位置、速度和航向;
根据所述运动参数计算干扰船和目标船的相对速度、相对速度方向、相对距离、干扰船位于目标船的方位角、干扰船相对于目标船的相对方位、安全会遇距离和最小会遇距离。
在本公开一实施例中,所述在非冲突会遇局面下,将目标船的感知区域划由外到内划分为多个虚拟动态网格包括:
以所述目标船的中心位置为圆心,分别以6海里、3海里和1海里的临界相对距离为半径形成圆形区域,其中所述半径为6海里的圆形区域为所述目标船的感知区域;
将所述目标船的感知区域分为左前侧、正前侧、右前侧、正右侧、右后侧、正后侧、左后侧、正左侧八个分区域,且每个分区域按照所述临界相对距离被分成三个动态网格区域;
按照所述临界相对距离所述目标船的感知区域由外到内分别代表弱影响区域、强影响区域和碰撞区域,对于所述弱影响区域和所述强影响区域结合所述八个分区域被划分为16个虚拟动态网格。
在本公开一实施例中,还包括:
将所述目标船所处的船舶集群态势分为四层,分别为:无会遇船层、成角度交叉会遇层、平行非冲突会遇层、驶离非冲突会遇层。
在本公开一实施例中,所述在所述虚拟动态网格内选择代表干扰船,所述代表干扰船用以代表所述动态网格区域内的宏观交通状况包括:
当所述虚拟动态网格的区域内至少存在两艘干扰船时,选取所述虚拟动态网格的区域内对所述目标船影响最大的一干扰船作为代表干扰船,其中所述代表干扰船为一航行实体代表,用于体现所述虚拟动态网格区域的宏观交通状况。
在本公开一实施例中,所述选取所述虚拟动态网格的区域内对所述目标船影响最大的一干扰船作为代表干扰船包括:
若所述虚拟动态网格的区域内船舶密度较小,区域能提供较大的空间供目标船航行,则以所述虚拟动态网格的区域内距所述目标船相对距离最小的干扰船作为所述代表干扰船;
若所述虚拟动态网格的区域内船舶密度较大,存在多艘干扰船,且当所述虚拟动态网格的区域具有连通性时,以区域内所有干扰船与目标船构成的多边形的重心作为代表干扰船,其中所述代表干扰船的运动参数与距离所述目标船相对距离最小的干扰船一致;
若所述虚拟动态网格的区域内船舶密度较大,存在多艘干扰船,且当所述虚拟动态网格的区域不具有连通性时,将所述虚拟动态网格的区域中心点虚拟为代表干扰船;
若所述虚拟动态网格的区域内无干扰船时,则按照预设规则进行航行实体代表补充后得到所述代表干扰船。
在本公开一实施例中,所述在所述虚拟动态网格中将所述代表干扰船对目标船的作用力通过作用粒度进行描述包括:
所述代表干扰船对目标船的作用力包括:强斥力、中斥力、弱斥力、零、弱引力、中引力或强引力,相应的作用粒度分别为[-1,-0.7)、[-0.7,-0.3)、[-0.3,-0)、0、(0,0.3]、(0.3,0.7]、(0.7,1]。
在本公开一实施例中,所述采用模糊逻辑规则结合所述作用粒度进行评分,得到所述目标船受代表干扰船的作用力包括:
在所述虚拟动态网格内,采用模糊逻辑规则对非冲突会遇局面下对船舶集群态势进行模糊推理;
当模糊变量为相对距离时,利用模糊逻辑规则得到相对距离模糊集合为{近,较近,中,远},其中所述相对距离模糊集合中从“近”到“较近”的门限值为第一门限值,所述相对距离模糊集合中从“中”到“远”的门限值为第四门限值,且所述第四门限值为所述第一门限值的4倍。
在本公开一实施例中,所述根据作用力的合并,对所述虚拟动态网格进行合并和约简包括:
在所述八个分区域其中的一个分区域中将强影响区域和弱影响区域对目标船的作用力进行合并,得到所述分区域中目标船的作用力;
将所述目标船在正左侧和左前侧两个分区域中对目标船的作用力进行合并,得到所述目标船左侧区域的合作用力;
将所述目标船在正右侧和右前侧两个分区域中对目标船的作用力进行合并,得到所述目标船右侧区域的合作用力。
(三)有益效果
本公开的有益效果是:本公开实施例提供的非冲突会遇局面下船舶集群态势分析方法,对非冲突会遇局面下目标船的感知区域进行划分,利用作用粒度在虚拟动态网格内对目标船的作用力进行描述;以非冲突会遇局面下,某一虚拟动态网格区域内代表干扰船对目标船的作用粒度计算为例对感知区域进行进行分析,并对各个分区域进行合并和约简,可为智慧无人船舶的避碰决策以及下一可航行区域的选择提供较为准确的感知与认知信息,提高航行安全性。
