發(fā)布時間：2021-03-26 11:30

　　為解決船舶避碰決策中對碰撞危險度計算精度不足和對危險目標船辨識性差的問題,使用基于Coldwell船舶領域的危險識別參數(shù)改進多船避碰危險度評估模型,比較改進前后模型的精度。使用VC++實現(xiàn)船舶MMG運動模型,對基于改進模型的四船交叉會遇態(tài)勢作避碰決策仿真。仿真結果表明:對同一危險船,改進模型的精度更高;在多船會遇中,改進模型能夠識別運動參數(shù)相似的危險目標船,辨識性更高。改進模型可為更復雜的多船避碰決策提供理論支持。 

【文章來源】：上海海事大學學報. 2020,41(02)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

Coldwell船舶領域示意圖

f縮放因子示意圖

1.4 領域參數(shù)表示對于碰撞危險識別參數(shù)的求取,可基于Coldwell船舶領域,引入對標準船舶安全領域幾何縮放的思想,得出具體避讓參數(shù)的推導表達式。如圖3所示:船A為本船,其航向為φ,航速為vA,坐標為(xA,yA),領域長軸長、短軸長分別為a、b;船B為目標船,其航向為φ2,航速為vB,坐標為(xB,yB)。

【參考文獻】：
期刊論文
[1]改進的Sliding Window在線船舶AIS軌跡數(shù)據(jù)壓縮算法[J]. 高邈,史國友,李偉峰.  交通運輸工程學報. 2018(03)
[2]基于AIS數(shù)據(jù)挖掘的受限水域船舶動態(tài)領域研究[J]. 邵哲平,周田瑞,潘家財,張智銘.  地球信息科學學報. 2018(05)
[3]基于最短避碰距離和碰撞危險度的避碰決策支持[J]. 劉冬冬,史國友,李偉峰,陳作桓,江健.  上海海事大學學報. 2018(01)
[4]一種基于DBSCAN的船舶會遇實時識別方法[J]. 甄榮,RIVEIRO Maria,金永興.  上海海事大學學報. 2018(01)
[5]無人駕駛船舶發(fā)展與航海教育對策[J]. 吳兆麟.  中國航海. 2017(04)
[6]基于改進遺傳算法的島礁區(qū)航路規(guī)劃模型[J]. 高邈,史國友,李偉峰,王玉闖.  上海海事大學學報. 2017(03)
[7]基于小波分析的船舶領域與其影響因素變化關系[J]. 周丹,鄭中義.  中國航海. 2017(02)
[8]基于速度障礙的多船自動避碰控制方法[J]. 熊勇,賀益雄,黃立文.  中國航海. 2015(03)
[9]規(guī)則波浪中艦船操縱運動計算[J]. 朱軍,龐永杰,徐玉如.  哈爾濱工程大學學報. 2004(01)



本文編號：3101508