基于动态分阶势场法的船舶自动避碰系统

为使船舶在多船避让环境下适应航行环境的变化并自动复航,提出基于动态分阶势场法的船舶自动避碰系统。该系统基于动态势场避障规划算法,利用模糊综合评价法量化船舶碰撞危险度;依据《国际海上避碰规则》确定本船在不同会遇局面下的避让行动,并据此对斥力势函数进行调整。该系统将本船的避碰过程划分为航迹保持、避让和复航3个阶段,根据不同阶段的要求构建动态分阶势场;利用动态分阶势场法对船舶的航行环境进行建模,进而生成恰当的航向指令;利用自动舵产生舵角指令控制船舶完成避让、复航和航迹保持。仿真结果表明:该自动避碰系统可以引导船舶完成既定的避让行动,并能使船舶在安全会遇距离上驶过;该系统可以适应航行环境的变化,且具备航迹保持能力。     

基于AIS数据的船舶运动模式识别与应用

船舶运动模式的提取是轨迹数据分析的重要任务，它可以为船舶异常行为的检测提供参考依据，同时也可以作为航路规划和定线制设计的技术指标.针对现存的聚类算法大多为了追求效率而忽略了运动轨迹特征的问题，对聚类算法中的轨迹结构距离进行改进，将其作为轨迹相似度的评价标准.采用无监督DBSCAN聚类算法实现船舶运动模式的提取.利用琼州海峡船舶自动识别系统（Automatic Identification System, AIS）数据，对该水域的船舶运动模式进行提取，获得行驶于该水域的船舶运动轨迹分布以及各类轨迹中转向区域的分布，其中船舶运动轨迹包括从琼州海峡东峡口向西航行的船舶轨迹，从琼州海峡西峡口向东航行的船舶轨迹，从秀英港前往海安港的船舶轨迹，从海安港前往秀英港的船舶轨迹和从琼州海峡东峡口前往海口港的船舶轨迹.将最终的聚类结果应用于电子海图显示与信息系统（Electronic Chart Display and Information System, ECDIS）上，实现了对船舶的动态监控仿真.     

图像处理与神经网络识别技术在船舶分类中的应用

应用图像处理和神经网络技术,提出一种基于静态照片对船舶进行分类的方法.首先通过图像处理技术对照片提取特征,然后将这些特征作为多层前向神经网络的输入,该神经网络用BP算法(反向传播算法)来进行,由该神经网络将照片中的船只分为大型船、中型船、小型船等3类.用真实的船的尺寸作实验,实验结果证明了该方法的有效性.另外,提出一种识别船舶类型的方法,用户可以通过GUI进行模拟实验.最后,讨论海上值班系统的研究现状.研究的目的是将图像处理技术集成到传统的船舶导航设备中.     

地效船行动规则与避碰义务体系的新发展

通过分析《1972年国际海上避碰规则》中避碰义务的形式及其分担模式发展的历史,对地效船让清其他船舶并避免妨碍其航行的避碰义务的性质进行考证.同时,对其他船舶在与地效船会遇时的行动进行探讨并提出建议.     

基于改进K中心点聚类的船舶典型轨迹自适应挖掘算法

针对目前船舶典型轨迹的挖掘多以轨迹段作为基本单元,导致聚类对象较为复杂且聚类参数难以确定的问题,本文提出一种基于改进K中心点聚类的船舶典型轨迹自适应挖掘算法。算法以轨迹点作为聚类对象,分析船舶的航速、航向特征并对轨迹点进行压缩;将分段均方根误差引入K中心点聚类算法,实现聚类参数的自适应选择;提取其中的聚类中心点作为轨迹特征点,得到不同类别船舶的典型轨迹。以天津港主航道船舶自动识别系统（automatic identification system, AIS）数据为例,基于地理信息系统平台ArcGIS实现聚类结果的可视化展示。实验结果表明,运用该算法得到的船舶典型轨迹与实际相符,自适应程度较高。研究结果对于辅助船舶轨迹异常检测及挖掘海上交通特征具有重要意义。     

2021年世界交通运输大会水运学部会议 基于改进K中心点聚类的船舶典型轨迹自适应挖掘算法

针对目前船舶典型轨迹的挖掘多以轨迹段作为基本单元,导致聚类对象较为复杂且聚类参数难以确定的问题,本文提出一种基于改进K中心点聚类的船舶典型轨迹自适应挖掘算法。算法以轨迹点作为聚类对象,分析船舶的航速、航向特征并对轨迹点进行压缩;将分段均方根误差引入K中心点聚类算法,实现聚类参数的自适应选择;提取其中的聚类中心点作为轨迹特征点,得到不同类别船舶的典型轨迹。以天津港主航道船舶自动识别系统(automatic identification system, AIS)数据为例,基于地理信息系统平台ArcGIS实现聚类结果的可视化展示。实验结果表明,运用该算法得到的船舶典型轨迹与实际相符,自适应程度较高。研究结果对于辅助船舶轨迹异常检测及挖掘海上交通特征具有重要意义。     

