一、船舶交叉相遇局面碰撞事故的分析与预防(论文文献综述)
郑睿,徐祥[1](2021)在《两船狭水道交叉相遇避碰规则分析》文中认为基于英国最高法院的判决展开,从解释交叉相遇规则应遵循的原则入手,深入阐释第15条的适用情况,重点是述清两船在狭水道内外和附近交叉相遇时应遵循的行动规则、可能存在的规则适用困境以及应对措施。
许岩松[2](2021)在《航道中避碰规则的适用及碰撞责任的认定》文中研究说明由于航道通常较窄,通航密度大,船舶在航道中航行时会遇他船后,不可能完全按照《避碰规则》要求的"早、大、宽、清"采取避让行动。在航道中如何采取避让行动,尤其是在特殊情况下如何行动,《避碰规则》并未清楚列明,驾引人员只能根据现场情况以及自己对《避碰规则》的理解采取行动。现实中,经常发生因驾引人员对《避碰规则》理解不一致从而导致避碰行动不协调的碰撞事故。通过对《避碰规则》在航道中适用问题的分析,找出在航道中符合《避碰规则》的避让方法,以期减少事故的发生。在此基础上,对航道中的碰撞责任认定问题进行分析,为科学认定事故责任打下基础。
高邈[3](2021)在《基于Seq-CGAN与操纵行为基拼接的船舶智能避碰决策结构化学习》文中研究指明在“无人船”从投入使用到全面普及的过程中,必将经历“无人船对有人船”模式下的两类或多类型船舶会遇的复杂过渡时期。这个时期是海上航行安全研究的瓶颈期,也是在研究过程中考虑的影响因素最多、海域环境最复杂的时期。为此本论文尝试在“无人船对有人船”模式条件下,开展无人船舶智能避碰决策及关键技术的研究,并以“基于Seq-CGAN与操纵行为基拼接的船舶智能避碰决策结构化学习”为选题,研究如何生成合理有效的船舶智能避碰决策新方法。将自动识别系统(Automatic Identification System,AIS)大数据与人工智能/机器学习的相关理论进行有效结合,期望能够提升船舶智能避碰决策的实用性、有效性和合理性。本文以AIS大数据为研究基础,围绕船舶智能避碰决策及关键技术,对相关问题进行分析研究,针对AIS大数据挖掘、船舶会遇数据提取、船舶轨迹关键特征点识别、船舶航行行为预测、船舶操纵行为识别以及避碰决策学习等多个方面进行研究。整体采取“大数据挖掘”-“大数据分析”-“大数据学习”的研究流程,对船舶智能避碰决策进行研究,力求得出拟人化的贴近常规海上做法的船舶智能避碰决策。同时,本文基于2018年宁波舟山、2015年天津港区、2017年老铁山水道附近水域和2017年成山头附近水域AIS实船轨迹数据,进行了上述方法的验证和神经网络训练。本文使用AIS大数据,克服了以往对于数据来源可靠性较低、说服力不足以及收集基础数据困难等缺点。从AIS大数据中提取海上成功避碰案例,建立船舶避碰行为模式库,通过机器学习训练得出合理有效的避碰决策。本论文的主要研究内容有:(1)应用支持向量分类机(Support Vector Classification,SVC)模型,构造船舶会遇方位图。识别AIS数据中实际发生船舶会遇的轨迹数据,计算得出船舶会遇对应的方位散点,将大数据挖掘的结果与《国际海上避碰规则》相结合,精确量化船舶会遇方位各边界数值,得出船舶会遇8方位图和12类船舶会遇模式;(2)提出改进的变尺度Sliding window算法,构建船舶轨迹点的价值衡量体系,识别并提取AIS轨迹数据中具有时空特性的关键特征点。提升整体AIS数据质量,降低后续研究的运算量,挖掘轨迹数据中隐藏的船舶操纵行为;(3)提出船舶操纵行为基(Ship Handling Behavior Basic,SHBB)的概念。在船舶轨迹关键特征点的位置切割船舶轨迹,采用T分布随机近邻嵌入(T-Distributed Stochastic Neighbor Embedding,T-SNE)和谱聚类的联合算法对截断产生的船舶子轨迹段进行聚类分析,得到1 1类船舶的操纵行为模式;(4)构建双向长短时记忆循环神经网络(Bidirectional Long Short-Term Memory Recurrent Neural Network,Bi-LSTM RNN)来预测船舶航行行为,预判他船航行时的操纵意图,提高船舶智能避碰系统的准确性、有效性和先验性;(5)基于提取出的船舶会遇避碰成功案例,构建Encoder-Decoder应答式网络对船舶避碰行为模式库进行seq2seq的结构化机器学习,快速学习经过筛选识别的船舶会遇数据,通过应答的方式生成船舶避碰决策;(6)将训练成熟的Encoder-Decoder网络迁移嵌套进入条件-生成对抗神经网络之中并结合所提出的船舶操纵行为基拼接规则构建基于序列-条件生成对抗神经网络(Sequence Conditional Generative Adversarial Networks,Seq-CGAN)的船舶智能避碰拟人化决策的结构化学习模型,使生成的决策更为贴近海上航行的通常做法以及良好船艺的要求,提高与有人船的融合性,力求得出拟人化的船舶智能避碰决策。综上所述本文有效地提升了船舶避碰的智能化水平,降低了船舶碰撞风险,对保障船舶海上航行安全具有现实意义,为数据科学在海事领域中的应用提供了重要理论基础,为人工智能技术在船舶驾驶方向的应用提供研究支持。
