一种基于船舶集群态势的相对碰撞危险度获取方法
阅读：711发布：2020-05-12
专利汇可以提供一种基于船舶集群态势的相对碰撞危险度获取方法专利检索，专利查询，专利分析的服务。并且本 发明 实施例 涉及一种基于 船舶 集群态势的相对碰撞危险度获取方法，其包括：将船舶 感知 区域划分为多个虚拟动态网格；采用 模糊逻辑 规则计算虚拟动态网格对目标船的作用粒度值；在多个虚拟动态网格内采用主观赋权法得到主观评价权重，采用客观赋权法得到客观评价权重；对属于主要干扰区域和次要干扰区域的虚拟动态网格，分别计算对目标船的危险度综合权重；根据作用粒度值结合危险度综合权重以及在主要、次要干扰区域发生碰撞的概率，计算得到目标船相对于船舶集群态势的相对碰撞危险度。本发明实施例提供的方法能够更好的提高船舶航行过程中危险度的辨识速度，提高对周围环境认知的准确度，更高效的对船舶当前航行状态危险性进行评估。，下面是一种基于船舶集群态势的相对碰撞危险度获取方法专利的具体信息内容。
1.一种基于船舶集群态势的相对碰撞危险度获取方法，其特征在于，其包括：
将船舶感知区域划分为多个虚拟动态网格；
在所述多个虚拟动态网格中对船舶集群态势进行分析，确定属于主要干扰区域和次要干扰区域的虚拟动态网格，并采用模糊逻辑规则计算所述虚拟动态网格对目标船的作用粒度值；
在所述多个虚拟动态网格内采用主观赋权法得到主观评价权重，采用客观赋权法得到客观评价权重；
对属于所述主要干扰区域和所述次要干扰区域的虚拟动态网格，分别根据所述主观评价权重和客观评价权重计算对所述目标船的危险度综合权重；
根据所述作用粒度值结合所述危险度综合权重以及在所述主要干扰区域和所述次要干扰区域发生碰撞的概率，计算得到目标船相对于船舶集群态势的相对碰撞危险度。
2.如权利要求1所述的基于船舶集群态势的相对碰撞危险度获取方法，其特征在于，所述将船舶感知区域划分为多个虚拟动态网格包括：
以所述目标船为中心，以所述目标船与干扰船的会遇区域对所述船舶感知区域进行划分，从内到外依次划分为碰撞区域、主要干扰区域和次要干扰区域；
通过所述碰撞区域、所述主要干扰区域和所述次要干扰区域结合会遇角度划分，得到
24个虚拟动态网格。
3.如权利要求2所述的基于船舶集群态势的相对碰撞危险度获取方法，其特征在于，所述会遇角度划分包括：
按照干扰船位于所述目标船的方位角为350°～5°、5°～67.5°、67.5°～112.5°、112.5°～175°、175°～185°、185°～247.5°、247.5°～292.5°、292.5°～350°对会遇区域进行划分，得到8个扇形区域。
4.如权利要求1所述的基于船舶集群态势的相对碰撞危险度获取方法，其特征在于，所述在所述多个虚拟动态网格内采用主观赋权法得到主观评价权重包括：
根据层次分析模型对主观评价的指标进行两两比较，得到每两个因素的权重比，得到权重向量；
根据所述权重比得到判断矩阵；
根据所述判断矩阵的最大特征值计算一致性指标，并基于所述一致性指标和平均随机一致性指标计算相对一致性指标；
根据所述相对一致性指标与预设范围进行比较，如果在所述预设范围内则根据所述权重的归一化特征向量作为所述主观评价权重。
5.如权利要求1所述的基于船舶集群态势的相对碰撞危险度获取方法，其特征在于，所述采用客观赋权法得到客观评价权重包括：
采用改进的CRITIC法对客观评价的指标计算信息量；
根据所述信息量计算指标的所述客观评价权重。
6.如权利要求1所述的基于船舶集群态势的相对碰撞危险度获取方法，其特征在于，所述对属于所述主要干扰区域和所述次要干扰区域的虚拟动态网格，分别根据所述主观评价权重和客观评价权重计算对所述目标船的危险度综合权重包括：
在所述主要干扰区域内得到的主观评价权重为：
ωAHP＝[ωA1 ωA2 ωA3 ωA4 ωA5 ωA6 ωA7 ωA8]
客观评价权重为：
ωN.CRITIC＝[ωC1 ωC2 ωC3 ωC4 ωC5 ωC6 ωC7 ωC8]
计算得到所述主要干扰区域中对所述目标船的危险度综合权重为：
ωZ＝[ω1 ω2 ω3 ω4 ω5 ω6 ω7 ω8]
其中ωA1～ωA8分别为属于主要干扰区域中的8个虚拟动态网格中的主观评价权重，ωc1～ωC8分别为属于主要干扰区域中的8个虚拟动态网格中的客观评价权重，ω1～ω8分别为主要干扰区域中的8个虚拟动态网格中的危险度综合权重；
在所述次要干扰区域内得到的主观评价权重为：
