【技术实现步骤摘要】
本专利技术涉及船舶路径动态规划技术，尤其涉及一种基于人工智能的船只行为识别与动态航路规划方法及系统。
技术介绍
1、海上航行中，自动识别系统(ais)和其他船舶监控系统已经普及，这些系统能够提供实时船舶动态信息，如申请公布号为cn103631148a的中国专利公开的一种基于ais的船舶驾驶实时虚拟增强仿真系统及方法，系统由导演监控软件、ais综合处理软件、船舶驾驶显控软件、船舶动力模型解算软件、电子海图软件、导航雷达软件和船舶驾驶视景软件组成。仿真开始时，导演监控软件发布仿真任务，其他仿真软件根据仿真任务进行仿真，导演监控软件对整个仿真过程进行记录，最终重放、评估、分析仿真全过程，并给出评价结果。但现有技术中对船舶动态信息数据的利用仍存在较大的提升空间，例如，如何从海量数据中准确识别出船只的正常行为和潜在异常行为，如何根据复杂的环境因素为船只提供最优航线规划，这些问题都是目前航海领域亟待解决的挑战。
技术实现思路
1、本专利技术要解决的技术问题在于针对现有技术中的缺陷，提供一种基于人工智能的船只行为识别与动态航路规划方法及系统。
2、本专利技术解决其技术问题所采用的技术方案是：一种基于人工智能的船只行为识别与动态航路规划方法，包括以下步骤：
3、1)采集船只数据和环境数据；
4、2)对采集的船只数据和环境数据进行预处理；
5、3)对船只数据进行识别，获取船只行为数据；
6、4)分析船只行为数据，计算船只行为风险指数，对船只
7、5)综合环境数据、船只行为数据及风险指数，生成航线；
8、6)控制船只按照航线航行，实时监测船只航行过程中的船只数据和环境数据，并基于实时数据和风险指数动态调整航线。
9、按上述方案，所述步骤3)中，对船只数据进行识别，获取船只行为数据为：根据船只数据采用机器学习和模式识别模型对识别获得的船只行为进行分类，形成船只行为数据；船只行为分为正常行为与异常行为。
10、按上述方案，所述步骤3)中，采用机器学习和模式识别模型对识别获得的船只行为进行分类具体如下：
11、3.1)以具有128个神经元的单层lstm网络作为特征学习网络，将船只历史数据带入特征学习网络中进行训练；
12、3.2)将采集到的船只数据输入到训练好的特征学习网络中，使用lstm网络进行未来行为的预测，输出船只行为数据。
13、按上述方案，所述步骤4)中，结合贝叶斯网络和异常检测算法分析船只行为数据，计算风险指数；
14、具体如下：
15、4.1)以高斯混合模型作为异常检测模型，以历史船只行为数据作为训练集，用训练集对异常检测模型进行训练，获取各行为数据的异常阈值；
16、4.2)将船只行为数据输入到训练好的异常检测模型中，结合孤立森林和dbscan算法进行异常行为的检测，区分正常行为和异常行为；
17、4.3)基于正常行为和异常行为，采用随机森林算法对船只行为进行打分，形成船只行为风险指数，基于风险指数判断船只行为是否存在风险；
18、4.4)将风险指数标准化为无量纲值(范围为0到1)，作为步骤5)中航线生成和步骤6)中航线调整的输入。
19、按上述方案，所述步骤5)中，综合环境数据、船只行为数据及风险指数生成航线，具体步骤如下：
20、5.1)基于船只航行起始点、必经航路点以及避障区域，规划航行路线；
21、5.2)构建以航行时间、燃料消耗量及风险指数为目标的多目标成本函数；
22、5.3)采用混合a*算法或遗传算法，通过迭代计算筛选成本较低的若干航线作为备选航线，将风险指数权重因子作为附加约束条件，确保生成的备选航线在成本最低的同时，风险水平处于可接受范围内；
23、5.4)基于环境数据，采用数值天气预报模型和海洋动力学模型评估备选航线的安全性和环境影响，基于备选航线的成本、安全性和环境影响，分别对备选航线进行评分，根据评分情况从备选航线中选出优选航线作为船只本次航行的航线。
24、按上述方案，所述步骤6)中，基于实时的船只数据、环境数据和风险指数动态调整航线，具体包括：
25、获取船只位置数据，计算船只当前偏离航线的距离，当船只偏离航线的偏离量大于设定的航线偏离阈值时，综合当前环境数据和船只行为数据，重新生成航线；
26、当船只偏离航线的偏离量大于设定的航线偏离阈值时，基于实时的环境数据和实时风险指数判断是否调整航线，具体如下：
27、6.1)应用时间序列分析和模式识别技术识别环境参数的变化趋势；
28、6.2)参照环境参数的变化趋势，结合实时风险指数，动态评估航线的潜在风险：
29、利用地理信息系统和风险地图对当前环境数据进行空间插值，生成高分辨率的动态风险场景图；
30、基于实时风险指数更新动态权重，采用改进的快速收敛优化算法计算航线的综合风险系数；
31、综合风险系数公式为：
32、rc＝w1·rt+w2·ec