附图说明
图1为本公开一个实施例提供的一种非冲突会遇局面下船舶集群态势分析方法的流程图;
图2为本公开一实施例中船舶运动参数计算模型示意图;
图3为本公开一实施例中目标船所处船舶集群态势分层示意图;
图4为本公开一实施例图1中步骤S110的流程图;
图5为本公开一实施例中标定后非冲突会遇局面船舶集群态势示意图;
图6为本公开一实施例中相对距离的隶属度函数图;
图7为本公开一实施例中船舶集群态势中目标船周围干扰船作用力的分布情况示意图;
图8为本公开一实施例中约简后的船舶集群态势类型图。
具体实施方式
为了更好的解释本公开,以便于理解,下面结合附图,通过具体实施方式,对本公开作详细描述。
本文所使用的所有的技术和科学术语与属于本公开的技术领域的技术人员通常理解的含义相同。本文中在本公开的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本公开。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
图1为本公开一个实施例提供的一种非冲突会遇局面下船舶集群态势分析方法的流程图,如图1所示,该方法包括以下步骤:
如图1所示,在步骤S110中,在非冲突会遇局面下,将目标船的感知区域划由外到内划分为多个虚拟动态网格;
如图1所示,在步骤S120中,在所述虚拟动态网格内选择代表干扰船,所述代表干扰船用以代表所述动态网格区域内的宏观交通状况;
如图1所示,在步骤S130中,在所述虚拟动态网格中将所述代表干扰船对目标船的作用力通过作用粒度进行描述;
如图1所示,在步骤S140中,采用模糊逻辑规则结合所述作用粒度进行评分,得到所述目标船受代表干扰船的作用力;
如图1所示,在步骤S150中,根据作用力的合并,对所述虚拟动态网格进行合并和约简。
以下对图1所示实施例的各个步骤的具体实现进行详细阐述:
在步骤S110中,在非冲突会遇局面下,将目标船的感知区域划由外到内划分为多个虚拟动态网格。
在本公开一实施例中,所述非冲突会遇局面包括:平行会遇和驶离会遇,具体为:将海上船舶间的平行会遇(会遇两船航向平行)和驶离会遇(某一船向着远离另一船的方向航向)定义为非冲突会遇。
在本公开一实施例中,在非冲突会遇局面下,将目标船的感知区域划由外到内划分为多个虚拟动态网格之前,还包括:获取船舶的运动参数,并计算船舶集群态势分析所需的相关参数。
首先,依据助航设备获取干扰船和目标船的运动参数,其中所述运动参数至少包括:位置、速度和航向。例如,以目标船中心位置为坐标原点,东经方向为x轴正方向,北纬方向为y轴正方向建立坐标系假设目标船初始位置为(x0,y0),速度为v0,航向为α;干扰船位置为(xb,yb),速度为vb,航向为β。图2为本公开一实施例中船舶运动参数计算模型示意图,如图2所示,标注目标船和干扰船的位置、速度、航向、相对距离等。
其次,根据所述运动参数计算干扰船和目标船的相对速度、相对速度方向、相对距离、干扰船位于目标船的方位角、干扰船相对于目标船的相对方位、安全会遇距离和最小会遇距离,具体为:
根据以下公式计算目标船速度在x、y轴上的分量v0x、v0y;
根据以下公式计算干扰船速度在x、y轴上的分量vbx、vby;
根据以下公式计算两船相对速度在x、y轴上的分量vb0x、vb0y;
根据以下公式计算两船相对速度;
根据以下公式计算两船相对速度方向;
根据以下公式计算两船相对距离;
根据以下公式计算干扰船相对于目标船的方位角;
根据以下公式计算干扰船相对于目标船的相对方位;
根据以下公式计算目标船相对干扰船的安全会遇距离;
根据以下公式计算两船最小会遇距离;
将所述目标船所处的船舶集群态势分为四层,分别为:无会遇船层、成角度交叉会遇层、平行非冲突会遇层、驶离非冲突会遇层。因此,得到上述参数后,以本船为目标船,他船为干扰船,将目标船感知区域划分为十六个动态网格区域并将船舶会遇分层表示,图3为本公开一实施例中目标船所处船舶集群态势分层示意图,如图3所示,分别示出无会遇船层、交叉会遇层。