ωAHP＝[ωA9 ωA10 ωA11 ωA12 ωA13 ωA14 ωA15 ωA16]
客观评价权重为：
ωN.CRITIC＝[ωC9 ωC10 ωC11 ωC12 ωC13 ωC14 ωC15 ωC16]
计算得到所述次要干扰区域中对所述目标船的危险度综合权重为：
ωZ＝[ω9 ω10 ω11 ω12 ω13 ω14 ω15 ω16]
其中ωA9～ωA16分别为属于次要干扰区域中的8个虚拟动态网格中的主观评价权重，ωc9～ωC16分别为属于次要干扰区域中的8个虚拟动态网格中的客观评价权重，ω9～ω16分别为次要干扰区域中的8个虚拟动态网格中的危险度综合权重。
7.如权利要求6所述的基于船舶集群态势的相对碰撞危险度获取方法，其特征在于，所述危险度综合权重的计算公式为：
其中k为n个指标中的一项。
8.如权利要求6所述的基于船舶集群态势的相对碰撞危险度获取方法，其特征在于，所述根据所述作用粒度值结合所述危险度综合权重计算得到目标船相对于船舶集群态势的相对碰撞危险度之前，还包括：
根据主客观综合赋权法计算目标船在船舶集群中的所述主要干扰区域和所述次要干扰区域发生碰撞的概率分别为X1和X2，其中X1+X2＝1。
9.如权利要求8所述的基于船舶集群态势的相对碰撞危险度获取方法，其特征在于，所述根据所述作用粒度值结合所述危险度综合权重以及在所述主要干扰区域和所述次要干扰区域发生碰撞的概率，计算得到目标船相对于船舶集群态势的相对碰撞危险度包括：
在所述主要干扰区域和所述次要干扰区域发生碰撞的概率为：
X＝[X1 X2]
所述作用粒度值为：
f＝[f1 f2...f16]
所述相对碰撞危险度为：
CRIX＝X1(f1·ω1+f2·ω2+...+f8·ω8)+X2(f9·ω9+f10·ω10+...+f16·ω16)。
一种基于船舶集群态势的相对碰撞危险度获取方法
技术领域
[0001] 本发明涉及船舶技术领域，尤其涉及一种基于船舶集群态势的相对碰撞危险度获取方法。
背景技术
[0002] 智能无人船舶是一种无人驾驶船舶，拥有自主航行、智能机舱、能效管理、货物运输和智能集成平台，该技术融合了船舶、通信、自动化、机器人控制、远程监控、网络化系统等技术，可实现自主导航、智能避障等功能。与有人驾驶船相比，智能无人船舶具有安全系数高，经济环保，绿色节能的优点。智能无人船的路径规划是智能无人船舶自主航行系统的核心内容。船舶碰撞危险度的研究能够更好的为船舶路径规划提供参考依据。
[0003] 基于船舶集群态势的相对碰撞危险度获取方法是船舶集群态势分析的基础，代表船的准确选取能使船舶集群态势的分析更加简单直观。目前对船舶会遇的研究多是对两会遇船舶的分析，缺乏对复杂航行环境多船会遇的研究，没有以单一虚拟代表代替整个区域对目标船影响的研究，无法适应无人船航行的复杂性以及自主安全航行的目的。
[0004] 船舶碰撞危险度是一个模糊的概念，指船舶之间发生碰撞可能性大小的度量，是对未来可能发生危险的一种预警。现有对多船碰撞危险度的研究多是以两船碰撞危险度的评价方法为研究基础，分别计算目标船与各个干扰船的碰撞危险度，确定重点避让船。这种方法与实际情况差距较大，存在某些缺陷，在宽阔水域，且会遇船舶较少的情况具有一定的参考性，但是在繁忙会遇水域不能很好的表征目标船所处环境的危险程度，缺乏对目标船感知区域整体危险度的评估。
[0005] 上述缺陷是本领域技术人员期望克服的。
发明内容
[0006] (一)要解决的技术问题
[0007] 为了解决现有技术的上述问题，本发明提供一种基于船舶集群态势的相对碰撞危险度获取方法，解决缺乏对目标船感知区域整体危险度进行的评估的问题。
[0008] (二)技术方案
[0009] 为了达到上述目的，本发明采用的主要技术方案包括：
[0010] 本发明一实施例提供一种基于船舶集群态势的相对碰撞危险度获取方法，其包括：
[0011] 将船舶感知区域划分为多个虚拟动态网格；
[0012] 在所述多个虚拟动态网格中对船舶集群态势进行分析，确定属于主要干扰区域和次要干扰区域的虚拟动态网格，并采用模糊逻辑规则计算所述虚拟动态网格对目标船的作用粒度值；
[0013] 在所述多个虚拟动态网格内采用主观赋权法得到主观评价权重，采用客观赋权法得到客观评价权重；
[0014] 对属于所述主要干扰区域和所述次要干扰区域的虚拟动态网格，分别根据所述主观评价权重和客观评价权重计算对所述目标船的危险度综合权重；
