[发明专利]一种船舶碰撞危险度判别方法及系统

说明书

本发明公开了一种船舶碰撞危险度判别方法，包括：获取待处理船舶航行数据；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；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。本发明公开了一种船舶碰撞危险度判别系统。本发明的一种船舶碰撞危险度判别方法及系统，在提高分类精度的同时可应用于海量数据。

技术领域

本发明涉及船舶技术领域，具体而言，涉及一种船舶碰撞危险度判别方法及系统。

背景技术

现有技术中，在船舶碰撞危险度进行判别时，大多通过建立几何模型，基于几何模型建立危险评判模型，以此来对碰撞危险进行评估。这种方式需要量化多个模型，计算过程复杂，且在评估过程中需要使用阈值进行判断，然而阈值具体数值大多通过主观因素人为制定，使得判别的结果不够准确。

发明内容

为解决上述问题，本发明的目的在于提供一种船舶碰撞危险度判别方法及系统，在提高分类精度的同时可应用于海量数据。

本发明提供了一种船舶碰撞危险度判别方法，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。

作为本发明进一步的改进，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。

作为本发明进一步的改进，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。

作为本发明进一步的改进，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。

作为本发明进一步的改进，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：