[发明专利]一种船舶自主航行辅助决策系统

权利要求书

1.一种船舶自主航行辅助决策系统，其特征在于，所述系统包括：船舶外部实时数据感知模块、船舶自身实时感知数据模块、数据挖掘层和辅助决策层；

所述船舶外部实时数据感知模块，用于通过船载传感器和无线通信装置，从船舶的外部环境中获得外部实时数据；

所述船舶自身实时感知数据模块，用于获取船舶自身实时状态数据，与外部实时数据组成航运数据；

所述数据挖掘层，用于利用分布式架构以及自定义的索引，通过HBase存储数据库实现航运数据的快速存储；对航运数据中遗漏标签的数据元组进行数据补齐；从航运数据中获取用于驾驶行为预测的多模态数据；基于环境实时感知数据和船舶自身状态的感知数据综合分析驾驶行为、航道情况和船舶情况；

所述辅助决策层，用于计算海浪在z轴方向的起伏幅度，并根据该起伏值调整驾驶行为；预测目标监测点的交通流；将多模态数据输入自主驾驶模型，输出预测的驾驶行为；并分析辅助航行特征；

所述辅助决策层包括海浪与驾驶行为分析单元，短时交通流预测单元，辅助驾驶决策单元和辅助航行特征分析单元；

所述海浪与驾驶行为分析单元，用于基于船舶的加速度和角速度，在消除惯性传感器的重力加速度影响的基础上，计算惯性传感器在世界坐标系下的线加速度；利用带通滤波器对惯性传感器在世界坐标系下的z轴线加速度进行滤波，获取海浪频谱范围内的z轴线加速度；基于海浪频谱范围内的z轴线加速度，通过二次积分计算海浪在z轴方向的起伏幅度，并根据该起伏值调整驾驶行为；

所述短时交通流预测单元，用于将船舶的GPS数据转换为交通流量的数据，并按照一定的时间尺度进行聚集，得到各个监测点以T为时间间隔的交通流序列；将待预测监测点的交通流序列输入预先训练好的交通流预测模型，输出监测点p_i在下一个时间间隔T内的交通流，为驾驶行为提供决策信息；

所述辅助驾驶决策单元，用于将多模态数据输入自主驾驶模型，输出预测的驾驶行为；所述驾驶行为包括：转向动作、加速动作和减速动作；

所述辅助航行特征分析单元，用于在智能船舶的航行过程中，对辅助航行特征进行分析；在学习不同类型船舶的自身参数后，评测辅助决策系统在不同类型船只上航运的安全性及控制的平稳性；

所述交通流预测模型采用自适应卷积神经网络ACNN；

所述交通流预测模型的输入分为两部分，第一部分输入的是交通流时空信息组成的张量，记为D^space∈R^p×t×c，这里的p、t和c分别是监测点、时间间隔以及通道；

取各个监测点前t个时间间隔的数据，包括待预测的监测点共P个监测点；在通道维度上增加速度数据组成的矩阵；

对于第一部分输入进行处理的卷积层，其第一层使用基本的自适应卷积操作进行卷积，数据卷积核来自于时间数据；时间数据是一个时间编号，以30分钟为间隔，将一天分为48段进行编号，记为time，0≤time≤47；时间数据在输入网络之前首先转为48维的one-hot向量；这个one-hot向量经过一个全连接层，全连接层得到的9维向量看成是时间的稠密向量表示，然后该向量进行重新排列成3×3作为数据卷积核；全连接的神经元个数等于数据卷积核中数据个数，此处数据卷积核大小为3×3×2×5，除了3×3是数据卷积核的大小，倒数第二个维度2是通道维度，最后一个维度5是数据卷积核个数；该层的卷积核个数为32，其中的5个卷积核与数据卷积核结合成为自适应卷积核；经过自适应卷积层之后，数据输出的形状变成8×8×32；数据再经过一个含有32个形状3×3的卷积核的普通卷积层后，得到的数据形状为6×6×32，然后平铺展平为向量，作为第一部分输出的向量；

第二部分输入是待预测监测点的历史周期信息组成的张量，记为D^history∈R^w×d×t×c，这里的w、d、t和c的单位分别是周，天，时间间隔和通道；在同一周的同一天内的后4个数据是未知的，用目前最新的值代替；第二部分输入在通道维度上增加了由速度数据组成的张量；第二部分输入首先经过一个自适应卷积操作变种的网络层，再经过普通的卷积层，该卷积层的第一层的卷积操作采用32个3×3×3×2的卷积核，这里3×3×3是卷积核的基本形状，2是卷积核在不同通道上的扩展；采用无填充的卷积方式，该层的输出数据形状为8×5×3×32，最后一个维度的32是通道数；数据再经过一个含有32个形状为3×3×3的卷积核的普通卷积层之后，得到形状为6×3×1×32的张量，然后将张量展平为向量，与第一部分输出的向量进行拼接；

拼接后的向量经过一个含有512个神经元的全连接层，将两部分信息融合，最后再经过回归层，输出下一个时间间隔T的交通流量。