[發明專利]一種基于AIS數據的船舶碰撞風險分析方法

有效

• 申請號: 201910216259.2
• 申請日: 2019-03-21
• 公開（公告）號: CN110009937B
• 公開（公告）日: 2022-04-01
• 發明（設計）人: 劉文;孫鵬;徐淑高;劉釗;梁茂晗;劉敬賢
• 申請（專利權）人: 武漢理工大學
• 主分類號: G08G3/02
• 分類號: G08G3/02;G06F16/26
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 魏波

1.一種基于AIS數據的船舶碰撞風險分析方法，其特征在于，包括以下步驟：

步驟1：基于歷史AIS數據，在標準船舶選取和轉換的基礎上，采用密度聚類算法建立船舶碰撞風險的熱度圖，實現船舶碰撞風險的時空可視化；

步驟1的具體實現包括以下子步驟：

步驟1.1：網格化研究水域時域和空域；

步驟1.2：標準船舶選取與轉換；

通過對歷史AIS數據的統計分析，采用某一類船舶的長寬和類型作為標準船舶，然后對其他類型、長、寬、吃水的船舶進行等效化處理轉換，得到其他船舶與標準船舶的轉換計算標準；

步驟1.3：船舶風險可視化；

在網格化和標準船舶的基礎上，不同時間段的標準船舶流量不同，所帶來的風險也不同，對時間進行分段處理，對時域上的標準船舶流量進行可視化處理，并實現船舶碰撞風險的時域可視化；根據區域船舶流量的不同，采用密度聚類算法建立船舶碰撞風險的熱度圖，實現船舶碰撞風險的空域可視化；

步驟1.4：基于AIS歷史數據進行風險預測；

對歷史AIS數據進一步運用深度學習理論與神經網絡算法預測區域船舶交通流，將預測數據展現在電子海圖上，實現基于預測數據的船舶碰撞風險的可視化；

步驟2：基于實時AIS數據，在船位場、航向場和航速場的基礎上，構建區域船舶碰撞風險評判模型，運用高斯核函數核密度估計算法提出動態船舶碰撞風險可視方法，實現區域船舶碰撞風險的實時更新；

步驟2的具體實現包括以下子步驟：

步驟2.1：建立船舶碰撞風險評判模型；

基于對實時船舶AIS軌跡數據的分析與處理，得到船舶運動過程中的航向、位置、航速和船舶尺度信息；分析船舶在所研究區域內的運動模式，通過確定航向、位置、航速和船舶尺度信息對船舶碰撞風險的影響程度，構建區域船舶碰撞風險評判模型；

所述構建區域船舶碰撞風險評判模型，具體實現包括以下子步驟：

(1)確定船舶的安全領域，所述船舶的 安全領域為船舶為保持安全航行時，本船舶與他船之間保持的安全間隔范圍，該范圍內絕不允許其他船舶的侵犯；

(2)基于船舶安全領域的定義范疇，結合船舶所處的自然水域環境及船舶交通流特征，確定船舶安全領域的邊界及公式；

(3)以船舶安全領域中的不同區域相對船舶方位和距離以及船舶的航速，尺度信息作為自變量，分別分析確定各區域船舶碰撞風險與其對應自變量的函數關系；

(4)結合歷史AIS數據對所建船舶碰撞風險評判模型相關參數進一步的修正，所述相關參數包括航向改變量的加權因子、船舶所在地理位置交通流量的加權因子、船舶軌跡距航道中線垂直距離加權因子、船舶航速加權因子和船舶尺度加權因子；

步驟2.2：動態船舶碰撞風險可視化；

通過核密度估計算法對對研究水域的船舶船位場、航速場和航向場進行統計推斷建模，然后將船舶航跡進行光柵化處理為KDE矩陣，以核密度函數為基礎繪制出習慣性航路，在此基礎上融入船舶AIS軌跡中的航向與航速的信息，從而完成船舶船位場、航速場、航向場的融合推斷建模，實現動態船舶碰撞風險可視化。

2.根據權利要求1所述的基于AIS數據的船舶碰撞風險分析方法，其特征在于：步驟1.4中所述神經網絡算法，采用的是小波神經網絡；

所述小波神經網絡是小波變換與神經網絡相結合的產物，是一種以BP神經網絡拓撲結構為基礎，把小波基函數作為隱含層結點的傳遞函數，信號前向傳播的同時，誤差反向傳播的神經網絡。