CN111951606B - 一种船舶碰撞风险评估与预警方法及*** - Google Patents

一种船舶碰撞风险评估与预警方法及*** Download PDF

Info

Publication number
CN111951606B
CN111951606B CN202010747161.2A CN202010747161A CN111951606B CN 111951606 B CN111951606 B CN 111951606B CN 202010747161 A CN202010747161 A CN 202010747161A CN 111951606 B CN111951606 B CN 111951606B
Authority
CN
China
Prior art keywords
ship
risk
collision risk
collision
navigation
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
Application number
CN202010747161.2A
Other languages
English (en)
Other versions
CN111951606A (zh
Inventor
刘敬贤
刘�文
王凯
刘钊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University of Technology WUT
Original Assignee
Wuhan University of Technology WUT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan University of Technology WUT filed Critical Wuhan University of Technology WUT
Priority to CN202010747161.2A priority Critical patent/CN111951606B/zh
Priority to US17/032,629 priority patent/US20220036738A1/en
Publication of CN111951606A publication Critical patent/CN111951606A/zh
Application granted granted Critical
Publication of CN111951606B publication Critical patent/CN111951606B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G01C21/203—Specially adapted for sailing ships
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Ocean & Marine Engineering (AREA)
  • Environmental & Geological Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Environmental Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请公开了一种船舶碰撞风险评估与预警方法、船舶碰撞风险评估与预警***、电子设备及计算机可读存储介质。其中，该方法包括：获取指定船舶所处位置的水文信息及气象信息，并获取指定船舶与其它船舶的航行信息；基于水文信息、气象信息及航行信息，通过已训练的自适应船舶碰撞风险评估模型评估得到指定船舶的实时碰撞风险；根据实时碰撞风险确定指定船舶的碰撞风险等级；向指定船舶输出与风险等级相关联的预警消息。本申请方案通过构建自适应船舶碰撞风险评估模型，在船舶航行时结合区域历史信息与本次航行时的信息来评估船舶碰撞风险，可提升船舶碰撞风险的评估准确度与预警及时性。