[0015] 根据所述作用粒度值结合所述危险度综合权重以及在所述主要干扰区域和所述次要干扰区域发生碰撞的概率，计算得到目标船相对于船舶集群态势的相对碰撞危险度。
[0016] 在本发明的一种示例性实施例中，所述将船舶感知区域划分为多个虚拟动态网格包括：
[0017] 以所述目标船为中心，以所述目标船与干扰船的会遇区域对所述船舶感知区域进行划分，从内到外依次划分为碰撞区域、主要干扰区域和次要干扰区域；
[0018] 通过所述碰撞区域、所述主要干扰区域和所述次要干扰区域结合会遇角度划分，得到24个虚拟动态网格。
[0019] 在本发明的一种示例性实施例中，所述会遇角度划分包括：
[0020] 按照干扰船位于所述目标船的方位角为350°～5°、5°～67.5°、67.5°～112.5°、112.5°～175°、175°～185°、185°～247.5°、247.5°～292.5°、292.5°～350°对会遇区域进行划分，得到8个扇形区域。
[0021] 在本发明的一种示例性实施例中，所述在所述多个虚拟动态网格内采用主观赋权法得到主观评价权重包括：
[0022] 根据层次分析模型对主观评价的指标进行两两比较，得到每两个因素的权重比，得到权重向量；
[0023] 根据所述权重比得到判断矩阵；
[0024] 根据所述判断矩阵的最大特征值计算一致性指标，并基于所述一致性指标和平均随机一致性指标计算相对一致性指标；
[0025] 根据所述相对一致性指标与预设范围进行比较，如果在所述预设范围内则根据所述权重的归一化特征向量作为所述主观评价权重。
[0026] 在本发明的一种示例性实施例中，所述采用客观赋权法得到客观评价权重包括：
[0027] 采用改进的CRITIC法对客观评价的指标计算信息量；
[0028] 根据所述信息量计算指标的所述客观评价权重。
[0029] 在本发明的一种示例性实施例中，所述对属于所述主要干扰区域和所述次要干扰区域的虚拟动态网格，分别根据所述主观评价权重和客观评价权重计算对所述目标船的危险度综合权重包括：
[0030] 在所述主要干扰区域内得到的主观评价权重为：
[0031] ωAHP＝[ωA1 ωA2 ωA3 ωA4 ωA5 ωA6 ωA7 ωA8]
[0032] 客观评价权重为：
[0033] ωN.CRITIC＝[ωC1 ωC2 ωC3 ωC4 ωC5 ωC6 ωC7 ωC8]
[0034] 计算得到所述主要干扰区域中对所述目标船的危险度综合权重为：
[0035] ωZ＝[ω1 ω2 ω3 ω4 ω5 ω6 ω7 ω8]
[0036] 其中ωA1～ωA8分别为属于主要干扰区域中的8个虚拟动态网格中的主观评价权重，ωc1～ωC8分别为属于主要干扰区域中的8个虚拟动态网格中的客观评价权重，ω1～ω8分别为主要干扰区域中的8个虚拟动态网格中的危险度综合权重；
[0037] 在所述次要干扰区域内得到的主观评价权重为：
[0038] ωAHP＝[ωA9 ωA10 ωA11 ωA12 ωA13 ωA14 ωA15 ωA16]
[0039] 客观评价权重为：
[0040] ωN.CRITIC＝[ωC9 ωC10 ωC11 ωC12 ωC13 ωC14 ωC15 ωC16][0041] 计算得到所述次要干扰区域中对所述目标船的危险度综合权重为：
[0042] ωZ＝[ω9 ω10 ω11 ω12 ω13 ω14 ω15 ω16]
[0043] 其中ωA9～ωA16分别为属于次要干扰区域中的8个虚拟动态网格中的主观评价权重，ωc9～ωC16分别为属于次要干扰区域中的8个虚拟动态网格中的客观评价权重，ω9～ω16分别为次要干扰区域中的8个虚拟动态网格中的危险度综合权重。
[0044] 在本发明的一种示例性实施例中，所述危险度综合权重的计算公式为：
[0045]
[0046] 其中k为n个指标中的一项。
[0047] 在本发明的一种示例性实施例中，所述根据所述作用粒度值结合所述危险度综合权重计算得到目标船相对于船舶集群态势的相对碰撞危险度之前，还包括：
[0048] 根据主客观综合赋权法计算目标船在船舶集群中的所述主要干扰区域和所述次要干扰区域发生碰撞的概率分别为X1和X2，其中X1+X2＝1。
[0049] 在本发明的一种示例性实施例中，所述根据所述作用粒度值结合所述危险度综合权重以及在所述主要干扰区域和所述次要干扰区域发生碰撞的概率，计算得到目标船相对于船舶集群态势的相对碰撞危险度包括：
[0050] 在所述主要干扰区域和所述次要干扰区域发生碰撞的概率为：
