基于滾動(dòng)規(guī)劃策略的船舶軌跡實(shí)時(shí)預(yù)測(cè)方法技術(shù)

本發(fā)明專(zhuān)利技術(shù)涉及一種基于滾動(dòng)規(guī)劃策略的船舶軌跡實(shí)時(shí)預(yù)測(cè)方法，包括如下幾個(gè)步驟，首先通過(guò)海面雷達(dá)獲得船舶的實(shí)時(shí)和歷史位置信息并做初步處理；然后在每一采樣時(shí)刻對(duì)船舶軌跡數(shù)據(jù)預(yù)處理，然后在每一采樣時(shí)刻對(duì)船舶軌跡數(shù)據(jù)聚類(lèi)，再而在每一采樣時(shí)刻對(duì)船舶軌跡數(shù)據(jù)利用隱馬爾科夫模型進(jìn)行參數(shù)訓(xùn)練，然后在每一采樣時(shí)刻依據(jù)隱馬爾科夫模型參數(shù)，采用Viterbi算法獲取當(dāng)前時(shí)刻觀測(cè)值所對(duì)應(yīng)的隱狀態(tài)q，最后在每一采樣時(shí)刻通過(guò)設(shè)定預(yù)測(cè)時(shí)域W，基于船舶當(dāng)前時(shí)刻的隱狀態(tài)q，獲取未來(lái)時(shí)段船舶的位置預(yù)測(cè)值O，從而在每一采樣時(shí)刻滾動(dòng)推測(cè)到未來(lái)時(shí)段內(nèi)船舶的軌跡。本發(fā)明專(zhuān)利技術(shù)滾動(dòng)實(shí)時(shí)對(duì)船舶軌跡進(jìn)行預(yù)測(cè)，準(zhǔn)確性較好，從而為后續(xù)船舶沖突解脫提供有力保障。

Real time prediction method of ship trajectory based on rolling planning strategy

The invention relates to a ship trajectory real-time prediction method based on the rolling planning strategy, including the following steps, firstly, through the radar obtain real-time and historical position information of the ship and the preliminary treatment; and then at each sampling time of ship trajectory data preprocessing, then at each sampling time of ship trajectory data clustering, and then at each sampling time of ship trajectory data using hidden Markov model parameters training, then at each sampling time parameters of hidden Markov model, to get the current time observations of hidden states corresponding to the Q using the Viterbi algorithm, at each sampling time by setting the prediction horizon W, hidden state Q ship at the moment based on the prediction of future time gets the position of the ship O, and at each sampling time period into the future that the rolling of ships Track. The invention has the advantages of real time prediction of ship trajectory and good accuracy, and provides a strong guarantee for subsequent collision relief.

【技術(shù)實(shí)現(xiàn)步驟摘要】
本申請(qǐng)是申請(qǐng)?zhí)枮椋?014108415648，專(zhuān)利技術(shù)創(chuàng)造名稱(chēng)為《一種船舶軌跡實(shí)時(shí)預(yù)測(cè)方法》，申請(qǐng)日為：2014年12月30日的專(zhuān)利技術(shù)專(zhuān)利申請(qǐng)的分案申請(qǐng)。