Description

一种船舶碰撞风险评估与预警方法及***
技术领域
本申请属于航海科学技术领域，尤其涉及一种船舶碰撞风险评估与预警方法、船舶碰撞风险评估与预警***、电子设备及计算机可读存储介质。
背景技术
随着经济全球化不可阻挡的趋势，全球航运业飞速发展，大量船舶投入到水路运输中以满足运输需求，航行水域愈加繁忙拥挤，船舶间的冲突更加频繁，水上交通事故时有发生。
实时航行风险与历史航行冲突风险结合是目前船舶安全航行的发展趋势。关于结合历史航行风险，目前有些港口水域基于水上事故的空间分布特征已建立了航行警告区，提醒航行在此区域内的船舶驾驶人员，类似于道路交通的事故多发路段警告。但是水上交通事故发生相对较少，不能为航行警告区的设立提供大量的数据基础，缺乏充足理论支撑。
目前，传统的碰撞风险计算方法主要基于船载雷达掌握其它船舶的实时动态信息，但船载雷达仍存在易受到外界环境影响及识别精度不高的缺陷。为了更好地量化船舶潜在冲突风险，最小会遇距离(Distance at Closest Point of Approach，DCPA)和最小会遇时间(Time to Closest Point of Approach，TCPA)已得到广泛应用，可通过计算TCPA与DCPA来为船舶碰撞提供参考依据。船载自动识别***(Automatic IdentificationSystem，AIS)的强制使用为船舶风险度量提供了海量数据基础，极大提高了船舶安全航行。但是在船舶实际航行中，船舶碰撞风险也受到外部因素的影响，如风、流、能见度等，目前的风险度量模型未能充分考虑这些影响因素，因此无法精确反映船舶碰撞风险程度。这对现有水上航行安全风险评估与预警造成严峻挑战。
发明内容
本申请提供了一种船舶碰撞风险评估与预警方法、船舶碰撞风险评估与预警***、电子设备及计算机可读存储介质，通过构建自适应船舶碰撞风险评估模型，在船舶航行时结合历史航行信息与本次航行时的信息来评估船舶碰撞风险，可提升船舶碰撞风险的评估准确度与预警及时性。
第一方面，本申请提供了一种船舶碰撞风险评估与预警方法，包括：
获取指定船舶所处位置的水文信息及气象信息，并获取上述指定船舶与其它船舶的航行信息，其中，上述航行信息包括航速、航向及船位等；
基于上述水文信息、上述气象信息及上述航行信息，通过已训练的自适应船舶碰撞风险评估模型中评估得到上述指定船舶的实时碰撞风险，其中，上述自适应船舶碰撞风险评估模型根据预设的碰撞未遂事故数据库及上述指定船舶所处的水域而构建，上述碰撞未遂事故数据库包括至少一对航行轨迹对，且每对航行轨迹对中的两条航行轨迹的最小相对距离均小于预设阈值；
根据上述实时碰撞风险确定上述指定船舶的风险等级；
向上述指定船舶输出与上述风险等级相关联的预警消息。
第二方面，本申请提供了一种船舶碰撞风险评估与预警***，包括：
获取单元，用于获取指定船舶所处位置的水文信息及气象信息，并获取上述指定船舶与其它船舶的航行信息，其中，上述航行信息包括航速、航向及船位等；
评估单元，用于基于上述水文信息、上述气象信息及上述航行信息，通过已训练的自适应船舶碰撞风险评估模型评估得到上述指定船舶的实时碰撞风险，其中，上述自适应船舶碰撞风险评估模型根据预设的碰撞未遂事故数据库及上述指定船舶所处的水域而构建，上述碰撞未遂事故数据库包括至少一对航行轨迹对，且每对航行轨迹对中的两条航行轨迹的最小相对距离均小于预设阈值；
确定单元，用于根据上述实时碰撞风险确定上述指定船舶的风险等级；
输出单元，用于向上述指定船舶输出与所述风险等级相关联的预警消息。
第三方面，本申请提供了一种电子设备，上述电子设备包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序，上述处理器执行上述计算机程序时实现如上述第一方面的方法的步骤。
第四方面，本申请提供了一种计算机可读存储介质，上述计算机可读存储介质存储有计算机程序，上述计算机程序被处理器执行时实现如上述第一方面的方法的步骤。
第五方面，本申请提供了一种计算机程序产品，上述计算机程序产品包括计算机程序，上述计算机程序被一个或多个处理器执行时实现如上述第一方面的方法的步骤。
由上可见，通过本申请实施例，根据预设的碰撞未遂事故数据库及指定船舶所处的水域而构建自适应船舶碰撞风险评估模型，可使得自适应船舶碰撞风险评估模型充分学习碰撞未遂事故数据库中所存储的各个历史数据；在应用该自适应船舶碰撞风险评估模型时，将与指定船舶相关的水文信息、气象信息及航行信息均作为该自适应船舶碰撞风险评估模型的输入数据，不仅考虑了其它船舶对指定船舶的影响，而且还考虑到了环境因素对指定船舶的影响，以此提升船舶碰撞风险的评估准确度，并根据碰撞风险所对应的风险等级输出预警消息，降低船舶碰撞的可能性。可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的船舶碰撞风险评估与预警方法的实现流程示意图；
图2是本申请实施例提供的一水域内正在航行的船舶的示意图；
图3是本申请实施例提供的碰撞未遂事故数据库的构建流程示意图；
图4是本申请实施例提供的自适应船舶碰撞风险评估模型的构建流程示意图；
图5是本申请实施例提供的船舶碰撞风险评估与预警方法中，获取网格历史冲突风险的实现流程示意图；
图6是本申请实施例提供的指定船舶所处的水域的示意图；
图7是本申请实施例提供的船载设备的显示屏所显示的用户界面的示意；
图8是本申请实施例提供的执行主体为不同电子设备时的场景的示意图；
图9是本申请实施例提供的船舶碰撞风险评估与预警***的结构框图；
图10是本申请实施例提供的电子设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定***结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的***、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
下面对本申请实施例提供的一种船舶碰撞风险评估与预警方法进行描述。请参阅图1，本申请实施例中的船舶碰撞风险评估与预警方法包括：
步骤101，获取指定船舶所处位置的水文信息及气象信息，并获取上述指定船舶与其它船舶的航行信息。
在本申请实施例中，可将需要评估航行风险的船舶确定为指定船舶，以执行本申请实施例的各个步骤。在确定了指定船舶后，一方面可获取该指定船舶所处位置的水文信息及气象信息，另一方面可获取该指定船舶与其它船舶的航行信息。
其中，指定船舶的水文信息及气象信息，可以是通过指定船舶的顶层甲板所安装的传感器设备采集而得；或者，也可以是接收官方部门所发布的信息而得，此处不对水文信息及气象信息的获取方式作出限定。其中，水文信息包括但不限于流速、流向及浪高等；气象信息包括但不限于风速、风向及能见度等。
其中，上述航行信息包括上述指定船舶与其它船舶的航速、航向及船位等。后续可通过指定船舶与其它船舶的航速、航向及船位，计算得到指定船舶与各个其它船舶的相对航速、相对航向及相对距离等，并以此作为自适应船舶碰撞风险评估模型的输入数据。上述其它船舶，具体指的是在指定船舶的预设范围(例如8海里范围)内的船舶。示例性地，各个船舶均可通过全球定位***(Global Positioning System，GPS)来获取自身的船位、航速及航向；随后，各个船舶可通过AIS将自身的船位、航速及航向发送给预设范围内的其它船舶。这样一来，指定船舶即可接收到各个其它船舶的船位、航速及航向。需要注意的是，各个船舶在通过AIS将自身的船位、航速及航向发送给预设范围内的其它船舶时，会附带有唯一的标识码，如海上移动服务识别码(Maritime Mobile Service Identify，MMSI)，用以表示所发送的信息属于哪一船舶，避免产生混淆。当然，各个船舶也还可以通过AIS发送其它的信息，例如，还可以发送船舶类型，此处不作限定。
步骤102，基于上述水文信息、上述气象信息及上述航行信息，通过已训练的自适应船舶碰撞风险评估模型评估得到上述指定船舶的实时碰撞风险。
在本申请实施例中，该自适应船舶碰撞风险评估模型根据预设的碰撞未遂事故数据库及上述指定船舶所处的水域而构建，其中，上述碰撞未遂事故数据库包括至少一对航行轨迹对，且每对航行轨迹对中的两条航行轨迹的最小相对距离均小于预设阈值。
对于该自适应船舶碰撞风险评估模型来说，输入指定船舶的水文信息、气象信息及指定船舶与任一其它船舶的航行信息，即可获得该指定船舶相对于该任一其它船舶的实时碰撞风险。
举例来说，指定船舶A的预设范围内，有船舶B及船舶C。可以获得指定船舶A的水文信息A1，气象信息A2；以及船舶A的航行信息A3，船舶B的航行信息A4及与船舶C的航行信息A5；通过水文信息A1，气象信息A2，船舶A的航行信息A3及船舶B的航行信息A4，可获得船舶A相对于船舶B的实时碰撞风险R1；同时，通过水文信息A1，气象信息A2，船舶A的航行信息A3及船舶C的航行信息A5，可获得船舶A相对于船舶C的实时碰撞风险R2；也即，对于船舶A来说，由于其预设范围内有两艘其它船舶，因而将计算出两个实时碰撞风险。
也即，已训练的自适应船舶碰撞风险评估模型实际上输出的是指定船舶分别与各个其它船舶的实时碰撞风险；可以将与各个其它船舶的碰撞风险由大至小的顺序进行排序并输出给指定船舶的船舶驾驶人员，使得该船舶驾驶人员可以基于实时碰撞风险的高低优先对风险大的会遇船舶采取避碰措施。
请参阅图2，图2给出了某一水域内正在航行的船舶的示意。其中，每一实心圆点均为一船舶；以每一船舶为圆心，以预设距离(8海里)为半径，划定了各个船舶的附近区域。对于船舶A来说，其预设距离内有船舶B、C、D及E；可通过已训练的自适应船舶碰撞风险评估模型获得船舶A及B之间的实时碰撞风险RAB，船舶A及C之间的实时碰撞风险RAC，船舶A及D之间的实时碰撞风险RAD和船舶A及E之间的实时碰撞风险RAE；假定RAB<RAD<RAC<RAE，那么船舶A的船舶驾驶人员可以在获悉了本船与附近船舶的实时碰撞风险顺序之后，优先对风险大的船舶采取措施。
步骤103，根据上述实时碰撞风险确定上述指定船舶的风险等级。
在本申请实施例中，可根据指定船舶的实时碰撞风险确定上述指定船舶的风险等级。示例性地，可预先设定有多个实时碰撞风险区间，每一实时碰撞风险区间对应不同的风险等级；则根据该实时碰撞风险所落入的实时碰撞风险区间，即可确定当前该指定船舶的风险等级。