33、其中，rc为当前航线的综合风险系数，rt为实时风险指数，ec为环境风险参数，w1和w2为权重因子，根据航线优先级动态调整；
34、6.3)当风险系数超过阈值时，按照步骤5)的方式重新计算生成航线。
35、另一方面，本专利技术还提供了一种基于人工智能的船只行为识别与动态航路规划系统，包括：
36、数据采集模块，用于采集船只数据和环境数据；
37、预处理模块，用于对船只数据和环境数据进行预处理；
38、行为识别模块，用于对船只数据进行识别，根据获取船只行为数据；获取过程为：根据船只数据采用机器学习和模式识别模型对识别获得的船只行为进行分类，形成船只行为数据；船只行为分为正常行为与异常行为；
39、异常检测模块，用于分析船只行为数据，计算船只行为风险指数，对船只行为风险进行评估；
40、航路规划模块，用于综合环境数据、船只行为数据及风险指数，生成航线；
41、航线动态更新模块，用于在船只航行过程汇总，实时监测船只航行过程中的船只数据和环境数据，基于实时的船只数据和环境数据调整航线。
42、按上述方案，所述航路规划模块中，综合环境数据、船只行为数据及风险指数，生成航线；具体如下：
43、1)基于船只航行起始点、必经航路点以及避障区域，规划航行路线；
44、2)构建以航行时间、燃料消耗量及风险指数为目标的多目标成本函数；
45、3)采用混合a*算法或遗传算法，通过迭代计算筛选成本较低的若干航线作为备选航线，将船只行为风险指数作为附加约束条件，确保生成的备选航线在成本最低的同时，风险水平处于可接受范围内；
46、4)基于环境数据，采用数值天气预报模型和海洋动力学模型评估备选航线本文档来自技高网...
【技术保护点】
1.一种基于人工智能的船只行为识别与动态航路规划方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于人工智能的船只行为识别与动态航路规划方法，其特征在于，所述步骤3)中，对船只数据进行识别，获取船只行为数据为：根据船只数据采用机器学习和模式识别模型对识别获得的船只行为进行分类，形成船只行为数据；船只行为分为正常行为与异常行为。
3.根据权利要求1所述的基于人工智能的船只行为识别与动态航路规划方法，其特征在于，所述步骤3)中，采用机器学习和模式识别模型对识别获得的船只行为进行分类，具体如下：
4.根据权利要求1所述的基于人工智能的船只行为识别与动态航路规划方法，其特征在于，所述步骤4)中，结合贝叶斯网络和异常检测算法分析船只行为数据，计算风险指数；
5.根据权利要求1所述的基于人工智能的船只行为识别与动态航路规划方法，其特征在于，所述步骤5)中，综合环境数据、船只行为数据及风险指数生成航线，具体步骤如下：
6.根据权利要求1所述的基于人工智能的船只行为识别与动态航路规划方法，其特征在于，所述步骤6)中，基于实时的
7.一种基于人工智能的船只行为识别与动态航路规划系统，其特征在于，包括：
8.根据权利要求7所述的基于人工智能的船只行为识别与动态航路规划系统，其特征在于，所述航路规划模块中，综合环境数据、船只行为数据及风险指数，生成航线；具体如下：
9.根据权利要求7所述的基于人工智能的船只行为识别与动态航路规划系统，其特征在于，所述航线动态更新模块中，基于实时的船只数据、环境数据和风险指数动态调整航线，具体包括：
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6任一项所述的方法。
...【技术特征摘要】
1.一种基于人工智能的船只行为识别与动态航路规划方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于人工智能的船只行为识别与动态航路规划方法，其特征在于，所述步骤3)中，对船只数据进行识别，获取船只行为数据为：根据船只数据采用机器学习和模式识别模型对识别获得的船只行为进行分类，形成船只行为数据；船只行为分为正常行为与异常行为。
3.根据权利要求1所述的基于人工智能的船只行为识别与动态航路规划方法，其特征在于，所述步骤3)中，采用机器学习和模式识别模型对识别获得的船只行为进行分类，具体如下：
4.根据权利要求1所述的基于人工智能的船只行为识别与动态航路规划方法，其特征在于，所述步骤4)中，结合贝叶斯网络和异常检测算法分析船只行为数据，计算风险指数；
5.根据权利要求1所述的基于人工智能的船只行为识别与动态航路规划方法，其特征在于，所述步骤5)中，综合...
【专利技术属性】
技术研发人员：刘克中，杨胜捷，袁志涛，俞月蓉，吴晓烈，张佳辉，柴泰毓，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。