[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

说明书

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。

技术领域

本发明涉及交通管理技术领域，尤其涉及一种基于BP神经网络的船舶与静态物标碰撞风险预判方法。

背景技术

现有航海常用的碰撞风险预判方法都是将船舶当成质点来进行分析，利用此时的船位点为基准点，在航向线左右约5度各作一条线，利用这两条直线和一条弧线形成扇形区域，通过是否有障碍物在区域中判断是否有碰撞风险。这种方法精度低误差大，而且在船舶频繁变向或在受限水域航行时不能很好的满足船舶驾驶员和VTS人员的需求。

发明内容

根据上述提出的技术问题，而提供一种精度大且更符合实际运动的基于BP神经网络的船舶与静态物标碰撞风险预判方法。本发明采用的技术手段如下：

基于BP神经网络的船舶与静态物标碰撞风险预判方法，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。

进一步地，所述步骤S1中，

所述船舶的静态信息包括：MMSI、船名、呼号、IMO编号、船长、船宽、船舶类型和GPS位置；

所述动态信息包括：对地航向、对地航速、船位、转首角速率、航行状态和世界时；

所述航行相关信息包括：船舶吃水、危险品、目的港、预计到达时间和在船人数。

进一步地，所述步骤S2中，通过前一时间段内的航向、航速、转首角速度、船位点为输入构造神经网络模型，通过如下参数构建T时刻的训练样本集，