本專(zhuān)利技術(shù)涉及一種海域交通管制方法，尤其涉及一種基于滾動(dòng)規(guī)劃策略的船舶軌跡實(shí)時(shí)預(yù)測(cè)方法。
技術(shù)介紹
隨著全球航運(yùn)業(yè)的快速發(fā)展，部分繁忙海域內(nèi)的交通愈加擁擠。在船舶交通流密集復(fù)雜海域，針對(duì)船舶間的沖突情形仍然采用航行計(jì)劃結(jié)合人工間隔調(diào)配的管制方式已不能適應(yīng)航運(yùn)業(yè)的快速發(fā)展。為保證船舶間的安全間隔，實(shí)施有效的沖突調(diào)配就成為海域交通管制工作的重點(diǎn)。船舶沖突解脫是航海領(lǐng)域中的一項(xiàng)關(guān)鍵技術(shù)，安全高效的解脫方案對(duì)于增加海域船舶流量以及確保海運(yùn)安全具有重大意義。為了提高船舶的航行效率，船用雷達(dá)自動(dòng)標(biāo)繪儀目前已經(jīng)被廣泛應(yīng)用到船舶監(jiān)控和避碰中，該設(shè)備通過(guò)提取船舶相關(guān)信息為船舶間沖突情形的判定提供參考依據(jù)。盡管此類(lèi)設(shè)備極大降低了人工監(jiān)控的負(fù)荷，但它并不具備船舶自動(dòng)沖突解脫功能。而船舶沖突解脫是基于對(duì)船舶軌跡的預(yù)測(cè)的基礎(chǔ)上，在船舶實(shí)際航行中，受氣象條件、導(dǎo)航設(shè)備以及駕駛員操作等各種因素的影響，它的運(yùn)行狀態(tài)往往不完全屬于某一特定的運(yùn)動(dòng)狀態(tài)，在船舶軌跡預(yù)測(cè)過(guò)程中需要考慮各種隨機(jī)因素的影響，通過(guò)獲取各類(lèi)隨機(jī)因素的最新特性對(duì)其未來(lái)軌跡實(shí)施滾動(dòng)預(yù)測(cè)并增強(qiáng)其軌跡預(yù)測(cè)的魯棒性。
技術(shù)實(shí)現(xiàn)思路
本專(zhuān)利技術(shù)要解決的技術(shù)問(wèn)題是提供一種魯棒性較好的基于滾動(dòng)規(guī)劃策略的船舶軌跡實(shí)時(shí)預(yù)測(cè)方法，該方法的船舶軌跡預(yù)測(cè)精度較高。實(shí)現(xiàn)本專(zhuān)利技術(shù)目的的技術(shù)方案是提供一種基于滾動(dòng)規(guī)劃策略的船舶軌跡實(shí)時(shí)預(yù)測(cè)方法，包括如下幾個(gè)步驟：①通過(guò)海面雷達(dá)獲得船舶的實(shí)時(shí)和歷史位置信息，各船舶的位置信息為離散二維位置序列x'＝[x1',x2',...,xn']和y'＝[y1',y2',...,yn']，通過(guò)應(yīng)用小波變換理論對(duì)原始離散二維位置序列x'＝[x1',x2',...,xn']和y'＝[y1',y2',...,yn']進(jìn)行初步處理，從而獲取船舶的去噪離散二維位置序列x＝[x1,x2,...,xn]和y＝[y1,y2,...,yn]；②在每一采樣時(shí)刻對(duì)船舶軌跡數(shù)據(jù)預(yù)處理，依據(jù)所獲取的船舶原始離散二維位置序列x＝[x1,x2,...,xn]和y＝[y1,y2,...,yn]，采用一階差分方法對(duì)其進(jìn)行處理獲取新的船舶離散位置序列Δx＝[Δx1,Δx2,...,Δxn-1]和Δy＝[Δy1,Δy2,...,Δyn-1]，其中Δxi＝xi+1-xi,Δyi＝y(tǒng)i+1-yi(i＝1,2,...,n-1)；③在每一采樣時(shí)刻對(duì)船舶軌跡數(shù)據(jù)聚類(lèi)，對(duì)處理后新的船舶離散二維位置序列Δx和Δy，通過(guò)設(shè)定聚類(lèi)個(gè)數(shù)M'，采用K-means聚類(lèi)算法分別對(duì)其進(jìn)行聚類(lèi)；④在每一采樣時(shí)刻對(duì)船舶軌跡數(shù)據(jù)利用隱馬爾科夫模型進(jìn)行參數(shù)訓(xùn)練，通過(guò)將處理后的船舶運(yùn)行軌跡數(shù)據(jù)Δx和Δy視為隱馬爾科夫過(guò)程的顯觀測(cè)值，通過(guò)設(shè)定隱狀態(tài)數(shù)目N和參數(shù)更新時(shí)段τ'，依據(jù)最近的T'個(gè)位置觀測(cè)值并采用B-W算法滾動(dòng)獲取最新隱馬爾科夫模型參數(shù)λ'；⑤在每一采樣時(shí)刻依據(jù)隱馬爾科夫模型參數(shù)，采用Viterbi算法獲取當(dāng)前時(shí)刻觀測(cè)值所對(duì)應(yīng)的隱狀態(tài)q；⑥在每一采樣時(shí)刻，通過(guò)設(shè)定預(yù)測(cè)時(shí)域W，基于船舶當(dāng)前時(shí)刻的隱狀態(tài)q，獲取未來(lái)時(shí)段船舶的位置預(yù)測(cè)值O，從而在每一采樣時(shí)刻滾動(dòng)推測(cè)到未來(lái)時(shí)段內(nèi)船舶的軌跡。