【技術實現(xiàn)步驟摘要】
本專利技術涉及機器學習，特別是涉及一種基于機器學習的兩船會遇狀態(tài)智能識別方法。
技術介紹
1、目前，全球工業(yè)向信息化、智能化的方向邁進，全球已經(jīng)進入第4次工業(yè)革命，隨著全球航運業(yè)的快速發(fā)展，船舶交通流量不斷增加，船舶也呈現(xiàn)出大型化、快速化、智能化和無人化的發(fā)展優(yōu)勢，在人工智能等新一代信息技術的驅動下，航運業(yè)正在面臨前所未有的轉型機遇與挑戰(zhàn)。人工智能的發(fā)展，智能船舶和無人船成為未來海上交通管理的重要方向，智能船舶作為航運業(yè)數(shù)字智能轉型的重要載體和標志，是推動航運業(yè)高質量發(fā)展的新引擎。
2、無論在沿海、港口還是內河水域，船舶都會面臨著復雜的會遇態(tài)勢，尤其是在交通密度大、態(tài)勢復雜的交匯水域，船舶交通面臨較高的航行和碰撞風險。為了減少水上交通事故造成巨大的人命財產(chǎn)損失和海洋環(huán)境污染，避免船舶碰撞是船舶駕駛至關重要的任務，自動避碰則更是智能船舶必不可少的能力。
3、船舶會遇態(tài)勢包括兩船會遇和多船會遇。在航海實踐中，面對多船會遇局面時，通常做法是按照緊迫程度分解為一個個兩船會遇局面進行處理。因此，兩船會遇是船舶避碰時需要處理的最基礎和重要的局面。兩船會遇態(tài)勢是船舶在航行過程中從不同方向相互駛近形成的會遇局面，一般分為對遇態(tài)勢、交叉態(tài)勢和追越態(tài)勢。智能船舶需要具備高度智能化的自主航行和避碰能力，在復雜海上交通環(huán)境航行時，必須能夠及時準確地識別和判斷船舶會遇狀態(tài)，包括追越、交叉和對遇等情形，還要在極短的時間內對會遇狀態(tài)做出反應進行自主避碰措施，確保航行安全。
4、近年來，船舶自動識別系統(tǒng)(automatic?
5、現(xiàn)有的船舶會遇方案，如，基于改進dbscan的船舶會遇識別模型中，提出了一種改進的密度聚類算法(dbscan)用于船舶會遇識別，旨在解決傳統(tǒng)方法在大數(shù)據(jù)環(huán)境下效率低和誤判的問題。然而該方案中，存在參數(shù)敏感性(改進后的dbscan算法閾值如果選取不當，可能導致大量船舶被錯誤識別為噪聲點，或使得同一會遇局面下的船舶數(shù)量過多，導致識別效果不佳)和動態(tài)信息處理不足(無法準確捕捉船舶間的復雜運動關系，尤其是在多船會遇的復雜場景中)的問題。又如，基于ais的特定船舶會遇實況分布中，提出了一種基于海量ais數(shù)據(jù)結合海上交通工程理論的算法，旨在通過繪制特定船舶的會遇信息，直觀地反映船舶的行為特征和規(guī)律。然而該方案中，存在算法適用范圍有限、過度依賴ais數(shù)據(jù)質量以及實例驗證有限等問題。
技術實現(xiàn)思路
1、有鑒于此，本專利技術公開了一種基于機器學習的兩船會遇狀態(tài)智能識別方法，該方法通過對ais數(shù)據(jù)進行特征提取和分析，構建基于機器學習的智能識別模型和訓練方法，訓練后的模型能夠智能識別船舶在追越、交叉和對遇等不同會遇狀態(tài)下的航行行為，可以提高識別精度和決策效率，從而輔助后續(xù)的船舶避碰，增強航行安全性。本專利技術將為船舶航行安全和海上交通管理提供新的技術手段，推動智能航運的發(fā)展。
2、為此，本專利技術提供了以下技術方案：
3、本專利技術提供了一種基于機器學習的兩船會遇狀態(tài)智能識別方法，包括：
4、收集并預處理ais數(shù)據(jù)；針對預處理后的ais數(shù)據(jù)，采用滑動窗口以每艘船舶軌跡進行篩選，形成初始船舶會遇數(shù)據(jù)集；在初始船舶會遇數(shù)據(jù)集的基礎上計算特征參數(shù)，通過所述特征參數(shù)生成會遇識別數(shù)據(jù)集；
5、在所述會遇數(shù)據(jù)集中補充人工設計的兩船會遇數(shù)據(jù)集；人工設計兩船會遇數(shù)據(jù)集包括：按照預定義的會遇類型和相對方位角范圍，生成不同情況下他船的ais數(shù)據(jù)；通過對中心船的位置、航速、航向進行輕微擾動并結合隨機生成的他船數(shù)據(jù)；
6、構建船舶會遇狀態(tài)識別模型，并利用補充后的會遇數(shù)據(jù)集對所述船舶會遇狀態(tài)識別模型訓練；構建船舶會遇狀態(tài)識別模型，包括：使用貝葉斯濾波對數(shù)據(jù)進行平滑處理，結合隨機森林算法形成船舶會遇狀態(tài)識別模型；
7、利用訓練好的船舶會遇狀態(tài)識別模型對兩船動態(tài)數(shù)據(jù)進行會遇狀態(tài)識別。
8、進一步地，收集并預處理ais數(shù)據(jù)，包括：
9、對ais數(shù)據(jù)進行空缺值檢測，刪除不符合條件的數(shù)據(jù)；
