[发明专利]一种船舶实时避碰方法及系统

权利要求书

1.一种船舶实时避碰方法，其特征在于，所述方法包括：

获取待处理船舶航行数据，其中，所述船舶航行数据包括待处理本船航行数据和待处理目标船航行数据；

对所述待处理船舶航行数据进行处理，得到处理后的数据，其中，所述处理后的数据包括船舶航行特征；

通过神经网络对所述船舶航行特征进行识别，确定本船的转向角。

2.如权利要求1所述的方法，其中，所述对所述待处理船舶航行数据进行处理，得到处理后的数据，包括：

对所述待处理船舶航行数据进行初步筛选，得到第一数据；

对所述第一数据进行归一化处理，得到第二数据；

对所述第二数据进行预处理，得到第三数据；

对所述第三数据进行特征选择，得到所述处理后的数据，其中，所述处理后的数据包括船舶航行特征。

3.如权利要求2所述的方法，其中，所述对所述第三数据进行特征选择，得到所述处理后的数据，通过随机森林实现。

4.如权利要求1-3中任意一项所述的方法，其中，所述船舶航行特征包括本船和目标船之间的相对距离、本船速度、目标船速度、目标船航向、本船和目标船之间的相对方位、目标船会遇属性、本船和目标船之间的相对航向、本船和目标船之间的相对速度、本船和目标船的速度比例以及目标交会特征。

5.如权利要求1所述的方法，其中，所述神经网络采用反向传播神经网络，所述神经网络包括10个输入节点，至少2层隐藏层和1个输出节点，其中，所述10个输入节点用于输入本船和目标船之间的相对距离、本船速度、目标船速度、目标船航向、本船和目标船之间的相对方位、目标船会遇属性、本船和目标船之间的相对航向、本船和目标船之间的相对速度、本船和目标船的速度比例以及目标交会特征，所述1个输出节点用于输出本船的转向角。

6.如权利要求1所述的方法，其中，所述方法还包括：通过训练数据集对所述神经网络进行训练，其中，使用梯度下降法对所述神经网络进行训练。

7.如权利要求6所述的方法，其中，所述方法还包括：获取原始数据集，通过所述原始数据集获取所述训练数据集，

其中，所述原始数据集包括：各个目标船运动数据、本船运动数据以及相应的决策数据，其中，所述相应的决策数据包括本船的转向角，

其中，所述通过所述原始数据集获取所述训练数据集包括：将所述数据集中的数据进行初步筛选、归一化、预处理和特征选择，得到所述训练数据集。

8.一种船舶实时避碰系统，其特征在于，所述系统包括：

数据获取模块，用于获取待处理船舶航行数据，其中，所述船舶航行数据包括待处理本船航行数据和待处理目标船航行数据；

数据处理模块，用于对所述待处理船舶航行数据进行处理，得到处理后的数据，其中，所述处理后的数据包括船舶航行特征；

特征识别模块，用于通过神经网络对所述船舶航行特征进行识别，确定本船的转向角。

9.一种电子设备，包括存储器和处理器，其特征在于，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被处理器执行以实现如权利要求1-7中任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行以实现如权利要求1-7中任一项所述的方法。