CN110703759A - 一种多船博弈的船舶避碰处理方法 - Google Patents
一种多船博弈的船舶避碰处理方法 Download PDFInfo
- Publication number
- CN110703759A CN110703759A CN201911034375.9A CN201911034375A CN110703759A CN 110703759 A CN110703759 A CN 110703759A CN 201911034375 A CN201911034375 A CN 201911034375A CN 110703759 A CN110703759 A CN 110703759A
- Authority
- CN
- China
- Prior art keywords
- ship
- collision avoidance
- target
- cluster
- game
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 8
- 230000002265 prevention Effects 0.000 title description 5
- 238000000034 method Methods 0.000 claims abstract description 39
- 230000008878 coupling Effects 0.000 claims abstract description 8
- 238000010168 coupling process Methods 0.000 claims abstract description 8
- 238000005859 coupling reaction Methods 0.000 claims abstract description 8
- 230000009471 action Effects 0.000 claims description 18
- 230000006399 behavior Effects 0.000 claims description 16
- 230000008901 benefit Effects 0.000 claims description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 9
- 230000002452 interceptive effect Effects 0.000 claims description 6
- 238000011160 research Methods 0.000 abstract description 7
- 230000006870 function Effects 0.000 description 11
- 239000000126 substance Substances 0.000 description 9
- 230000006872 improvement Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 239000008186 active pharmaceutical agent Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012067 mathematical method Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000003930 cognitive ability Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/0206—Control of position or course in two dimensions specially adapted to water vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供了一种多船博弈的船舶避碰处理方法,其特征在于,包括:S1、当目标船舶行驶在复杂航行环境的集群中时,获取目标船舶的基本信息,目标船舶所处集群的基本信息以及预设区域内所有集群的基本信息;S2、目标船舶基于获取的所有信息,采用相场耦合与不完全信息多船动态博弈的船舶避碰模型,确定用于目标船舶避碰的最优选择策略;S3、目标船舶根据确定的最优选择策略,控制船舶执行避碰操作。以集群船舶为研究对象,考虑博弈方可获得信息的完备程度,具有较高的有效性和可靠性。
Description
技术领域
本发明涉及船舶交通与主动安全技术领域,尤其涉及一种多船博弈的船舶避碰处理方法。
背景技术