進(jìn)一步的，所述步驟①中，通過(guò)應(yīng)用小波變換理論對(duì)原始離散二維位置序列x'＝[x1',x2',...,xn']和y'＝[y1',y2',...,yn']進(jìn)行初步處理，從而獲取船舶的去噪離散二維位置序列x＝[x1,x2,...,xn]和y＝[y1,y2,...,yn]：對(duì)于給定的原始二維序列數(shù)據(jù)x'＝[x1',x2',...,xn']，利用如下形式的線性表達(dá)式分別對(duì)其進(jìn)行近似： f ~ ( x ′ ) = Σ ∀ J ∀ K c J , K ψ J , K ( x ′ ) , ]]>其中：f'(x')表示對(duì)數(shù)據(jù)平滑處理后得到的函數(shù)表達(dá)式，ψ(x')表示母波，δ、J和K均為小波變換常數(shù)，ψJ,K(x')表示母波的轉(zhuǎn)換形式，cJ,K表示由小波變換過(guò)程得到的函數(shù)系數(shù)，它體現(xiàn)了子波ψJ,K(x')對(duì)整個(gè)函數(shù)近似的權(quán)重大小，若此系數(shù)很小，那么它意味著子波ψJ,K(x')的權(quán)重也較小，因而可以在不影響函數(shù)主要特性的前提下，從函數(shù)近似過(guò)程中將子波ψJ,K(x')除去；在實(shí)際數(shù)據(jù)處理過(guò)程中，通過(guò)設(shè)定閾值χ來(lái)實(shí)施“閾值轉(zhuǎn)換”，當(dāng)cJ,K<χ時(shí)，設(shè)定cJ,K＝0；閾值函數(shù)的選取采用如下兩種方式：和對(duì)于y'＝[y1',y2',...,yn']，也采用上述方法進(jìn)行去噪處理。進(jìn)一步的，所述步驟④中確定航跡隱馬爾科夫模型參數(shù)λ'＝(π,A,B)的過(guò)程如下：4.1)變量賦初值：應(yīng)用均勻分布給變量πi，aij和bj(ok)賦初值和并使其滿足約束條件：和由此得到λ0＝(π0,A0,B0)，其中ok表示某一顯觀測(cè)值，π0、A0和B0分別是由元素和構(gòu)成的矩陣，令參數(shù)l＝0，o＝(ot-T'+1,...,ot-1,ot)為當(dāng)前時(shí)刻t之前的T'個(gè)歷史位置觀測(cè)值；4.2)執(zhí)行E-M算法：4.2.1)E-步驟：由λl計(jì)算ξe(i,j)和γe(si)；變量那么其中s表示某一隱狀態(tài)；4.2.2)M-步驟：運(yùn)用分別估計(jì)πi，aij和bj(ok)并由此得到λl+1；4.2.3)循環(huán)：l＝l+1，重復(fù)執(zhí)行E-步驟和M-步驟，直至πi、aij和bj(ok)收斂，即|P(o|λl+1)-P(o|λl)|<ε，其中參數(shù)ε＝0.00001，返回步驟4.2.4)；4.2.4)：令λ'＝λl+1，算法結(jié)束。進(jìn)一步的，所述步驟⑤中確定船舶航跡最佳隱狀態(tài)序列的迭代過(guò)程如下：5.1)變量賦初值：令g＝2，βT'(si)＝1(si∈S)，δ1(si)＝πibi(o1)，ψ1(si)＝0，其中， δ g ( s i ) = m a x q 1 , q 2 , ... , q 本文檔來(lái)自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種基于滾動(dòng)規(guī)劃策略的船舶軌跡實(shí)時(shí)預(yù)測(cè)方法，其特征在于包括如下幾個(gè)步驟：①通過(guò)海面雷達(dá)獲得船舶的實(shí)時(shí)和歷史位置信息，各船舶的位置信息為離散二維位置序列x'＝[x1',x2',...,xn']和y'＝[y1',y2',...,yn']，通過(guò)應(yīng)用小波變換理論對(duì)原始離散二維位置序列x'＝[x1',x2',...,xn']和y'＝[y1',y2',...,yn']進(jìn)行初步處理，從而獲取船舶的去噪離散二維位置序列x＝[x1,x2,...,xn]和y＝[y1,y2,...,yn]；②在每一采樣時(shí)刻對(duì)船舶軌跡數(shù)據(jù)預(yù)處理，依據(jù)所獲取的船舶