[发明专利]基于聚类处理和人工势场的船舶路径规划方法和装置

说明书

发明公开了一种基于聚类处理和人工势场的船舶路径规划方法和装置，涉及船舶自动驾驶技术，方法包括以下步骤：生成水域的通行环境的栅格地图，根据港口位置和历史航线设置起始点和目标点；通过水域的AIS历史报文，提取船舶坐标、航速和航向角数据并进行聚类处理，得到满足预设条件的通行线路的汇聚点；根据所述通行线路的汇聚点，通过人工势场算法构造奖励势场函数，对船舶的航行策略设置奖励‑惩罚函数；根据奖励‑惩罚函数构件强化学习模型，并对模型进行训练；利用训练好的模型进行船舶的路径规划，得到推荐路径。本方案以AIS历史数据为基础，将聚类处理和人工势场方法与强化学习算法相结合，不仅克服了人工势场法所存在的局部极小值等问题。

技术领域

本发明涉及船舶自动驾驶技术，尤其是一种基于聚类处理和人工势场的船舶路径规划方法和装置。

背景技术

船舶路径规划技术可以在保障船舶航行安全、有序的前提下，提供一条指向航行目的地的可行性航线，准确、可靠、智能的船舶路径规划方法对船舶辅助航行具有重要意义。传统的船舶路径规划算法往往需要依据航行环境建立与之对应的规划模型，这限制了算法的自适应性，不利于相关算法的实际应用。

发明内容

为解决上述技术问题的至少之一，本发明的目的在于：提供一种基于聚类处理和人工势场的船舶路径规划方法和装置。

第一方面，本发明实施例提供了：

一种基于聚类处理和人工势场的船舶路径规划方法，包括以下步骤：

生成水域的通行环境的栅格地图，根据港口位置和历史航线设置起始点和目标点；

通过所述水域的AIS历史报文，提取船舶坐标、航速和航向角数据；

根据所述船舶坐标、所述航速和所述航向角数据进行聚类处理，得到满足预设条件的通行线路的汇聚点；

根据所述通行线路的汇聚点，通过人工势场算法构造奖励势场函数，对船舶的航行策略设置奖励-惩罚函数；

根据所述奖励-惩罚函数构件强化学习模型，并对所述模型进行训练；

利用训练好的所述模型进行船舶的路径规划，得到推荐路径。

在部分实施例中，所述生成通行环境的栅格地图，根据港口位置和历史航线设置起始点和目标点，包括：

根据需要开展路径规划的水域的电子地图，确定航道范围边界，提取地图中各种碍航物位置信息，通过栅格法建模得到二维环境下的栅格地图，其中，栅格地图的平面直角坐标将用于构成强化学习模型的状态空间。

在部分实施例中，所述通过所述水域的AIS历史报文，提取船舶坐标、航速和航向角数据，包括：

对所述水域原始的AIS历史报文集进行预处理，得到所述船舶坐标、所述航速和所述航向角数据；其中，所述预处理包括：剔除漂移数据、提取船舶航迹点经纬度坐标、将经纬度坐标转换成栅格地图坐标、提取航迹点当前的航速和航向角数据、以及对缺失数据进行插值补全。

在部分实施例中，所述根据所述船舶坐标、所述航速和所述航向角数据进行聚类处理，得到满足预设条件的通行线路和汇聚点包括：

根据航迹点坐标(x，y)，选取一定的时间间隔T，以直接密度可达半径R_T1和密度阈值ρ_T1作为参数，对所有航迹点按照密度值进行聚类处理，得到船舶航迹点分布的密度聚类中心(X，Y)＝{(x₁，y₁)，(x₂，y₂)，...，(x_m，y_m)}；