[go: up one dir, main page]

CN112101558B - 基于d-s证据理论的无人船态势感知及避碰决策方法、装置 - Google Patents

基于d-s证据理论的无人船态势感知及避碰决策方法、装置 Download PDF

Info

Publication number
CN112101558B
CN112101558B CN202010880438.9A CN202010880438A CN112101558B CN 112101558 B CN112101558 B CN 112101558B CN 202010880438 A CN202010880438 A CN 202010880438A CN 112101558 B CN112101558 B CN 112101558B
Authority
CN
China
Prior art keywords
ship
collision risk
collision
unmanned ship
evidence theory
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010880438.9A
Other languages
English (en)
Other versions
CN112101558A (zh
Inventor
刘罡
张卫东
胡智焕
徐鑫莉
程晓童
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiao Tong University
Original Assignee
Shanghai Jiao Tong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Jiao Tong University filed Critical Shanghai Jiao Tong University
Priority to CN202010880438.9A priority Critical patent/CN112101558B/zh
Publication of CN112101558A publication Critical patent/CN112101558A/zh
Application granted granted Critical
Publication of CN112101558B publication Critical patent/CN112101558B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/046—Forward inferencing; Production systems
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/0206—Control of position or course in two dimensions specially adapted to water vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G3/00—Traffic control systems for marine craft
    • G08G3/02—Anti-collision systems

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Ocean & Marine Engineering (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种基于D‑S证据理论的无人船态势感知及避碰决策方法、装置。态势感知方法包括：S1、获取环境信息、无人船及来船动态和静态信息；S2、计算无人船的安全通过距离SDA；S3、计算来船与无人船的最近会遇距离DCPA和到最近会遇距离的最短会遇时间TCPA；S4、根据SDA和DCPA确定两船是否能安全通过，若是则完成态势感知，若否则执行步骤S5；S5、基于DCPA和TCPA空间碰撞危险度和时间碰撞危险度；S6、基于D‑S证据理论将空间碰撞危险度和时间碰撞危险度合成得到碰撞危险度，碰撞危险度与碰撞发生概率成正比关系，完成态势感知。与现有技术相比，本发明能够得到更加可靠的无人船态势感知评估。