基于船舶领域的碰撞危险度评估模型

为解决船舶避碰决策中对碰撞危险度计算精度不足和对危险目标船辨识性差的问题,使用基于Coldwell船舶领域的危险识别参数改进多船避碰危险度评估模型,比较改进前后模型的精度。使用VC++实现船舶MMG运动模型,对基于改进模型的四船交叉会遇态势作避碰决策仿真。仿真结果表明:对同一危险船,改进模型的精度更高;在多船会遇中,改进模型能够识别运动参数相似的危险目标船,辨识性更高。改进模型可为更复杂的多船避碰决策提供理论支持。     

基于减聚类ANFIS模型的船舶横摇运动实时预测

为准确高效地预测船舶在波浪中的航行状态以保证人员、货物和船舶的安全,提出一种基于减聚类的自适应神经模糊推理系统(Subtractive Clustering based Adaptive Neural-Fuzzy Inference System,SC-ANFIS)模型.SC-ANFIS模型使用减聚类算法对输入样本进行聚类分析,得到模糊规则数,并建立神经模糊推理系统,再使用结合BP算法与最小二乘估计算法的混合算法对建立的预测系统进行优化训练,得到最优的预测系统模型,并使用自相关分析确定预测系统模型的输入.运用该模型对大连海事大学科研教学船"育鲲"号的横摇运动进行实时预测,结果验证了该方法可行、有效,并具有较高的预测精度.     

复杂水域慎思型避碰轨迹规划

为解决复杂水域的船舶自主避碰问题,提出一种基于A~*算法的慎思型避碰轨迹规划算法,旨在满足船舶操纵性约束、静态与动态障碍物约束和《国际海上避碰规则》(International Regulations for Preventing Collisions at Sea,COLREGs)约束下,规划出一条最经济的航行轨迹。通过无人三体船自主避碰试验和模拟试验,验证算法的有效性,具有较高的参考价值。     

基于PCA和SAPSO的船舶风压差神经网络预测模型

为提高船舶风压差的预测精度,使船舶能够更快稳定在计划航线上以保障航行安全,提出一种基于主成分分析(principal component analysis, PCA)法和自适应粒子群优化(self-adaptive particle swarm optimization, SAPSO)算法的船舶风压差神经网络预测模型。该方法采用PCA法对航行数据进行预处理,然后将数据输入由SAPSO算法优化的BP神经网络中,改变以往通过复杂的数学建模计算风压差的方法,提高预测的时效性和准确性。利用实船数据对模型进行船舶风压差的实时预测仿真,结果验证了该预测模型具有较高的可靠性。     

多算法结合的船舶交通流框架提取

为提高船舶进出交通流密集区域的安全性、解决数据挖掘不充分的问题,基于AIS数据,将多种算法相结合,提出一种多元化的船舶交通流框架提取方法。利用Douglas-Peucker压缩算法和航迹交会算法分别提取交通流中的船舶转向点和航迹交会点。利用密度聚类算法对包括船位点在内的3种特征点进行数据挖掘,提取出更有代表性的特征点。将3种特征点进行加权融合,得到新的多元特征点,以点的大小表示其重要程度,最终生成某水域的船舶交通流框架。实验结果表明,通过以上方法能够获得老铁山水道附近水域船舶交通流框架。该框架融合了多种航迹特征点,能够显示附近水域的重要航迹分布,充分体现船舶交通流的总体态势和密集区域;该框架从统计学角度凝结了该水域船舶行驶的习惯航线,这些航线具有较好的适航度,既可用于航路规划,还能为海事部门选取推荐航道提供参考。     

双向航道船舶交通流元胞自动机模型及仿真

为提高整个航道系统的通过能力,避免航道资源闲置浪费,在NaSch模型的基础上制定船舶追越和对遇规则,建立可变道的双向航道船舶交通流元胞自动机模型。通过模拟允许变道和禁止变道两种情况下的船舶交通流,得出船舶流量、平均航速与船舶到达率的关系。研究发现,允许变道可以在不影响交通秩序的前提下有效增加整个航道系统的船舶流量和平均航速:当航道船舶交通流较为密集时,允许变道可以明显增加船舶流量;当航道船舶交通流较为稀疏时,允许变道可以明显增加平均航速。     

基于船舶自动识别系统的局部缩减航道元胞自动机模型

为提高船舶进出港口的安全和效率,针对船舶进出口航道双通道航道有一条通道局部关闭,船舶需要变道绕行另一通道的情况,提出基于船舶自动识别系统（Automatic Identification System,AIS）的NaSch船舶交通流模型,建立一种航道局部缩减的元胞自动机（Cellular Automata, CA)船舶交通流模型.结合船舶实际交通情况给出计算机数值仿真的船舶交通流时空斑图以及发生意外时的事故 恢复空斑图.针对一个算例,运用模型分析影响通道通行能力的警戒区长度设置、船舶到达率等交通要素.结果表明,该模型可以应用于决策模拟以提高航道通行能力、减少船舶滞留.     