近年来,随着船舶大型化、高速化发展以及数量的急剧增加,航行安全问题变得日趋严重。其中,海上船舶碰撞是危及船舶航行安全的主要原因,在海上船舶交通事故中占有很大比例。船舶避碰需要在短时间内综合分析各种信息,考虑多种因素的影响。船舶避碰算法的合理性或有效性直接影响到航行过程的安全性。
随着船舶智能化水平的提高,物联网技术能实现船与船之间、船与岸之间以及船与环境之间的多源信息采集和共享,使航行参与者能充分利用网联技术了解和掌握其认知能力所达之外有关周围环境的有用信息,特别是涉及感知区域内船舶编组和静态障碍物等重要信息元素,可为船间动态避碰提供决策依据,提高船舶航行主动安全。因此,对物联网条件下的船舶避碰***进行研究对保障航行安全、避免碰撞事故、减少生命和财产损失,保护海洋环境具有重要的现实意义。
现有中船舶避碰技术主要存在以下不足:1、构建的避碰模型大多以规划局部航线为主要研究内容,较少考虑船舶类型及航行环境对船间避碰的影响。2、基于博弈理论的避碰模型通常以会遇两船为研究对象,构建二人静态博弈模型,分析二者之间的相互影响,不能准确反映多个会遇船舶间相互影响的复杂避让过程。3、基于博弈理论的避碰模型较少考虑会遇船舶可获得信息的完备程度情况。
而在航运过程中,船型类型对避碰操纵的影响不同,在繁忙水域环境下,船型构成复杂,避碰发生的频率更高;开阔水域***是一个复杂多变的交通***,船舶间位置关系的不断变更会使船舶所处的编组关系时刻发生改变,编组关系中的航行实体也会动态变化,因而船舶在进行避碰操纵时需要考虑周围船舶避碰操纵的影响;物联网技术发展程度的不同,船舶了解和掌握其能力所达之外有关周围环境信息特别是涉及兴趣感知区域船舶编组和航行实体重要信息的完备程度也将不同。
因此,亟需一种基于相场耦合与不完全信息多船博弈的船舶避碰方法。
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,本发明提供一种多船博弈的船舶避碰处理方法。以集群船舶为研究对象,考虑博弈方可获得信息的完备程度,具有较高的有效性和可靠性。
(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:
一种多船博弈的船舶避碰处理方法,包括:S1、当目标船舶行驶在复杂航行环境的集群中时,获取目标船舶的基本信息,目标船舶所处集群的基本信息以及预设区域内所有集群的基本信息;S2、目标船舶基于获取的所有信息,采用相场耦合与不完全信息多船动态博弈的船舶避碰模型,确定用于目标船舶避碰的最优选择策略;S3、目标船舶根据确定的最优选择策略,控制船舶执行避碰操作。
作为本发明方法的一种改进,目标船舶的基本信息包括船舶位置信息和船型信息;目标船舶所处集群的基本信息包括船舶标识、船舶位置信息、船型信息和船舶所占水域面积;预设区域内所有集群的基本信息包括船舶位置信息、船型信息和船舶所占水域面积。
作为本发明方法的一种改进,目标船舶所处集群的确定,包括:以目标船舶的中心位置为圆心,依照以两船碰撞临界相对距离为半径的圆形区域、以两船强影响临界相对距离为半径的圆形区域和以两船弱影响临界相对距离为半径的圆形区域对目标船舶所在环境进行划分,获取目标船舶的碰撞区域、强影响区域和弱影响区域;以目标船舶的行进方向为前方,基于目标船舶的强影响区域对目标船舶所在环境进行划分,获取目标船舶的左前侧、正前侧、右前侧、正右侧、右后侧、正后侧、左后侧、正左侧八个子区域;以目标船舶的行进方向为前方,基于目标船舶的弱影响区域对目标船舶所在环境进行划分,获取目标船舶的次左前侧、次正前侧、次右前侧、次正右侧、次右后侧、次正后侧、次左后侧、次正左侧八个次子区域。
作为本发明方法的一种改进,步骤S2包括:
A1、目标船舶根据目标船舶所处集群和预设的局中人选取规则,确定博弈的局中人;根据局中人和预设的船舶避碰操纵类型,确定博弈的策略集。
A2、目标船舶根据船舶受其集群的作用力模糊推理规则和预设区域内所有集群的基本信息,获取局中人受其集群的作用力;并依据局中人受其集群的作用力,获取局中人避碰收益函数。
A3、依据局中人受其集群的作用力,确定船舶避碰模型中博弈的停时条件;将局中人、策略集和局中人避碰收益函数输入船舶避碰模型中,输出局中人避碰行为选择。
作为本发明方法的一种改进,船舶避碰模型中船舶避碰博弈行为依据混合模糊多人多目标非合作对策理论描述。
作为本发明方法的一种改进,船舶受其集群的作用力模糊推理规则根据预先收集的目标船舶受其每个子区域的作用粒度与该子区域内干扰船舶状态参数的对应关系,以及目标船舶受其每个次子区域的作用粒度与该次子区域内干扰船舶状态参数的对应关系确定。
作为本发明方法的一种改进,依据局中人受其集群的作用力,获取局中人避碰收益函数,包括:依据船舶在执行避碰操纵前后受其各子区域和各次子区域综合作用力的差值,描述局中人的安全性收益;依据船舶在执行避碰操纵前后受其正横前侧综合作用力差值,描述局中人的效率性收益;依据船舶在执行避碰操纵前后受其正前侧、右前侧、正右侧综合作用力差值,描述局中人的舒适性收益;依据船舶倾向性与不同收益的模糊权重对应关系、局中人的安全性收益、效率性收益和舒适性收益,确定局中人的避碰收益函数。