在一些实施例中，若指定船舶的预设范围内有两个以上的其它船舶，则步骤102将得到指定船舶分别与各个其它船舶的实时碰撞风险。此时，可以先判断所获得的实时碰撞风险的最大值是否大于预设的风险阈值；若该最大值小于或等于该风险阈值，则认为指定船舶当前较为安全，与其它船舶的碰撞可能性较小，无需提醒船舶驾驶人员注意，也即，此时是低风险等级；反之，若该最大值大于该风险阈值，则认为指定船舶当前存在与其它船舶的碰撞可能，此时需要提醒船舶驾驶人员注意。示例性地，在这种情况下，可以是分别判断每个实时碰撞风险所处的风险等级，并将风险等级进行累加，以得到指定船舶的最终风险等级，并将每个实时碰撞风险所处的风险等级及最终风险等级均输出给指定船舶，实现对指定船舶的船舶驾驶人员的预警。
步骤104，向上述指定船舶输出与上述风险等级相关联的预警消息。
在本申请实施例中，可通过指定船舶的船载终端，向该指定船舶输出与上述风险等级相关联的预警消息。其中，预警消息可以有多种形式，包括但不限于视觉提醒、听觉提醒或者其它能够引起船舶驾驶人员注意的提醒形式。其中，为了尽量避免分散船舶驾驶人员的注意力，可优先以非视觉提醒的形式输出预警消息。
当然，也可以只为中风险等级或高风险等级设定相关联的预警消息；对于低风险等级来说，可不需要输出预警消息。除此之外，在输出预警消息时，还可给出避碰建议。通常情况下，当船舶驾驶人员接到预警消息后，会判断船舶会遇局面，并根据避碰建议，采取合理的措施来避免船舶碰撞事故的发生，具体操作可视具体情况而定，如改变航向、降低船速或两者结合等。当指定船舶的风险等级降为低风险等级后，即可提醒指定船舶的船舶驾驶人员潜在碰撞风险已消失，使得船舶驾驶人员恢复正常操作，返回预定航线。
在一些实施例中，若指定船舶的预设范围内有两个以上的其它船舶，则在分别获知了与各个其它船舶的风险等级及最终风险等级后，可向指定船舶输出与该最终风险等级相关联的预警消息；或者，也可以是向指定船舶输出与该最终风险等级相关联的预警消息后，再依据风险等级由高至低的顺序，依次输出与各个其它船舶的风险等级相关联的预警消息，具体可由指定船舶的船舶驾驶人员依据个人喜好设置预警策略，此处不作限定。
考虑到自适应船舶碰撞风险评估模型是基于预设的碰撞未遂事故数据库而构建的，因而，为了更好的理解本申请实施例，此处对该碰撞未遂事故数据库进行解释及说明。请参阅图3，图3示出了碰撞未遂事故数据库的构建流程，包括：
步骤301，对指定水域的各条航行轨迹进行数据清洗及排序，以得到至少一对航行轨迹对；
在本申请实施例中，在构建碰撞未遂事故数据库时，可首先选定一水域作为指定水域，并在一段时间(例如一个月)内对在该指定水域中航行的船舶进行监测。对于在该指定水域中航行的任一船舶来说，一方面，可监测得到船舶的船位、航向及航速等，获得该船舶的航行信息；另一方面，还可监测得到该船舶在航行过程中各个时刻的水文信息及气象信息。接着对该指定水域的各条航行轨迹进行数据清洗，例如轨迹去噪等，以去除掉航行轨迹中无效或非法的轨迹点。随后，将获取到的各条航行轨迹按照起始时间开始进行排序：
Figure BDA0002608763620000081
当一条航行轨迹的起始时间早于另外一条航行轨迹的终止时间时，即
Figure BDA0002608763620000082
时，可将这两条航行轨迹组成一对航行轨迹对，并将该航行轨迹对存放到矩阵C中，C＝{c1,c2,…,ck,…,cm}，其中ck＝{traji,trajj}。也即，矩阵C中存储了指定水域的在一段时间内的所有航行轨迹对。
步骤302，针对上述指定水域的每对航行轨迹对，对上述航行轨迹对中的两条航行轨迹分别进行插值处理，得到两条插值处理后的航行轨迹；
在本申请实施例中，考虑到每条航行轨迹所采用的时间的格式通常为“年-月-日-时-分-秒”，为了方便计算，可先将该时间换算为秒。由于AIS所传输的数据存在稀疏性，为深入分析碰撞未遂事故的变化规律，本申请实施例使用三次样条插值方法来对每对航行轨迹对中的各条航行轨迹进行插值处理。具体地，航行轨迹可直接通过对船舶的船位(也即船舶的经纬度)进行插值而获得；考虑到船舶间的碰撞风险也与船舶的航速及航向相关，因而，此处还会对船舶的航速及航向进行插值处理；也即，分别基于船位、航速及航向这三个维度，对航行轨迹进行插值处理。
需要注意的是，当对航向进行插值处理时，需要考虑到航向的特殊性。比如，航向从030到060，直接使用三次样条插值方法即可；但当船舶航向由350变为010时，传统的插值方法会认为船舶航向变化为350-345-…-015-010，然而，实际的船舶航向变化为350-355-…-010；基于此，对航向进行插值处理时，要先做如下处理：
航向在ti(i＝1,2,…,n)时刻为θi，ti+1时刻为θi+1，那么对航向进行插值处理的计算方式为：
|θi+1-θi|≥180，min(θi,θi+1)＝min(θi,θi+1)+360，max(θi,θi+1)＝max(θi,θi+1)
|θi+1-θi|<180，(θi＝θi,θi+1＝θi+1)
之后，按照三次样条插值方法进行插值处理，计算出的结果θj需做如下转换：
Figure BDA0002608763620000091
步骤303，检测上述两条插值处理后的航行轨迹的最小相对距离是否小于上述预设阈值；
在本申请实施例中，在获得两条插值处理后的航行轨迹后，可计算这两条航行轨迹中处于各个相同时刻的两个轨迹点的相对距离，以此得到这两条航行轨迹的最小相对距离。随后，将该最小相对距离与预设阈值进行比对，以确定该最小相对距离是否小于该预设阈值。
步骤304，若上述两条插值处理后的航行轨迹的最小相对距离小于上述预设阈值，则将上述两条插值处理后的航行轨迹所组成的航行轨迹对存入上述碰撞未遂事故数据库中。
在本申请实施例中，当这两条插值处理后的航行轨迹的最小相对距离小于预设阈值时，认为这两条航行轨迹为碰撞未遂的轨迹；也即，这两条航行轨迹所对应的两条船舶在航行过程中虽然一度距离较为接近，但由于船舶驾驶人员使用了良好的操船技艺，碰撞事故没有发生。基于此，可将这样的两条插值处理后的航行轨迹作为一对航行轨迹对存入碰撞未遂事故数据库中，为后续自适应船舶碰撞风险评估模型的构建提供数据基础。
为了更好的理解本申请实施例，此处对自适应船舶碰撞风险评估模型进行解释及说明。请参阅图4，图4示出了自适应船舶碰撞风险评估模型的构建流程，包括：
步骤401，获取与上述碰撞未遂事故数据库中的每对航行轨迹对相关的历史水文信息、历史气象信息及历史航行信息；
在本申请实施例中，通过步骤301可知，碰撞未遂事故数据库中的每对航行轨迹对中的航行轨迹由船舶的船位而确定；并且，还通过插值处理，获得了航行轨迹中船舶在每个轨迹点时的航速及航向；同时，还获得了与各条航行轨迹相关的水文信息及气象信息。基于此，对于每对航行轨迹对来说，可获得每个相同时刻下的相对距离、相对航速及相对航向。另外，对于水文信息及气象信息来说，通常认为在一定水域范围内，水文及气象不会发生较大变动；而碰撞未遂事故数据库中的每对航行轨迹对的最小相对距离又小于预设阈值，因而，为了便于计算，可认为每对航行轨迹对下处于相同时刻的轨迹点的水文信息及气象信息相同。基于此，可获得与上述碰撞未遂事故数据库中的每对航行轨迹对相关的历史水文信息、历史气象信息及历史航行信息；也即，在每对航行轨迹对的重叠时间内，获取各个时刻下的历史水文信息及历史气象信息，同时计算得到处于相同时刻下的两个轨迹点的历史航行信息，以此来获得每个相同时刻下的历史相对距离、历史相对航速及历史相对航向。
步骤402，根据与每对航行轨迹对相关的历史水文信息、历史气象信息及历史航行信息，对待训练的船舶碰撞风险评估模型进行训练，得到已训练的船舶碰撞风险评估模型；
在本申请实施例中，有多个影响因素会对船舶的碰撞风险产生影响，包括但不限于船舶间的相对距离、相对航速及相对航向，以及风速、能见度、流速及浪高等。限于篇幅，此处对具有代表性的几种影响因素(相对距离、相对航速、相对航向、风速及能见度)作出介绍：
对于相对距离来说，通常认为船舶的碰撞风险随船舶间相对距离的增大而降低。具体地，以船舶1及船舶2为例，其相对距离可通过如下公式进行计算：
Figure BDA0002608763620000111
其中，R为地球半径，一般取6371km；lat1为船舶1的纬度；lat2为船舶2的纬度；lon1为船舶1的经度；lon2为船舶2的经度；且lat1、lat2、lon1、lon2单位为弧度；a＝lat2-lat1；b＝lon2-lon1。
对于相对航速来说，指的是两船的距离变化率，可以由两船的航向和速度计算得出。通常认为船舶间的相对航速越大，则为船舶驾驶人员预留的处理时间更少。因此，认为船舶的碰撞风险与相对航速成反比关系。具体地，船舶间的相对航速可由余弦定理计算得出：
Figure BDA0002608763620000112
其中，a，b分别代表两船航速；c为相对航速；C表示两船航向夹角，可由如下公式得到：
Figure BDA0002608763620000121
对于相对航向来说，其描述的是两船间的相对位置，决定了在船舶避碰操作中航向变化的量级。相对航向的正负代表船舶是否存在风险，其中正值表示两船相互接近存在碰撞风险，负值表示不存在风险。
对于能见度来说，尽管目前高精度雷达能够准确识别出附近目标，但雷达易受外界环境条件影响，仍需结合船员的良好瞭望来识别航行中的危险。因此，良好的能见度对船舶避碰来说依然十分重要，船舶驾驶人员需要保持合理瞭望。
对于风速来说，考虑到在风的作用下，会导致船舶偏离预定航线，因此在避碰操作中需要考虑风速对船舶的碰撞风险的影响。
基于与每对航行轨迹对相关的历史水文信息、历史气象信息及历史航行信息，探究各个影响因素与船舶的碰撞风险之间的关系，得到每个影响因素与船舶冲突的表达关系式。需要注意的是，一般来说，在理想状态下，认为上述相对距离、相对航速及相对航向与船舶的碰撞风险呈线性关系；而上述能见度及风速与船舶的碰撞风险呈非线性关系。仅作为示例，每个影响因素与船舶的碰撞风险的表达关系式如下：Riski～f(d-1),f(v),f(h)…
由于只有相对距离、相对航速及相对航向与船舶的碰撞风险呈线性关系，因而上式中仅表示了相对距离、相对航速及相对航向这三种影响因素。其中，Riski表示第i个轨迹对间的冲突风险，i＝1,2,…；f(d-1)、f(v)和f(h)分别表示关于相对距离、相对速度和相对航向的线性表达式，具体为相对距离与碰撞风险呈负相关，相对速度和相对航向均与碰撞风险呈正相关。也即，上述表达关系式即为船舶碰撞风险评估模型。
举例来说，船舶A、B在T1时刻的相对航速为V1，相对距离为D1，相对航向为H1，能见度均为Vi1，风速均为WS1，研发人员可主观设定该T1时刻下船舶A、B的碰撞风险为R1；船舶A、B在T2时刻的相对航速为V2，相对距离为D2，相对航向为H2，能见度均为Vi2，风速均为WS2，研发人员可主观设定该T2时刻下船舶A、B的碰撞风险为R2；以此类推，得到多组影响因素的数据及每组影响因素所对应的碰撞风险，并基于此探究影响因素与船舶的碰撞风险的关系，对上述表达关系式中的参数进行调整，并根据最小二乘法等方法进行参数拟合，以得到已训练的船舶碰撞风险评估模型。