结合图3所示的示意图,图4为本公开一实施例图1中步骤S110的流程图,如图4所示,包括以下步骤:
在步骤S401中,以所述目标船的中心位置为圆心,分别以6海里、3海里和1海里的临界相对距离为半径形成圆形区域,其中所述半径为6海里的圆形区域为所述目标船的感知区域。
在步骤S402中,将所述目标船的感知区域分为左前侧、正前侧、右前侧、正右侧、右后侧、正后侧、左后侧、正左侧八个分区域,且每个分区域按照所述临界相对距离被分成三个动态网格区域。
在步骤S403中,按照所述临界相对距离所述目标船的感知区域由外到内分别代表弱影响区域、强影响区域和碰撞区域,对于所述弱影响区域和所述强影响区域结合所述八个分区域被划分为16个虚拟动态网格。
以图3所示为例,以6海里、3海里和1海里分别做圆O1、O2、O3,将最外圆O1作为目标船感知区域的***边界,并将船舶集群态势中目标船的感知区域分为左前侧、正前侧、右前侧、正右侧、右后侧、正后侧、左后侧、正左侧八个分区域,每个分区域又被分成三个动态网格区域,由外到内分别代表弱影响区域、强影响区域和碰撞区域。
在步骤S120中,在所述虚拟动态网格内选择代表干扰船,所述代表干扰船用以代表所述动态网格区域内的宏观交通状况。
在本公开一实施例中,该步骤中当所述虚拟动态网格的区域内至少存在两艘干扰船时,选取所述虚拟动态网格的区域内对所述目标船影响最大的一干扰船作为代表干扰船,其中所述代表干扰船为一航行实体代表,用于体现所述虚拟动态网格区域的宏观交通状况。
其中选取所述虚拟动态网格的区域内对所述目标船影响最大的一干扰船作为代表干扰船包括:
若所述虚拟动态网格的区域内船舶密度较小,区域能提供较大的空间供目标船航行,则以所述虚拟动态网格的区域内距所述目标船相对距离最小的干扰船作为所述代表干扰船;
若所述虚拟动态网格的区域内船舶密度较大,存在多艘干扰船,且当所述虚拟动态网格的区域具有连通性时,以区域内所有干扰船与目标船构成的多边形的重心作为代表干扰船,其中所述代表干扰船的运动参数与距离所述目标船相对距离最小的干扰船一致;
若所述虚拟动态网格的区域内船舶密度较大,存在多艘干扰船,且当所述虚拟动态网格的区域不具有连通性时,将所述虚拟动态网格的区域中心点虚拟为代表干扰船;
若所述虚拟动态网格的区域内无干扰船时,则按照预设规则进行航行实体代表补充后得到所述代表干扰船。
基于上述步骤,在虚拟动态网格内对选取的代表干扰船进一步进行标定,图5为本公开一实施例中标定后非冲突会遇局面船舶集群态势示意图,如图5所示,图5中对干扰船中有无与目标船航向平行(同向或反向)的干扰船分别进行示意。
在步骤S130中,在所述虚拟动态网格中将所述代表干扰船对目标船的作用力通过作用粒度进行描述。
在本公开一实施例中,该步骤中对目标船所处的船舶集群态势进行数学表达,借助物理学中“力”的概念对船舶集群态势进行数学表达,抽象表述各动态网格区域内代表干扰船对目标船的作用效果。
其中对目标船所处的船舶集群态势进行数学表达具体包括:
借助物理学中“力”的概念对船舶集群态势进行数学表达,抽象表述各动态网格区域内代表干扰船对目标船的作用效果,若某一动态网格区域对目标船选择该区域航行起到了正面影响或者说该区域有较大的空间可供目标船穿插,目标船在该区域可获得较高航行速度,那么该区域对目标船施加的力为引力;反之,对目标船施加的引力相对较小甚至为斥力,因此所述代表干扰船对目标船的作用力包括:强斥力、中斥力、弱斥力、零、弱引力、中引力或强引力,相应的作用粒度分别为[-1,-0.7)、[-0.7,-0.3)、[-0.3,-0)、0、(0,0.3]、(0.3,0.7]、(0.7,1],具体如表1所示:
表1
为体现某一时刻某一动态网格区域的船舶密度情况,本发明提出区域船舶覆盖率的概念,区域船舶覆盖率大时,该网格区域船舶密度较大,可供目标船航行的空间较小;当区域船舶覆盖率小时,该网格区域船舶密度较小,可供目标船航行的空间较大,根据以下公式计算船舶覆盖率。