作为本发明方法的一种改进,船舶避碰模型中博弈的停时条件包括:判断局中人在执行避碰操纵后受其集群综合作用力是否大于等于零;判断局中人在执行避碰操纵前后受其集群正横前侧综合作用力差值是否大于等于零;判断局中人在执行避碰操纵前后受其集群正前侧、右前侧、正右侧综合作用力差值是否大于等于零。
作为本发明方法的一种改进,船舶避碰模型中船舶避碰博弈行为描述如下:
其中,I为局中人集合;为局中人的收益集合;是局中人ni(ni∈I)的混合策略集,是局中人ni(ni∈I)的混合策略,是局中人ni(ni∈I)选取其纯策略集中的纯策略的概率,Λi为纯策略集的指标集;表示局中人ni(ni′∈I)在局势x∈X中关于目标m(m=1,2,…,M)的模糊收益,X=X1×X2×…×XN,当局中人ni(ni∈I)分别选取混合策略xi∈Xi,就形成了混合策略局势x=(x1,x2,…,xN)∈X。
(三)有益效果
本发明的有益效果是:
综合考虑船舶集群态势、船型和船舶倾向性等影响船舶避碰行为的因素,从船舶集群态势复杂性分析入手,运用模糊数学方法对集群船舶间的避碰影响进行推理,分析因网联程度及信息开放程度不同而导致的不完全信息条件下船舶的避碰行为,建立基于相场耦合与不完全信息多船动态博弈的船舶避碰模型,具有较高的有效性和可靠性。为物联网条件下智能船舶的避碰行为研究提供理论依据。
附图说明
本发明借助于以下附图进行描述:
图1为本发明具体实施方式中船舶避碰方法的流程图;
图2为本发明具体实施方式中目标船舶所处集群场景示意图;
图3为本发明具体实施方式中保守型船舶实际轨迹值与预测轨迹值对比图;
图4为本发明具体实施方式中中庸型船舶实际轨迹值与预测轨迹值对比图;
图5为本发明具体实施方式中高效型船舶实际轨迹值与预测轨迹值对比图。
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。
本发明提供一种多船博弈的船舶避碰处理方法,如图1所示,包括以下步骤:
步骤S1、当目标船舶行驶在复杂航行环境的集群中时,获取目标船舶的基本信息,目标船舶所处集群的基本信息以及预设区域内所有集群的基本信息。
具体地,目标船舶所处集群的确定,包括:以目标船舶的中心位置为圆心,依照以两船碰撞临界相对距离为半径的圆形区域O1、以两船强影响临界相对距离为半径的圆形区域O2和以两船弱影响临界相对距离为半径的圆形区域O3对目标船舶所在环境进行划分,获取目标船舶的碰撞区域、强影响区域和弱影响区域;以目标船舶的行进方向为前方,基于目标船舶的强影响区域对目标船舶所在环境进行划分,获取目标船舶的左前侧、正前侧、右前侧、正右侧、右后侧、正后侧、左后侧、正左侧八个子区域;以目标船舶的行进方向为前方,基于目标船舶的弱影响区域对目标船舶所在环境进行划分,获取目标船舶的次左前侧、次正前侧、次右前侧、次正右侧、次右后侧、次正后侧、次左后侧、次正左侧八个次子区域;如图2所示。
目标船舶所处集群的确定,还包括:确定目标船舶所处集群的会遇局面。会遇局面包括冲突会遇局面和非冲突会遇局面;其中,冲突会遇是两船因航向交叉并在时间和空间上相互逼近从而导致某船必须采取避碰操作的局面。非冲突会遇是除冲突会遇之外的两船会遇形式,分为两种类型:一是两船航向平行的平行会遇局面;二是他船向着远离目标船方向航行的驶离会遇局面。具体地,目标船舶的基本信息包括船舶位置信息和船型信息;目标船舶所处集群的基本信息包括船舶标识信息、船舶位置信息、船型信息和船舶所占水域面积;预设区域内所有集群的基本信息包括船舶位置信息、船型信息和船舶所占水域面积。
其中,目标船舶所处集群的船舶标识信息的获取包括:对目标船舶、左前代表干扰船舶、正前代表干扰船舶、右前代表干扰船舶、正右代表干扰船舶、右后代表干扰船舶、正后代表干扰船舶、左后代表干扰船舶、正左代表干扰船舶依次标定为n0、n1、n2、n3、n4、n5、n6、n7、n8;对次左前代表干扰船舶、次正前代表干扰船舶、次右前代表干扰船舶、次正右代表干扰船舶、次右后代表干扰船舶、次正后代表干扰船舶、次左后代表干扰船舶、次正左代表干扰船舶依次标定为n9、n10、n11、n12、n13、n14、n15、n16。
步骤S2、目标船舶基于获取的所有信息,采用相场耦合与不完全信息多船动态博弈的船舶避碰模型,确定用于目标船舶避碰的最优选择策略。
步骤S2包括:
A1、目标船舶根据目标船舶所处集群和预设的局中人选取规则,确定博弈的局中人;根据局中人和预设的船舶避碰操纵类型,确定博弈的策略集。
具体地,选取目标船舶及其每个子区域内的代表干扰船舶作为局中人,局中人集合为N={n0,n1,…ni,…,n8}(i=0,1,2,3,…,8);根据局中人集合和预设的船舶避碰操纵类型,确定策略集为 其中,为局中人ni选取的一个策略,分别对应SC、TL、TR、DS的行动选择,SC代表保速保向,TL代表左转舵,TR代表右转舵,DS代表减速停车。