陈鹏[4](2021)在《基于HSSVM与卷积神经网络的船舶避碰知识库研究》文中研究指明为了保障船舶航行安全,船舶智能避碰决策是船舶自动避碰、预防甚至避免船舶事故发生的关键。船舶智能避碰决策不仅有助于提高船舶航行的安全性,减少人为因素的影响、节约人力物力成本,对世界的航运业的发展具有重要意义,是船舶安全航行领域的重点研究方向。船舶避碰知识库是完成船舶智能避碰决策的关键数据基础。以往船舶避碰知识库以经验数据存储、规则学习、知识推理为主,实现避碰轨迹知识库、三元组图数据库存储、图像特征融合知识库的研究为数不多,这也是本文的核心研究内容。本文以船舶航行AIS历史数据为基础,研究如何利用船舶运动轨迹采用支持向量机算法自动完成船舶避碰数据分类,建立简洁版船舶避碰知识库;在此基础上,针对海量新增AIS数据,融合轨迹运动标注特征、TCPA(Time of the Closest Point of Approach)/DCPA(Distance of the Closest Point of Approach)标注特征,利用卷积神经网络深度学习算法进行船舶轨迹匹配,实现大规模海量AIS数据的船舶避碰知识库构建,从交通安全角度研究船舶避让的规律和方法,从而为船舶智能避碰提供数据支撑。本文的主要工作包括:(1)AIS船舶轨迹数据预处理技术研究。针对海量AIS轨迹数据,首先采用基于时间片倒排索引的方式进行时间戳过滤,然后采用基于R树索引的空间范围搜索完成船舶会遇数据提取。针对AIS数据的冗余性,提出加入船舶行驶中的加速、减速、转向数据点、动态行为点的动态D-P算法,即在经典D-P算法基础上加入状态驻点,避免压缩过程丢失关键数据点。针对数据补全问题,在分析一阶差商二阶差商基础上,对船舶直线采用拉格朗日双线性插值,对船舶曲线运动采用拉格朗日二次插值,完成两船轨迹对齐需求。针对避碰模式识别中用到的TCPA/DCPA标定计算问题,定义一种简洁高效的计算方法,以平面向量运算理论、相对运动几何分析计算目标船的空间碰撞危险测度DCPA和时间碰撞危险测度TCPA,得到两船TCPA/DCPA标注结果。(2)提出一种结合加权kNN算法和超球支持向量机算法的分类决策方法研究,该方法用于船舶会遇数据分类决策。为了加快二次规划求解的速度,计算中心距离比率确定样本权值,训练时首先选取对结果超球贡献大的样本。同时为了实现算法参数寻优计算,引入多线程技术、遗传算法+SMO加速求解。对每一个测试样本,其类别判定取决于该点与每个分类超球的位置关系。对复杂相交区域的数据分类,引入kNN采用近似性度量选取相交区域训练数据集中与测试样本最近邻点的类别作为测试样本的类别,进而提高算法的泛化能力。对船舶会遇数据进行分类测试,实验结果表明新的算法效率较高,分类效果较好。根据避碰过程模式,提取整个避碰过程的轨迹序列数据,构建船舶避碰知识库。(3)基于CNN的船舶避碰轨迹匹配算法研究,用于解决海量新增AIS数据的船舶避碰知识库构建。新增AIS数据经插值、时间对齐处理后拼接在一起,组成融合特征作为基于卷积神经网络轨迹匹配网络的输入数据。以HSSVM训练得到的避碰知识为基础,设计不同的卷积核函数实现卷积操作,通过卷积层、池化层和激活函数层将原始输入数据映射到隐层特征空间,再通过全连接层则对前面的特征加权求和,将分布式特征表示映射到样本标记空间。按交叉熵损失训练深度学习网络,调优CNN网络参数,得到船舶避碰数据分类匹配结果,从而完成大规模数据的避碰模式知识库构建,并给出了船舶避碰图像知识库和船舶避碰特征知识库的应用。论文提出的方法克服了原有避碰知识库研究的一些局限性,扩展了知识存储、知识表示、知识融合的实际应用范例。
倪生科[5](2020)在《基于规则的船舶智能避碰决策关键技术研究》文中认为船舶智能避碰决策作为实现智能船舶的关键技术之一,一直以来受到国内外航海研究领域学者的重点关注。为保证船舶智能避碰决策系统输出决策方案的合理性、有效性和可信性,需要在《国际海上避碰规则》和海员良好船艺要求下对船舶避碰及路径规划技术进行研究。目前研究存在的问题包括:未将局面辨识模型融入避碰算法中、未考虑《国际海上避碰规则》的要求以及船舶操纵性对避让效果的影响、路径规划算法的稳定性及输出方案实用性有待加强、多船避碰策略设计不合理导致船舶间避让方案协同性不足等。鉴于上述问题,论文主要开展以下几方面工作。为保证决策方案的合理性及提高决策的智能化程度,提出一种局面类型辨识方法,并以辨识结果作为约束条件对路径规划算法的优化方向进行限定。该方法基于《国际海上避碰规则》中关于会遇局面条款的定性描述以及前人开展的局面类型辨识研究为基础,分析及总结不同会遇态势下的船舶交会特征参数范围的基础上,结合局面类型划分的完整性和唯一性要求,采用敏感度分析方法删除无相关性的判断要素,利用布尔表达式技术将局面类型判断结果表达出来,随后基于避碰效率、海员通常做法以及良好船艺的要求,构建避让行动方式判断的特征指标,同样利用布尔表达式技术对不同会遇态势下负有避让义务的船舶避让策略进行表示。