10、對所有船舶按照mmsi分組，根據(jù)utc時間間隔是否大于90s對每條船舶進行航次劃分；
11、對于完成航次劃分的ais數(shù)據(jù)，采用孤立森林方法對經(jīng)度、緯度、航速和航向進行異常值檢測，刪除不符合條件的數(shù)據(jù)；
12、采用三次樣條插值法，對ais數(shù)據(jù)以預設時間為間隔進行插值，完成數(shù)據(jù)預處理。
13、進一步地，采用滑動窗口思想以每艘船舶軌跡進行篩選，包括：
14、讀取預處理完畢的ais數(shù)據(jù)，按照時間順序由小到大將所有船舶數(shù)據(jù)依次排列；
15、提取第一行數(shù)據(jù)，以當前所取數(shù)據(jù)行作為錨點行描繪滑動窗口，以該數(shù)據(jù)行的經(jīng)緯度信息為中心，構建一個半徑2海里的圓，并記錄該行數(shù)據(jù)的mmsi值和utc值；
16、以當前時間步作為索引構建字典，自動遍歷文件中所有行與錨點行進行比對，將符合條件的數(shù)據(jù)行添加至當前時間步數(shù)據(jù)；
17、時間步增加一步，提取錨點行下一行數(shù)據(jù)作為錨點行，重復上述步驟；
18、若當前行的mmsi與anchor_mmsi不相等，則輸出當前字典，并將時間步清零；重復此過程，直至文件的最后一行成為錨點行。
19、進一步地，被添加行應同時滿足以下三點：
20、mmsi值與anchor_mmsi不相等；
21、經(jīng)緯度標識的地理位置在構建的圓內；
22、utc值在anchor_utc+10的范圍內。
23、進一步地，在初始船舶會遇數(shù)據(jù)集的基礎上計算特征參數(shù)，通過所述特征參數(shù)生成會遇識別數(shù)據(jù)集，包括：
24、根據(jù)ais中的經(jīng)度、緯度、航速和航向，計算得到船舶會遇狀態(tài)參數(shù)并自動生成船舶會遇狀態(tài)類型的標簽，從而形成完整的船舶會遇特征數(shù)據(jù)集；所述特征參數(shù)包括：最近會遇時間、最近會遇距離和相對方位角；所述船舶會遇類型包括對遇、交叉和追越。
25、進一步地，人工設計的兩船會遇數(shù)據(jù)集，包括：
26、使用真實ais數(shù)據(jù)中的中心船作為基準，對其經(jīng)度、緯度、航速和航向進行輕微的隨機擾動，以模擬現(xiàn)實中的不確本文檔來自技高網(wǎng)...
【技術保護點】
1.一種基于機器學習的兩船會遇狀態(tài)智能識別方法，其特征在于，包括：
2.根據(jù)權利要求1所述的一種基于機器學習的兩船會遇狀態(tài)智能識別方法，其特征在于，收集并預處理AIS數(shù)據(jù)，包括：
3.根據(jù)權利要求1所述的一種基于機器學習的兩船會遇狀態(tài)智能識別方法，其特征在于，采用滑動窗口思想以每艘船舶軌跡進行篩選，包括：
4.根據(jù)權利要求3所述的一種基于機器學習的兩船會遇狀態(tài)智能識別方法，其特征在于，被添加行應同時滿足以下三點：
5.根據(jù)權利要求1所述的一種基于機器學習的兩船會遇狀態(tài)智能識別方法，其特征在于，在初始船舶會遇數(shù)據(jù)集的基礎上計算特征參數(shù)，通過所述特征參數(shù)生成會遇識別數(shù)據(jù)集，包括：
6.根據(jù)權利要求1所述的一種基于機器學習的兩船會遇狀態(tài)智能識別方法，其特征在于，人工設計的兩船會遇數(shù)據(jù)集，包括：
7.根據(jù)權利要求1所述的一種基于機器學習的兩船會遇狀態(tài)智能識別方法，其特征在于，構建船舶會遇狀態(tài)識別模型，包括：
8.根據(jù)權利要求1所述的一種基于機器學習的兩船會遇狀態(tài)智能識別方法，其特征在于，在所述船舶會遇狀態(tài)
...【技術特征摘要】
1.一種基于機器學習的兩船會遇狀態(tài)智能識別方法，其特征在于，包括：
2.根據(jù)權利要求1所述的一種基于機器學習的兩船會遇狀態(tài)智能識別方法，其特征在于，收集并預處理ais數(shù)據(jù)，包括：
3.根據(jù)權利要求1所述的一種基于機器學習的兩船會遇狀態(tài)智能識別方法，其特征在于，采用滑動窗口思想以每艘船舶軌跡進行篩選，包括：
4.根據(jù)權利要求3所述的一種基于機器學習的兩船會遇狀態(tài)智能識別方法，其特征在于，被添加行應同時滿足以下三點：
5.根據(jù)權利要求1所述的一種基于機器學習的兩船會遇狀態(tài)智能識別方法，其特征在于，在初始船舶會遇數(shù)據(jù)集的基礎上計算特征參數(shù)，...
【專利技術屬性】
技術研發(fā)人員：潘明陽，馬同岳，李邵喜，梁昱，張若瀾，韋揚，王勇，劉宗鷹，
申請(專利權)人：大連海事大學，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。