一种基于本体与贝叶斯网络的无人船态势认知与决策方法技术

本发明专利技术提供一种基于本体与贝叶斯网络的无人船态势认知与决策方法，方法包括：分析无人驾驶船舶航行场景要素和态势感知信息构成以及之间的关联属性；基于本体论构建航行态势认知概念模型；结合航行态势感知数据对本体航行态势认知概念模型实例化；分析本体与贝叶斯网络结构，将本体owl语言转换为贝叶斯网络；利用转换后的贝叶斯网络结合当前航行场景进行行为决策推理。本发明专利技术可以充分利用本体知识模型整合驾驶先验信息的能力解决多源异构信息表达不充分的问题，并运用贝叶斯网络实现考虑不确定信息的决策推理，提高复杂航行场景下无人驾驶船舶行为决策的准确性。人驾驶船舶行为决策的准确性。人驾驶船舶行为决策的准确性。

【技术实现步骤摘要】
一种基于本体与贝叶斯网络的无人船态势认知与决策方法


[0001]本专利技术涉及无人驾驶船舶智能决策领域，具体而言，尤其涉及一种基于本体与贝叶斯网络的无人船态势认知与决策方法。

技术介绍

[0002]无人驾驶船舶利用感知、认知、决策、控制等先进技术，与传统船舶相比，在安全、经济、环保等方面具有显著优势，近年来受到广泛关注。智能决策系统作为无人驾驶船舶的“大脑”，主要由全局路径规划、行为决策、运动规划三个模块组成。行为决策模块需要结合态势感知信息和驾驶经验，给出遵守交通规则、符合人类驾驶习惯的决策行为，其智能化水平的高低将直接决定无人驾驶船舶行驶的安全性与合理性，行为决策研究一直是无人驾驶船舶决策领域研究的重点和难点。
[0003]行为决策模型现有研究主要分为基于规则的模型和基于统计的模型两种，但现有研究都存在多源异构信息表达不充分、驾驶场景难以理解等问题，导致决策模型性能不佳。同时船舶在行驶至受限水域时相比其在开阔水域其航行场景具有较高的复杂性和不确定性，现有的行为决策系统仍然难以解决实时性和有效性等核心问题。