为提高避碰决策及路径规划算法的可靠性及优化效率,保证输出方案符合航海实践要求,提出考虑船舶操纵性影响的船舶转向和变速两种避碰决策方法,前者通过引入多种群协同进化搜索方式克服传统遗传优化转向决策算法中出现的早熟收敛问题,综合考虑航行规则的要求、船舶安全性以及复航等指标建立约束条件以及适应度函数,并利用非线性规划技术将航行经验融入到算法中,通过对对遇、小角度交叉以及追越三种不同会遇态势案例的仿真研究,验证转向避让决策算法的有效性;后者通过对船舶减速避让过程的分析,建立以DCPA为基础的复航时机判断方法,采用数值优化方法求取满足安全要求的主机转速值,确定船舶复航操作的时机和位置,通过对大角度交叉会遇案例的仿真研究,验证变速避让决策模型的有效性。为保证多船会遇态势下船舶间避让行动的协调性,基于排队论理论、协同学理论以及多层编码技术提出一种新的多船避碰决策及路径规划方法。该方法将一定范围内的所有船舶构成一个交通系统,将多船避碰决策过程模拟成船舶排队接受决策服务的随机服务系统,由于系统的状态向量由各船舶(子系统)的状态向量共同决定,基于空间碰撞危险度和时间碰撞危险度指标方式建立具有优先权的排队规则,并利用多层编码技术实现对处于第一优先级中船舶决策方案的协同优化,最后分别利用三船会遇和六船会遇案例的仿真研究,验证该多船避碰决策方法的有效性。这种多船避碰策略首次将避碰算法的优化对象由单艘船舶上升到满足要求的一类船舶,实现船舶间的共同协作,减少决策方案的盲目性和对抗性。基于《国际海上避碰规则》和海员通常做法针对开阔水域的船舶智能避碰及路径规划技术进行了深入研究,从决策对象确立的合理性、决策模型的可靠性以及输出决策方案的适用性角度提出一种实用的避碰决策方法,基于不同会遇态势下的决策仿真,验证所提出避碰算法的有效性。与以往的研究方法相比,所提出的方法得到的决策方案更加符合航海实践并保证各船舶间避让行动间的协调性,该研究丰富了船舶避碰决策的理论基础和技术手段,对实现智能避碰决策具有较好的理论意义和应用价值。
杨英超[6](2020)在《从碰撞事故中谈“直航船”的行动》文中进行了进一步梳理文中通过对一起交叉相遇的碰撞事故案例进行分析,罗列出事故双方驾驶员违反的《1972年国际海上避碰规则》中相关条款,并深入探讨了交叉相遇局面中"直航船"的行动:包括交叉相遇局面的判定,直航船为什么要采取行动,作为直航船驾驶员的误区,直航船何时要采取保向保速的行动,何时要采取独自操纵的行动,何时要采取最有助于避碰的行动,从而让驾驶员能充分了解《1972年国际海上避碰规则》,尤其能让作为直航船的驾驶员避免误区,能及时采取有效的避碰行动,达到确保海上航行安全的目的。
汤国瑞[7](2020)在《施工水域船舶智能避碰专家系统研究》文中提出船舶碰撞不但损坏船舶、危及货物,甚至造成人员伤亡、海洋污染,碰撞事故一旦发生,带来的后果和危害将不堪设想。同时,随着沿海地区经济的快速发展,海上能源的综合开发利用越来越普遍,各类水工设施、跨海大桥、海底隧道、海上钻井平台等复杂的海上施工作业越来越多,施工水域航行环境更加复杂、不确定因素更多,所以船舶碰撞事故发生频率更高。为减少施工水域由于人为过失导致的船舶碰撞事故,协助驾驶员安全航行,构建施工水域船舶智能避碰专家系统,主要研究内容如下:1、对研究背景和研究意义进行介绍,包括应用背景、理论意义和应用价值等。通过查阅、总结国内外关于智能避碰和专家系统的文献,对国内外的研究现状及取得的成果进行阐述,同时介绍本文的主要研究内容和技术路线。2、基本理论介绍。对人工智能、专家系统、自动化避碰、模糊神经网络等概念进行解释。3、船舶避碰机理。避碰机理是船舶智能避碰专家系统中重要的组成部分,其中包括船舶领域模型、安全通过距离模型、会遇态势判断模型,根据本船与动态碍航物(目标船)、本船与静态碍航物(桥梁、浮标、钻井平台等)的航行参数,确定本船的船舶领域、本船与碍航物的安全通过距离和会遇态势。作为船舶避碰领域的重要参考依据,所需的航行参数包括船长、航速、航向、距离、能见度、目标船相对于主船坐标系中的坐标等。4、碰撞危险度计算。碰撞危险度是衡量船舶碰撞可能性的重要指标,也是构建的专家系统中另一重要环节。利用模糊神经网络理论,根据两船航速、航向、距离、能见度、风、浪、流等因素求解碰撞危险度,同时以此为样本库,利用神经网络对样本库进行训练,训练后的神经网络模型可以根据输入的原始数据直接求解出碰撞危险度。同时提出了一种环境危险度的概念,以能见度、风、浪、流等作为基础参数,同理进行求解环境危险度。5、专家系统的构建和仿真。专家系统的核心在于模型库和规则库的建立,模型库包括上文提及的船舶领域模型、安全通过距离模型、会遇态势判断模型、碰撞危险度模型,而规则库利用《1972年国际海上避碰规则》(以下简称《规则》或《避碰规则》)、航行习惯、港口港章等资料进行梳理、构建。由此,专家系统能够根据实时的航行环境和航行情况,获取预设参数后,在模型库中对船舶领域、安全通过距离、会遇态势、碰撞危险度进行计算和判断,根据计算结果,在规则库中进行匹配,给出合理的航行提示和航行建议。利用MATLAB软件实现专家系统的构建,在对遇、追越、交叉相遇三种会遇态势下进行仿真验证,证明专家系统的有效性、合理性,能够在紧迫局势下,为驾驶员提供合理的航行提示和航行建议,协助驾驶员安全航行。6、结论。总结研究内容,概括取得的研究成果,同时指出研究的不足,提出未来进一步的研究方向。