A2、目标船舶根据船舶受其集群的作用力模糊推理规则和预设区域内所有集群的基本信息,获取局中人受其集群的作用力;并依据局中人受其集群的作用力,获取局中人避碰收益函数。
本发明针对船舶集群态势客观存在于整个航行环境,并随着航行参与方之间作用力的动态变化而变化的特性,借助相场耦合理论的思想来表述船舶集群态势内干扰船对目标船的作用效果。相场包含相态和场两个概念,相态指多个航行参与方在同一环境条件下运动时,各自航行状态以及相对时空关系等环境因素所构成的某种态势;场指集群态势中各航行参与方相互作用的表现形式。相态通过船舶集群中各航行参与方之间的吸引力与排斥力所形成的“场”来支撑。
本发明借用物理学中“吸引力”与“排斥力”的概念来表述场的作用效果。在实际航行中,目标船舶对其所处环境信息的感知是模糊的、不完全的,因此本发明借助模糊逻辑的方法获得目标船舶受其船舶集群态势内干扰船的作用力。力的大小用作用粒度描述:不同力的作用粒度可以用其所在区间的一个实数表示,如表1所示;其中,最大引力的作用粒度用1表示,最大斥力的作用粒度用-1表示。
表1不同作用力所对应的作用粒度
目标船舶受其船舶集群态势的作用力可通过每个子区域和次子区域代表干扰船舶对目标船舶的作用力、网格区域所能提供的航行空间的大小、目标船在网格区域所能获得的航行速度大小等因素来体现。发明人考虑目标船舶与感知区域内干扰船的船型(分为大、中、小三类)、船间会遇类型、船间时距、区域船舶覆盖率(分为小、中、大三类,见表2)及区域船舶平均航速(分为大、中、小三类,见表2)6个方面的因素,利用模糊逻辑方法对作用粒度进行合理的评分。
区域船舶覆盖率公式如下:
表2区域船舶覆盖率与区域船舶平均航速的关系
以左前侧区域对目标船的作用粒度计算为例,对冲突会遇局面下船舶集群态势进行模糊推理,作用粒度的部分推理规则如表3所示,其中一条典型的语言模糊规则如下:
若目标船为小型船、左前侧区域代表干扰船为小型船、船间时距为大、左前侧区域的船舶覆盖率为小、左前侧区域内船舶平均航速为大,则左前侧区域代表干扰船对目标船的作用粒度为1。
表3目标船舶受其左前侧区域作用粒度的模糊推理规则
同理可获得目标船舶受其他子区域和次子区域作用粒度的模糊推理规则。
故一具体实施例中,依据船舶受其集群态势的作用力模糊推理规则、船舶集群态势场景界定规则和目标船舶及其所在环境指定区域内干扰船舶的状态参数,获取局中人受其集群态势的作用力,包括:
以目标船舶为例,获取目标船舶受其集群态势的作用力集合为 其中,代表强影响区域作用力,代表弱影响区域作用力;f0 lf,f0 da,f0 rf,f0 rs,f0 rr,f0 ra,f0 lr,f0 ls依次代表左前侧区域作用力、正前侧区域作用力、右前侧区域作用力、正右侧区域作用力、右后侧区域作用力、正后侧区域作用力、左后侧区域作用力、正左侧区域作用力;f0 glf,f0 gda,f0 grf,f0 grs,f0 grr,f0 gra,f0 glr,f0 gls依次代表次左前侧区域作用力、次正前侧区域作用力、次右前侧区域作用力、次正右侧区域作用力、次右后侧区域作用力、次正后侧区域作用力、次左后侧区域作用力、次正左侧区域作用力。同样,获取其他局中人受其集群态势的作用力集合
船舶对当前航行状态的满意与否主要取决于当前所在船舶集群态势的作用力大小,故船舶的收益用执行操作前后自身所受到的船舶集群态势作用力的差值衡量。
在一具体实施例中,依据局中人受其集群态势的作用力,获取局中人的避碰收益函数,包括:
依据船舶在执行避碰操纵前后受其各子区域和各次子区域综合作用力的差值,描述局中人的安全性收益。以目标船舶为例,目标船舶的安全性收益为其中,F0为避碰操纵前目标船舶受其各子区域和各次子区域的综合作用力, F′0为避碰操纵后目标船舶受其各子区域和各次子区域的综合作用力,亦可用同样的方法获得。同理可计算得到避碰操纵前后其他局中人受其各子区域和各次子区域的综合作用力大小分别为Fi和Fi′,(i=1,2,…,8);故局中人的安全性收益为
依据船舶在执行避碰操纵前后受其正横前侧综合作用力差值,描述局中人的效率性收益。以目标船舶为例,目标船舶的效率性收益弟 其中,为避碰操纵前目标船舶受其正横前侧综合作用力, 为避碰操纵后目标船舶受其正横前侧综合作用力, 同理可计算得到避碰操纵前后其他局中人受其正横前侧综合作用力分别为和故局中人的效率性收益为表征船舶在不违背计划航线的基础上更倾向于更宽裕、更安全的航行空间。
依据船舶在执行避碰操纵前后受其正前侧、右前侧、正右侧综合作用力差值,描述局中人的舒适性收益。以目标船舶为例,目标船舶的舒适性收益为其中,为避碰操纵前目标船舶受其正前侧、右前侧、正右侧综合作用力, 为避碰操纵后目标船舶受其正前侧、右前侧、正右侧综合作用力,同理可计算得到避碰操纵前后其他局中人受其集群态势正前侧、右前侧、正右侧综合作用力分别为Fo i和故局中人的舒适性收益为