在本公开一个实施例中,若某一网格区域船舶覆盖率为小,目标船在该网格区域可获得较大的速度和航行空间,则该网格区域对目标船施加的引力较大,目标船选择该区域的概率也更大;若某一区域船舶覆盖率相对较大,目标船在该网格区域可获得的速度和航行空间相对较小,则该网格区域对目标船施加引力相对较小甚至为斥力,目标船选择该网格区域的概率相对较小。通过对船长的问卷调查,可以得到网格区域平均航速大小的界限。所以,在各动态网格区域船舶覆盖率所对应的船舶平均航行速度大小如表2所示。
表2
区域船舶覆盖率 | 区域船舶平均速度(海里/小时) |
δ≤0.3(小) | v≥12(大) |
0.3<δ≤0.6(中) | 6≤v<12(中) |
δ>0.6(大) | v<6(小) |
在步骤S140中,采用模糊逻辑规则结合所述作用粒度进行评分,得到所述目标船受代表干扰船的作用力。
在本公开一实施例中,该步骤中考虑目标船与感知区域各动态网格区域内干扰船的船型(分为大、中、小三类)、相对距离、区域船舶覆盖率(分为小、中、大三类)及区域船舶平均航速(分为大、中、小三类)5个方面的因素,利用模糊逻辑方法分别对非冲突会遇局面下的作用粒度进行合理的评分。
例如,以某一区域代表干扰船对目标船的作用粒度计算为例,对非冲突会遇局面下船舶集群态势进行模糊推理,考虑目标船船型、干扰船船型、相对距离、区域船舶覆盖率和区域船舶平均速度5个方面的因素,对作用粒度进行合理的筛选。
该步骤中通过以某一网格区域代表干扰船对目标船的作用粒度计算为例,对非冲突会遇局面下船舶集群态势进行模糊推理,剔除不符合实际情况(区域船舶覆盖率为大且区域船舶平均速度为大及区域船舶覆盖率为小且区域船舶平均速度为小的情况)的规则数144条后,剩余的总规则数为504条,可得作用粒度的推理规则表3,其中一条典型的语言模糊规则如下:
若目标船与代表干扰船的船型均为大型船、目标船与代表干扰船构成平行非冲突会遇局面、目标船与代表干扰船的相对距离为近、网格区域的船舶覆盖率为大、网格区域区域内船舶平均航速为小,则网格区域内代表干扰船对目标船的作用粒度为-1。
若目标船与代表干扰船的船型均为小型船、目标船与代表干扰船构成驶离非冲突会遇局面、目标船与代表干扰船的相对距离为远、网格区域的船舶覆盖率为小、虚拟动态网格区域内船舶平均航速为大,则网格区域内代表干扰船对目标船的作用粒度为1。
其中非冲突会遇局面下作用粒度模糊推理规则如表3所示:
表3
在本公开一实施例中,在所述虚拟动态网格内,采用模糊逻辑规则对非冲突会遇局面下对船舶集群态势进行模糊推理;当模糊变量为相对距离时,利用模糊逻辑规则得到相对距离模糊集合为{近,较近,中,远},其中所述相对距离模糊集合中从“近”到“较近”的门限值为第一门限值,所述相对距离模糊集合中从“中”到“远”的门限值为第四门限值,且所述第四门限值为所述第一门限值的4倍。
例如,目标船与代表干扰船的相对距离d,在论域d={-d0≤d≤d0}(其中-d0为论域下限,d0为论域上限)上,d可能的模糊集合为:{近,较近,中,远},根据公以下公式计算从相对距离“近”到相对距离“较近”的门限值d1。
其中,L0、Lb分别为目标船和干扰船船长;B0、Bb分别为目标船和干扰船船宽;v0、vb分别为目标船和干扰船航速;vb0为两船相对速度;θ为两船航向夹角。
基于上述,根据以下公式计算从相对距离“中”到相对距离“远”的门限值d4。
d4=4d1
其中,d2、d3是d1和d4的中间值。
图6为本公开一实施例中相对距离的隶属度函数图,如图6所示,其中示出时距与隶属度的关系。
该步骤中,利用模糊逻辑方法将各虚拟动态网格区域对目标船的作用效果用引力或斥力来表示,其中,引力用“+”表示,斥力用“-”表示。
图7为本公开一实施例中船舶集群态势中目标船周围干扰船作用力的分布情况示意图,如图7所示,对270~90°范围内的区域的作用力进行标注。
在步骤S150中,根据作用力的合并,对所述虚拟动态网格进行合并和约简。
在本公开一实施例中,该步骤中依据每一动态网格代表干扰船对目标船的作用力对复杂的船舶集群态势进行合并和约简。
首先,在所述八个分区域其中的一个分区域中将强影响区域和弱影响区域对目标船的作用力进行合并,得到所述分区域中目标船的作用力。