郝言宁[8](2020)在《避碰行动评价及其在碰撞责任划分中的应用》文中指出船舶碰撞事故发生之后,各船舶应当承担的责任比例认定一直是事故调查及海事审判的难点。导致船舶碰撞的因素繁多,且诸因素在船舶会遇的不同阶段,其对于事故的作用力大小是不同的。为了识别船舶碰撞致因关键因素以及将其运用到事故责任比例划分中去,本文根据《规则》的相关规定,建立了避碰行为评价指标体系,使用层次分析法确定评价指标体系中各因子的权重,利用专家打分的方法确定各船的每一避碰行动的过失程度,然后利用基于模糊数学理论所建立起来的综合评价模型,来划分各船的碰撞责任比例。本文的具体研究工作包括以下内容:(1)参考以往专家学者在船舶领域、动界等方面的研究成果,对船舶碰撞整个过程进行划分,量化出碰撞两船处于碰撞危险、紧迫局面以及紧迫危险阶段的距离。(2)结合《1972国际海上避碰规则》以及相关法律规定,建立了船舶避碰行为评价指标体系。区别于以往研究,本文分避碰阶段建立了船舶避碰行为评价指标体系,这样更有利于认定过失与碰撞事故之间的因果关系。(3)用层次分析法确定了船舶避碰行为评价指标体系因子的权重,从而识别出了导致船舶碰撞事故发生的关键因素。(4)采用专家打分评价船舶的避碰行为,确定船舶在避碰过程中的过失程度,建立避碰责任划分数学模型,并用实例进行验证其合理性。根据《海商法》第一百六十九条相关规定构建船舶了碰撞责任比例计算模型。
杲飞[9](2020)在《基于粒子群算法的多船避碰策略研究》文中研究表明由于海上交通环境越来越复杂以及船舶航行愈加密集,导致了船舶碰撞事故时有发生。因此加强对多船避碰策略的研究已经刻不容缓。当前对多船避碰策略的研究较少考虑航行规则的约束和实际的航海习惯,且避碰策略的避碰效率不高、安全性较低。因此,本文以宽海域多船会遇为背景,将航行规则融入到改进的粒子群路径规划算法中,设计了基于全局路径规划算法和确定性算法结合的多船避碰策略。主要解决了多船避碰策略存在的与实际航行规则和航行习惯不符、避碰效率低、安全性低等几个主要问题。本文的主要研究内容如下:首先,为了加深对多船避碰问题的理解,对多船避碰问题进行分析。研究了宽阔水域与复杂水域多船会遇复杂程度的不同,得到了在宽阔水域多船避碰分解为三船会遇的结论,进一步确定了研究的范围;对船舶碰撞危险度的表示方法、常用的船舶避碰安全领域进行了研究,确定了采用的安全领域和危险度模型;对粒子群算法、遗传算法的优缺点进行了分析比较,确定了粒子群算法为本次研究的根本算法。其次,本文针对粒子群路径规划算法本身存在的易陷入局部最优值和在多船避碰应用中存在的规划路径与实际航行习惯不符的问题,分析了粒子群算法的改进策略。采用自适应和启发式的方法对粒子群算法进行了改进;从粒子的进化速度和粒子的聚集度两个方面增强粒子的自适应能力,解决了算法易陷入局部最优值的问题;将航行规则、路径安全性、和经济性加入到粒子群路径规划算法的适应度函数中,设计了基于轨迹斜率变化的规则评价方法,解决了与实际航行不符的问题。最后,对多船避碰策略进行了研究。设计了粒子群全局路径规划算法与确定性算法结合的分步多船避碰策略,在避碰策略中设计了基于船舶航行历史的危险性判断方法,能够对不符合航行规则航行的障碍船进行判断。在MATLAB仿真环境中与实时在线路径规划的避碰策略进行了对比,结果证明将路径规划算法与确定性算法结合的避碰策略在一定程度上能提高避碰策略的避碰效率,且更符合航行规则和航海习惯的要求、航行安全性更高。
张照亿[10](2020)在《开阔水域船舶碰撞危险辨识及航行策略研究》文中提出近年来,智能船成为国际海事界研究的新热点,《智能船舶规范》和《智能船舶发展行动计划》均将具备自主航行避碰能力的智能航行系统视为智能船研究需突破的关键技术之一;碰撞也是导致海上人员伤亡的主要船舶事故类型,在所有海上航行事故中占有主要比例。基于以上背景,本文以开阔水域为研究对象,开展船舶碰撞危险辨识及航行策略分析方法研究,拟为船舶智能航行系统研发以及船舶避碰研究提供一种新的思路。具体研究内容如下:(1)针对传统碰撞危险辨识方法目标船参数考虑不全面以及在不同会遇局面下采用相同安全会遇距离的缺陷,构建了基于船舶领域模型的船舶碰撞危险辨识方法。选取Kijima模型界定船舶安全会遇范围,提出一种新的船舶碰撞危险辨识决策参数:相对运动航向上边界(φRUp)和下边界(φRLow),并推导出决策参数的求解方法;结合Kijima模型几何形状对船舶安全会遇范围进行区域划分,通过比对各区域目标船相对运动航向(φR)与边界相对运动航向的数值关系,实现船舶间碰撞危险的有效辨识。(2)将船舶航行决策视为一种多目标优化求解问题,构建一种考虑船舶航行安全性、《国际海上避碰规则》符合性、避让过程经济性的适应度函数模型,选择自适应遗传算法作为基础算法进行船舶航行策略求解。为解决自适应遗传算法不稳定收敛和易陷入局部最优值的缺陷,提出在传统算法中引入最优保存和Metropolis准则的改进策略,选择Shubert函数作为测试函数,验证了提出改进策略的有效性。(3)利用构建的基于船舶领域模型的碰撞危险辨识方法和基于改进自适应遗传算法的船舶航行决策模型,分别构建了单船会遇和多船会遇情况下的船舶碰撞危险辨识和航行决策流程,并设置船舶会遇案例场景进行实验验证,通过比对危险辨识结果、本船和目标船的轨迹变化、船舶间距离和安全会遇距离的关系和避让过程产生的航程损失,验证了本文构建的方法能够对船舶间的碰撞危险准确识别,提出的航行策略能够实现对目标船的安全避让。面向智能船及海上交通安全保障需求,本文研究的开阔水域船舶碰撞危险辨识方法及航行策略分析流程,对于保障海上航行船舶的安全高效航行能够起到辅助支持作用。
