[發明專利]一種改進模糊C均值算法的自主船舶航行場景聚類方法

在審

• 申請號: 202110771266.6
• 申請日: 2021-07-08
• 公開（公告）號: CN113361649A
• 公開（公告）日: 2021-09-07
• 發明（設計）人: 張秀俠;孫亭亭
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00
• 代理公司: 南京蘇科專利代理有限責任公司 32102
• 代理人: 姚姣陽

一種改進模糊C均值算法的自主船舶航行場景聚類方法，建立自主船舶航行場景聚類模型，以動態因素構建坐標軸，各種屬性的參數值構成坐標系；根據坐標系將在航行中發生變化的參數構成坐標系中的元素，獲取場景庫；在場景庫中，選取坐標系中的不同屬性的參數值進行隨機組合，枚舉所有自主船舶航行過程中遇到的場景；通過提取各場景下的特征點，對特征點進行聚類分析，從而對自主船舶所對應的場景進行聚類分析；融合基于距離評價的模糊C均值算法構建自主船舶航行場景聚類模型；通過MATLAB實現對自主船舶航行場景的聚類。

技術領域

本發明屬于自主船舶場景技術領域，具體涉及一種改進模糊C均值算法的自主船舶航行場景聚類方法。

背景技術

自主船舶在航行過程當中，依靠船上裝有的各種傳感器和控制器等裝置對周圍環境進行感知，包括航道航標，航道變化，天氣變化，周圍動靜態障礙物和其他船舶等，再通過船舶的控制系統自主完成對船舶的操控。在該系統中，船舶的設計參數及運行狀態，船舶航行環境，管控屬性四者相互變化構成了錯綜復雜的駕駛場景，而自主船舶要能夠準確識別出當前所在的交通場景，并對相應的場景做出適當的駕駛決策，才能夠保證自主船舶的安全航行。如何準確并快速地對場景進行識別，亟需設計一種適用于自主船舶航行場景分類方法。

發明內容

本發明所要解決的技術問題是克服現有技術的不足，提供一種改進模糊C均值算法的自主船舶航行場景聚類方法，提出了自主船舶航行場景聚類的理論框架。并針對框架中聚類算法改進的模糊C均值算法。最后通過MATLAB編程進行自主船舶航行場景的聚類實現。

本發明提供一種改進模糊C均值算法的自主船舶航行場景聚類方法，包括如下步驟，

步驟S1、建立自主船舶航行場景聚類模型，以船舶屬性、環境屬性、管控屬性中的動態因素構建坐標軸，各種屬性的參數值構成坐標系；

步驟S2、根據坐標系將在航行中發生變化的參數構成坐標系中的元素，從而獲取場景庫；

步驟S3、在場景庫中，選取坐標系中的不同屬性的參數值進行隨機組合，從而枚舉所有自主船舶航行過程中遇到的場景；在船舶航行場景的數據庫中，通過提取各場景下的特征點，對特征點進行聚類分析，從而對自主船舶所對應的場景進行聚類分析；

步驟S4、融合基于距離評價的模糊C均值算法構建自主船舶航行場景聚類模型；

步驟S5、通過MATLAB實現對自主船舶航行場景的聚類。

作為本發明的進一步技術方案，步驟S1中，所述坐標系的動態因素包括船舶在航行過程中的風浪流、航道寬度、富余水深和船舶的運行狀態，所述船舶的運行狀態包括航速、航向以及交通環境中的交通密度、它船干擾。

進一步的，步驟S1中，所述自主船舶航行場景包括自主船舶在航行過程當中，船舶的運行狀態以及航行環境中的自主船舶航行場景。

進一步的，步驟S3中，自主船舶航行場景聚類分析為在自主船舶航行場景數據庫中，通過記錄各場景下的航道、環境、交通條件信息以及自主船舶的運行狀態信息，提取不同場景下的特征點，對特征點進行聚類分析，以便對自主船舶所對應的航行場景進行聚類分析。

進一步的，步驟S4具體為，

步驟S41、數據集標準化，隸屬度矩陣U初始化，并使其滿足

的約束條件；

步驟S42、給出迭代標準ε＞0，聚類數c＝2，將傳統模糊C均值算法的最大迭代次數設置為1后，利用最大最小距離算法進行初始化聚類，進而得到初始劃分結果；

步驟S43、根據和總體樣本的中心向量對聚類中心和隸屬度進行更新，計算的價值函數；

步驟S44、用一個矩陣范數||·||比較V^(k+1)與V^(k)，若||V^(k+1)-V^(k)||≤ε，則停止迭代，否則置k＝k+1，轉向③；

步驟S45、計算L(c)，在c＞2并且c＜n的情況下，若L(c-1)＞L(c-2)并且L(c-1)＞L(c)，則聚類過程結束，否則，置c＝c+1，轉向步驟S43。