该步骤中通过将某一分区域的弱影响网格区域对目标船的作用力与强影响网格区域对目标船作用力进行合并,即可得到相应分区域对目标船的作用力,其中,当动态网格区域内代表干扰船对目标船的作用力大于或等于零时表示目标船受该区域的作用力为引力;若作用力小于零则表示目标船所受的区域作用力为斥力,分区域作用力的模糊推理规则如表4所示:
表4
其次,将所述目标船在正左侧和左前侧两个分区域中对目标船的作用力进行合并,得到所述目标船左侧区域的合作用力;以及将所述目标船在正右侧和右前侧两个分区域中对目标船的作用力进行合并,得到所述目标船右侧区域的合作用力。
该步骤中根据COLREGS对避让责任的划分,目标船对正左侧分区域和左前侧分区域来船的避碰责任相同,为进一步约简船舶集群态势,根据正左侧分区域和左前侧分区域对目标船的作用力并利用模糊逻辑方法计算目标船左侧区域对目标船的作用力,利用同样的方法可以得到右侧区域对目标船的作用力,左侧区域对目标船的作用力模糊推理规则如表5所示:
表5
基于上述,图8为本公开一实施例中约简后的船舶集群态势类型图,如图8所示,共8种约简结果,分别对得到左侧、前侧和右侧的约简结果。
综上所述,采用本公开实施例提供的非冲突会遇局面下船舶集群态势分析方法,基于模糊推理规则,采取语言变量的形式,对平行会遇和驶离会遇局面下船舶所处的集群态势进行分析,将目标船感知区域划分为十六个动态网格区域,借用“力”的思想可动态描述网各区域对目标船的作用效果,可为智慧无人船舶的避碰决策以及下一可航行区域的选择提供较为准确的感知与认知信息,提高航行安全性。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本公开实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (7)
1.一种非冲突会遇局面下船舶集群态势分析方法,其特征在于,其包括:
在非冲突会遇局面下,将目标船的感知区域划由外到内划分为多个虚拟动态网格;
当所述虚拟动态网格的区域内至少存在两艘干扰船时,选取所述虚拟动态网格的区域内对所述目标船影响最大的一干扰船作为代表干扰船,所述代表干扰船为一航行实体代表,用以代表所述动态网格区域内的宏观交通状况;
在所述虚拟动态网格中将所述代表干扰船对目标船的作用力通过作用粒度进行描述;
采用模糊逻辑规则结合所述作用粒度进行评分,得到所述目标船受代表干扰船的作用力,包括:在所述虚拟动态网格内,基于目标船船型、干扰船的船型、相对距离、区域船舶覆盖率及区域船舶平均航速的因素,利用模糊逻辑方法分别对非冲突会遇局面下对船舶集群态势进行模糊推理,按照推理规则得到作用粒度表示的作用力;
根据作用力的合并,对所述虚拟动态网格进行合并和约简;
其中选取所述虚拟动态网格的区域内对所述目标船影响最大的一干扰船作为代表干扰船包括:
若所述虚拟动态网格的区域内船舶密度较小,区域能提供较大的空间供目标船航行,则以所述虚拟动态网格的区域内距所述目标船相对距离最小的干扰船作为所述代表干扰船;
若所述虚拟动态网格的区域内船舶密度较大,存在多艘干扰船,且当所述虚拟动态网格的区域具有连通性时,以区域内所有干扰船与目标船构成的多边形的重心作为代表干扰船,其中所述代表干扰船的运动参数与距离所述目标船相对距离最小的干扰船一致;
若所述虚拟动态网格的区域内船舶密度较大,存在多艘干扰船,且当所述虚拟动态网格的区域不具有连通性时,将所述虚拟动态网格的区域中心点虚拟为代表干扰船,其中所述代表干扰船的运动参数与距离所述目标船相对距离最小的干扰船一致。
2.如权利要求1所述的非冲突会遇局面下船舶集群态势分析方法,其特征在于,所述非冲突会遇局面包括:平行会遇和驶离会遇。
3.如权利要求1所述的非冲突会遇局面下船舶集群态势分析方法,其特征在于,在非冲突会遇局面下,将目标船的感知区域划由外到内划分为多个虚拟动态网格之前,还包括:
获取干扰船和目标船的运动参数,其中所述运动参数至少包括:位置、速度和航向,目标船的初始位置为(x0,y0),速度为v0,航向为α,干扰船的位置(xb,yb),速度为vb,航向为β;