[0051] X＝[X1 X2]
[0052] 所述作用粒度值为：
[0053] f＝[f1 f2 ... f16]
[0054] 所述相对碰撞危险度为：
[0055] CRIX＝X1(f1·ω1+f2·ω2+...+f8·ω8)+X2(f9·ω9+f10·ω10+...+f16·ω16)。
[0056] (三)有益效果
[0057] 本发明的有益效果是：本发明实施例提供的基于船舶集群态势的相对碰撞危险度获取方法，通过对主要干扰区域和次要干扰区域分别对主观评价和客观评价权重进行综合考虑，得到目标船在集群态势中受到的相对碰撞危险度，能够更好的提高船舶航行过程中危险度的辨识速度，提高对周围环境认知的准确度，更高效的判定对船舶当前航行状态危险性进行评估。附图说明
[0058] 图1为本发明一实施例提供的一种基于船舶集群态势的相对碰撞危险度获取方法的流程图；
[0059] 图2为本发明一实施例中两船会遇基本信息示意图；
[0060] 图3为本发明一实施例中对目标船感知区域进行划分的示意图；
[0061] 图4为本发明一实施例中虚拟动态网格划分示意图；
[0062] 图5为本发明一实施例中主要干扰区域动态网格权重分布图；
[0063] 图6为本发明一实施例中次要干扰区域动态网格权重分布图；
[0064] 图7为本发明一实施例中将船舶感知区域划分中干扰区域概率分布示意图；
[0065] 图8为本发明一实施例感知区域中各个虚拟动态网格中危险度的示意图。
具体实施方式
[0066] 为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。
[0067] 本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
[0068] 在本发明相关实施例中对船舶碰撞危险度的计算多是对两船碰撞危险度的研究，然后在一一对比得出决策，这样导致效率低，识别速度慢，无法高效的对船舶当前航行状态进行准确的评估，无法为船舶避让提供较为可靠的依据。
[0069] 图1为本发明一实施例提供的一种基于船舶集群态势的相对碰撞危险度获取方法的流程图，如图1所示，该方法包括以下步骤：
[0070] 如图1所示，在步骤S110中，将船舶感知区域划分为多个虚拟动态网格；
[0071] 如图1所示，在步骤S120中，在所述多个虚拟动态网格中对船舶集群态势进行分析，确定属于主要干扰区域和次要干扰区域的虚拟动态网格，并采用模糊逻辑规则计算所述虚拟动态网格对目标船的作用粒度值；
[0072] 如图1所示，在步骤S130中，在所述多个虚拟动态网格内采用主观赋权法得到主观评价权重，采用客观赋权法得到客观评价权重；
[0073] 如图1所示，在步骤S140中，对属于所述主要干扰区域和所述次要干扰区域的虚拟动态网格，分别根据所述主观评价权重和客观评价权重计算对所述目标船的危险度综合权重；
[0074] 如图1所示，在步骤S150中，根据所述作用粒度值结合所述危险度综合权重以及在所述主要干扰区域和所述次要干扰区域发生碰撞的概率，计算得到目标船相对于船舶集群态势的相对碰撞危险度。
[0075] 基于上述方法，通过对主要干扰区域和次要干扰区域分别对主观评价和客观评价权重进行综合考虑，得到目标船在集群中受到的相对碰撞危险度，能够更好的提高船舶航行过程中危险度的辨识速度，提高对周围环境认知的准确度，更高效的对船舶当前航行状态危险性进行评估。
[0076] 以下对图1所示实施例的各个步骤的具体实现进行详细阐述：
[0077] 在步骤S110中，将船舶感知区域划分为多个虚拟动态网格。
[0078] 在本发明的一个实施例中，该步骤具体包括：首先，以所述目标船为中心，以所述目标船与干扰船的会遇区域对所述船舶感知区域进行划分，从内到外依次划分为碰撞区域、主要干扰区域和次要干扰区域；然后，通过所述碰撞区域、所述主要干扰区域和所述次要干扰区域结合会遇角度划分，得到24个虚拟动态网格。
[0079] 在本发明的一个实施例中，船舶感知区域是目标船重点关注的范围，当感知区域内有干扰船进入时，即认为相互之间会产生影响。以下结合实例对目标船的感知区域的划分进行介绍：
[0080] 图2为本发明一实施例中两船会遇基本信息示意图，如图2所示，以目标船中心为坐标原点，东经方向为X轴正方向，北纬方向为Y轴正方向建立坐标轴，设目标船A此时的速度为va，航向为 地理坐标为(xa,ya)；干扰船B此时的速度为vb，航向为 地理坐标为(xb,yb)。相关的计算过程为：
