一种基于机器学习的渡船穿越航道行为预测方法和系统技术方案

本申请公开了一种基于机器学习的渡船穿越航道行为预测方法，包括如下步骤：获取预定渡口之间的AIS数据，对AIS数据进行预处理，进而计算得到DCPA和TCPA；通过设定DCPA和TCPA阈值α和β，筛选得到渡船与目标船舶的会遇场景；基于会遇场景的数据特征进行相关性分析，得到筛选特征；建立机器学习模型，并使用筛选特征进行训练；评价训练后的机器学习模型，得到渡船穿越行为预测模型，预测模型用于渡船穿越航道行为预测。本申请简化了渡船运动状态分析过程，选择一种较优的模型实现对渡船穿越行为的预测，保证了预测的准确性。保证了预测的准确性。保证了预测的准确性。

【技术实现步骤摘要】
一种基于机器学习的渡船穿越航道行为预测方法和系统


[0001]本申请属于海事风险及路径规划
，具体涉及一种基于机器学习的渡船穿越航道行为预测方法和系统。

技术介绍

[0002]目前对渡船穿越行为、碰撞风险及路径规划的研究较少，主要集中在区域风险量化，历史数据分析等方面，对渡船路径规划的研究仍停留在借鉴普通船舶层面。渡船具有航行起始点固定，等级低，面临避碰环境复杂等特点，如何在保证安全的基础上，根据目标船舶的航行状态，预测渡船的穿越行为就显得尤为重要。

技术实现思路

[0003]本申请提出了一种基于机器学习的渡船穿越航道行为预测方法和系统，根据渡船及目标船的航行状态，预测渡船穿越行为。
[0004]为实现上述目的，本申请提供了如下方案：
[0005]一种基于机器学习的渡船穿越航道行为预测方法，包括如下步骤：
[0006]获取预定渡口之间的AIS数据，对所述AIS数据进行预处理，进而计算得到最近会遇距离DCPA和最小会遇时间TCPA；
[0007]通过设定所述最近会遇距离DCPA的阈值α和所述最本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的渡船穿越航道行为预测方法，其特征在于，包括如下步骤：获取预定渡口之间的AIS数据，对所述AIS数据进行预处理，进而计算得到最近会遇距离DCPA和最小会遇时间TCPA；通过设定所述最近会遇距离DCPA的阈值α和所述最小会遇时间TCPA的阈值β，筛选得到渡船与目标船舶的会遇场景；基于所述会遇场景的数据特征进行相关性分析，得到筛选特征；建立机器学习模型，并使用所述筛选特征进行训练；评价训练后的所述机器学习模型，得到渡船穿越行为预测模型，所述预测模型用于渡船穿越航道行为预测。2.根据权利要求1所述的基于机器学习的渡船穿越航道行为预测方法，其特征在于，所述AIS数据包括渡船和目标船舶的经度、纬度、航速、航向、船舶类型、船长、船宽和MMSI。3.根据权利要求2所述的基于机器学习的渡船穿越航道行为预测方法，其特征在于，对所述AIS数据进行预处理的方法包括：删除所述AIS数据中的异常数据，和对所述AIS数据中的缺失数据补充差值。4.根据权利要求3所述的基于机器学习的渡船穿越航道行为预测方法，其特征在于，计算得到所述最近会遇距离DCPA和所述最小会遇时间TCPA的方法包括：基于预处理后的所述AIS数据，计算相对距离D
r
、相对航向C
r
、相对方位C
b
和相对速度V
r
；所述最近会遇距离DCPA和所述最小会遇时间TCPA的计算方法为：DCPA＝D
r
sin(C
r
‑
C
b
‑
π)TCPA＝D
r
cos(C
r
‑
C
b
‑
π)/V
r
。5.根据权利要求2所述的基于机器学习的渡船穿越航道行为预测方法，其特征在于，根据渡口附近交通流量情况、目标船舶及渡船动静态信息确定所述最近会遇距离DCPA的阈值α和所述最小会遇时间TCPA的阈值β。6.根据权利要求2所述的基于机器学习的渡船穿越航道行为预测方法，其特征在于，得到所述筛选特征的方法包括：将渡船穿越航道过程中，与其他...

【专利技术属性】
技术研发人员：张金奋，袁晓丽，张笛，蔡明佑，刘炯炯，田五六，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：