[发明专利]一种船舶碰撞危险度判别方法及系统

权利要求书

1.一种船舶碰撞危险度判别方法，其特征在于，所述方法包括：

获取待处理船舶航行数据，其中，所述待处理船舶航行数据包括待处理本船航行数据和待处理目标船航行数据；

对所述待处理船舶数据进行数据预处理，得到处理后的数据，其中，所述处理后的数据包括船舶航行特征，所述船舶航行特征包括多个特征参数；

通过非线性支持向量机决策树模型对所述船舶航行特征进行识别，确定本船与目标船的碰撞危险度；

其中，通过训练数据集对所述非线性支持向量机决策树模型进行训练，通过新训练数据集对所述非线性支持向量机决策树模型进行更新训练，以根据实时船舶航行数据对所述非线性支持向量机决策树模型进行修正，实现对船舶航行特征的实时识别，其中，采用分布式训练法对所述非线性支持向量机决策树模型进行训练和更新训练；

所述本船与目标船的碰撞危险度包括多个分类类别，所述通过训练数据集对所述非线性支持向量机决策树模型进行训练，包括：

构建多个非线性支持向量机模型以及决策树；

在所述决策树根节点处，将第一非线性支持向量机模型作为第一分类器，通过所述第一分类器对所述训练数据集进行第一层两类划分，获取第一层分类结果，其中，所述第一层分类结果包括第一类别和第一集合，所述第一类别归于第一类别集合中；

在所述决策树叶节点处，将第二非线性支持向量机模型作为第二分类器，通过所述第二分类器对所述第一集合进行第二层两类划分，获取第二层分类结果，其中，所述第二层分类结果包括第二类别和第二集合，所述第二类别归于第二类别集合中；

逐层两类划分，直至通过第n-1分类器对第n-2集合进行最后一层两类划分，得到第n-1类别和第n类别，所述第n-1类别归于第n-1类别集合中，所述第n类别归于第n类别集合中；

其中，在所述决策树的每个节点处进行两类划分时，通过确定类别中心欧氏距离最大的两个分类，将所述两个分类分别归于所述两个分类对应的集合中。

2.如权利要求1所述的方法，其中，所述对所述待处理船舶数据进行数据预处理，得到处理后的数据，包括：

对所述待处理船舶航行数据进行数据清洗，得到第一数据，其中，所述数据清洗包括噪声平滑、缺失值填充和异常值插补；

对所述第一数据进行数据变换，得到第二数据，其中，所述数据变换包括采用one-hot编码对数据进行变换；

对所述第二数据进行特征选择，得到所述处理后的数据，其中，所述特征选择通过随机森林算法实现。

3.如权利要求1所述的方法，其中，所述多个特征参数包括本船和目标船之间的相对距离、本船速度、目标船速度、目标船航向、本船和目标船之间的相对航向、本船和目标船之间的相对方位、本船船长、目标船船长、最近会遇距离以及目标船会遇属性。

4.如权利要求1所述的方法，其中，所述方法还包括：获取原始数据集和新数据集，通过所述原始数据集获取所述训练数据集，通过所述新数据集获取所述新训练数据集；

其中，所述原始数据集包括：各个目标船历史运动数据、本船历史运动数据以及相应的历史判别数据，其中，所述相应的历史判别数据包括本船与目标船的碰撞危险度；

其中，所述通过所述原始数据集获取所述训练数据集包括：将所述数据集中的数据进行数据清洗、数据变换和特征选择，得到所述训练数据集；

其中，所述新数据集包括：各个目标船运动数据、本船运动数据以及相应的判别数据，其中，所述相应的判别数据包括本船与目标船的碰撞危险度；

其中，所述通过所述新数据集获取所述新训练数据集包括：将所述新数据集中的数据进行数据清洗、数据变换和特征选择，得到所述新训练数据集。