需要注意的是，本申请实施例并未列出所有的影响因素。比如，船舶类型对碰撞风险也有影响，因为对于某些特殊船舶如危化品船，尽管其他条件相同，由于其危险性更高，因而对应的碰撞风险也会随之增大；再比如，水域的流速越高，越难以对船舶进行有效控制，也会使对应的碰撞风险随之增大；又比如，船舶驾驶人员的疲劳程度、船舶操纵性能及特定水域管理措施等对船舶避碰行为也有影响，此处不再进行赘述。
步骤403，根据上述指定船舶所处的水域，确定模型调整参数；
在本申请实施例中，所得到的已训练的船舶碰撞风险评估模型是一个通用模型。在某些特殊水域下，例如，船舶在分道通航制水域航行时，通过上述已训练的船舶碰撞风险评估模型所输出的碰撞风险的值往往较高，但实际上船舶间并没有潜在碰撞风险；因此，在某些特殊水域，需要通过一模型调整参数来对上述通用模型进行调整。
步骤404，根据上述已训练的船舶碰撞风险评估模型及上述模型调整参数，得到已训练的自适应船舶碰撞风险评估模型。
举例来说，已训练的船舶碰撞风险评估模型为Riski～f(d-1),f(v),f(h)…，则根据上述已训练的船舶碰撞风险评估模型及上述模型调整参数k，所得到的已训练的自适应船舶碰撞风险评估模型为：Riski＝k·f(d-1)·f(v)·f(h)…。针对不同的水域，上述模型调整参数k也将有所不同，通过模型调整参数k，可对输出的碰撞风险进行调整，以使得所得到的碰撞风险符合水域的实际情况。
在一些实施例中，除了实时碰撞风险外，还可通过自适应船舶碰撞风险评估模型计算得到网格历史冲突风险。请参阅图5，图5示出了获取网格历史冲突风险的实现流程，详述如下：
步骤501，对上述指定船舶所处的水域进行网格化，得到组成上述水域的至少两个水域网格；
在本申请实施例中，可以对上述指定船舶所处的水域进行网格化；也即，将指定船舶所处的水域划分为至少两个水域网格。通常来说，这些水域网格的尺寸相等，此处不对网格化时所采用的水域网格的尺寸作出限定。
步骤502，通过上述自适应船舶碰撞风险评估模型，得到各个水域网格的历史冲突风险；
在本申请实施例中，可通过前文所提出的自适应船舶碰撞风险评估模型计算得到各个水域网格的历史冲突风险，其过程具体为：通过上述自适应船舶碰撞风险评估模型，计算得到上述指定船舶所处的水域中的每对航行轨迹对的碰撞风险最高值，然后确定每对航行轨迹对中的2个目标轨迹点，其中，上述2个目标轨迹点为航行轨迹对的碰撞风险最高值所对应的2个轨迹点，接着针对每个水域网格，将处于上述水域网格的目标轨迹点所对应的碰撞风险最高值进行累加，即可得到上述水域网格的历史冲突风险。
也即，在一段时间(例如一个月)内，对在该水域中航行的船舶进行监测，得到多条航行轨迹，并通过数据清洗、排序及插值处理等操作，得到至少两对航行轨迹对，具体过程与步骤301及步骤302相似，此处不作赘述。在获得该水域中的至少两对航行轨迹对后，针对每对航行轨迹对，通过自适应船舶碰撞风险评估模型计算得到各个时刻下的两个轨迹点所对应的碰撞风险，并通过比较，获得该航行轨迹对的碰撞风险最高值。显然，该碰撞风险最高值必然对应两个轨迹点，其中一个轨迹点位于该航行轨迹对的一条航行轨迹中，另一个轨迹点位于该航行轨迹对的另一条航行轨迹中，这两个轨迹点被记为该航行轨迹对的目标轨迹点。假定该水域有N对航行轨迹对，每对航行轨迹对都对应有两个目标轨迹点，则共有2N个目标轨迹点。基于这2N个目标轨迹点，即可确定水域网格的历史冲突风险。
举例来说，请参阅图6。假定指定船舶所处的水域被划为了如图6所示的水域网格。又假定通过在一段时间内对在该水域中航行的船舶进行监测，获得了3对航行轨迹对。其中，船舶A与船舶B的航行轨迹构成第一对航行轨迹对，船舶C与船舶D的航行轨迹构成第二对航行轨迹对，船舶E与船舶F的航行轨迹构成第三对航行轨迹对。
假定对第一对航行轨迹对，通过自适应船舶碰撞风险评估模型，计算发现在T1时刻时，船舶A与船舶B的碰撞风险最高，为R1，则可获得船舶A的航行轨迹在T1时刻的轨迹点为AT1，以及船舶B的航行轨迹在T1时刻的轨迹点为BT1。
假定对第二对航行轨迹对，通过自适应船舶碰撞风险评估模型，计算发现在T2时刻时，船舶C与船舶D的碰撞风险最高，为R2，则可获得船舶C的航行轨迹在T2时刻的轨迹点为CT2，以及船舶D的航行轨迹在T2时刻的轨迹点为DT2。
假定对第三对航行轨迹对，通过自适应船舶碰撞风险评估模型，计算发现在T3时刻时，船舶E与船舶F的碰撞风险最高，为R3，则可获得船舶E的航行轨迹在T3时刻的轨迹点为ET3，以及船舶F的航行轨迹在T3时刻的轨迹点为FT3。
上述AT1、BT1、CT2、DT2、ET3及FT3所落入的水域网格在图6中示出。其中，AT1、DT2及FT3均落入水域网格G1中，BT1落入水域网格G2中，CT2及ET3落入水域网格G3。则水域网格G1的碰撞风险为R1+R2+R3；水域网格G2的碰撞风险为R1；水域网格G3的碰撞风险为R2+R3。
步骤503，将上述指定船舶所处位置所对应的水域网格的历史冲突风险确定为网格历史冲突风险。
在本申请实施例中，当指定船舶驶入了某一水域网格时，即可将该水域网格的历史冲突风险确定为网格历史冲突风险；该网格历史冲突风险具体用于表示指定船舶当前所处位置的风险情况。相对应地，在获得了网格历史冲突风险后，步骤103即可具体表现为根据上述实时碰撞风险和上述网格历史冲突风险确定上述指定船舶的风险等级。也即，网格历史冲突风险(指定船舶所处的水域网格的历史冲突风险)也会对该指定船舶的风险等级产生影响。可以认为，与碰撞风险一样，风险等级也被划分为两种类型：一种是与实时碰撞风险相关联的实时风险等级，通常根据实时数据(例如实时气象信息、实时水文信息及实时航行信息)而得；另一种是与网格历史冲突风险(也即水域网格的历史冲突风险)相关联的水域风险等级，通常根据历史数据(例如历史气象信息、历史水文信息及历史航行信息)而得。
在一些实施例中，步骤104可以是当实时风险等级高于预设的实时风险等级阈值，向该指定船舶输出与该实时风险等级相关联的预警消息；或者，当网格历史冲突风险等级为中、高风险时，向该指定船舶输出与该网格历史冲突风险等级相关联的预警消息。可见，只有指定船舶的实时碰撞风险及网格历史冲突风险均较低时，该指定船舶才不会接收到预警消息。
在一些实施例中，还可基于历史的发生船舶碰撞事故的概率对网格历史冲突风险(也即指定船舶所处的水域网格的历史冲突风险)进行调整。示例性地，可以是先获取上述指定船舶所处位置所对应的水域网格中，发生船舶碰撞事故的概率，然后根据上述概率对上述网格历史冲突风险(也即该水域网格的历史冲突风险)进行调整。仅作为示例，该概率的计算方式可以为：在一段时期内，统计驶入该水域网格的船舶的数量；同时，统计该时期内发生船舶碰撞的次数；将该次数与该数量的比值作为船舶碰撞事故的概率。当然，也可以通过其它方式计算该概率，此处不作限定。
在一些实施例中，可以预先划分出多个不重合的小概率区间，每一小概率区间对应一个碰撞风险调整值。例如，可以划分出[0,0.02)、[0.02,0.1)、[0.1,0.25]这三个小概率区间，其中，[0,0.02)对应的碰撞风险调整值为0；[0.02,0.1)对应的碰撞风险调整值为Y1；[0.02,0.1)对应的碰撞风险调整值为Y2；其中Y1小于Y2。假定指定船舶当前所处的水域网格中，发生船舶碰撞事故的概率为0.03，落入[0.02,0.1)这一小概率区间，则将该网格历史冲突风险(也即该水域网格的历史冲突风险)加上该小概率区间所对应的碰撞风险调整值Y2，即可得到调整后的网格历史冲突风险；后续该指定船舶的风险等级(或历史风险等级)可基于该调整后的网格历史冲突风险而确定。
在一些实施例中，也可以是根据船舶碰撞事故的发生地点及发生次数对网格历史冲突风险进行调整。示例性地，可以是先获取上述指定船舶所处位置所对应的水域网格中，发生船舶碰撞事故的次数，然后根据上述次数对上述网格历史冲突风险(也即该水域网格的历史冲突风险)进行调整；可以是每多发生N(N为预设的正整数)次碰撞事故，就将该网格历史冲突风险上调一级，直至上调至最高等级为止。
也即，在本申请实施例中，可以将是否发生有船舶碰撞事故将作为评估水域网格的一个参考。
在一些实施例中，指定船舶上所安装的船载设备具有显示屏，可用于显示用户界面；为了便于船舶驾驶人员查阅，使得指定船舶在航行过程中尽量避开危险区域，还可以根据指定船舶所处水域中的各个水域网格的历史冲突风险，对指定船舶所处的水域的虚拟海图进行标注，并向上述指定船舶的船载设备输出标注后的上述虚拟海图，以使得该船载设备的显示屏显示标注后的上述虚拟海图。上述标注可以是高亮标注；或者，也可以采用其它方式进行标注，此处不作限定。除此之外，该船载设备还可以显示本船及他船的实时船位及水上交通事故数据等，此处不作限定。
请参阅图7，图7给出了船载设备的显示屏所显示的用户界面的示意，该用户界面700包括：虚拟海图710；以图形表示主船和附近船舶实时位置720；以点代替历史水上交通事故位置730；以及水域网格的风险等级740。该用户界面支持人机交互操作，如在该用户界面上点击事故或实时船位的位置点时，相关航行信息将会展示在用户界面上。并且，船舶的实时位置数据会随船舶运动而在用户界面上实时变化。进一步地，还可在该用户界面应用数据可视化技术，采用不同的色彩饱和度来表示水域网格的历史冲突风险，具体为色彩饱和度越高，水域网格的历史冲突风险越大。
在一种应用场景下，本申请实施例所提出的各个步骤的执行主体可以为同一电子设备。例如，可以是服务器，或者是指定船舶的船载设备等。
在另一种应用场景下，本申请实施例所提出的各个步骤的执行主体可以为不同电子设备。请参阅图8，图8给出了执行主体为不同电子设备时的场景的示意。船舶可通过AIS或者其他传输方式与他船交换航行相关信息803以进行避碰行动(如802A和802B所示)。AIS数据的传输周期时间取决于船舶的本船航速，一般为2-10秒；当船舶处于锚泊状态时，该传输周期时间为3分钟；当然，也可以采用其它数据传输方式，此处不作限定。船舶可通过GPS等定位设备获取本船的位置信息；其他航行信息，如航速及航向可通过船舶上传感器获取。水文信息及气象信息可以通过安装在船舶顶层甲板的传感器获取，也可以通过接收官方部门发布的信息获取。
可以理解的是，在水域网格的历史冲突风险的计算过程中，各个船舶可将获取到的信息(水文信息、气象信息及航行信息)通过船舶-卫星传输804A，卫星-卫星传输805A，卫星-岸基传输805B(远海水域)，船舶-水上基站804B，水上基站-岸基传输806(近海水域)，以及本申请实施例中未提及的其它传输方式传输到岸基基站。岸基基站可基于此获得一段时间内的历史水文信息、历史气象信息及历史航行信息，并计算得到各个水域网格的历史冲突风险，为后续提供指定船舶所处的水域网格的历史冲突风险(也即网格历史冲突风险)打下基础。