[0081] 两船舶在X轴上的相对速度分量vXr，两船舶在Y轴上相对速度分量vYr：
[0082]
[0083] 干扰船相对于目标船的真方位αT：
[0084]
[0085] 干扰船相对于目标船的相对方位θ：
[0086]
[0087] 动界是为了保持目标船舶领域不受侵犯而设置的需让路船提前采取适当避碰行为的超级船舶领域，动界包含船舶领域。目标船相对于干扰船的动界半径R：
[0088]
[0089] 船舶安全会遇距离一般是指在避碰过程中为保证两船最终能够安全避碰结束，考虑航行环境和船舶运动状态，在让路船采取转向、变速等避碰措施时两船之间的距离，船舶安全会遇距离小于动界。目标船相对于干扰船的安全会遇距离d：
[0090]
[0091] 图3为本发明一实施例中对目标船感知区域进行划分的示意图，如图3所示，图3(a)是对船舶感知区域的区域划分示意图，海上船舶驾驶员通常将船舶桅灯的能见距离作为形成碰撞危险的距离界限，对于船长大于50m的船舶，其桅灯的最小能见距离为6n mile。在会遇态势复杂性分析时，感知区域内会存在船长小于或等于50m的船舶，此时船舶的碰撞危险距离界限会有不同。
[0092] 本实施例中为了会遇态势划分的简便，设定无碰撞危险阶段以6nmile为界限。通过电子海图等助航设备获取目标船以及干扰船当前航行状态的基本信息，按照上述公式(4)和公式(5)计算目标船相对于不同干扰船的动界半径R和安全会遇距离d。如图3(a)所示，在目标船与干扰船艏连线上分别取动界边界点A、B、C、D，安全会遇距离点E、F、G、H，对两组点分别进行拟合，此时形成了三个以目标船为圆心的虚线圆区域，三个圆区域将船舶感知区域依次划分为子区域N1、子区域N2和子区域N3，即子区域N1对应碰撞区域，子区域N2对应主要干扰区域，子区域N3对应次要干扰区域。
[0093] 图3(b)为结合《国际海上避碰规则》(Convention on the Internation Regulations for Preventing Collisions at Sea，COLREGs)对船舶会遇态势划分的理论依据以及航行经验丰富船长的实际经验共同对感知区域的角度划分图，其中会遇角度划分包括：按照干扰船位于所述目标船的方位角为350°～5°、5°～67.5°、67.5°～112.5°、112.5°～175°、175°～185°、185°～247.5°、247.5°～292.5°、292.5°～350°对会遇区域进行划分，得到8个扇形区域。
[0094] 图3(c)为图3(a)和图3(b)的叠加图，分别从会遇区域和会遇角度两个方向对船舶感知区域进行划分，将船舶感知区域划分为圆盘状的多个虚拟动态网格，不同虚拟动态网格内的干扰船对目标船的影响不同，以此对船舶集群态势相对碰撞危险度进行研究。
[0095] 在步骤S120中，在所述多个虚拟动态网格中对船舶集群态势进行分析，确定属于主要干扰区域和次要干扰区域的虚拟动态网格，并采用模糊逻辑规则计算所述虚拟动态网格对目标船的作用粒度值。
[0096] 在本发明的一个实施例中，船舶集群态势碰撞危险度是对船舶所处集群态势危险程度的度量，是一个整体的概念。以船舶相对领域是否被侵犯作为切入点，对感知区域内不同虚拟动态网格相对于目标船的危险度影响权重进行分析，进一步对船舶集群态势的相对碰撞危险度进行评估。
[0097] 根据船舶集群态势复杂性的研究，需要对船舶当前所处集群态势进行分析。针对不同虚拟动态网格内干扰船分布情况以及干扰船特性虚拟出能够代表动态网格对目标船影响的虚拟代表船。
[0098] 在实际的船舶航行过程中，驾驶员对周围环境的感知是模糊的、不完全的。而模糊逻辑方法可以采用语言变量的形式进行规则型近似推理，适用于刻画建立在驾驶员知识和经验基础上的主观判断过程，所以可以借助模糊逻辑方法获取目标船感知区域中各动态网格区域内船舶对目标船的作用力，进而得到目标船在行驶过程中所受的作用力，因此本实施例中采用模糊逻辑规则对虚拟动态网格中对目标的作用力度值进行计算。
[0099] 在本发明的一个实施例中，作用粒度主要考虑的参考因素为目标船和代表干扰船的船型、目标船和代表干扰船的行驶倾向性、船间时距、动态网格服务水平、船舶间冲突类型等。力的大小用作用粒度描述，引力最大的作用粒度用1表示，斥力最大的作用粒度用-1表示，不同力的作用粒度用其所在区间内的实数表示，如表1所示。
