[發明專利]一種滾動規劃的船舶沖突預警方法

在審

• 申請號: 201711492948.3
• 申請日: 2014-12-30
• 公開（公告）號: CN108108588A
• 公開（公告）日: 2018-06-01
• 發明（設計）人: 韓云祥;趙景波;李廣軍
• 申請（專利權）人: 江蘇理工學院
• 主分類號: G06F19/00
• 分類號: G06F19/00;G08G3/02
• 代理公司: 常州市江海陽光知識產權代理有限公司 32214
• 代理人: 陳曉君

1.一種滾動規劃的船舶沖突預警方法，其特征在于包括如下幾個步驟：

①通過海面雷達獲得船舶的實時和歷史位置信息，各船舶的位置信息為離散二維位置序列x'＝[x1',x2',K,xn']和y'＝[y1',y2',K,yn']，通過應用小波變換理論對原始離散二維位置序列x'＝[x1',x2',K,xn']和y'＝[y1',y2',K,yn']進行初步處理，從而獲取船舶的去噪離散二維位置序列x＝[x1,x2,K,xn]和y＝[y1,y2,K,yn]；

②在每一采樣時刻對船舶軌跡數據預處理，依據所獲取的船舶去噪離散二維位置序列x＝[x1,x2,K,xn]和y＝[y1,y2,K,yn]，采用一階差分方法對其進行處理獲取新的船舶離散位置序列△x＝[△x1,△x2,K,△xn-1]和△y＝[△y1,△y2,K,△yn-1]，其中△xi＝xi+1-xi,△yi＝yi+1-yi，i＝1,2,K,n-1；

③在每一采樣時刻對船舶軌跡數據聚類，對處理后新的船舶離散二維位置序列△x和△y，通過設定聚類個數M'，采用K-means聚類算法分別對其進行聚類；

④在每一采樣時刻對船舶軌跡數據利用隱馬爾科夫模型進行參數訓練，通過將處理后的船舶運行軌跡數據△x和△y視為隱馬爾科夫過程的顯觀測值，通過設定隱狀態數目N和參數更新時段τ'，依據最近的T'個位置觀測值并采用B-W算法滾動獲取最新隱馬爾科夫模型參數λ'；

⑤在每一采樣時刻依據隱馬爾科夫模型參數，采用Viterbi算法獲取當前時刻觀測值所對應的隱狀態q；

⑥在每一采樣時刻，通過設定預測時域W，基于船舶當前時刻的隱狀態q，獲取未來時段船舶的位置預測值O，從而在每一采樣時刻滾動推測到未來時段內船舶的軌跡；

⑦在每一采樣時刻，基于各船舶的運行狀態和設定的船舶在海域內運行時需滿足的安全規則集，當船舶間有可能出現違反安全規則的狀況時，對其動態行為實施監控并為海上交通控制中心提供及時的告警信息；

所述步驟⑤中采用Viterbi算法獲取當前時刻觀測值所對應的隱狀態q的過程如下：

5.1)變量賦初值：令g＝2，βT′(si)＝1，si∈S，δ1(si)＝πibi(o1)，ψ1(si)＝0，其中，

δ g ( s i ) = m a x q 1 , q 2 , K , q g - 1 P ( q 1 , q 2 , K , q g - 1 , q g = s i , o 1 , o 2 , K , o g | λ ′ ) , ]]>

其中變量ψg(sj)表示使變量δg-1(si)aij取最大值的船舶航跡隱狀態si，參數S表示隱狀態的集合；

5.2)遞推過程：

5.3)時刻更新：令g＝g+1，若g≤T'，返回步驟5.2)，否則迭代終止并轉到步驟5.4)；

5.4)轉到步驟5.5)；

5.5)最優隱狀態序列獲取：

5.5.1)變量賦初值：令g＝T'-1；

5.5.2)后向遞推：

5.5.3)時刻更新：令g＝g-1，若g≥1，返回步驟5.5.2)，否則終止；

所述步驟④中確定航跡隱馬爾科夫模型參數λ'＝(π,A,B)的過程如下：

4.1)變量賦初值：應用均勻分布給變量πi，aij和bj(ok)賦初值和并使其滿足約束條件：和由此得到λ0＝(π0,A0,B0)，其中ok表示某一顯觀測值，π0、A0和B0分別是由元素和構成的矩陣，令參數l＝0，o＝(ot-T'+1,K,ot-1,ot)為當前時刻t之前的T'個歷史位置觀測值；

4.2)執行E-M算法：

4.2.1)E-步驟：由λl計算ξe(i,j)和γe(si)；

變量那么

其中s表示某一隱狀態；

4.2.2)M-步驟：運用分別估計πi，aij和bj(ok)并由此得到λl+1；

4.2.3)循環：l＝l+1，重復執行E-步驟和M-步驟，直至πi、aij和bj(ok)收斂，即|P(o|λl+1)-P(o|λl)|<ε，其中參數ε＝0.00001，返回步驟4.2.4)；

4.2.4)：令λ'＝λl+1，算法結束。