大数据在船舶自动避碰方面的应用
来源:用户上传
作者:
摘 要：近年来，随着我国海洋事业范围的建设和扩大，海洋事业也得到了迅速有效的发展。然而，由于海上许多不确定性和技术限制的严重影响，船舶在航行过程中仍会遇到各种碰撞事故，海上作业的高风险因素造成巨大损失。为了减少或避免人为失误引起的碰撞事故，确保船舶安全航行，本文研究分析了船舶在航行过程中的自动避碰，并提出优化船舶避碰自动化技术。使用大数据技术导航。
关键词：大数据 导航 自动防撞
近年来，随着大海上面航行的船舶越来越多，船舶相互碰撞的几率提高了不少，使得原本安全高效的航道变得充满了风险，由于人本失误的原因往往造成了不少事故，人力资源成本上升以及导航技术的不断优化，船舶自动避碰的研究逐渐渗透到现代的核心。导航船是智能集成桥，自动防撞决策系统是综合桥的关键部件。往往可靠的自动避碰决策预报系统需要满足以下条件：避免危险，包括移动和不能移动的障碍物；当多艘船舶在同一个海域内航行时，完成自动避撞显得尤为重要；避免碰撞后选择安全经济的路线（重新航行）；建立海域船舶运动数学模型应当具有足够的精确度，以能更好的贴近实际航行状况；考虑与船体相关外部条件；能够在足够短的时间内给出系统的反馈。
1.大数据技术的特点
大数据技术是近些年崛起的一项新技术。由于其大量数据的高效收集，处理和分析的特点，是最近学术界研究的热点。并且可以与各大传统或新兴领域结合。面对现代社会信息化建设的不断发展和完善，大规模数据聚合已成为一种常态。面对这种情况，传统技术手段和软件工具的使用无法在短时间内和广泛范围内实现有效的捕获，管理和处理操作。利用大数据技术应对当前的技术发展形势，是实现各行各业的产业发展。而不可或缺的创新手段。
2.导航大数据技术的基本组成和功能分析
根据实际应用功能的不同，导航自动化系统可以有效地划分为不同的控制系统。能够自动的接收对船舶航行驾驶权限的控制，能够通过机器学习等先进的人工智能规划出最优最安全的船舶航行路线，能够与GPS实时取得信息从而得到航行轨迹以提供计算，还要能够自主防撞最核心的功能需求，以及能够实现组合导航管理等。例如，能够通过机器学习等先进的人工智能规划出最优最安全的船舶航行路线可以编制船舶设计的最佳路径，适应当前运输环境中的各种技术要求，并确保船舶路线设计的合理优化。它对航道的安全性和稳定性通航性提出了更高的要求，在安全性方面也发挥着越来越重要的作用。在对船舶航行安全方面的足够考虑后，我们必须要有效可靠地掌握位置，速度，航向，风向，实际航行等重要航行数据。在导航自动化控制系统中，航行驾驶是实时的船机互动，实现实时控制，确保船舶始终可以按照预设的安全航行方向进行稳定状态。在该系统中，能够与GPS实时取得信息从而得到航行轨迹以提供计算需要被合理使用。在定位系统中，其工作是及时获取船舶的基本位置，确保船舶的方向，避免船舶偏离航向，能够自动的接收对船舶航行驾驶权限的控制。在船舶防撞系统中，确保船舶能够在稳定航行过程中快速，及时地获取其他船舶的基本位置和导航环境信息，分析，判断和检查相关的碰撞，礁石对船体的损坏和接地风险，然后制定完善的对策。在组合导航管理系统中，能够自动的接收对船舶航行驾驶权限的控制各子系统的信息内容将进行全面整合，检查和分析，并结合通信系统和安全系统的内容，制定出最佳的导航方案。这样可以成功避免许多危险物体，提高船舶航行的安全性和稳定性。此外，系统的决策信息传输到船舶控制部门，以加强能够自动的接收对船舶航行驾驶权限的控制船舶中央控制系统的合理有效决策。这些技术的综合应用可以显示船舶操作的更有效的数据信息，并为船舶航行者的船舶安全运行提供有利条件。
3.大数据模拟的应用
3.1大数据模拟的准确性