而在船舶的实时碰撞风险的计算过程中，船舶的船载设备可直接获取实时的水文信息、气象信息及航行信息，并使用高性能计算，如并行运算等方法，计算船舶的实时碰撞风险。
举例来说，在某一水域的船舶刚开始应用本申请实施例所提出的船舶碰撞风险评估与预警方法时，由于岸基基站可能之前未存储有历史数据，因而岸基基站暂未能计算得到各个水域网格的历史冲突风险。每一船舶在该水域中航行时，一边通过各自的船载设备计算实时碰撞风险，一边将获取到的水文信息、气象信息及航行信息发送至岸基基站存储，以作为计算各个水域网格的历史冲突风险的基础。在一段时间后，岸基基站已收集有这一段时间内各个船舶在该水域中航行时的水文信息、气象信息及航行信息，则岸基基站可计算得到各个水域网格的历史冲突风险；与此同时，每一船舶在该水域中航行时，仍然一边通过各自的船载设备计算实时碰撞风险，一边将获取到的水文信息、气象信息及航行信息都发送至岸基基站存储，使得岸基基站所收集的历史数据可以不断的得到更新，并以此不断的对个水域网格的历史冲突风险进行更新。
由上可见，本申请实施例中，在构建自适应船舶碰撞风险评估模型时，一方面不仅考虑到了船舶间的航行信息，还考虑到了船舶航行时的水文信息及气象信息；另一方面，根据不同的水域设定了不同的模型调整参数；基于上述两方面举措，使得自适应船舶碰撞风险评估模型所输出的碰撞风险更加准确。通过该自适应船舶碰撞风险评估模型，在船舶航行时结合过往的信息与本次航行时的信息来评估船舶碰撞风险，可提升船舶碰撞风险的评估准确度与预警及时性。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
对应于上文所提供的船舶碰撞风险评估与预警方法，本申请实施例还提供了一种船舶碰撞风险评估与预警***。请参阅图9，本申请实施例中的船舶碰撞风险评估与预警***900包括：
获取单元901，用于获取指定船舶所处位置的水文信息及气象信息，并获取上述指定船舶与其它船舶的航行信息，其中，上述航行信息包括航速、航向及船位；
评估单元902，用于基于上述水文信息、上述气象信息及上述航行信息，通过已训练的自适应船舶碰撞风险评估模型评估得到上述指定船舶的实时碰撞风险，其中，上述自适应船舶碰撞风险评估模型根据预设的碰撞未遂事故数据库及上述指定船舶所处的水域而构建，上述碰撞未遂事故数据库包括至少一对航行轨迹对，且每对航行轨迹对中的两条航行轨迹的最小相对距离均小于预设阈值；
确定单元903，用于根据上述实时碰撞风险确定上述指定船舶的风险等级；
输出单元904，用于向上述指定船舶输出与上述风险等级相关联的预警消息。
可选地，上述船舶碰撞风险评估与预警***900还包括：
预处理单元，用于对指定水域的各条航行轨迹进行数据清洗及排序，以得到至少一对航行轨迹对；
插值处理单元，用于针对上述指定水域的每对航行轨迹对，对上述航行轨迹对中的两条航行轨迹分别进行插值处理，得到两条插值处理后的航行轨迹；
距离检测单元，用于检测上述两条插值处理后的航行轨迹的最小相对距离是否小于上述预设阈值；
数据存储单元，用于若上述两条插值处理后的航行轨迹的最小相对距离小于上述预设阈值，则将上述两条插值处理后的航行轨迹所组成的航行轨迹对存入上述碰撞未遂事故数据库中。
可选地，上述船舶碰撞风险评估与预警***900还包括：
历史数据获取单元，用于获取与上述碰撞未遂事故数据库中的每对航行轨迹对相关的历史水文信息、历史气象信息及历史航行信息；
模型训练单元，用于根据与每对航行轨迹对相关的历史水文信息、历史气象信息及历史航行信息，对待训练的船舶碰撞风险评估模型进行训练，得到已训练的船舶碰撞风险评估模型；
参数确定单元，用于根据上述指定船舶所处的水域，确定模型调整参数；
模型获取单元，用于根据上述已训练的船舶碰撞风险评估模型及上述模型调整参数，得到已训练的自适应船舶碰撞风险评估模型。
可选地，上述船舶碰撞风险评估与预警***900还包括：
水域网格化单元，用于对上述指定船舶所处的水域进行网格化，得到组成上述水域的至少两个水域网格；
水域风险计算单元，用于通过上述自适应船舶碰撞风险评估模型，得到各个水域网格的历史冲突风险；
网格历史冲突风险确定单元，用于将上述指定船舶所处位置所对应的水域网格的历史冲突风险确定为网格历史冲突风险；
相应地，上述确定单元903，具体用于根据上述实时碰撞风险和上述网格历史冲突风险确定上述指定船舶的风险等级。
可选地，上述船舶碰撞风险评估与预警***900还包括：
事故概率获取单元，用于获取上述指定船舶所处位置所对应的水域网格中，发生船舶碰撞事故的概率；
网格历史冲突风险调整单元，根据上述概率对上述网格历史冲突风险进行调整；
相应地，上述确定单元903，具体用于根据上述实时碰撞风险和调整后的上述网格历史冲突风险确定上述指定船舶的风险等级。
可选地，上述水域风险计算单元，包括：
第一计算子单元，用于通过上述自适应船舶碰撞风险评估模型，计算得到上述指定船舶所处的水域中的每对航行轨迹对的碰撞风险最高值；
轨迹点确定子单元，用于确定每对航行轨迹对中的2个目标轨迹点，其中，上述2个目标轨迹点为航行轨迹对的碰撞风险最高值所对应的2个轨迹点；
第二计算子单元，用于针对每个水域网格，将处于上述水域网格的目标轨迹点所对应的碰撞风险最高值进行累加，得到上述水域网格的历史冲突风险。
可选地，上述船舶碰撞风险评估与预警***900还包括：
虚拟海图标注单元，用于根据上述各个水域网格的历史冲突风险，对上述水域的虚拟海图进行标注；
虚拟海图推送单元，用于向上述指定船舶输出标注后的上述虚拟海图。
由上可见，本申请实施例中，在构建自适应船舶碰撞风险评估模型时，一方面不仅考虑到了船舶间的航行信息，还考虑到了船舶航行时的水文信息及气象信息；另一方面，根据不同的水域设定了不同的模型调整参数；基于上述两方面举措，使得自适应船舶碰撞风险评估模型所输出的碰撞风险更加准确。通过该自适应船舶碰撞风险评估模型，在船舶航行时结合过往的信息与本次航行时的信息来评估船舶碰撞风险，可提升船舶碰撞风险的评估准确度与预警及时性。
对应于上文所提供的船舶碰撞风险评估与预警方法，本申请实施例还提供了一种电子设备，参见图10，本申请实施例中的电子设备10包括：存储器11，一个或多个处理器12(图9中仅示出一个)及存储在存储器11上并可在处理器上运行的计算机程序，例如船舶碰撞风险评估与预警方法的程序。处理器12执行上述计算机程序时实现上述船舶碰撞风险评估与预警方法各实施例中的步骤，例如图1所示的步骤101至104。或者，上述处理器12执行上述计算机程序时实现上述图9对应的实施例中各单元的功能，例如，图9所示的单元901至904的功能，具体请参阅图9对应的实施例中的相关描述，此处不赘述。
示例性的，上述计算机程序可以被分割成一个或多个单元，上述一个或者多个单元被存储在上述存储器11中，并由上述处理器12执行，以完成本申请。上述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述上述计算机程序在上述电子设备10中的执行过程。例如，上述计算机程序可以被分割成获取单元、评估单元、确定单以及输出单元，各单元具体功能如上所述。
上述电子设备可包括，但不仅限于，处理器12、存储器11。本领域技术人员可以理解，图10仅仅是电子设备10的示例，并不构成对电子设备10的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如上述转台设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器12可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
上述存储器11可以是上述电子设备10的内部存储单元，例如电子设备10的硬盘或内存。上述存储器11也可以是上述电子设备10的外部存储设备，例如上述电子设备10上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，上述存储器11还可以既包括上述电子设备10的内部存储单元也包括外部存储设备。上述存储器11用于存储上述计算机程序以及上述电子设备所需的其他程序和数据。上述存储器11还可以用于暂时地存储已经输出或者将要输出的数据。
应当理解，在本申请实施例中，所称处理器12可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器11可以包括只读存储器和随机存取存储器，并向处理器12提供指令和数据。存储器11的一部分或全部还可以包括非易失性随机存取存储器。例如，存储器11还可以存储设备类型的信息。
由上可见，本申请实施例中，在构建自适应船舶碰撞风险评估模型时，一方面不仅考虑到了船舶间的航行信息，还考虑到了船舶航行时的水文信息及气象信息；另一方面，根据不同的水域设定了不同的模型调整参数；基于上述两方面举措，使得自适应船舶碰撞风险评估模型所输出的碰撞风险更加准确。通过该自适应船舶碰撞风险评估模型，在船舶航行时结合过往的信息与本次航行时的信息来评估船舶碰撞风险，可提升船舶碰撞风险的评估准确度与预警及时性。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将上述***的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者外部设备软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的***和方法，可以通过其它的方式实现。例如，以上所描述的***实施例仅仅是示意性的，例如，上述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，***或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关联的硬件来完成，上述的计算机程序可存储于计算机可读存储介质中，该计算机程序在被处理器执行时，可实现方法实施例的步骤。其中，上述计算机程序包括计算机程序代码，上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读存储介质可以包括：能够携带上述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机可读存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，上述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读存储介质不包括是电载波信号和电信信号。
以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (8)