原始離散二維位置序列x＝[x1,x2,...,xn]和y＝[y1,y2,...,yn]，采用一階差分方法對(duì)其進(jìn)行處理獲取新的船舶離散位置序列△x＝[△x1,△x2,...,△xn?1]和△y＝[△y1,△y2,...,△yn?1]，其中△xi＝xi+1?xi,△yi＝y(tǒng)i+1?yi，i＝1,2,...,n?1；③在每一采樣時(shí)刻對(duì)船舶軌跡數(shù)據(jù)聚類(lèi)，對(duì)處理后新的船舶離散二維位置序列△x和△y，通過(guò)設(shè)定聚類(lèi)個(gè)數(shù)M'，采用K?means聚類(lèi)算法分別對(duì)其進(jìn)行聚類(lèi)；④在每一采樣時(shí)刻對(duì)船舶軌跡數(shù)據(jù)利用隱馬爾科夫模型進(jìn)行參數(shù)訓(xùn)練，通過(guò)將處理后的船舶運(yùn)行軌跡數(shù)據(jù)△x和△y視為隱馬爾科夫過(guò)程的顯觀測(cè)值，通過(guò)設(shè)定隱狀態(tài)數(shù)目N和參數(shù)更新時(shí)段τ'，依據(jù)最近的T'個(gè)位置觀測(cè)值并采用B?W算法滾動(dòng)獲取最新隱馬爾科夫模型參數(shù)λ'；⑤在每一采樣時(shí)刻依據(jù)隱馬爾科夫模型參數(shù)，采用Viterbi算法獲取當(dāng)前時(shí)刻觀測(cè)值所對(duì)應(yīng)的隱狀態(tài)q；⑥在每一采樣時(shí)刻，通過(guò)設(shè)定預(yù)測(cè)時(shí)域W，基于船舶當(dāng)前時(shí)刻的隱狀態(tài)q，獲取未來(lái)時(shí)段船舶的位置預(yù)測(cè)值O，從而在每一采樣時(shí)刻滾動(dòng)推測(cè)到未來(lái)時(shí)段內(nèi)船舶的軌跡；所述步驟⑤中確定船舶航跡最佳隱狀態(tài)序列的迭代過(guò)程如下：5.1)變量賦初值：令g＝2，βT'(si)＝1(si∈S)，δ1(si)＝πibi(o1)，ψ1(si)＝0，其中，其中變量ψg(sj)表示使變量δg?1(si)aij取最大值的船舶航跡隱狀態(tài)si，參數(shù)S表示隱狀態(tài)的集合；5.2)遞推過(guò)程：5.3)時(shí)刻更新：令g＝g+1，若g≤T'，返回步驟5.2)，否則迭代終止并轉(zhuǎn)到步驟5.4)；5.4)轉(zhuǎn)到步驟5.5)；5.5)最優(yōu)隱狀態(tài)序列獲取：5.5.1)變量賦初值：令g＝T'?1；5.5.2)后向遞推：5.5.3)時(shí)刻更新：令g＝g?1，若g≥1，返回步驟5.5.2)，否則終止。...

【技術(shù)特征摘要】
1.一種基于滾動(dòng)規(guī)劃策略的船舶軌跡實(shí)時(shí)預(yù)測(cè)方法，其特征在于包括如下幾個(gè)步驟：①通過(guò)海面雷達(dá)獲得船舶的實(shí)時(shí)和歷史位置信息，各船舶的位置信息為離散二維位置序列x'＝[x1',x2',...,xn']和y'＝[y1',y2',...,yn']，通過(guò)應(yīng)用小波變換理論對(duì)原始離散二維位置序列x'＝[x1',x2',...,xn']和y'＝[y1',y2',...,yn']進(jìn)行初步處理，從而獲取船舶的去噪離散二維位置序列x＝[x1,x2,...,xn]和y＝[y1,y2,...,yn]；②在每一采樣時(shí)刻對(duì)船舶軌跡數(shù)據(jù)預(yù)處理，依據(jù)所獲取的船舶原始離散二維位置序列x＝[x1,x2,...,xn]和y＝[y1,y2,...,yn]，采用一階差分方法對(duì)其進(jìn)行處理獲取新的船舶離散位置序列△x＝[△x1,△x2,...,△xn-1]和△y＝[△y1,△y2,...,△yn-1]，其中△xi＝xi+1-xi,△yi＝y(tǒng)i+1-yi，i＝1,2,...,n-1；③在每一采樣時(shí)刻對(duì)船舶軌跡數(shù)據(jù)聚類(lèi)，對(duì)處理后新的船舶離散二維位置序列△x和△y，通過(guò)設(shè)定聚類(lèi)個(gè)數(shù)M'，采用K-means聚類(lèi)算法分別對(duì)其進(jìn)行聚類(lèi)；④在每一采樣時(shí)刻對(duì)船舶軌跡數(shù)據(jù)利用隱馬爾科夫...

【專(zhuān)利技術(shù)屬性】
技術(shù)研發(fā)人員：韓云祥，趙景波，李廣軍，
申請(qǐng)(專(zhuān)利權(quán))人：江蘇理工學(xué)院，
類(lèi)型：發(fā)明
國(guó)別省市：江蘇;32