在实际导航中，船舶和障碍物实际上在同一平面上，几乎在同一水平线上，并且它们之间的潜在数据差异一般都处于不太大的线性比例中。因此，有必要使用也一定可以做到使用不太复杂的数学函数来模拟船舶起点处的数据描述和有可能影响安全的物体的数据描述，以实现起点处具有高数据模型的“数学模型”，低数据模型有可能影响安全的物体的和最终目的地的高数据模型。因此，基于数学公式的假设是一种大数据模拟。有许多数学函数可以模拟数据势能场。为了使对象移动，一些方法直接将虚拟有势力场计算和排斥计算写入两个函数并加以考虑。对于物体的每个位置，计算物体相对于有可能影响安全的物体位置的角度。同时，计算物体的虚拟有势力场和安全附加排斥力，并获得合力，使物体移动并获得运动角度。该方法要求高精度并且相对复杂。它通常用于平面机器人的多障碍物避免路径规划。
3.2模拟决策模型
针对模糊避碰的决策模型，采用模糊逻辑的方法进行人工神经网络的自学习，提出了一种动态模糊船舶域模型和能够自动的接收对船舶航行驾驶权限的控制模型。在后来的研究中，考虑到人，船和环境的影响，建立了统一的领域模型。环境因子子模型的构建基于模糊集理论。但是，它只适用于两艘船之间的防撞；必须改进设计系统，基于“模糊视觉”的避碰智能决策/执行模型依赖于模糊逻辑的并行多决策模块，将决策转化为基于连续避碰的动作。模糊逻辑和ARPA雷达通过贝叶斯网络模型，由ARPA提供。信息的知识表示表明，虽然系统简单可行，但在为单船提供智能防撞决策的可靠性有保障。
3.3模拟计算
模拟计算是通过仿照生物遗传的特性提出的，一般主要是自适应概率搜索算法理论。它的本质是仿真算法，主要包括遗传算法和仿真策略。它可以使用仿真规划进行全局优化。它可以解决多种复杂系统的优化和机器学习问题。模拟计划的两个主要特征是群体搜索策略和群体中个体之间的信息交换。在能够自动的接收对船舶航行驾驶权限的控制和智能碰撞避免中，有许多指定的路径可供选择。通过一系列交叉，变异和选择过程，我们可以找到近似的最优路径。仿真策略用于寻找船舶避碰的最佳路径。能够自动的接收对船舶航行驾驶权限的控制模型中的移动障碍物或移动船舶由ARPA识别，并且通过基于马尔可夫过程模型计算预判，对算法计算模拟得到的结果进行更高一级的运算叠加，并去除其汇总的杂样结果，使得其更加符合线性加权函数的取值要求。另外，以往研究中的模拟策略编码方法仅以船舶位置（经度和纬度）为染色体基因，检查测试数据不方便。单基因的模拟策略编码方法由船舶位置，速度，潮汐，风速和海浪等干扰因素构成。染色体代表精心设计的路径，其由基本的线序列和向基因组组成的转变组成。起始基因代表当前位置，末端基因代表目标位置。如果船周围有有可能影响安全的物体，船只的安全路径是在起点和终点连接两个基因的直线。如果航道周围没有有可能影响安全的物体，其他基因将在起始点和终点之间随机分布。提出了一种改进的EP / N +算法，并将其算法的结果进行专家系统的自动数据模拟，可以在工程模拟的精度要求前提下实现更高效的决策支持，这是模拟计算的重要部分。在该算法中，设计了一个特殊的遗传算子来修改过程，并使用另一个遗传算子来改变过程速度。每个课程部分的变化可以伴随着速度的变化，同时计算时间更短。该系统的主要特点是引入时间参数，变速和其他船舶的动态约束。
4.结论与展望
在人工智能和软计算中，专家系统更早地应用于实船安装和测试，关键是完成“防撞知识库”。并考虑船速的影响；仿真策略及其改进方法可以更快，更准确地优化碰撞避免决策； SIA和MAS具有内在结构的相似性，前者参数选择非常重要，后者多代理通信和协调是关键，更适合于协商智能避碰；灰色系统理论在处理传感器不准确信息方面具有很高的实用价值。
参考文献：
[1]柴远斌.海上多船行驶自动避碰系统设计[J].舰船科学技术，2018， 40（14）： 40-42.
[2]张伟.基于AIS实态观测的受限水域船舶领域模型研究[D].大连海事大学，2018.
[3]薛惠，何栋.船舶自动智能避碰数学模型及其计算机仿真研究[J].舰船科学技术，2017， 39（16）： 31-33.
[4]刘茂盛，张靖.基于新航海技术的船舶避碰自动化探讨[J].科技创新与应用，2017（07）：20-21.
[5]劉明圆.基于Multi-agent船舶避碰方法研究[D].哈尔滨工程大学，2017.
转载注明来源:https://www.xzbu.com/2/view-15032820.htm
