CN114819615A - 一种基于遥感卫星数据的智慧航运水域风险评定方法 - Google Patents
一种基于遥感卫星数据的智慧航运水域风险评定方法 Download PDFInfo
- Publication number
- CN114819615A CN114819615A CN202210431071.1A CN202210431071A CN114819615A CN 114819615 A CN114819615 A CN 114819615A CN 202210431071 A CN202210431071 A CN 202210431071A CN 114819615 A CN114819615 A CN 114819615A
- Authority
- CN
- China
- Prior art keywords
- fog
- remote sensing
- coefficient
- risk assessment
- rain
- 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 37
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 32
- 238000012502 risk assessment Methods 0.000 title claims abstract description 23
- 238000011156 evaluation Methods 0.000 claims abstract description 9
- 238000005259 measurement Methods 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Mathematical Physics (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Fluid Mechanics (AREA)
- Geometry (AREA)
- Computing Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于遥感卫星数据的智慧航运水域风险评定方法，涉及遥感卫星技术领域；该方法包括以下的步骤：S10、建立雨雾影响模型；S20、建立水动力影响模型；S30、建立泊松过程中平均强度的模型；S40、得到水域风险评定系数；本发明的有益效果是：基于本发明提出的方法，可以为各水域划定风险系数，从而表明当前船舶行驶在该水域时面临的风险性。
Description
技术领域
本发明涉及遥感卫星技术领域，更具体的说，本发明涉及一种基于遥感卫星数据的智慧航运水域风险评定方法。
背景技术
智慧航运是将船舶航行、设备、能耗等信息完全数字化，通过人工智能和大数据技术分析和学习船舶运行规律，以在智能航行、智能机舱管理、智能能效管理等方面实现船舶运行管理的智慧化，提升船舶航行安全性、能效经济性。
现有的船舶航行辅助产品或成果中，皆主要帮助船舶规划航线和设计航速，对于船舶航路经过海区的风险性没有量化评估方法。由于缺乏对海区风险性的评估，航线的规划就无法帮助船舶操纵者避开危险海域，或在船舶行驶入危险性较高的海域时给与及时的提醒。
发明内容
为了克服现有技术的不足，本发明提供一种基于遥感卫星数据的智慧航运水域风险评定方法。
本发明解决其技术问题所采用的技术方案是：一种基于遥感卫星数据的智慧航运水域风险评定方法，其改进之处在于，该方法包括以下的步骤：
S10、建立雨雾影响模型，以雨雾分子整体运动强度表征雨雾影响，由以下模型得到：
Ffog＝lg(f+1)+Δ；
其中，f为雨雾浓度系数，Δ为偏移系数，f和Δ均通过实地测量得到；
S20、建立水动力影响模型，以海浪系数表征船舶当前运行环境情况，由以下模型得到：
Fw＝w cosα；
其中，w为海浪系数，α为水流方向与船舶航行方向的关系，w和α均通过实地测量得到；
S30、建立泊松过程中平均强度λ的模型：
λ＝ρ·Ffog-Fw＝ρ·[lg(f+1)+Δ]-w cosα；
其中，ρ为船舶密度，是单位面积内船舶数量；
S40、得到水域风险评定系数，由泊松过程模型，一个事件发生k次的概率为：
对于发生碰撞的概率为1-P(x＝0)，代入λ，得到：
其中P即为水域风险评定系数。
进一步的，步骤S10中，雨雾越浓，分子浓度越高，单位体积分子数量越多，整体运动强度越大。
进一步的，步骤S10中，雨雾浓度系数f为能见度等级的指标，由0至无穷大来表示，数值越大表示浓度越高、能见度越差。
进一步的，步骤S20中，海浪系数w为流速浪高对船舶影响的指标，由0至无穷大来表示，数值越大表示水动力条件越激烈。
进一步的，步骤S20中，海浪系数w越大，代表船舶操控难度越大。
进一步的，步骤S30中，船舶密度ρ由遥感卫星通过光学或红外方式，或采用 AIS/VDES的方式获取。
本发明的有益效果是：区别于现有帮助船舶规划航线和设计航速的技术成果，首次得出考虑雨雾因素、海浪因素、基于卫星遥感探测船舶密度等因素的智慧航运水域风险评定方法，基于本发明提出的方法，可以为各水域划定风险系数，从而表明当前船舶行驶在该水域时面临的风险性，为船舶驾驶员、管理者提供航行参考和适当预警。
附图说明