二、船舶交叉相遇局面碰撞事故的分析与预防(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、船舶交叉相遇局面碰撞事故的分析与预防(论文提纲范文)
(1)两船狭水道交叉相遇避碰规则分析(论文提纲范文)
一、“EVER SMART”轮与“ALEXANDRA 1”轮碰撞案概要 |
二、交叉相遇规则的解释原则 |
(一)交叉相遇规则应尽可能适用 |
(二)交叉相遇规则的适用不可被良好船艺之运用所替代 |
三、交叉相遇规则的适用条件 |
(一)“艏向”“航向”与“方位”的区分 |
(二)交叉相遇规则的适用不以船舶保持稳定航向为条件 |
1. 规则文义 |
2. 航海实践 |
3. 小结 |
四、交叉相遇规则和狭水道规则的相互关系 |
(一)狭水道内的交叉相遇 |
(二)狭水道和开阔水域交汇区域交叉相遇 |
(三)一船穿越狭水道与在狭水道内航行的船舶交叉相遇 |
五、结论 |
(2)航道中避碰规则的适用及碰撞责任的认定(论文提纲范文)
一、引言 |
二、航道中《避碰规则》的适用 |
(一)碰撞危险 |
(二)紧迫局面 |
(三)紧迫危险 |
(四)对遇时的避让方法 |
(五)交叉相遇时的避让方法 |
三、航道中船舶碰撞的责任认定 |
(一)过失 |
(二)因果关系 |
(三)原因力 |
1. 对遇发生碰撞的责任认定 |
2. 交叉相遇发生碰撞的责任认定 |
四、结语 |
(3)基于Seq-CGAN与操纵行为基拼接的船舶智能避碰决策结构化学习(论文提纲范文)
创新点摘要 |
摘要 |
ABSTRACT |
符号说明 |
1 绪论 |
1.1 研究背景 |
1.1.1 海上航行安全保障研究背景 |
1.1.2 智能/无人/自主船研究背景 |
1.1.3 大数据背景 |
1.2 国内外相关研究现状及进展 |
1.2.1 自动避碰 |
1.2.2 智能避碰 |
1.3 研究目的和研究意义 |
1.4 本文主要研究思路及技术路线 |
1.5 研究内容及方法 |
2 基于SVC的船舶会遇方位区域划分 |
2.1 基于AIS数据的船舶会遇数据提取 |
2.1.1 船舶会遇要素计算 |
2.1.2 对遇局面数据提取 |
2.1.3 追越局面数据提取 |
2.1.4 交叉相遇局面数据提取 |
2.2 基于SVC的船舶会遇方位区域划分 |
2.3 船舶避碰海上会遇方位图谱以及会遇模式识别 |
2.4 本章小结 |
3 基于改进的变尺度Sliding window算法的船舶时空特性关键特征点提取 |
3.1 原始Sliding window算法 |
3.2 时空距离偏移改进 |
3.3 角度偏移改进 |
3.4 改进的变尺度Sliding window算法提取关键特征点 |
3.5 算法阈值选定 |
3.6 关键特征点算法提取效率对比 |
3.7 本章小结 |
4 基于T-SNE和谱聚类的船舶操纵行为降维与识别 |
4.1 船舶操纵行为单元筛选 |
4.1.1 船舶AIS子轨迹段七元组 |
4.1.2 船舶AIS轨迹单元筛选 |
4.2 基于T-SNE的船舶轨迹单元降维与可视化 |
4.3 基于谱聚类算法识别船舶操纵行为基 |
4.3.1 谱聚类算法 |
4.3.2 聚类算法对比 |
4.4 船舶操纵行为基 |
4.5 本章小结 |
5 基于Bi-LSTM RNN的有人船航行行为预测 |
5.1 RNN网络结构 |
5.2 LSTM细胞结构 |
5.3 双向循环神经网络 |
5.4 Bi-LSTM RNN船舶航行行为预测模型 |
5.5 本章小结 |
6 基于Seq-CGAN的船舶智能避碰拟人化决策的结构化学习 |
6.1 训练数据准备 |
6.2 训练数据标准化 |
6.3 GAN网络及改进策略 |
6.3.1 GAN网络 |
6.3.2 GAN网络的缺点以及相应的改进策略 |
6.4 基于Encoder - Decoder的自动应答网络的结构化船舶避碰模式学习 |
6.4.1 结构化学习 |
6.4.2 seq2seq模型 |
6.4.3 基于Encoder-Decoder的船舶避碰模式结构化学习 |
6.4.4 迁移学习 |
6.5 船舶操纵行为基拼接规则 |
6.5.1 胶囊化结构拼接 |
6.5.2 拼接阈值选择 |
6.6 基于Seq-CGAN的船舶智能避碰拟人化决策的结构化学习模型 |
6.7 本章小结 |
7 结论与展望 |
7.1 结论 |
7.2 展望 |
参考文献 |
作者简历及攻读博士学位期间的科研成果 |
致谢 |
(4)基于HSSVM与卷积神经网络的船舶避碰知识库研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景 |
1.2 国内外相关研究现状及进展 |
1.3 本文技术路线 |
1.4 研究目的和研究意义 |
1.5 本文主要工作及内容安排 |
2 船舶避碰会遇数据提取 |