根据所述运动参数计算干扰船和目标船的相对速度、相对速度方向、相对距离、干扰船位于目标船的方位角、干扰船相对于目标船的相对方位、安全会遇距离和最小会遇距离,包括:
计算目标船速度在x、y轴上的分量v0x、v0y;
计算干扰船速度在x、y轴上的分量vbx、vby;
计算干扰船和目标船的相对速度在x、y轴上的分量vb0x、vb0y;
干扰船和目标船的相对速度的计算公式为:
干扰船和目标船的相对速度方向的计算公式为:
干扰船和目标船的相对距离的计算公式为:
干扰船相对于目标船的方位角的计算公式为:
干扰船相对于目标船的相对方位的计算公式为:
目标船相对干扰船的安全会遇距离的计算公式为:
干扰船和目标船的最小会遇距离的计算公式为:
4.如权利要求3所述的非冲突会遇局面下船舶集群态势分析方法,其特征在于,所述在非冲突会遇局面下,将目标船的感知区域划由外到内划分为多个虚拟动态网格包括:
以所述目标船的中心位置为圆心,分别以6海里、3海里和1海里的临界相对距离为半径形成圆形区域,其中所述半径为6海里的圆形区域为所述目标船的感知区域;
将所述目标船的感知区域分为左前侧、正前侧、右前侧、正右侧、右后侧、正后侧、左后侧、正左侧八个分区域,且每个分区域按照所述临界相对距离被分成三个动态网格区域;
按照所述临界相对距离所述目标船的感知区域由外到内分别代表弱影响区域、强影响区域和碰撞区域,对于所述弱影响区域和所述强影响区域结合所述八个分区域被划分为16个虚拟动态网格。
5.如权利要求4所述的非冲突会遇局面下船舶集群态势分析方法,其特征在于,还包括:
将所述目标船所处的船舶集群态势分为四层,分别为:无会遇船层、成角度交叉会遇层、平行非冲突会遇层、驶离非冲突会遇层。
6.如权利要求1所述的非冲突会遇局面下船舶集群态势分析方法,其特征在于,所述在所述虚拟动态网格中将所述代表干扰船对目标船的作用力通过作用粒度进行描述包括:
所述代表干扰船对目标船的作用力包括:强斥力、中斥力、弱斥力、零、弱引力、中引力或强引力,相应的作用粒度分别为[-1,-0.7)、[-0.7,-0.3)、[-0.3,-0)、0、(0,0.3]、(0.3,0.7]、(0.7,1]。
7.如权利要求4所述的非冲突会遇局面下船舶集群态势分析方法,其特征在于,所述根据作用力的合并,对所述虚拟动态网格进行合并和约简包括:
在所述八个分区域其中的一个分区域中将强影响区域和弱影响区域对目标船的作用力进行合并,得到所述分区域中目标船的作用力;
将所述目标船在正左侧和左前侧两个分区域中对目标船的作用力进行合并,得到所述目标船左侧区域的合作用力;
将所述目标船在正右侧和右前侧两个分区域中对目标船的作用力进行合并,得到所述目标船右侧区域的合作用力。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910516641.5A CN110415561B (zh) | 2019-06-14 | 2019-06-14 | 一种非冲突会遇局面下船舶集群态势分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910516641.5A CN110415561B (zh) | 2019-06-14 | 2019-06-14 | 一种非冲突会遇局面下船舶集群态势分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110415561A CN110415561A (zh) | 2019-11-05 |
CN110415561B true CN110415561B (zh) | 2021-07-02 |
Family
ID=68359066
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910516641.5A Active CN110415561B (zh) | 2019-06-14 | 2019-06-14 | 一种非冲突会遇局面下船舶集群态势分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110415561B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109637136A (zh) * | 2018-12-28 | 2019-04-16 | 青岛科技大学 | 一种适应人自混杂环境的骑行意图辨识方法 |