[0100] 表1不同作用力对应的作用粒度
[0101]
[0102] 表2为模糊推理规则表，选取部分平行非冲突状态下的模糊推理规则为例。
[0103] 表2平行非冲突状态下的模糊推理规则
[0104]
[0105] 在船舶感知区域进行虚拟动态网格划分时，存在三个会遇区域分别为碰撞区域、主要干扰区域和次要干扰区域。碰撞区域内一般不存在船舶，此处不予考虑。主要干扰区域以及次要干扰区域分别对应危险局面划分的紧迫局面和紧迫危险局面，本实施例中船舶集群态势相对碰撞危险度的研究主要是对主要干扰区域和次要干扰区域内干扰船对目标船造成危险的评估，相关动态网格分布图如图4所示，图4为本发明一实施例中虚拟动态网格划分示意图。
[0106] 在图4中标记的1～16的16个虚拟动态网格中计算船舶集群对目标船的作用力为：
[0107] f＝[f1,f2,f3,f4,f5,f6,f7,f8,f9,f10,f11,f12,f13,f14,f15,f16]。
[0108] 在步骤S130中，在所述多个虚拟动态网格内采用主观赋权法得到主观评价权重，采用客观赋权法得到客观评价权重。
[0109] 该步骤中，船舶集群态势的碰撞危险度研究是对多船碰撞危险度评估的新思路。采用主客观综合赋权法针对不同会遇区域对目标船危险度的影响权重进行分析，结合相应动态网格区域对目标船的作用粒度进行研究，达到对船舶集群态势碰撞危险度建模以及求解的目的。对船舶感知区域虚拟动态网格危险度权重的分析，不但要考虑专家的经验性，更要依据实际数据分析相关规律，从多个角度综合研究，达到对问题全面分析的效果。
[0110] 在本发明的一个实施例中，在所述多个虚拟动态网格内采用主观赋权法得到主观评价权重包括：
[0111] 根据层次分析模型对主观评价的指标进行两两比较，得到每两个因素的权重比，得到权重向量；
[0112] 根据所述权重比得到判断矩阵；
[0113] 根据所述判断矩阵的最大特征值计算一致性指标，并基于所述一致性指标和平均随机一致性指标计算相对一致性指标；
[0114] 根据所述相对一致性指标与预设范围进行比较，如果在所述预设范围内则根据所述权重的归一化特征向量作为所述主观评价权重。基于上述，主观赋权法是由评价人员根据各项指标的重要性而人为赋权的一种方法，充分反映专家的经验。层次分析法(Analytic Hierarchy Process，简称AHP)是一种能够进行定性分析和定量分析的多准则权重决策分析方法。
[0115] AHP方法的思路是将一个多目标决策问题视作一个系统，进而将其按层次分为总目标、各层子目标、具体方案和评价准则，以此为基础进行优化决策，最终得到全局最优方案，具体包括以下步骤：
[0116] 1)判断矩阵的构建
[0117] 根据层次分析模型图和九分位比例标度，将影响因素两两进行比较，得到每两个因素的权重比，组成判断矩阵。
[0118] ①记权重向量如下：
[0119] W＝(w1,w2,...,wn)T (公式6)
[0120] 式中wi(i＝1,2,...,n)为指标i的权重。
[0121] ②判断矩阵如下：
[0122]
[0123] 2)矩阵权重的计算方法如下：
[0124] ①计算一致性指标：
[0125]
[0126] 式中λmax为矩阵A的最大特征值。
[0127] ②计算相对一致性指标：
[0128] CR＝CI/RI (公式9)
[0129] 式中RI为平均随机一致性指标，是足够多个根据随机发生的判断矩阵计算的一致性指标的平均值，相关取值见下表3：
[0130] 表3平均随机一致性指标
[0131]矩阵阶数n 1 2 3 4 5 6 7 8
RI 0.00 0.00 0.58 0.90 1.12 1.24 1.32 1.40
RI 0.00 0.00 0.58 0.90 1.12 1.24 1.32 1.40
[0132] 例如，假设预设单位的阈值为0.1，当一致性指标≤0.1时，认为矩阵的不一致程度在容许范围内，可用其归一化特征向量作为主观评价权重的向量，否则需要重新构建矩阵，重复上述步骤。
[0133] 在本发明的一个实施例中，所述采用客观赋权法得到客观评价权重包括：
[0134] 采用改进的CRITIC法对客观评价的指标计算信息量；
[0135] 根据所述信息量计算指标的所述客观评价权重。
[0136] 基于上述，客观赋权法是从实际数据出发，利用指标值所反映的客观信息确定权重的一种方法。本实施例通过对多种客观赋权法的比较，选取改进的CRITIC赋权方法进行研究。