2.1 AIS简介 |
2.2 AIS数据预处理 |
2.3 船舶会遇划分 |
2.4 互见中的避让过程 |
2.5 基于高效索引算法的船舶避碰会遇数据提取 |
2.5.1 基于时间片倒排索引的轨迹查询方法 |
2.5.2 基于R树索引的AIS轨迹搜索算法 |
2.6 本章小结 |
3 融合动态Douglas-Peucker算法与特征标注的AIS轨迹数据预处理 |
3.1 基于动态D-P算法的AIS轨迹压缩 |
3.1.1 经典Douglas-Peucker算法 |
3.1.2 动态D-P算法 |
3.1.3 基于动态D-P算法的AIS轨迹压缩 |
3.2 拉格朗日插值预处理 |
3.2.1 一阶差商与二阶差商 |
3.2.2 船舶直线运动的双线性插值 |
3.2.3 船舶曲线运动的拉格朗日二次插值 |
3.3 TCPA/DCPA标注 |
3.3.1 目标船状态计算模型 |
3.3.2 DCPA、TCPA计算模型 |
3.3.3 DCPA/TCPA计算实例 |
3.4 本章小结 |
4 基于加权HSSVM的船舶避碰知识库构建 |
4.1 加权超球支持向量机数学描述 |
4.1.1 原始的超球支持向量机描述 |
4.1.2 加权超球支持向量机描述 |
4.1.3 时间复杂度分析 |
4.2 超球相交区域的决策规则 |
4.2.1 同类错误/异类错误超球规则 |
4.2.2 多子超球分类规则 |
4.2.3 线性/非线性分类规则 |
4.2.4 基于kNN的分类决策规则 |
4.3 基于加权超球支持向量机算法的船舶避碰分类实验设计及结果分析 |
4.3.1 训练数据、测试数据准备 |
4.3.2 实验结果及分析 |
4.3.3 船舶避碰知识分类数据提取 |
4.3.4 避碰知识库建立 |
4.4 小结 |
5 基于CNN大规模船舶避碰知识库扩充及应用 |
5.1 算法描述 |
5.1.1 算法流程描述 |
5.2 多尺度多分辨率轨迹处理 |
5.2.1 轨迹合并 |
5.2.2 空间金字塔AIS轨迹池化处理 |
5.3 基于深度学习算法的避碰识别 |
5.3.1 卷积神经网络发展历史 |
5.3.2 基于CNN的轨迹匹配网络架构设计 |
5.3.3 实验分析 |
5.4 船舶避碰知识库的应用举例 |
5.4.1 船舶避碰图像知识库 |
5.4.2 船舶避碰特征知识库 |
5.5 本章小结 |
6 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
作者简历及攻读博士学位期间的科研成果 |
致谢 |
(5)基于规则的船舶智能避碰决策关键技术研究(论文提纲范文)
创新点摘要 |
摘要 |
ABSTRACT |
1 绪论 |
1.1 选题背景和研究意义 |
1.2 船舶避碰决策的研究现状 |
1.2.1 确定性方法 |
1.2.2 启发式方法 |
1.2.3 存在的问题及分析 |
1.3 基础理论研究现状 |
1.3.1 碰撞危险评估 |
1.3.2 船舶领域 |
1.4 论文研究内容与结构 |
1.4.1 研究内容 |
1.4.2 论文结构 |
2 船舶运动数学模型 |
2.1 船舶运动坐标系 |
2.2 分离型数学模型 |
2.2.1 船舶附加质量 |
2.2.2 螺旋桨的推力和转矩计算 |
2.2.3 舵机特性及舵上水动力 |
2.2.4 环境干扰力及力矩 |
2.2.5 主机控制模型 |
2.2.6 船体黏性流体动力及力矩 |
2.3 船舶响应型模型 |
2.4 本章小结 |
3 船舶会遇态势定量划分 |
3.1 基于《国际海上避碰规则》的会遇态势辨识方法 |
3.1.1 现有船舶会遇态势的研究及不足 |
3.1.2 碰撞危险评估 |
3.1.3 会遇局面辨识模型 |
3.1.4 局面构成要素敏感性分析 |
3.1.5 局面构成要素计算 |
3.1.6 局面类型的逻辑辨识 |
3.2 本章小结 |
4 国际避碰规则下的避碰决策 |
4.1 前提假设 |
4.2 遗传算法基本原理 |
4.2.1 遗传算法概述 |
4.2.2 遗传算法基本概念 |
4.2.3 标准遗传算法 |
4.3 船舶避碰动态系统数学模型 |
4.3.1 船舶动态避碰参数计算模型 |
4.3.2 船舶操纵性对船舶避让参数影响的仿真测试 |
4.4 基于混合遗传算法的船舶转向决策方法 |
4.4.1 多种群协同进化避碰算法 |
4.4.2 融入航行经验的混合遗传避碰算法 |
4.5 基于线性扩展的变速避碰决策方法 |
4.6 船舶避碰决策算法的完备性论证 |
4.6.1 案例1: 对遇局面 |
4.6.2 案例2: 大角度交叉局面 |
4.6.3 案例3: 小角度交叉局面 |
4.6.4 案例4: 追越局面 |
4.6.5 讨论与分析 |
4.7 本章小结 |
5 复杂会遇态势下的多船协同避碰决策 |
5.1 多船避碰决策理论分析 |
5.1.1 多船避碰特点及避碰流程设计 |
5.1.2 现有多船避碰决策方法及存在问题 |
5.2 多船协同避碰决策模型 |
5.2.1 协同学理论 |
5.2.2 排队论理论 |
5.2.3 多阶段避碰策略设计 |
5.2.4 协同进化机制 |
5.3 仿真试验 |
5.3.1 船舶会遇局面设置 |