CN109871738A (zh) * | 2018-12-18 | 2019-06-11 | 青岛科技大学 | 一种适应人自混行环境的行人运动意图辨识方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003132491A (ja) * | 2001-10-26 | 2003-05-09 | Matsushita Electric Ind Co Ltd | 光通信標識 |
JP2004077391A (ja) * | 2002-08-21 | 2004-03-11 | Mitsubishi Heavy Ind Ltd | 船舶周域監視システム |
KR102095416B1 (ko) * | 2013-09-06 | 2020-03-31 | 대우조선해양 주식회사 | 다물체의 위치 제어 시스템 및 그의 위치 제어 방법 |
CN105182975B (zh) * | 2015-09-17 | 2017-10-03 | 哈尔滨工程大学 | 一种基于改进的人工协调场的气垫船避障方法 |
CN108281043B (zh) * | 2018-03-23 | 2021-04-27 | 上海海事大学 | 一种船舶碰撞风险预警***及预警方法 |
CN109190523B (zh) * | 2018-08-17 | 2021-06-04 | 武汉大学 | 一种基于视觉的车辆检测跟踪预警方法 |
-
2019
- 2019-06-14 CN CN201910516641.5A patent/CN110415561B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109871738A (zh) * | 2018-12-18 | 2019-06-11 | 青岛科技大学 | 一种适应人自混行环境的行人运动意图辨识方法 |
CN109637136A (zh) * | 2018-12-28 | 2019-04-16 | 青岛科技大学 | 一种适应人自混杂环境的骑行意图辨识方法 |
Non-Patent Citations (1)
Title |
---|
基于改进势场法的受限水域中船舶自动避碰模型研究;林晓杰;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20180615(第06期);正文第41-51,60-64页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110415561A (zh) | 2019-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sun et al. | A formation autonomous navigation system for unmanned surface vehicles with distributed control strategy | |
Perera et al. | Intelligent ocean navigation and fuzzy-Bayesian decision/action formulation | |
CN109597417B (zh) | 一种基于避碰准则的多usv群体协同避碰规划方法 | |
Snape et al. | Navigating multiple simple-airplanes in 3D workspace | |
CN110444046B (zh) | 一种受限水域非冲突会遇船舶集群态势分析方法 | |