1.一种船舶碰撞风险评估与预警方法，其特征在于，包括：
获取指定船舶所处位置的水文信息及气象信息，并获取所述指定船舶与其它船舶的航行信息，其中，所述航行信息包括航速、航向及船位；
基于所述水文信息、所述气象信息及所述航行信息，通过已训练的自适应船舶碰撞风险评估模型评估得到所述指定船舶的实时碰撞风险，其中，所述自适应船舶碰撞风险评估模型根据预设的碰撞未遂事故数据库及所述指定船舶所处的水域而构建，所述碰撞未遂事故数据库包括至少一对航行轨迹对，且每对航行轨迹对中的两条航行轨迹的最小相对距离均小于预设阈值；
根据所述实时碰撞风险确定所述指定船舶的风险等级；
向所述指定船舶输出与所述风险等级相关联的预警消息；
在所述根据所述实时碰撞风险确定所述指定船舶的风险等级之前，所述船舶碰撞风险评估与预警方法还包括：
对所述指定船舶所处的水域进行网格化，得到组成所述水域的至少两个水域网格；
通过所述自适应船舶碰撞风险评估模型，计算得到所述指定船舶所处的水域中的每对航行轨迹对的碰撞风险最高值；
确定每对航行轨迹对中的2个目标轨迹点，其中，所述2个目标轨迹点为航行轨迹对的碰撞风险最高值所对应的2个轨迹点；
针对每个水域网格，将处于所述水域网格的目标轨迹点所对应的碰撞风险最高值进行累加，得到所述水域网格的历史冲突风险；
将所述指定船舶所处位置所对应的水域网格的历史冲突风险确定为网格历史冲突风险；
相应地，所述风险等级包括实时风险等级及水域风险等级，所述根据所述实时碰撞风险确定所述指定船舶的风险等级，包括：
根据所述实时碰撞风险确定所述指定船舶的实时风险等级，并根据所述网格历史冲突风险确定所述指定船舶的水域风险等级。
2.如权利要求1所述的船舶碰撞风险评估与预警方法，其特征在于，所述船舶碰撞风险评估与预警方法还包括：
对指定水域的各条航行轨迹进行数据清洗及排序，以得到至少一对航行轨迹对；
针对所述指定水域的每对航行轨迹对，对所述航行轨迹对中的两条航行轨迹分别进行插值处理，得到两条插值处理后的航行轨迹；
检测所述两条插值处理后的航行轨迹的最小相对距离是否小于所述预设阈值；
若所述两条插值处理后的航行轨迹的最小相对距离小于所述预设阈值，则将所述两条插值处理后的航行轨迹所组成的航行轨迹对存入所述碰撞未遂事故数据库中。
3.如权利要求1所述的船舶碰撞风险评估与预警方法，其特征在于，所述船舶碰撞风险评估与预警方法还包括：
获取与所述碰撞未遂事故数据库中的每对航行轨迹对相关的历史水文信息、历史气象信息及历史航行信息；
根据与每对航行轨迹对相关的历史水文信息、历史气象信息及历史航行信息，对待训练的船舶碰撞风险评估模型进行训练，得到已训练的船舶碰撞风险评估模型；
根据所述指定船舶所处的水域，确定模型调整参数；
根据所述已训练的船舶碰撞风险评估模型及所述模型调整参数，得到已训练的自适应船舶碰撞风险评估模型。
4.如权利要求1所述的船舶碰撞风险评估与预警方法，其特征在于，在将所述指定船舶所处位置所对应的水域网格的历史冲突风险确定为网格历史冲突风险之后，所述船舶碰撞风险评估与预警方法还包括：
获取所述指定船舶所处位置所对应的水域网格中，发生船舶碰撞事故的概率；
根据所述概率对所述网格历史冲突风险进行调整；
相应地，所述根据所述实时碰撞风险和所述网格历史冲突风险确定所述指定船舶的风险等级，包括：
根据所述实时碰撞风险和调整后的所述网格历史冲突风险确定所述指定船舶的风险等级。
5.如权利要求1所述的船舶碰撞风险评估与预警方法，其特征在于，在所述通过所述自适应船舶碰撞风险评估模型，得到各个水域网格的历史冲突风险之后，所述船舶碰撞风险评估与预警方法还包括：
根据所述各个水域网格的历史冲突风险，对所述水域的虚拟海图进行标注；
向所述指定船舶输出标注后的所述虚拟海图。
6.一种船舶碰撞风险评估与预警***，其特征在于，包括：
获取单元，用于获取指定船舶所处位置的水文信息及气象信息，并获取所述指定船舶与其它船舶的航行信息，其中，所述航行信息包括航速、航向及船位；
评估单元，用于基于所述水文信息、所述气象信息及所述航行信息，通过已训练的自适应船舶碰撞风险评估模型评估得到所述指定船舶的实时碰撞风险，其中，所述自适应船舶碰撞风险评估模型根据预设的碰撞未遂事故数据库及所述指定船舶所处的水域而构建，所述碰撞未遂事故数据库包括至少一对航行轨迹对，且每对航行轨迹对中的两条航行轨迹的最小相对距离均小于预设阈值；
确定单元，用于根据所述实时碰撞风险确定所述指定船舶的风险等级；
输出单元，用于向所述指定船舶输出与所述风险等级相关联的预警消息；
所述船舶碰撞风险评估与预警***还包括：
水域网格化单元，用于对所述指定船舶所处的水域进行网格化，得到组成所述水域的至少两个水域网格；
水域风险计算单元，用于通过所述自适应船舶碰撞风险评估模型，得到各个水域网格的历史冲突风险；
网格历史冲突风险确定单元，用于将所述指定船舶所处位置所对应的水域网格的历史冲突风险确定为网格历史冲突风险；
其中，所述水域风险计算单元，包括：
第一计算子单元，用于通过所述自适应船舶碰撞风险评估模型，计算得到所述指定船舶所处的水域中的每对航行轨迹对的碰撞风险最高值；
轨迹点确定子单元，用于确定每对航行轨迹对中的2个目标轨迹点，其中，所述2个目标轨迹点为航行轨迹对的碰撞风险最高值所对应的2个轨迹点；
第二计算子单元，用于针对每个水域网格，将处于所述水域网格的目标轨迹点所对应的碰撞风险最高值进行累加，得到所述水域网格的历史冲突风险；
相应地，所述风险等级包括实时风险等级及水域风险等级，所述确定单元，具体用于根据所述实时碰撞风险确定所述指定船舶的实时风险等级，并根据所述网格历史冲突风险确定所述指定船舶的水域风险等级。
7.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述的方法。
8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的方法。
CN202010747161.2A 2020-07-29 2020-07-29 一种船舶碰撞风险评估与预警方法及*** Active CN111951606B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010747161.2A CN111951606B (zh) 2020-07-29 2020-07-29 一种船舶碰撞风险评估与预警方法及***
US17/032,629 US20220036738A1 (en) 2020-07-29 2020-09-25 Method and system for assessing and early warning ship collision risk