依据船舶倾向性与不同收益的模糊权重对应关系(见表4)、局中人的安全性收益、效率性收益和舒适性收益,确定局中人的避碰收益函数其中,分别表示局中人ni关于避碰安全性收益、效率性收益和舒适性收益的模糊目标权重。
表4船舶倾向性与不同收益的模糊权重对应关系
A3、依据局中人受其集群的作用力,确定船舶避碰模型中博弈的停时条件;将局中人、策略集和局中人避碰收益函数输入船舶避碰模型中,输出局中人避碰行为选择。
为使模型输出的局中人避碰行为选择处于一种比较稳定且安全的航行状态,发明人从安全性要求、效率性要求和舒适性要求方面来确定船舶避碰博弈模型中博弈的停时条件。
在一具体实施例中,船舶避碰博弈模型中博弈的停时条件,包括:
判断局中人在执行避碰操纵前后受其集群态势正横前侧综合作用力差值是否大于等于零(效率性要求)。即某t时刻,当博弈进行到第n轮结束时,判断是否大于等于零;其中, 分别表示第n轮结束时,目标船受其正左侧、左前侧、正前侧、右前侧和正右侧区域的作用力。
判断局中人在执行避碰操纵前后受其集群态势正前侧、右前侧、正右侧综合作用力差值是否大于等于零(舒适性要求)。即某t时刻,当博弈进行到第n轮结束时,判断是否大于等于零;其中, 分别表示第n轮结束时,目标船受其正前侧、右前侧和正右侧区域的作用力。
本发明考虑船舶博弈时所处的船舶集群态势信息和对策策略都具有一定的主观性,各个船舶的倾向性存在差异且他们之间的收益函数、偏好机构具有时变性,且船舶集群中各船舶并不知道相互间的目标权重偏好。在分析问题时,他们只能把自己的目标权重向量也当作别人的目标权重向量来衡量别人,从而做出自己的策略选择。故运用混合模糊多人多目标非合作对策理论来描述船舶避碰博弈行为。这时,每个局中人ni(ni∈I)都以自己的目标权重向量给局中人ni′(ni′∈I)的模糊支付值进行加权综合。包括:
其中,
是在局中人ni(ni∈I)看来局中人ni′(ni′∈I)在策略组合x∈X中获得的模糊加权支付值。
I为局中人集合;为局中人的收益集合; 是局中人ni(ni∈I)的混合策略集, 是局中人ni(ni∈I)的混合策略,是局中人ni(ni∈I)选取其纯策略集中的纯策略的概率,Λi为纯策略集的指标集;表示局中人ni(ni′∈I)在局势x∈X中关于目标m(m=1,2,…,M)的模糊收益。
对船舶避碰博弈行为进行求解,包括:
对策解的求解步骤如下:
步骤S3、目标船舶根据确定的最优选择策略,控制船舶执行避碰操作。
本发明着眼于物联网背景,综合考虑船舶集群态势、船型和船舶倾向性等影响船舶避碰行为的因素,从船舶集群态势复杂性分析入手,运用模糊数学方法对集群船舶间的避碰影响进行推理,分析因网联程度及信息开放程度不同而导致的不完全信息条件下船舶的避碰行为,建立基于相场耦合与不完全信息多船动态博弈的船舶避碰模型,具有较高的有效性和可靠性。为物联网条件下智能船舶的避碰行为研究提供理论依据。
仿真实验
以实验船为目标船舶,以女岛港码头作为起点与终点,利用视频采集***(对当前海域进行实时、全局、全角度拍摄,记录实验过程)、AIS(记录目标船与会遇船的实际位置、实时航速和航向等信息)、计程仪(记录目标船航迹)等设备进行实验,实验过程保证仪器设备正常运行使用。目标船依据避让规则与操纵者个人航行习惯在实验海域中自然航行,利用视频采集***和船载设备动态采集相关实验数据,实验完成后将数据导出并保存。
为目标船构建与视频观测实船实验中相同的仿真环境,将实验收集整理的不同倾向性船舶的特征数据输入不完全信息船舶动态博弈的船舶避碰微观仿真模型中,还原目标船的运动过程,实时仿真目标船在某时段上的航行轨迹,并与真实的轨迹数据进行比对核实,结果见图3、4、5。可见本发明的船舶避碰模型具有较高的有效性和可靠性。
需要理解的是,以上对本发明的具体实施例进行的描述只是为了说明本发明的技术路线和特点,其目的在于让本领域内的技术人员能够了解本发明的内容并据以实施,但本发明并不限于上述特定实施方式。凡是在本发明权利要求的范围内做出的各种变化或修饰,都应涵盖在本发明的保护范围内。
Claims (9)
1.一种多船博弈的船舶避碰处理方法,其特征在于,包括:
S1、当目标船舶行驶在复杂航行环境的集群中时,获取目标船舶的基本信息,目标船舶所处集群的基本信息以及预设区域内所有集群的基本信息;
S2、所述目标船舶基于获取的所有信息,采用相场耦合与不完全信息多船动态博弈的船舶避碰模型,确定用于目标船舶避碰的最优选择策略;
S3、所述目标船舶根据确定的最优选择策略,控制船舶执行避碰操作。
2.根据权利要求1所述的方法,其特征在于,
所述目标船舶的基本信息包括船舶位置信息和船型信息;
所述目标船舶所处集群的基本信息包括船舶标识、船舶位置信息、船型信息和船舶所占水域面积;
所述预设区域内所有集群的基本信息包括船舶位置信息、船型信息和船舶所占水域面积。
3.根据权利要求1所述的方法,其特征在于,所述目标船舶所处集群的确定,包括:
以目标船舶的中心位置为圆心,依照以两船碰撞临界相对距离为半径的圆形区域、以两船强影响临界相对距离为半径的圆形区域和以两船弱影响临界相对距离为半径的圆形区域对目标船舶所在环境进行划分,获取目标船舶的碰撞区域、强影响区域和弱影响区域;