[0137] CRITIC法(Criteria Importance Through Intercriteria Correlation)是Diakoulaki提出的一种客观的赋权方法。它是以特征的对比强度和特征的冲突性两方面综合确定特征的客观权重。
[0138] 首先，特征的对比强度是指同一指标对不同样本取值的差异性，评价指标在不同样本中取值差异性越大，说明其特征对比强度越大。一般用标准差度量对比强度的大小。其次，指标的冲突性指各指标之间相关性的大小，一般用相关系数度量冲突性的大小和方向。
[0139] 传统CRITIC法存在一定的缺陷，首先采用量纲的标准差指标反映指标的辨别力。由于各指标的量纲、数量级不同，标准差不能比较其特征的对比强度；其次传统方法指标的冲突性计算。由于指标间相关系数可能出现负值，且当绝对值相同的正负相关时，结果不合理。有研究针对传统CRITIC法的缺陷，对该种方法进行改进，得到了如下改进的CRITIC法。
[0140] 令Cj'代表第j个指标所含有的信息量，可用公式表示为：
[0141]
[0142] 式中：rij——表示第i个评价指标与第j个评价指标的相关关系；
[0143] σj——表示数据的标准差；
[0144] ——表示数据的期望。
[0145] 所以第j个指标客观权重Wj改进计算公式为：
[0146]
[0147] 在步骤S140中，对属于所述主要干扰区域和所述次要干扰区域的虚拟动态网格，分别根据所述主观评价权重和客观评价权重计算对所述目标船的危险度综合权重。
[0148] 根据上述，对船舶集群态势中主要干扰区域内8个动态网格进行分析，在所述主要干扰区域内得到的主观评价权重为：
[0149] ωAHP＝[ωA1 ωA2 ωA3 ωA4 ωA5 ωA6 ωA7 ωA8] (公式12)
[0150] 客观评价权重为：
[0151] ωN.CRITIC＝[ωC1 ωC2 ωC3 ωC4 ωC5 ωC6 ωC7 ωC8] (公式13)[0152] 将主观赋权法所得到的区域危险权重系数和客观赋权法所得到的区域危险权重系数进行综合计算，得到所述主要干扰区域中对所述目标船的危险度综合权重为：
[0153] ωZ＝[ω1 ω2 ω3 ω4 ω5 ω6 ω7 ω8] (公式14)
[0154] 其中ωA1～ωA8分别为属于主要干扰区域中的8个虚拟动态网格中的主观评价权重，ωc1～ωC8分别为属于主要干扰区域中的8个虚拟动态网格中的客观评价权重，ω1～ω8分别为主要干扰区域中的8个虚拟动态网格中的危险度综合权重。图5为本发明一实施例中主要干扰区域动态网格权重分布图。
[0155] 同理，对船舶集群态势中次要干扰区域内8个动态网格进行分析，在所述次要干扰区域内得到的主观评价权重为：
[0156] ωAHP＝[ωA9 ωA10 ωA11 ωA12 ωA13 ωA14 ωA15 ωA16] (公式15)[0157] 客观评价权重为：
[0158] ωN.CRITIC＝[ωC9 ωC10 ωC11 ωC12 ωC13 ωC14 ωC15 ωC16] (公式16)[0159] 将主观赋权法所得到的区域危险权重系数和客观赋权法所得到的区域危险权重系数进行综合计算，得到所述次要干扰区域中对所述目标船的危险度综合权重为：
[0160] ωZ＝[ω9 ω10 ω11 ω12 ω13 ω14 ω15 ω16] (公式17)其中ωA9～ωA16分别为属于次要干扰区域中的8个虚拟动态网格中的主观评价权重，ωc9～ωC16分别为属于次要干扰区域中的8个虚拟动态网格中的客观评价权重，ω9～ω16分别为次要干扰区域中的8个虚拟动态网格中的危险度综合权重，图6为本发明一实施例中次要干扰区域动态网格权重分布图。
[0161] 其中所述危险度综合权重的计算公式，即上述根据公式(12)和公式(13)得到公式(14)的计算公式为：
[0162]
[0163] 其中k为n个指标中的一项。
[0164] 考虑到对于同一问题的研究，仅从单一角度考虑缺乏全面性，本实施例中将上述主观权重分析和客观权重分析进行综合，结合两者的优点，实现对会遇区域进行全面的权重分析。
[0165] 在步骤S150中，根据所述作用粒度值结合所述危险度综合权重以及在所述主要干扰区域和所述次要干扰区域发生碰撞的概率，计算得到目标船相对于船舶集群态势的相对碰撞危险度。
