[发明专利]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

权利要求书

1.一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，其特征在于：包括以下步骤：

S1：分析和描述无人驾驶船舶的航行状态信息，将海图信息、船舶及障碍物信息等船舶航行安全信息划分为实体类和属性，构建无人驾驶船舶的航行态势估计本体模型；

S2：构建海上船舶航行态势本体模型关系属性表，将无人驾驶船舶与障碍物之间的关系确定为二元关系，结合国际海上避碰规则对本体模型量化划分为多种航行态势子场景；

S3：结合海图信息中已知的环境先验知识，将无人驾驶船舶起始港至目的港海域离散化处理为具有状态空间特性的二维栅格单元,通过确定可航区域与障碍区域建立海上环境模型；在环境模型中，对划分后的子场景中的信息进行感知，获取无人驾驶船舶当前的环境状态信息；

S4：构建用于存储船舶避碰行为决策的长短时记忆网络反馈记忆单元，利用船舶自主避碰决策算法与海上环境交互，通过自适应航行态势学习计算无人驾驶船舶自主避碰的最优策略。

2.根据权利要求1所述的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，其特征在于，S1中的对无人驾驶船舶航行状态信息进行实体与属性的分析为：

一个完整的海上交通系统就是一个由“人-船-海-环境”所组成的闭环反馈系统，经过研究船舶航行特点将航行态势实体分为四个子实体类：海图实体、障碍物实体类、无人驾驶船舶实体类和环境信息；

海图实体包括典型开阔水域、航道、边界、狭水道、禁航区和锚地，障碍物实体则包括静态障碍物和动态障碍物，无人驾驶船舶实体用以描述自身状态信息，环境信息包括海上扰动、能见度和水深；

属性类用以描述对象的语义属性，用以描述点实体位置的Position类属性重点分析障碍物实体相关属性，用以描述障碍物实体和无人船实体之间的方位关系和海域位置关系。

3.根据权利要求1所述的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，其特征在于，所述步骤S2中的对航行态势估计本体模型关系属性表建立为：

无人驾驶船舶与障碍物之间的关系可分为二元关系：无人船与静态障碍物、无人船与动态障碍物，分别为：Egoship-StaticObstacle，简写为ES；Egoship-DynamicObstacle简写为ED，具体将无人驾驶船舶的航行态势划分为前船场景hasFront、后船场景hasBehind、左前侧场景hasFrontLeft、右前侧场景hasFrontRight、左后侧场景hasBehindLeft、右后侧场景hasBehindRight。

4.根据权利要求1所述的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，其特征在于，所述步骤S2中结合国际海上避碰规则对划分的场景量化处理为：

对步骤S2中hasFront、hasBehind等6个场景进行量化划分：

hasFrontED:15π/8～π/8，所包括的航行场景有:HO、OT和CR；

hasBehindED:5π/8～11π/8，所包括的航行场景有：OT；

hasFrontLeftED:3π/2～15π/8，所包括的航行场景有：CR和OT；

hasFrontRightED:π/8～π/2，所包括的航行场景有：CR和OT；

hasBehindLeftED:11π/8～3π/2，所包括的航行场景有CR；

hasBehindRightED:π/2～5π/8，所包括的航行场景有CR；

其中HO表示对遇场景(Head-on encounter)；CR表示交叉相遇场景(Crossingencounter)；OT表示追越场景(Overtaking encounter)。