[发明专利]基于滚动规划策略的船舶轨迹实时预测方法

权利要求书

1.一种基于滚动规划策略的船舶轨迹实时预测方法，其特征在于包括如下几个步骤：

①通过海面雷达获得船舶的实时和历史位置信息，各船舶的位置信息为离散二维位置序列x'＝[x₁',x₂',K,x_n']和y'＝[y₁',y₂',K,y_n']，通过应用小波变换理论对原始离散二维位置序列x'＝[x₁',x₂',K,x_n']和y'＝[y₁',y₂',K,y_n']进行初步处理，从而获取船舶的去噪离散二维位置序列x＝[x₁,x₂,K,x_n]和y＝[y₁,y₂,K,y_n]：对于给定的原始二维序列数据x'＝[x₁',x₂',K,x_n']，利用如下形式的线性表达式分别对其进行近似：

其中：

f'(x')表示对数据平滑处理后得到的函数表达式，ψ(x')表示母波，δ、J和K均为小波变换常数，ψ_J,K(x')表示母波的转换形式，c_J,K表示由小波变换过程得到的函数系数；在实际数据处理过程中，通过设定阈值χ来实施“阈值转换”，当c_J,K<χ时，设定c_J,K＝0；阈值函数的选取采用如下两种方式：

和

对于y'＝[y₁',y₂',K,y_n']，也采用上述方法进行去噪处理；

②在每一采样时刻对船舶轨迹数据预处理，依据所获取的船舶去噪离散二维位置序列x＝[x₁,x₂,K,x_n]和y＝[y₁,y₂,K,y_n]，采用一阶差分方法对其进行处理获取新的船舶离散位置序列△x＝[△x₁,△x₂,K,△x_n-1]和△y＝[△y₁,△y₂,K,△y_n-1]，其中△x_i＝x_i+1-x_i,△y_i＝y_i+1-y_i，i＝1,2,K,n-1；

③在每一采样时刻对船舶轨迹数据聚类，对处理后新的船舶离散二维位置序列△x和△y，通过设定聚类个数M'，采用遗传聚类算法分别对其进行聚类；

④在每一采样时刻对船舶轨迹数据利用隐马尔科夫模型进行参数训练，通过将处理后的船舶运行轨迹数据△x和△y视为隐马尔科夫过程的显观测值，通过设定隐状态数目N和参数更新时段τ'，依据最近的T'个位置观测值并采用B-W算法滚动获取最新隐马尔科夫模型参数λ'；

⑤在每一采样时刻依据隐马尔科夫模型参数，采用Viterbi算法获取当前时刻观测值所对应的隐状态q：

5.1)变量赋初值：令g＝2，β_T′(s_i)＝1，s_i∈S，δ₁(s_i)＝π_ib_i(o₁)，ψ₁(s_i)＝0，其中，其中变量ψ_g(s_j)表示使变量δ_g-1(s_i)a_ij取最大值的船舶航迹隐状态s_i，参数S表示隐状态的集合；

5.2)递推过程：

5.3)时刻更新：令g＝g+1，若g≤T'，返回步骤5.2)，否则迭代终止并转到步骤5.4)；

5.4)转到步骤5.5)；

5.5)最优隐状态序列获取：

5.5.1)变量赋初值：令g＝T'-1；

5.5.2)后向递推：

5.5.3)时刻更新：令g＝g-1，若g≥1，返回步骤5.5.2)，否则终止；

⑥在每一采样时刻，通过设定预测时域W，基于船舶当前时刻的隐状态q，获取未来时段船舶的位置预测值O，从而在每一采样时刻滚动推测到未来时段内船舶的轨迹。

2.根据权利要求1所述的基于滚动规划策略的船舶轨迹实时预测方法，其特征在于：所述步骤③中，聚类个数M'的值为4。