[0166] 在本发明的一个实施例中，该步骤根据所述作用粒度值结合所述危险度综合权重计算得到目标船相对于船舶集群态势的相对碰撞危险度之前，还包括：
[0167] 根据主客观综合赋权法计算目标船在船舶集群中的所述主要干扰区域和所述次要干扰区域发生碰撞的概率分别为X1和X2，其中X1+X2＝1。
[0168] 图7为本发明一实施例中将船舶感知区域划分中干扰区域危险概率分布示意图，如图7所示，主要干扰区域的概率为X1，次要干扰区域的概率为X2。将目标船感知区域内主要干扰区域和次要干扰区域作为两个影响因素进行分析，得到主要干扰区域以及次要干扰区域危险概率所占权重分别记为下式：
[0169] X＝[X1 X2] (公式19)
[0170] 在船舶集群态势分析时，通过模糊逻辑规则确定动态网格对目标船的作用粒度值为：
[0171] f＝[f1 f2 ... f16] (公式20)
[0172] 船舶集群态势碰撞危险度是船舶集群态势作用粒度与动态网格危险度权重的集合，则船舶集群态势下相对碰撞危险度为：
[0173] CRIX＝X1(f1·ω1+f2·ω2+...+f8·ω8)+X2(f9·ω9+f10·ω10+...+f16·ω16) (公式21)
[0174] 图8为本发明一实施例感知区域中各个虚拟动态网格中危险度的示意图，如图8所示，用上述方法可以计算同一角度范围内主要干扰区域和次要干扰区域的动态网格所组成的扇形区域的碰撞危险度，以此为避碰决策提供更加直观的依据。
[0175] 确定了船舶集群态势碰撞危险度的数值，进一步需要对数值进行范围分析，以此更加直观的对集群态势的危险度进行描述。根据模糊规则推理出来的动态网格的作用粒度为(-1,1)，则船舶集群态势碰撞危险度的范围也为(-1,1)，相关集群态势碰撞危险度划分数值表如下：
[0176] 表4集群态势碰撞危险度划分表
[0177]
[0178] 通过以上船舶集群态势碰撞危险度的研究，本实施例将此种整体性危险度定义为相对碰撞危险度，通过对相对碰撞危险度的建模以及求解，达到对复杂会遇环境下，船舶航行整体危险性评估的效果。
[0179] 综上所述，采用本发明实施例提供的基于船舶集群态势的相对碰撞危险度获取方法，根据船舶周围不同会遇类型，会遇船舶间的关系，以及船舶感知区域内，不同方位的区域特点两方面综合对碰撞危险度进行研究；在船舶航行过程中，对船舶感知区域整体进行危险度分析，更全面的描述船舶运动过程中整体的危险性。以代表船代替整个区域对目标船的影响，以此为基础对态势整体危险度进行描述，降低了计算的难度；通过主客观综合的方法，全面的对会遇区域进行权重分析。基于该方法，对船舶集群态势相对危险度的研究能够更好的提高船舶航行过程中危险度的辨识速度，提高对周围环境认知的准确度，更高效的对船舶当前航行状态危险性进行评估。
[0180] 应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
[0181] 通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本发明实施方式的方法。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种基于自适应模糊反演的非线性遥操作双边控制方法 | 2020-05-12 | 32 |
| 永磁直线同步电机的二型模糊分数阶滑模控制系统及方法 | 2020-05-08 | 491 |
| 一种基于流量预测与基站状态的基站休眠方法 | 2020-05-08 | 582 |
| 基于密度峰值聚类的配网瞬时性故障识别方法及系统 | 2020-05-11 | 885 |
| 路段混行条件下的智能车辆协同换道决策模型 | 2020-05-08 | 619 |
| 基于无手眼标定的抓取学习控制方法、系统、机器人及介质 | 2020-05-08 | 990 |
| 基于有限时间命令滤波的多关节机械臂阻抗控制方法 | 2020-05-08 | 28 |
| 一种基于船舶集群态势的相对碰撞危险度获取方法 | 2020-05-12 | 711 |
| 控制共振增强钻进的方法及钻进方法、设备和控制系统 | 2020-05-12 | 258 |
| 一种应用于车辆跟驰队列的异构网络接入选择策略方法 | 2020-05-11 | 46 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
模糊逻辑热门专利
QQ群二维码
意见反馈
意见反馈