详情

原文传递智能船舶碰撞风险的实时检测与预测方法研究

论文题名：	智能船舶碰撞风险的实时检测与预测方法研究
关键词：	智能船舶;碰撞风险;实时检测;预测模型
摘要：	新一代人工智能技术的成熟，推动了海上运输向智能化方向高速发展。智能船舶作为海上运输的载体，具有减少人力成本，节能减排等重要优势，其运输安全问题也成为海内外普遍关注的研究。在各类海事安全问题中，船舶碰撞事故发生频率最高，并造成不可估量的损失。由于船舶相遇情况的复杂多样性，智能船舶航行过程中的自动避碰研究是技术难点之一。避碰系统主要分成两个阶段，碰撞风险检测和避碰决策。本研究致力于解决智能船舶碰撞风险的认知问题，基于船舶自动识别系统(Automatic Identification System, AIS)建立了碰撞风险的实时检测与预测模型，本研究的主要内容与创新点如下：　　1) 目前大部分有关船舶域的研究将船舶域边界作为碰撞风险的临界值，这类船舶域通常以一个模型解决所有相遇场景问题，与实际航行中的复杂情况不符。本章提出一种基于风险感知的动态船域概念和不同相遇态势下的分析框架。基于潜在冲突事故的最近距离点(Cloeset Point of Approach, CPA)，统计船舶的规避机动空间，并根据海上国际避碰公约(International Regulations for Preventing Collisions at Sea, COLREGs)划分不同的相遇态势，基于统计分析结果探究不同态势下船舶域的动态界限。这种基于风险感知的船舶域可以支持冲突检测和冲突解决，为船员在避碰环境中的行为决策提供了新的见解。　　2) 已经提出的基于AIS数据的风险评估模型多用于分析给定海域的高风险区域。实际智能船舶的辅助航行阶段，除了对海域情况的了解，对相遇船舶靠近过程中的实时碰撞可能性的检测至关重要。AIS数据来源可靠，延时较低，使得实时碰撞风险检测成为可能。因此，本文基于传统的风险评估算法，提出关于安全距离的指数因子，该模型通过K-MEANS算法对航行速度进行聚类，划分出了六种不同的航行情况。将该因子与基于数据驱动的风险量化算法相结合，以实时检测相遇船舶碰撞概率。通过分析大量历史AIS数据对海域碰撞风险等级(Collision Risk Level, CRL)进行分类，从而为船员在实际航行情况下的风险判定提供依据以支持避碰决策。　　3) 由于船舶体积质量很大，在操纵转向或者制动时具有较大滞后性，避碰措施不及时导致了大部分碰撞事故发生。为了进一步提升智能船舶的安全性，提出了预测相遇船舶碰撞风险的算法。基于相遇船舶的历史航行数据(包括经纬度，航行速度以及航向角等)，结合多项式拟合的扩展卡尔曼滤波(Extended Kalman Filter, EKF)算法，能够对下一时刻(Tk+1)的航行数据进行最佳预测。预测的结果作为实时碰撞风险检测模型的输入进行Tk+1时刻碰撞风险检测。基于相遇船舶的历史航行风险，进一步结合无损卡尔曼滤波(Unscented Kalman Filter, UKF)算法进行Tk+2时刻碰撞风险预测。由此，该模型通过两次与滤波算法的结合，在保证预测准确度的前提下完成了相遇船舶碰撞风险的两步预测。
作者：	邓雨亭
专业：	电子与通信工程
导师：	张伟斌
授予学位：	硕士
授予学位单位：	南京理工大学
学位年度：	2021