5.3.2 试验1仿真结果 |
5.3.3 试验2仿真结果 |
5.4 本章小结 |
6 结论与展望 |
6.1 研究结论 |
6.2 研究展望 |
附录A 多种群遗传算法 |
附录B 具有优先权的服务排队规则 |
参考文献 |
作者简历及攻读博士学位期间的科研成果 |
致谢 |
(6)从碰撞事故中谈“直航船”的行动(论文提纲范文)
一、碰撞事故案例 |
二、交叉相遇局面的判定 |
三、直航船为什么要采取行动 |
四、驾驶员的误区 |
五、直航船采取行动的时机 |
(一)何时采取保持航向和航速的措施 |
(二)何时独自采取操纵行动 |
(三)何时采取最有助于避碰的行动 |
六、结语 |
(7)施工水域船舶智能避碰专家系统研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景和意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 船舶智能避碰研究现状 |
1.2.2 专家系统研究现状 |
1.3 主要研究内容和技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
2 基本理论 |
2.1 人工智能 |
2.2 专家系统 |
2.3 船舶避碰自动化 |
2.4 模糊神经网络 |
2.4.1 模糊理论 |
2.4.2 神经网络 |
2.4.3 模糊神经网络 |
2.5 船舶碰撞影响因素 |
3 施工水域船舶避碰机理 |
3.1 通航施工水域 |
3.2 船舶领域模型 |
3.2.1 常见的船舶领域模型 |
3.2.2 通航施工水域船舶领域模型 |
3.3 安全通过距离模型 |
3.4 会遇态势判断模型 |
3.4.1 本船周围区域划分 |
3.4.2 船舶会遇态势判断模型 |
4 船舶碰撞危险度计算模型 |
4.1 碰撞危险度参数处理 |
4.1.1 航行参数的选取 |
4.1.2 航行参数的模糊化 |
4.2 碰撞危险度计算 |
4.2.1 碰撞危险度计算 |
4.2.2 碰撞危险度神经网络模型构建 |
4.3 环境危险度计算 |
4.3.1 环境危险度的提出和计算 |
4.3.2 环境危险度神经网络模型构建 |
5 智能避碰专家系统的构建和仿真 |
5.1 智能避碰专家系统的构建 |
5.2 智能避碰专家系统的仿真 |
5.2.1 对遇局面 |
5.2.2 追越局面 |
5.2.3 交叉相遇局面 |
总结 |
参考文献 |
致谢 |
作者简历及攻读硕士学位期间的科研成果 |
(8)避碰行动评价及其在碰撞责任划分中的应用(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题选取背景 |
1.2 理论意义和应用价值 |
1.3 课题的研究现状 |
1.4 本文所做的主要工作 |
2 船舶碰撞法律责任划分概述 |
2.1 船舶碰撞责任划分相关国际公约 |
2.2 船舶碰撞责任量计算 |
2.3 船舶碰撞损害赔偿因果关系认定 |
2.3.1 船舶碰撞损害因果关系的含义 |
2.3.2 船舶碰撞因果关系的法律特征 |
2.3.3 船舶碰撞损害因果关系的认定特点 |
2.3.4 非单因素链型船舶碰撞因果关系的认定 |
2.4 本章小结 |
3 船舶避碰阶段划分 |
3.1 船舶避碰阶段划分需要考虑因素 |
3.2 船舶避碰阶段划分方法 |
3.3 本章小结 |
4 船舶碰撞责任划分评价指标体系的构建 |
4.1 船舶碰撞责任划分体系构建概述 |
4.2 导致船舶碰撞的人为失误分类 |
4.2.1 了望评价指标 |
4.2.2 安全航速 |
4.2.3 信号通信联络 |
4.2.4 航行戒备执行要求 |
4.2.5 碰撞危险判断执行要求 |
4.2.6 特殊规定执行标准 |
4.2.7 关于避碰行动执行的评价指标 |
4.3 避碰行为评价指标指标体系的建立 |
4.4 本章小结 |
5 船舶避碰行动评价指标权重的确定 |
5.1 层次分析法简介 |
5.2 层次分析法步骤 |
5.3 粒子群优化算法(PSO) |
5.3.1 问题抽象 |
5.3.2 算法描述 |
5.4 层次总排序检验 |
5.5 具体评价指标权重计算过程 |
5.6 本章小结 |
6 避碰行动评价在碰撞责任比例划分中的应用 |
6.1 模糊综合评价方法的基本思路 |
6.1.1 对避碰行为的评语集的构建 |
6.1.2 单因素评价等级隶属度的确定 |
6.1.3 模糊综合评价结果的合成 |
6.2 Matlab编程辅助计算 |
6.3 实例对比验证 |
7 结论与展望 |
7.1 结论 |
7.2 展望 |
参考文献 |
附录A 专家调查表 |
致谢 |
作者简历及攻读硕士学位期间的科研成果 |
(9)基于粒子群算法的多船避碰策略研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究的背景及意义 |
1.2 国内外研究现状 |
1.2.1 船舶避碰策略的研究 |
1.2.2 粒子群算法的研究 |
1.3 论文的研究内容及章节安排 |
2 船舶避碰的基本理论研究 |
2.1 船舶避碰参数计算 |