以所述目标船舶的行进方向为前方,基于所述目标船舶的强影响区域对目标船舶所在环境进行划分,获取目标船舶的左前侧、正前侧、右前侧、正右侧、右后侧、正后侧、左后侧、正左侧八个子区域;以所述目标船舶的行进方向为前方,基于所述目标船舶的弱影响区域对目标船舶所在环境进行划分,获取目标船舶的次左前侧、次正前侧、次右前侧、次正右侧、次右后侧、次正后侧、次左后侧、次正左侧八个次子区域。
4.根据权利要求3所述的方法,其特征在于,所述步骤S2包括:
A1、所述目标船舶根据所述目标船舶所处集群和预设的局中人选取规则,确定博弈的局中人;根据所述局中人和预设的船舶避碰操纵类型,确定博弈的策略集;
A2、所述目标船舶根据船舶受其集群的作用力模糊推理规则和所述预设区域内所有集群的基本信息,获取局中人受其集群的作用力;并依据所述局中人受其集群的作用力,获取局中人避碰收益函数;
A3、依据所述局中人受其集群的作用力,确定所述船舶避碰模型中博弈的停时条件;将所述局中人、所述策略集和所述局中人避碰收益函数输入所述船舶避碰模型中,输出局中人避碰行为选择。
5.根据权利要求4所述的方法,其特征在于,所述船舶避碰模型中船舶避碰博弈行为依据混合模糊多人多目标非合作对策理论描述。
6.根据权利要求4所述的方法,其特征在于,所述船舶受其集群的作用力模糊推理规则根据预先收集的目标船舶受其每个子区域的作用粒度与该子区域内干扰船舶状态参数的对应关系,以及目标船舶受其每个次子区域的作用粒度与该次子区域内干扰船舶状态参数的对应关系确定。
7.根据权利要求4所述的方法,其特征在于,所述依据所述局中人受其集群的作用力,获取局中人避碰收益函数,包括:
依据船舶在执行避碰操纵前后受其各子区域和各次子区域综合作用力的差值,描述局中人的安全性收益;
依据船舶在执行避碰操纵前后受其正横前侧综合作用力差值,描述局中人的效率性收益;
依据船舶在执行避碰操纵前后受其正前侧、右前侧、正右侧综合作用力差值,描述局中人的舒适性收益;
依据船舶倾向性与不同收益的模糊权重对应关系、所述局中人的安全性收益、效率性收益和舒适性收益,确定局中人的避碰收益函数。
8.根据权利要求4所述的方法,其特征在于,所述船舶避碰模型中博弈的停时条件包括:
判断局中人在执行避碰操纵后受其集群综合作用力是否大于等于零;
判断局中人在执行避碰操纵前后受其集群正横前侧综合作用力差值是否大于等于零;
判断局中人在执行避碰操纵前后受其集群正前侧、右前侧、正右侧综合作用力差值是否大于等于零。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911034375.9A CN110703759B (zh) | 2019-10-29 | 2019-10-29 | 一种多船博弈的船舶避碰处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911034375.9A CN110703759B (zh) | 2019-10-29 | 2019-10-29 | 一种多船博弈的船舶避碰处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110703759A true CN110703759A (zh) | 2020-01-17 |
CN110703759B CN110703759B (zh) | 2022-08-09 |
Family
ID=69202546
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911034375.9A Active CN110703759B (zh) | 2019-10-29 | 2019-10-29 | 一种多船博弈的船舶避碰处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110703759B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112373642A (zh) * | 2020-10-30 | 2021-02-19 | 东南大学 | 一种基于船舶领域的内河船舶追越行为检测及跟踪方法 |
CN113220678A (zh) * | 2021-04-23 | 2021-08-06 | 亿海蓝(北京)数据技术股份公司 | 船靠船事件识别方法及*** |
CN113849909A (zh) * | 2021-09-18 | 2021-12-28 | 大连海事大学 | 一种基于动态博弈的海上自主水面船舶避让行为决策方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101408772A (zh) * | 2008-11-21 | 2009-04-15 | 哈尔滨工程大学 | Auv智能避碰装置及避碰方法 |