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010747161.2A CN111951606B (zh) 2020-07-29 2020-07-29 一种船舶碰撞风险评估与预警方法及***

Publications (2)

Publication Number Publication Date
CN111951606A CN111951606A (zh) 2020-11-17
CN111951606B true CN111951606B (zh) 2021-07-30

Family

ID=73339786

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010747161.2A Active CN111951606B (zh) 2020-07-29 2020-07-29 一种船舶碰撞风险评估与预警方法及***

Country Status (2)

Country Link
US (1) US20220036738A1 (zh)
CN (1) CN111951606B (zh)

Families Citing this family (37)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112699144B (zh) * 2020-12-31 2022-10-14 中国水产科学研究院东海水产研究所 一种运输船转载特征信息提取方法
CN112818533B (zh) * 2021-01-28 2022-09-16 武汉理工大学 一种水域拥堵风险评价方法、***、装置及介质
CN112967527B (zh) * 2021-02-05 2022-05-10 武汉理工大学 一种渡船碰撞风险评估方法、***、装置及介质
CN112966332B (zh) * 2021-03-02 2022-06-21 武汉理工大学 基于多船运动不确定性的冲突侦测方法、存储器及处理器
CN113240944A (zh) * 2021-06-16 2021-08-10 广东海洋大学 一种基于大数据的个体船舶碰撞风险计算方法
CN113408054A (zh) * 2021-06-18 2021-09-17 武汉理工大学 一种船舶事故推演方法、船舶事故推演装置及电子设备
CN113470435B (zh) * 2021-07-09 2022-10-25 上海海事大学 生成自然对抗海洋环境的智能船舶测试场景的方法及终端
CN114046786B (zh) * 2021-11-11 2023-04-25 中国电子科技集团公司第二十九研究所 航迹预测方法、装置、设备及存储介质
CN114241813A (zh) * 2021-12-27 2022-03-25 中海电信有限公司 一种船舶间的避碰预警方法、***及装置
CN114387824B (zh) * 2022-01-13 2023-06-23 上海大学 一种符合国际海上避碰规则的避碰转向判定方法
CN114510783B (zh) * 2022-01-25 2024-05-03 中船航海科技有限责任公司 一种基于气象水文环境信息的狭水道航行安全评估方法
CN114429308B (zh) * 2022-02-08 2024-06-07 河南鑫安利安全科技股份有限公司 一种基于大数据的企业安全风险评估方法及***
CN114236644B (zh) * 2022-02-28 2022-05-24 青岛杰瑞工控技术有限公司 一种用于港口的船海协同精细化海气观测方法
CN114595776A (zh) * 2022-03-14 2022-06-07 集美大学 一种船舶碰撞风险评估方法、装置以及存储介质
CN114620199A (zh) * 2022-03-15 2022-06-14 陕西正整数科技有限公司 一种自动并发船舶避碰测试方法及***
CN114708217B (zh) * 2022-03-31 2022-12-09 西南交通大学 宽阔水域桥梁防超高船舶碰撞的预警方法、装置及设备
CN114819615A (zh) * 2022-04-22 2022-07-29 亚太卫星宽带通信（深圳）有限公司 一种基于遥感卫星数据的智慧航运水域风险评定方法
CN114548839B (zh) * 2022-04-26 2022-07-12 交通运输部水运科学研究所 基于风险分级和定位的危险货物集装箱落水分类救援方法
CN115050214B (zh) * 2022-06-07 2023-08-29 兰州大学 一种基于ais数据的船舶碰撞风险预测方法
CN115905343B (zh) * 2022-08-01 2023-10-03 中华人民共和国广东海事局 水上航运数据处理方法、装置、设备、介质和程序产品
CN115407768B (zh) * 2022-08-02 2023-12-12 哈尔滨工程大学 一种水下机器人海生物高效捕捞路径规划方法
CN115329857B (zh) * 2022-08-04 2024-02-09 武汉理工大学 内河通航水域等级划分方法、装置、电子设备及存储介质
CN115472040B (zh) * 2022-08-31 2023-11-07 东南大学 基于碰撞概率场的网联车辆个性化防碰撞预警方法
CN115511174A (zh) * 2022-09-22 2022-12-23 中远海运科技股份有限公司 一种船舶风险预测方法和***
CN115659263B (zh) * 2022-10-14 2023-08-08 长江三峡通航管理局 一种基于大数据的船舶操控行为风险评估***及评估方法
CN116434508B (zh) * 2022-12-14 2024-04-05 深圳点链科技有限公司 基于物联网的防撞监测大数据预警***及方法
CN115657693B (zh) 2022-12-28 2023-03-17 安徽省交通航务工程有限公司 一种船舶路径优化方法、电子设备及存储介质
CN116148893A (zh) * 2023-02-17 2023-05-23 大连海事大学 适用于vdes r-模式的基于实时比特边缘检测的测距方法及***
CN116029554B (zh) * 2023-02-28 2023-12-15 武汉理工大学 基于受限水域船舶风险评估模型参数校正的风险评估方法
CN116451993A (zh) * 2023-03-22 2023-07-18 中国船舶集团有限公司综合技术经济研究院 船舶信息风险评估方法、装置、电子设备及可读存储介质
CN116703147B (zh) * 2023-04-25 2024-01-30 交通运输部规划研究院 基于水域网格化和指标标准化的海上交通风险评估方法
CN116993167B (zh) * 2023-09-27 2023-12-15 交通运输部水运科学研究所 一种生产过程中实时风险判断方法及***
CN117037089A (zh) * 2023-10-09 2023-11-10 亿海蓝（北京）数据技术股份公司 船舶擅自出境行为的检测方法、装置和可读储存介质
CN117314301B (zh) * 2023-11-29 2024-03-22 广州一链通互联网科技有限公司 内贸集运的运输路线规划方法、***及计算机设备
CN117826137B (zh) * 2024-03-04 2024-05-14 天津港轮驳有限公司 一种用于水面物标组合探测的方法及***
CN117933100B (zh) * 2024-03-21 2024-05-31 南通惠江海洋科技有限公司 一种基于北斗定位的船舶轨迹监控方法
CN117970854B (zh) * 2024-03-28 2024-06-14 南通惠江海洋科技有限公司 一种船舶航行环境监测***