图1为本发明的一种基于遥感卫星数据的智慧航运水域风险评定方法的流程示意图。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整地描述，以充分地理解本发明的目的、特征和效果。显然，所描述的实施例只是本发明的一部分实施例，而不是全部实施例，基于本发明的实施例，本领域的技术人员在不付出创造性劳动的前提下所获得的其他实施例，均属于本发明保护的范围。另外，专利中涉及到的所有联接/连接关系，并非单指构件直接相接，而是指可根据具体实施情况，通过添加或减少联接辅件，来组成更优的联接结构。本发明创造中的各个技术特征，在不互相矛盾冲突的前提下可以交互组合。
实施例1
本发明揭示了一种基于遥感卫星数据的智慧航运水域风险评定方法，区别于现有帮助船舶规划航线和设计航速的技术成果，首次得出考虑雨雾因素、海浪因素、基于卫星遥感探测船舶密度等因素的智慧航运水域风险评定方法，基于本发明提出的方法，可以为各水域划定风险系数，从而表明当前船舶行驶在该水域时面临的风险性，为船舶驾驶员、管理者提供航行参考和适当预警。
参照图1所示，本发明提供了一具体实施例，在本实施例中，该方法包括以下的步骤：
S10、建立雨雾影响模型，以雨雾分子整体运动强度表征雨雾影响，由以下模型得到：
Ffog＝lg(f+1)+Δ：
其中，f为雨雾浓度系数，Δ为偏移系数，f和Δ均通过实地测量得到；
步骤S10中，雨雾越浓，分子浓度越高，单位体积分子数量越多，整体运动强度越大；更为具体的，雨雾浓度系数f为能见度等级的指标，由0至无穷大来表示，数值越大表示浓度越高、能见度越差。
S20、建立水动力影响模型，以海浪系数表征船舶当前运行环境情况，由以下模型得到：
Fw＝w cosα：
其中，w为海浪系数，α为水流方向与船舶航行方向的关系，w和α均通过实地测量得到；
步骤S20中，海浪系数w为流速浪高对船舶影响的指标，由0至无穷大来表示，数值越大表示水动力条件越激烈。海浪系数w越大，代表船舶操控难度越大。
S30、建立泊松过程中平均强度λ的模型：
λ＝p·Ffog-Fw＝ρ·[lg(f+1)+Δ]-w cosα；
其中，ρ为船舶密度，是单位面积内船舶数量；
步骤S30中，船舶密度ρ由遥感卫星通过光学或红外方式，或采用AIS/VDES 的方式获取。
S40、得到水域风险评定系数，由泊松过程模型，一个事件发生k次的概率为：
对于发生碰撞的概率为1-P(x＝0)，代入λ，得到：
其中P即为水域风险评定系数。
实施例2
本发明提供了一种基于遥感卫星数据的智慧航运水域风险评定方法，该方法包括以下的步骤：
S10、由遥感卫星通过光学方式获取海区图像，进行图像识别得到船舶数量，计算得到船舶密度ρ；
S20、实地测定雨雾浓度系数f，各地偏移系数Δ；这里可预先测量世界各地的偏移系数Δ，形成数据库供未来计算使用；
S30、在航行海域实地测定海浪系数w，水流方向与船舶航行方向的夹角关系α；该系数可由遥感卫星测定；
S40、代入公式：
进行计算，得到各海域的风险评定系数。
根据各海域的风险评定系数，在智慧航运***中加载该系数，船舶管理单位可根据自身对船舶航行风险容忍度设定风险评定系数划定为高风险的阈值。智慧航运***实时与船舶计划航线与船舶定位数据进行比对，当判定船舶计划航线经过高风险区或船舶实际位置临近或进入高风险区，智慧航运平台发出预警和提示，可视化平台同步显示。
因此，本发明提供了一种基于遥感卫星数据的智慧航运水域风险评定方法，采用本发明所述海域的风险评定系数，建立了全球海域的风险等级评定体系，使得智慧航行可以预报性反映船舶将要面临的航行风险，或是显示船舶当前行驶水域时面临的风险性，为船舶驾驶员、管理者提供航行参考和适当预警。据统计显示，由于提前预警，船舶驾驶人员提前采取防范措施，船舶航行中危险情况下反映时间缩短了70％以上，岸端指挥中心值班监控人员对事故掌握率达到100％。
以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (6)
1.一种基于遥感卫星数据的智慧航运水域风险评定方法，其特征在于，该方法包括以下的步骤：
S10、建立雨雾影响模型，以雨雾分子整体运动强度表征雨雾影响，由以下模型得到：
Ffog＝lg(f+1)+Δ；
其中，f为雨雾浓度系数，Δ为偏移系数，f和Δ均通过实地测量得到；
S20、建立水动力影响模型，以海浪系数表征船舶当前运行环境情况，由以下模型得到：
Fw＝w cosα；
其中，w为海浪系数，α为水流方向与船舶航行方向的关系，w和α均通过实地测量得到；
S30、建立泊松过程中平均强度λ的模型：
λ＝ρ·Ffog-Fw＝ρ·[lg(f+1)+Δ]-wcosα；
其中，ρ为船舶密度，是单位面积内船舶数量；
S40、得到水域风险评定系数，由泊松过程模型，一个事件发生k次的概率为：
对于发生碰撞的概率为1-P(x＝0)，代入λ，得到：
其中P即为水域风险评定系数。
2.根据权利要求1所述的一种基于遥感卫星数据的智慧航运水域风险评定方法，其特征在于，步骤S10中，雨雾越浓，分子浓度越高，单位体积分子数量越多，整体运动强度越大。
3.根据权利要求1所述的一种基于遥感卫星数据的智慧航运水域风险评定方法，其特征在于，步骤S10中，雨雾浓度系数∫为能见度等级的指标，由0至无穷大来表示，数值越大表示浓度越高、能见度越差。
4.根据权利要求1所述的一种基于遥感卫星数据的智慧航运水域风险评定方法，其特征在于，步骤S20中，海浪系数w为流速浪高对船舶影响的指标，由0至无穷大来表示，数值越大表示水动力条件越激烈。
5.根据权利要求1所述的一种基于遥感卫星数据的智慧航运水域风险评定方法，其特征在于，步骤S20中，海浪系数w越大，代表船舶操控难度越大。