KR20090069711A (ko) * | 2007-12-26 | 2009-07-01 | 삼성중공업 주식회사 | 선박의 충돌 방지 시스템 |
US20100114633A1 (en) * | 2008-10-31 | 2010-05-06 | David Sislak | System and method for planning/replanning collision free flight plans in real or accelerated time |
CN104809529A (zh) * | 2015-05-13 | 2015-07-29 | 哈尔滨工程大学 | 一种细菌觅食优化的多船会遇避碰方法 |
CN109298712A (zh) * | 2018-10-19 | 2019-02-01 | 大连海事大学 | 一种基于自适应航行态势学习的无人驾驶船舶自主避碰决策方法 |
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 |
-
2019
- 2019-10-29 CN CN201911034375.9A patent/CN110703759B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090069711A (ko) * | 2007-12-26 | 2009-07-01 | 삼성중공업 주식회사 | 선박의 충돌 방지 시스템 |
US20100114633A1 (en) * | 2008-10-31 | 2010-05-06 | David Sislak | System and method for planning/replanning collision free flight plans in real or accelerated time |
CN101408772A (zh) * | 2008-11-21 | 2009-04-15 | 哈尔滨工程大学 | Auv智能避碰装置及避碰方法 |
CN104809529A (zh) * | 2015-05-13 | 2015-07-29 | 哈尔滨工程大学 | 一种细菌觅食优化的多船会遇避碰方法 |
CN109298712A (zh) * | 2018-10-19 | 2019-02-01 | 大连海事大学 | 一种基于自适应航行态势学习的无人驾驶船舶自主避碰决策方法 |
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 |
Non-Patent Citations (2)
Title |
---|
王刚: "船舶扩展式博弈避碰决策***建立与仿真研究", 《中国优秀硕士学位论文全文数据库》 * |
王方,王晓原,刘振雪,王建强,孔栋,王云云: "基于完全信息多人动态博弈的车道选择模型", 《计算机工程与应用》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112373642A (zh) * | 2020-10-30 | 2021-02-19 | 东南大学 | 一种基于船舶领域的内河船舶追越行为检测及跟踪方法 |
CN112373642B (zh) * | 2020-10-30 | 2022-02-01 | 东南大学 | 一种基于船舶领域的内河船舶追越行为检测及跟踪方法 |
CN113220678A (zh) * | 2021-04-23 | 2021-08-06 | 亿海蓝(北京)数据技术股份公司 | 船靠船事件识别方法及*** |
CN113220678B (zh) * | 2021-04-23 | 2023-09-08 | 亿海蓝(北京)数据技术股份公司 | 船靠船事件识别方法及*** |
CN113849909A (zh) * | 2021-09-18 | 2021-12-28 | 大连海事大学 | 一种基于动态博弈的海上自主水面船舶避让行为决策方法 |
CN113849909B (zh) * | 2021-09-18 | 2024-04-09 | 大连海事大学 | 一种基于动态博弈的海上自主水面船舶避让行为决策方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110703759B (zh) | 2022-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110703759B (zh) | 一种多船博弈的船舶避碰处理方法 | |
CN110362910B (zh) | 基于博弈论的自动驾驶车辆换道冲突协调模型建立方法 | |
CN102541069B (zh) | 偏离损失的避免操纵 | |
