[发明专利]基于BP神经网络的船舶与静态物标碰撞风险预判方法

权利要求书

1.一种基于BP神经网络的船舶与静态物标碰撞风险预判方法，其特征在于，包括如下步骤：

S1、通过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，其主要包括，通过采集到的船舶历史运动趋势构建训练数据样本集Ⅰ，通过采集到的船舶运动过程中的数据构建神经网络模型，神经网络对各训练数据样本进行处理，对实际输出结果与期望输出不符的部分反复调整，直到神经网络各权值达到期望值，获取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，利用T+N时刻的船舶船位点得到新的训练数据样本集Ⅱ，利用训练数据样本集Ⅱ训练T+N时刻的神经网络模型；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，所述船舶边界点为AIS接收机实时采集到的预设为矩形的船舶的前、后、左、右四个临界顶点；

S5、利用计算几何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几何判断其是否有碰撞风险，所述船舶途经区域为各船舶边界点连接成的闭合区域；

所述步骤S4中，在T时刻以预测船舶船位点(X_T,Y_T)为基点，分别得到船舶边界点的四个顶点坐标e、f、g、h如下所示：

所述步骤S5中，船舶途经区域为按顺序依次连接的e_T、e_T+1、…、e_T+n、f_T+n、g_T+n、h_T+n、h_T+n-1、…、h_T+1、h_T、e_T组成的闭合区域MNPQ；

所述步骤S5中，通过如下方法判断碰撞风险：

S51、将所述闭合区域视为多边形，将静态物标视为矩形，矩形区域顶点坐标为：(x₁，y₁)，(x₂，y₂)，(x₃，y₃)，(x₄，y₄)，多边形区域各顶点坐标为：(w₁，z₁)，(w₂，z₂)，(w₃，z₃)，(w₄，z₄)......(w_n，z_n)；

S52、将多边形分解为n条两相邻顶点连线的线段l₁,l₂,l₃,l₄......l_n，将矩形分解为四条两相邻顶点连线的线段E₁,E₂,E₃,E₄，求得各线段解析式为：

S53、假设线段l₁,l₂,l₃,l₄......l_n分别与线段E₁,E₂,E₃,E₄相交，交点横坐标为：

当i≤3时验证x是否位于[min(x_i,x_i+1),max(x_i,x_i+1)]内；

当i＝4时验证x是否位于[min(x₁,x₄),max(x₁,x₄)]内，如果位于其中说明多边形与矩形存在几何交叉，依次验证线段l₁,l₂,l₃,l₄......l_n与线段E₁,E₂,E₃,E₄交点横坐标是否位于(x_i，x_i+1)中，从而判断多边形与矩形是否存在几何交叉，从而判断是否存在碰撞风险。