6.根据权利要求1所述的一种基于遥感卫星数据的智慧航运水域风险评定方法，其特征在于，步骤S30中，船舶密度ρ由遥感卫星通过光学或红外方式，或采用AIS/VDES的方式获取。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210431071.1A CN114819615A (zh) | 2022-04-22 | 2022-04-22 | 一种基于遥感卫星数据的智慧航运水域风险评定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210431071.1A CN114819615A (zh) | 2022-04-22 | 2022-04-22 | 一种基于遥感卫星数据的智慧航运水域风险评定方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114819615A true CN114819615A (zh) | 2022-07-29 |
Family
ID=82505719
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210431071.1A Pending CN114819615A (zh) | 2022-04-22 | 2022-04-22 | 一种基于遥感卫星数据的智慧航运水域风险评定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114819615A (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111951606A (zh) * | 2020-07-29 | 2020-11-17 | 武汉理工大学 | 一种船舶碰撞风险评估与预警方法及*** |
| CN112084460A (zh) * | 2020-07-14 | 2020-12-15 | 宁波市生态环境气象中心 | 一种海上航运气海风险指数的预测评估方法 |
-
2022
- 2022-04-22 CN CN202210431071.1A patent/CN114819615A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112084460A (zh) * | 2020-07-14 | 2020-12-15 | 宁波市生态环境气象中心 | 一种海上航运气海风险指数的预测评估方法 |
| CN111951606A (zh) * | 2020-07-29 | 2020-11-17 | 武汉理工大学 | 一种船舶碰撞风险评估与预警方法及*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108873799B (zh) | 船载智能驾驶辅助终端 | |
| CN107577230B (zh) | 一种面向无人船的智能避碰*** | |
| CN105390029B (zh) | 基于航迹融合和航迹预测的船舶避碰辅助决策方法及*** | |
| CN109725310B (zh) | 一种基于yolo算法以及岸基雷达***的船舶定位监管*** | |
| CN109817023B (zh) | 一种海缆水域ais目标检测方法 | |
| CN106710313A (zh) | 基于激光三维成像技术的桥区船舶主动避碰方法及*** | |
| CN105070101B (zh) | 筒型平台拖带风险预警及可视化*** | |
| CN109144060A (zh) | 一种船舶航线的危险识别方法及*** | |
| CN113536544B (zh) | 一种基于最小安全距离模型的船舶概率冲突检测方法 | |
| CN111613094A (zh) | 一种港口水域船舶交通风险预警方法 | |
| CN117647812A (zh) | 基于导航雷达的船舶行驶路线检测预警方法及*** | |
| CN113450597A (zh) | 基于深度学习的船舶辅助航行方法及*** | |
| CN111722617B (zh) | 一种基于大数据的自动驾驶汽车性能判定***及方法 | |
| CN115346399B (zh) | 基于相控阵雷达、ais和lstm网络的大桥防船撞预警*** | |
| CN115993597A (zh) | 一种视觉雷达感知融合方法及终端设备 | |
| CN117232520A (zh) | 一种适用于海上航行的船舶智能导航***及导航方法 | |
| CN113570656A (zh) | 一种面向桥区水域船舶高度测量及超高预警***及其方法 | |
| CN116453276A (zh) | 一种海上风电电子围栏监控预警方法和*** | |
| CN115723919A (zh) | 一种船舶偏航的辅助航行方法及装置 | |
| CN209118512U (zh) | 一种桥梁防撞预警装置 | |
| CN116384597B (zh) | 基于地理信息***的渔港船舶进出港动态预测方法及*** | |
| CN114819615A (zh) | 一种基于遥感卫星数据的智慧航运水域风险评定方法 | |
| CN115936190A (zh) | 一种智能航行作业风险预警方法 | |
| CN115018304A (zh) | 一种计算船机碰撞风险的方法、装置以及存储介质 | |
| CN109614886B (zh) | 一种无人/自主驾驶***的性能评测方法及装置 |
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 |