[发明专利]一种船舶实时避碰方法及系统

说明书

本发明公开了一种船舶实时避碰方法，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。本发明还提供了一种船舶实时避碰系统。本发明通过神经网络实时预测转向角，相较于传统的几何模型来说，处理更为简单，可获取更贴近实际使用的转向角，减少不必要的燃油损耗。

技术领域

本发明涉及船舶技术领域，具体而言，涉及一种船舶实时避碰方法及系统。

背景技术

现有技术中，海上船舶在判断本船与目标船是否存在碰撞危险时，一般是根据几何模型求取相应的避让时机、避让幅度以及预测复航时机，最后根据计算结果执行避让操船动作。这种方法需要事先规定初始转向角度，会存在给出的结果是否合理这一问题，容易出现转向幅度偏大，不适用于实际情况。对于大型船舶来讲，转向幅度偏大会造成许多不必要的燃油损耗。

发明内容

为解决上述问题，本发明的目的在于提供一种船舶实时避碰方法及系统，采用神经网络实时预测转向角，减少不必要的燃油损耗。

本发明提供了一种船舶实时避碰方法，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。

作为本发明进一步的改进，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。

作为本发明进一步的改进，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。

作为本发明进一步的改进，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。

作为本发明进一步的改进，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。

作为本发明进一步的改进，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。

作为本发明进一步的改进，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。