可见光视频图像中的船舶目标自适应检测

为降低海事监控视频图像背景中运动物体引起的杂波和噪声对船舶目标检测的影响,根据采集的可见光视频图像特性,提出一种海天背景下船舶目标自适应检测算法。将待检测图像进行预处理,使用自适应中值滤波和均值漂移(mean-shift)滤波对图像进行滤波去噪。采用密度峰聚类对传统K均值聚类算法进行改进,自适应确定初始聚类中心及其数量。对海面船舶进行自适应聚类分割。仿真实验显示:该算法的检测准确率为90.3%,验证了其准确性和可靠性;单帧视频图像的船舶目标检测用时可控制在100 ms以内,满足实时检测的要求。结果表明:该算法可以实现海天背景下船舶目标的准确、快速检测,为海上船舶目标跟踪奠定了可靠的基础。     

基于改进谱聚类算法的航路辨识

为解决船舶自动识别系统(automatic identification system, AIS)数据挖掘不够充分,对航路辨识分析不够全面等问题,提出一种基于改进谱聚类算法的数据挖掘方式。利用Sliding Window算法对船舶轨迹AIS数据进行压缩,减少数据冗余提高聚类效率。改进亲和距离函数,提出新的亲和矩阵的标准,提高聚类的稳定性,进一步对数据去噪,减少噪声敏感。通过优化初始中心对k均值算法进行改进,优化全局搜索能力,缓解初始值的选取对聚类效果的影响。以天津港AIS数据为样本进行算法验证。结果表明,该聚类算法能准确提取和划分某水域船舶主要航迹段,算法消耗系统资源少,计算速度快。改进后的算法可为航路辨识、分道通航制定等提供理论支持。     

航线动态优化算法在海上搜救中的应用

为节省搜救船舶的搜寻时间、提高搜救效率、减轻船员负担、提高搜救能力,提出搜救航线自动设计算法.该算法引入空间数据索引结构实现航行信息的快速检索,提出基于航行信息空间连通矩阵的改进蚁群算法快速计算最佳航线,最后根据搜救形势自动优化搜救船舶航线.实验结果表明,该算法在计算效率上比传统方法有很大改善,而且能够成功应用于各种复杂航行环境中搜救船舶的航线动态设计.     

加权灰色关联理论模型在辽宁海上交通事故分析与预测中的应用

为增强海上交通运输安全，运用灰色系统理论中的加权灰色关联分析和预测的基本原理，改进关联系数的计算方法，并考虑各序列因子在不同点处的权重差异，对辽宁水域2007—2013年的船舶交通事故进行分析.建立该水域船舶交通事故总数与事故类型及发生时间的关联矩阵，根据得到的加权灰色关联度寻求事故的发生规律.将传统灰色关联理论与加权灰色关联理论的关联结果进行对比，验证加权灰色关联理论具有较好的精确性和层次性.建立船舶交通事故总数的预测模型，并对该水域的交通形势进行预测，同时将预测模型结果与实际数据相比较，得到模型预测精度，证明该模型合理、可靠，可以为海上交通事故的预防提供指导和借鉴.     

基于自适应K均值聚类和霍夫变换的船舶干舷视觉检测

针对内河船舶监管过程中对船舶干舷的测量还需人工巡航,增加了海事部门管理成本问题,提出一种不借助船舶水尺标志检测船舶干舷的方法。对采集的图像进行中值滤波预处理,去除孤立点、降低噪声敏感性;考虑图像颜色特性,应用自适应K均值聚类算法识别船舶区域;联合Canny边缘检测和霍夫直线检测的方法,标记船舶吃水线和甲板边线,并利用数学形态学方法提高检测准确性;基于标定相机和双目测距原理建立图像坐标与世界坐标转换关系,找到甲板中间位置,取其与水面的距离作为船舶实际干舷值。用相机拍摄内河船舶进行检测,结果表明,该方法可以对内河船舶的吃水线和船舷线进行检测并计算干舷值,用于判断船舶是否超载并及时发出预警,满足海事部门的监管需求。