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103198720A (zh) * 2013-04-03 2013-07-10 大连海事大学 一种基于广义自组织神经网络的船舶领域模型的修正方法
CN103730031A (zh) * 2014-01-14 2014-04-16 武汉理工大学 内河桥区船载航行主动避碰***及避碰方法
CN105390029A (zh) * 2015-11-06 2016-03-09 武汉理工大学 基于航迹融合和航迹预测的船舶避碰辅助决策方法及***
CN107862907A (zh) * 2017-11-06 2018-03-30 四川联众防务科技有限责任公司 一种海上智能防撞的方法
CN108281043A (zh) * 2018-03-23 2018-07-13 上海海事大学 一种船舶碰撞风险预警***及预警方法
CN108550281A (zh) * 2018-04-13 2018-09-18 武汉理工大学 一种基于视觉ar的船舶辅助驾驶***与方法
CN108711312A (zh) * 2018-05-24 2018-10-26 大连海事大学 基于bp神经网络的船舶与静态物标碰撞风险预判方法
CN108922247A (zh) * 2018-07-25 2018-11-30 重庆大学 一种基于ais的船舶-航标碰撞危险度估算方法
CN109191915A (zh) * 2016-05-12 2019-01-11 福建北斗星河通信有限公司 高可靠性的基于互联网ais的船舶防碰撞方法及***
CN109243205A (zh) * 2018-08-29 2019-01-18 上海海事大学 一种沿海水上交通安全风险监测与预警***及方法
CN109377786A (zh) * 2018-10-19 2019-02-22 深圳市闻迅数码科技有限公司 一种船舶巡航方法、终端设备及计算机可读介质
CN110009937A (zh) * 2019-03-21 2019-07-12 武汉理工大学 一种基于ais数据的船舶碰撞风险分析方法
CN110164185A (zh) * 2019-06-05 2019-08-23 大连海事大学 一种基于ais的船舶避碰***
JP2019175287A (ja) * 2018-03-29 2019-10-10 国立研究開発法人 海上・港湾・航空技術研究所 移動体の避航判断方法、避航判断装置及び避航判断プログラム
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
CN110400491A (zh) * 2019-06-10 2019-11-01 北京海兰信数据科技股份有限公司 一种宽水域多目标辅助避碰决策方法及决策***
KR102060567B1 (ko) * 2019-05-13 2019-12-30 호서대학교 산학협력단 심층신경망을 이용한 선박 주변 객체 인식 방법 및 시스템
CN110956853A (zh) * 2019-11-12 2020-04-03 武汉理工大学 一种多船碰撞预测方法、***和存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7047114B1 (en) * 2003-10-23 2006-05-16 Charles David Rogers System and apparatus for automatic and continuous monitoring, proactive warning and control of one or more independently operated vessels
US20060290562A1 (en) * 2005-05-05 2006-12-28 Ehresoft Technologies Maritime contact management and collison avoidance systems and methods
US9135826B2 (en) * 2012-12-26 2015-09-15 Sap Se Complex event processing for moving objects
JP6759673B2 (ja) * 2016-03-31 2020-09-23 富士通株式会社 衝突リスク算出プログラム、衝突リスク算出方法および衝突リスク算出装置

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103198720A (zh) * 2013-04-03 2013-07-10 大连海事大学 一种基于广义自组织神经网络的船舶领域模型的修正方法
CN103730031A (zh) * 2014-01-14 2014-04-16 武汉理工大学 内河桥区船载航行主动避碰***及避碰方法
CN105390029A (zh) * 2015-11-06 2016-03-09 武汉理工大学 基于航迹融合和航迹预测的船舶避碰辅助决策方法及***
CN109191915A (zh) * 2016-05-12 2019-01-11 福建北斗星河通信有限公司 高可靠性的基于互联网ais的船舶防碰撞方法及***
CN107862907A (zh) * 2017-11-06 2018-03-30 四川联众防务科技有限责任公司 一种海上智能防撞的方法
CN108281043A (zh) * 2018-03-23 2018-07-13 上海海事大学 一种船舶碰撞风险预警***及预警方法
JP2019175287A (ja) * 2018-03-29 2019-10-10 国立研究開発法人 海上・港湾・航空技術研究所 移動体の避航判断方法、避航判断装置及び避航判断プログラム
CN108550281A (zh) * 2018-04-13 2018-09-18 武汉理工大学 一种基于视觉ar的船舶辅助驾驶***与方法
CN108711312A (zh) * 2018-05-24 2018-10-26 大连海事大学 基于bp神经网络的船舶与静态物标碰撞风险预判方法
CN108922247A (zh) * 2018-07-25 2018-11-30 重庆大学 一种基于ais的船舶-航标碰撞危险度估算方法
CN109243205A (zh) * 2018-08-29 2019-01-18 上海海事大学 一种沿海水上交通安全风险监测与预警***及方法
CN109377786A (zh) * 2018-10-19 2019-02-22 深圳市闻迅数码科技有限公司 一种船舶巡航方法、终端设备及计算机可读介质
CN110009937A (zh) * 2019-03-21 2019-07-12 武汉理工大学 一种基于ais数据的船舶碰撞风险分析方法
KR102060567B1 (ko) * 2019-05-13 2019-12-30 호서대학교 산학협력단 심층신경망을 이용한 선박 주변 객체 인식 방법 및 시스템
CN110164185A (zh) * 2019-06-05 2019-08-23 大连海事大学 一种基于ais的船舶避碰***
CN110400491A (zh) * 2019-06-10 2019-11-01 北京海兰信数据科技股份有限公司 一种宽水域多目标辅助避碰决策方法及决策***
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
CN110956853A (zh) * 2019-11-12 2020-04-03 武汉理工大学 一种多船碰撞预测方法、***和存储介质

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
基于网格化理论的船舶碰撞事故黑点研究;徐言民，唐成港，许鹏，刘钊，刘敬贤;《中国航海》;20131231;第36卷(第4期);全文 *
基于随机森林的船舶碰撞风险预警研究;李义山;《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》;20190215(第2期);正文26-49页 *
李义山.基于随机森林的船舶碰撞风险预警研究.《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》.2019,(第2期), *
港口泊位船舶间时距概率分布特性;罗肖霞，刘奕，刘敬贤;《武汉理工大学学报（交通科学与工程版）》;20180430;第42卷(第2期);全文 *
网格化港口水域船舶碰撞风险预测研究;范耀天, 李海蛟;《船海工程》;20080831;第37卷(第4期);全文 *

Also Published As

Publication number Publication date
CN111951606A (zh) 2020-11-17
US20220036738A1 (en) 2022-02-03

Similar Documents

Publication Publication Date Title
CN111951606B (zh) 一种船舶碰撞风险评估与预警方法及***
Zhang et al. A novel ship trajectory reconstruction approach using AIS data
Xin et al. A simulation model for ship navigation in the “Xiazhimen” waterway based on statistical analysis of AIS data
Qu et al. Ship collision risk assessment for the Singapore Strait
Emmens et al. The promises and perils of Automatic Identification System data
JP7222879B2 (ja) 交通手段の危険早期警告方法、装置、機器および媒体
Breithaupt et al. Maritime route delineation using AIS data from the atlantic coast of the US
Hänninen et al. The effects of causation probability on the ship collision statistics in the Gulf of Finland
CN111536962B (zh) 智能船舶的航线规划方法及装置、存储介质、计算机设备
Yu et al. Ship path optimization that accounts for geographical traffic characteristics to increase maritime port safety
CN110164184A (zh) 利用海员心理特征避免船舶碰撞的方法
CN112347218B (zh) 无人船艇的环境地图生成方法及无人船艇感知***
CN112102361B (zh) 一种多船只运行碰撞检测方法、装置及计算机设备
CN115983627B (zh) 船舶航行环境风险预测方法、装置、电子设备和介质
CN115723919A (zh) 一种船舶偏航的辅助航行方法及装置
Rong et al. Assessment and characterization of near ship collision scenarios off the coast of Portugal
CN106779184B (zh) 一种基于大数据建模的海上船舶流量预测方法
Kim et al. Development of a gridded maritime traffic DB for e-navigation
Kim et al. Ship encounter risk evaluation for coastal areas with holistic maritime traffic data analysis
Du et al. An intelligent method for real-time ship collision risk assessment and visualization
CN112373642B (zh) 一种基于船舶领域的内河船舶追越行为检测及跟踪方法
CN111028482B (zh) 远洋航行的提醒方法、装置及***
Dreyer Relation analysis of ship speed & environmental conditions: Can historic AIS data form a baseline for autonomous determination of safe speed?
Liu et al. Spatial modeling and analysis approach for ship-encounters dynamic spatial–temporal domain
CN111731285A (zh) 基于v2x技术的车辆防碰撞方法及装置

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