Li et al. | Three-dimensional path planning for AUVs in ocean currents environment based on an improved compression factor particle swarm optimization algorithm | |
CN113671968A (zh) | 一种基于改进动态最优互惠避碰机制的无人水面艇实时避碰方法 | |
Li et al. | Towards real-time ship collision risk analysis: An improved R-TCR model considering target ship motion uncertainty | |
Han et al. | A COLREGs-compliant guidance strategy for an underactuated unmanned surface vehicle combining potential field with grid map | |
Jin et al. | Cooperative path planning with priority target assignment and collision avoidance guidance for rescue unmanned surface vehicles in a complex ocean environment | |
Huang et al. | Non-linear velocity obstacles with applications to the maritime domain | |
Zhao et al. | Decision-making for the autonomous navigation of USVs based on deep reinforcement learning under IALA maritime buoyage system | |
Wu et al. | Multi-vessels collision avoidance strategy for autonomous surface vehicles based on genetic algorithm in congested port environment | |
CN110414042B (zh) | 一种冲突会遇局面下船舶集群态势分析方法 | |
CN113538973B (zh) | 一种基于改进粒子群算法的船舶自动避碰方法 | |
CN110703759A (zh) | 一种多船博弈的船舶避碰处理方法 | |
Lee et al. | A new hybrid terrain coverage method for underwater robotic exploration | |
Yang et al. | Improved reinforcement learning for collision-free local path planning of dynamic obstacle | |
CN114088094A (zh) | 一种无人艇的智能航路规划方法及*** | |
CN110415561B (zh) | 一种非冲突会遇局面下船舶集群态势分析方法 | |
Zhang et al. | Dynamic path planning algorithm for unmanned surface vehicle under island-reef environment | |
CN110411448B (zh) | 一种船舶感知区域动态网格内代表船的选取方法 | |
CN110443368B (zh) | 一种冲突状态下船舶集群态势分析方法 | |
CN111199096A (zh) | 受限水域基于船舶集群态势的相对碰撞危险度建模方法 | |
CN110444045B (zh) | 一种非冲突状态船舶集群态势分析方法 |
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 |