Li et al. | Ship’s trajectory planning based on improved multiobjective algorithm for collision avoidance | |
Bakdi et al. | Fullest COLREGs evaluation using fuzzy logic for collaborative decision-making analysis of autonomous ships in complex situations | |
CN109658442A (zh) | 多目标跟踪方法、装置、设备及计算机可读存储介质 | |
CN110444046A (zh) | 一种受限水域非冲突会遇船舶集群态势分析方法 | |
Xiao et al. | Artificial force fields for multi-agent simulations of maritime traffic: a case study of Chinese waterway | |
CN114464014A (zh) | 基于模糊逻辑的区域船舶碰撞风险处理方法、***和介质 | |
Zhang et al. | A rule-based maritime traffic situation complex network approach for enhancing situation awareness of vessel traffic service operators | |
Vagale et al. | Evaluation of path planning algorithms of autonomous surface vehicles based on safety and collision risk assessment | |
Chen et al. | Survey on cooperative collision avoidance research for ships | |
Zhang et al. | A method of performing real-time ship conflict probability ranking in open waters based on AIS data | |
Wang et al. | Deep reinforcement learning based collision avoidance system for autonomous ships | |
Cheng et al. | Traffic-conflict and fuzzy-logic-based collision risk assessment for constrained crossing scenarios of a ship | |
Chang et al. | COLREG and MASS: Analytical review to identify research trends and gaps in the Development of Autonomous Collision Avoidance | |
Bye | A receding horizon genetic algorithm for dynamic resource allocation: A case study on optimal positioning of tugs | |
Masroeri et al. | IUU fishing and transhipment identification with the miss of AIS data using Neural Networks | |
Nguyen et al. | Automatic collision avoiding support system for ships in congested waters and at open sea | |
Liu et al. | Modeling of ship collision risk based on cloud model | |
CN110411448A (zh) | 一种船舶感知区域动态网格内代表船的选取方法 | |
CN110443368A (zh) | 一种冲突状态下船舶集群态势分析方法 | |
CN110414042A (zh) | 一种冲突会遇局面下船舶集群态势分析方法 | |
CN110444045B (zh) | 一种非冲突状态船舶集群态势分析方法 | |
Lei et al. | Learning for Prediction of Maritime Collision Avoidance Behavior from AIS Network |
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 |