2.1.1 船舶碰撞危险度 |
2.1.2 船舶避碰安全领域 |
2.1.3 船舶相对运动位置参数 |
2.1.4 船舶避碰的一般过程 |
2.2 多船避碰问题 |
2.2.1 多船避碰局面的定义 |
2.2.2 宽海域多船避碰 |
2.3 船舶避碰规则的解读 |
2.3.1 航行规则的主要内容 |
2.3.2 航行规则对避碰的要求 |
2.4 船舶智能避碰算法 |
2.4.1 船舶智能避碰算法的分析 |
2.4.2 智能算法的选择 |
2.5 本章小结 |
3 基于改进粒子群算法的船舶避碰路径规划 |
3.1 环境建模 |
3.2 改进粒子群算法 |
3.2.1 粒子群算法的改进策略 |
3.2.2 自适应粒子群算法 |
3.2.3 启发式粒子群算法 |
3.2.4 对比验证 |
3.3 适应度函数 |
3.4 多船避碰路径规划流程 |
3.4.1 基本粒子群路径规划流程 |
3.4.2 改进粒子群算法路径规划流程 |
3.5 本章小结 |
4 基于粒子群路径规划算法的多船避碰策略 |
4.1 实时在线路径规划的多船避碰策略 |
4.1.1 避碰策略流程 |
4.1.2 模块功能实现 |
4.1.3 仿真及结果分析 |
4.2 全局分步路径规划的多船避碰策略 |
4.2.1 避碰策略流程 |
4.2.2 模块功能实现 |
4.3 本章小结 |
5 仿真及结果分析 |
5.1 仿真环境的搭建 |
5.2 障碍船保速保向约束下的避碰仿真 |
5.2.1 本船避让两障碍船的操纵形式相同 |
5.2.2 本船避让两障碍船的操纵形式不同 |
5.2.3 仿真分析 |
5.3 障碍船T2自主航行的避碰仿真 |
5.3.1 本船避让两障碍船的操纵形式相同 |
5.3.2 本船避让两障碍船的操纵形式不同 |
5.3.3 仿真分析 |
5.4 本章小结 |
结论 |
参考文献 |
致谢 |
作者简历及攻读硕士学位期间的科研成果 |
(10)开阔水域船舶碰撞危险辨识及航行策略研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景和意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 碰撞危险辨识研究现状 |
1.2.2 船舶避碰决策研究现状 |
1.2.3 研究现状的简析 |
1.3 研究目标及技术路线 |
1.3.1 研究目标 |
1.3.2 研究技术路线 |
1.4 论文组织结构 |
2 船舶避碰基本原理及运动参数推导 |
2.1 船舶避碰过程 |
2.2 会遇局面及避让责任划分 |
2.3 船舶运动参数推导 |
2.3.1 CPA、TCPA计算 |
2.3.2 D_domain、TDV计算 |
2.4 本章小结 |
3 基于船舶领域模型的碰撞危险辨识方法 |
3.1 船舶领域筛选 |
3.2 Kijima模型 |
3.3 碰撞危险辨识方法 |
3.3.1 方法描述 |
3.3.2 危险辨识流程 |
3.3.3 参数推导 |
3.4 识别结果 |
3.5 验证试验 |
3.6 本章小结 |
4 基于改进自适应遗传算法的船舶避让决策模型 |
4.1 算法概述 |
4.2 自适应遗传算法改进策略 |
4.2.1 自适应遗传算法基本流程 |
4.2.2 自适应遗传算法改进策略 |
4.2.3 验证试验 |
4.3 船舶避让决策模型构建 |
4.3.1 适应度函数模型 |
4.3.2 船舶避让决策流程 |
4.4 本章小结 |
5 船舶碰撞危险辨识及航行决策 |
5.1 单船会遇情况下的碰撞危险辨识及航行决策 |
5.1.1 基本流程 |
5.1.2 适应度函数构建 |
5.1.3 验证试验 |
5.2 多船会遇情况下的碰撞危险辨识及航行决策 |
5.2.1 基本流程 |
5.2.2 适应度函数构建 |
5.2.3 验证试验 |
5.3 本章小结 |
结论 |
参考文献 |
致谢 |
作者简历及攻读硕士学位期间的科研成果 |
四、船舶交叉相遇局面碰撞事故的分析与预防(论文参考文献)
- [1]两船狭水道交叉相遇避碰规则分析[J]. 郑睿,徐祥. 世界海运, 2021(10)
- [2]航道中避碰规则的适用及碰撞责任的认定[J]. 许岩松. 世界海运, 2021(07)
- [3]基于Seq-CGAN与操纵行为基拼接的船舶智能避碰决策结构化学习[D]. 高邈. 大连海事大学, 2021(04)
- [4]基于HSSVM与卷积神经网络的船舶避碰知识库研究[D]. 陈鹏. 大连海事大学, 2021(04)
- [5]基于规则的船舶智能避碰决策关键技术研究[D]. 倪生科. 大连海事大学, 2020(01)
- [6]从碰撞事故中谈“直航船”的行动[J]. 杨英超. 中国海事, 2020(07)
- [7]施工水域船舶智能避碰专家系统研究[D]. 汤国瑞. 大连海事大学, 2020(01)
- [8]避碰行动评价及其在碰撞责任划分中的应用[D]. 郝言宁. 大连海事大学, 2020(01)
- [9]基于粒子群算法的多船避碰策略研究[D]. 杲飞. 大连海事大学, 2020(01)
- [10]开阔水域船舶碰撞危险辨识及航行策略研究[D]. 张照亿. 大连海事大学, 2020(01)