[发明专利]基于滚动规划策略的船舶冲突预警方法

摘要

本发明涉及一种基于滚动规划策略的船舶冲突预警方法，包括如下几个步骤，首先通过海面雷达获得船舶的实时和历史位置信息并做初步处理；然后在每一采样时刻对船舶轨迹数据预处理，然后在每一采样时刻对船舶轨迹数据聚类，再而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，然后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，最后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，并通过建立安全规则集对船舶的动态行为实施监控并及时发出告警信息。本发明滚动实时对船舶轨迹进行预测，有效预警海域冲突，提高海上交通的安全性。

主权项

一种基于滚动规划策略的船舶冲突预警方法，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',,xn']和y'＝[y1',y2',,yn']，通过应用小波变换理论对原始离散二维位置序列x'＝[x1',x2',,xn']和y'＝[y1',y2',,yn']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,,xn]和y＝[y1,y2,,yn]；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,,xn]和y＝[y1,y2,,yn]，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,,△xn‑1]和△y＝[△y1,△y2,,△yn‑1]，其中△xi＝xi+1‑xi,△yi＝yi+1‑yi(i＝1,2,,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；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；⑦在每一采样时刻，基于各船舶的运行状态和设定的船舶在海域内运行时需满足的安全规则集，当船舶间有可能出现违反安全规则的状况时，对其动态行为实施监控并为海上交通控制中心提供及时的告警信息；所述步骤①中，通过应用小波变换理论对原始离散二维位置序列x'＝[x1',x2',,xn']和y'＝[y1',y2',,yn']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,,xn]和y＝[y1,y2,,yn]：对于给定的原始二维序列数据x'＝[x1',x2',,xn']，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，ψJ,K(x')表示母波的转换形式，cJ,K表示由小波变换过程得到的函数系数，它体现了子波ψJ,K(x')对整个函数近似的权重大小，若此系数很小，那么它意味着子波ψJ,K(x')的权重也较小，因而可以在不影响函数主要特性的前提下，从函数近似过程中将子波ψJ,K(x')除去；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cJ,K<χ时，设定cJ,K＝0；阈值函数的选取采用如下两种方式：和对于y'＝[y1',y2',,yn']，也采用上述方法进行去噪处理。所述步骤⑤中确定船舶航迹最佳隐状态序列的迭代过程如下：5.1)变量赋初值：令g＝2，βT'(si)＝1(si∈S)，δ1(si)＝πibi(o1)，ψ1(si)＝0，其中，其中变量ψg(sj)表示使变量δg‑1(si)aij取最大值的船舶航迹隐状态si，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。