公开(公告)号：CN108711312B

公开(公告)日：2020-09-01

申请号：CN201810505166.7

申请日：2018-05-24

Applicant: 大连海事大学

Inventor： 潘明阳 ,  李锦江 ,  贾胜伟 ,  刘玉浩 ,  卢良湛 ,  刘翔宇 ,  杨龙威 ,  周纪委 ,  张庭冉

IPC: G08G3/02 ,  G06Q10/04 ,  G06N3/08

Abstract: 本发明提供一种基于BP神经网络的船舶与静态物标碰撞风险预判方法。本发明方法，包括：S1、AIS接收机对船舶的静态信息、动态信息和航行相关信息进行采集并对所得数据进行储存；S2、训练T时刻的神经网络模型；S3、通过T时刻的神经网络模型，预测T+N时刻的船舶船位点，通过对新的训练数据样本集进行迭代训练，依次预测下一时间段船舶的船位点；S4、基于各时刻的船舶船位点获得船舶边界点；S5、分析船舶途经区域是否与电子航道图上的静态物标产生交叉判断碰撞风险。本发明方法通过让船舶学习历史航迹，基于前一时间段的数据点，构建出一个更符合实际运动过程的模型，考虑了船舶的船长船宽，以此来预判碰撞风险，与实际情况更为接近，精度更大。

公开(公告)号：CN108711312A

公开(公告)日：2018-10-26

申请号：CN201810505166.7

申请日：2018-05-24

Applicant: 大连海事大学

Inventor： 潘明阳 ,  李锦江 ,  贾胜伟 ,  刘玉浩 ,  卢良湛 ,  刘翔宇 ,  杨龙威 ,  周纪委 ,  张庭冉

IPC: G08G3/02 ,  G06Q10/04 ,  G06N3/08

CPC classification number: G08G3/02 ,  G06N3/084 ,  G06Q10/04

Abstract: 本发明提供一种基于BP神经网络的船舶与静态物标碰撞风险预判方法。本发明方法，包括：S1、AIS接收机对船舶的静态信息、动态信息和航行相关信息进行采集并对所得数据进行储存；S2、训练T时刻的神经网络模型；S3、通过T时刻的神经网络模型，预测T+N时刻的船舶船位点，通过对新的训练数据样本集进行迭代训练，依次预测下一时间段船舶的船位点；S4、基于各时刻的船舶船位点获得船舶边界点；S5、分析船舶途经区域是否与电子航道图上的静态物标产生交叉判断碰撞风险。本发明方法通过让船舶学习历史航迹，基于前一时间段的数据点，构建出一个更符合实际运动过程的模型，考虑了船舶的船长船宽，以此来预判碰撞风险，与实际情况更为接近，精度更大。

公开(公告)号：CN109978393A

公开(公告)日：2019-07-05

申请号：CN201910251083.4

申请日：2019-03-29

Applicant: 大连海事大学

Inventor： 杨林家 ,  周健 ,  刘珂 ,  陈红燕 ,  刘希浩 ,  刘玉浩

IPC: G06Q10/06 ,  G06Q50/30 ,  G08G3/02

Abstract: 本发明公开了一种基于船舶领域的定线制水域航行风险评估方法，包括：确定定线制水域内船舶航行风险影响因子以及所述航行风险程度的评判集；采用模糊层次分析法确定所述船舶航行风险影响因子的权重；采用船舶领域模型优化所述航行风险影响因子；对优化后的所述航行风险影响因子进行单因素评判确定所述航行风险影响因子对所述评判集的隶属程度；根据优化后的所述航行风险影响因子和所述隶属度确定定线制水域内船舶的整体航行风险程度；根据所述航行风险程度更改所述定线制水域内船舶的航线。本发明实现了船舶航行风险的等级评估，便于交通管理人员和船舶驾驶人员对水域内航行风险的掌握。