技术实现思路

[0004]鉴于现有技术的不足，本专利技术提供一种基于本体与贝叶斯网络的无人船态势认知与决策方法，本专利技术基于本体航行态势认知模型驱动贝叶斯网络进行决策，旨在有效提升船舶在复杂航行环境中行为决策的有效性与实时性。
[0005]本专利技术采用的技术手段如下：
[0006]一种基于本体态势认知模型的无人船行为决策方法，包括：
[0007]分析无人驾驶船舶航行场景要素和态势感知信息构成以及之间的关联属性；
[0008]基于本体论构建航行态势认知概念模型；
[0009]结合航行态势感知数据对本体航行态势认知概念模型实例化；
[0010]分析本体与贝叶斯网络结构，将本体owl语言转换为贝叶斯网络；
[0011]利用转换得到的贝叶斯网络结合当前航行场景进行行为决策推理。
[0012]进一步地，所述场景要素和态势感知信息构成包括：无人驾驶船舶类、驾驶行为类、障碍物类、航行区域类、船舶定制线类、环境实体类、助航标志类、概率类；场景要素和态势感知信息构成之间的属性包括关系属性和数据属性。
[0013]进一步地，结合航行场景对本体航行态势认知概念模型实例化，包括：将所述场景要素填充为本体中的实体，而关系属性则为本体航行态势认知模型中的实体与实体之间的关系，并通过定义域和值域对所述实体与实体间的关系进行界定。
[0014]进一步地，结合航行场景对本体航行态势认知概念模型实例化，还包括：根据当前获取到的航行态势感知信息对本体航行态势认知模型中的实体与实体关系进行实例化处理，使所述实体具备当前航行场景中的所对应的实例信息。
[0015]进一步地，分析本体与贝叶斯网络结构，将本体owl语言转换为贝叶斯网络，包括：分析本体航行态势认知模型与贝叶斯网络模型在结构上的映射关系，将实体与实体关系属性映射为贝叶斯网络模型中的节点与有向边。
[0016]进一步地，利用转换得到的贝叶斯网络结合当前航行场景进行行为决策推理，包括：将当前无人驾驶船舶态势感知信息输入到转换后的贝叶斯网络中，使用贝叶斯推理，得到当前场景下的行为决策结果。
[0017]进一步地，在构建的贝叶斯网络结构基础上进行概率计算，其计算原理为实现贝叶斯公式的过程：
[0018][0019]其中，P(X
j
＝e)表示节点X
j
先验概率，P(X
i
＝E)表示节点X
i
先验概率，P(X
i
＝E|X
j
＝e)表示节点X
j
与节点X
i
之间的条件概率，P(X
j
＝e|X
i
＝E)表示在已知证据E的情况下求节点取X
j
取e的概率。
[0020]较现有技术相比，本专利技术具有以下优点：
[0021]本专利技术提供的一种基于本体与贝叶斯网络的无人船态势认知与决策方法，可以基于本体态势认知模型充分利用驾驶先验信息，并解决了多源异构信息表达不充分的问题，进而提高复杂航行场景下无人驾驶船舶行为决策的准确性。
附图说明
[0022]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0023]图1为本专利技术一种基于本体与贝叶斯网络的无人船态势认知与决策方法流程图。
[0024]图2为本专利技术本体航行态势认知模型内实体及实体层次关系示意图。
[0025]图3为本专利技术本体航行态势认知模型图。
[0026]图4为本专利技术本体态势认知模型转换为贝叶斯网络模型的方法的流程图。
[0027]图5为本专利技术基于贝叶斯网络进行行为决策的推理示意图。
具体实施方式
[0028]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0029]如图1所示的一种基于本体与贝叶斯网络的无人船态势认知与决策方法流程图，将本专利技术分为5个步骤：一是分析无人驾驶船舶航行场景要素和态势感知信息构成以及之间的属性；二是基于本体论构建航行态势认知概念模型；三是结合航行态势感知数据对本
体航行态势认知概念模型实例化；四是分析本体与贝叶斯网络结构，将本体owl语言转换为贝叶斯网络；五是利用转换后的贝叶斯网络结合当前航行场景进行行为决策推理。
[0030]如图2所示的为本专利技术航行态势认知本体模型内实体及实体层次关系示意图；具体的，将航行场景要素构成划分为8个类集，其中无人驾驶船舶类(OwnShip)可表示船舶自身航速、航向、位置等信息；驾驶行为类(Behavior)为无人驾驶船舶可以执行的动作集合；障碍物类(Obstacles)为无人驾驶船舶行驶过程中需要避让的目标、航行区域类(NavigationArea)是无人驾驶船舶航行具体场景的集合；船舶定制线类(ShipCustomizationLine)为航行区域上的船舶航行引导标志线；环境实体类(Environmental)包含自然环境中风、浪、天气等元素；助航标志类(NavigationalAids)是辅助引导船舶安全航行的人工装置或仪器，包括视觉航标、声响航标等；概率类用来表示航行态势认知模型中航行场景内不能表示的不确定信息。
[0031]如图3为本专利技术航行态势认知本体模型图，航行态势认知本体模型可以对航行场景中的元素以及元素与元素之间的联系进行语本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于本体与贝叶斯网络的无人船态势认知与决策方法，其特征在于，包括：分析无人驾驶船舶航行场景要素和态势感知信息构成以及之间的关联属性；基于本体论构建航行态势认知概念模型；结合航行态势感知数据对本体航行态势认知概念模型实例化；分析本体与贝叶斯网络结构，将本体owl语言转换为贝叶斯网络；利用转换得到的贝叶斯网络结合当前航行场景进行行为决策推理。2.根据权利要求1所述的一种基于本体与贝叶斯网络的无人船态势认知与决策方法，其特征在于，所述场景要素和态势感知信息构成包括：无人驾驶船舶类、驾驶行为类、障碍物类、航行区域类、船舶定制线类、环境实体类、助航标志类、概率类；场景要素和态势感知信息之间的属性包括关系属性和数据属性。3.根据权利要求1所述的一种基于本体与贝叶斯网络的无人船态势认知与决策方法，其特征在于，结合航行场景对本体航行态势认知概念模型实例化，包括：将所述场景要素填充为本体中的实体，而关系属性则为本体航行态势认知模型中的实体与实体之间的关系，并通过定义域和值域对所述实体与实体间的关系进行界定。4.根据权利要求3所述的一种基于本体与贝叶斯网络的无人船态势认知与决策方法，其特征在于，结合航行场景对本体航行态势认知概念模型实例化，还包括：根据当前获取到的航行态势感知信息对本体航行态势认知模型中的实体与实体关系进行实例化处理，使所述实体具备当前航行场景中所对应的实例信息，实现对当前航行环境中的航行任务、场景元素状态与功能、与障碍物船舶的会遇局面等信息的理解与判断。5.根...

【专利技术属性】
技术研发人员：张新宇，刘震生，姜玲玲，王程博，郑康洁，崔浩，齐怀远，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：