Description

基于D-S证据理论的无人船态势感知及避碰决策方法、装置
技术领域
本发明属于无人船领域，尤其是涉及一种基于D-S证据理论的无人船态势感知及避碰决策方法、装置。
背景技术
态势感知近年来逐渐成为研究人员所重视的认知域中的研究内容之一，其主要任务是对当前待分析状态的正确、精确的描述，包括环境、双方的表现、属性等；对今后一定时间内状态的推理、预测和预报，包括威胁分析、企图推断、优劣势对比等。其主要过程是将得到的情报信息和知识进行智能分析、计算匹配、计划识别、趋势推理等处理，最终在操控终端呈现出一种具有明确态势信息的规划和操作方式，用于海上进行快速决策。针对无人船的避碰危险态势感知，国内外主流学术观点是将态势感知作为信息融合的一个高级阶段，且态势感知的研究成果也与信息融合密不可分。信息融合最早诞生于军事领域，其基本原理是将来自多传感器或多源的信息和数据进行综合处理，利用它们的互补性和冗余性，得到更为准确可信的数据和信息。
根据海上避碰实践，对船舶碰撞实验，船员首先注意的是空间碰撞危险度的大小，若空间碰撞危险度为零，则根本不考虑时间碰撞危险度；若空间碰撞危险度不为零，再综合考虑时间碰撞危险度的影响。这里，存在一种特殊情况，如果来船速度较快或者无人船船速较快时，遇到来船或者障碍物，即使此刻的空间碰撞危险度不大，但是时间碰撞危险度会很大，很有可能出现躲避不及的情况。因此，考虑此种特殊情况的存在，现有方法不能准确可靠的进行避碰危险态势感知。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于D-S证据理论的无人船态势感知及避碰决策方法、装置。
本发明的目的可以通过以下技术方案来实现：
一种基于D-S证据理论的无人船态势感知方法，该方法包括如下步骤：
S1、获取环境信息、无人船及来船动态和静态信息；
S2、计算无人船的安全通过距离SDA；
S3、分别计算各来船与无人船的最近会遇距离DCPA和到最近会遇距离的最短会遇时间TCPA；
S4、根据SDA和DCPA确定两船是否能安全通过，若是则完成态势感知，若否则执行步骤S5；
S5、基于DCPA和TCPA计算各来船的空间碰撞危险度和时间碰撞危险度；
S6、基于D-S证据理论将空间碰撞危险度和时间碰撞危险度合成得到各来船的碰撞危险度，碰撞危险度与碰撞发生概率成正比关系，完成态势感知。
优选地，步骤S1中的信息通过航海仪器获得，所述的航海仪器包括自动雷达标会仪、雷达和船舶自动识别系统。
优选地，步骤S4中：若DCPA≥SDA，则两船能安全通过，否则两船不能安全通过。
优选地，步骤S5中空间碰撞危险度通过下式获得：
其中，udT为空间碰撞危险度，d1为最低通过距离，d2＝SDA。
优选地，步骤S5中时间碰撞危险度通过下式获得：
当TCPA＞0时：
当TCPA≤0时：
其中，utT为时间碰撞危险度，t1为让路船的最晚施舵点时间，t2为当无人船与来船相对距离为12n mile时的时间。
优选地，步骤S6中采用D-S证据理论合成得到碰撞危险度的具体方式为：
设UdT＝[udT1,udT2…udTn]，UtT＝[utT1,utT2…utTn]，udTi为第i条来船的空间碰撞危险度，utTi为第i条来船的时间碰撞危险度，则通过D-S证据理论合成得到 表示正交和运算，ui为第i条来船的碰撞危险度，i＝1，2，……n，n为来船总条数。
一种基于D-S证据理论的无人船态势感知装置，所述的装置包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于当执行所述计算机程序时，实现上述基于D-S证据理论的无人船态势感知方法。
一种基于D-S证据理论的无人船避碰决策装置，所述的装置包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于当执行所述计算机程序时，实现上述基于D-S证据理论的无人船避碰决策方法。
与现有技术相比，本发明具有如下优点：
本发明提出空间碰撞危险度和时间碰撞危险度的概念，建立了多因素的动态碰撞危险度模型，采用D-S证据理论将空间碰撞危险度和时间碰撞危险度进行合成得到碰撞危险度，从而得到更加可靠的无人船态势感知评估，为避碰决策提供有利依据。
附图说明
图1为本发明基于D-S证据理论的无人船态势感知及避碰决策方法的流程图；
图2为本发明实施例中无人船及来船的相对运动参数图；
图3为本发明实施例中9艘船的空间碰撞危险度条形图；
图4为本发明实施例中9艘船的时间碰撞危险度条形图；
图5为本发明实施例中D-S合成后的9艘船的碰撞危险度条形图；
图6为本发明无人船自动驾驶系统框图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。注意，以下的实施方式的说明只是实质上的例示，本发明并不意在对其适用物或其用途进行限定，且本发明并不限定于以下的实施方式。
实施例
如图1所示，一种基于D-S证据理论的无人船态势感知方法，该方法包括如下步骤：
S1、获取环境信息、无人船及来船动态和静态信息，信息通过航海仪器获得，所述的航海仪器包括自动雷达标会仪(ARPA)、雷达和船舶自动识别系统(AIS)，通过ARPA和雷达可以获知来船方位和距离，通过AIS可获知来船种类、航路资料、经纬度、航速和航向等信息。无人船及来船的静态参数包括：船长、船宽、吃水或者载重量；无人船及来船的动态参数包括：速度、航向、在相应吃水状态下的旋回初径，旋转所需时间等。
S2、计算无人船的安全通过距离SDA。
S3、分别计算各来船与无人船的最近会遇距离DCPA和到最近会遇距离的最短会遇时间TCPA。
S4、根据SDA和DCPA确定两船是否能安全通过，若是则完成态势感知，若否则执行步骤S5，具体地：若DCPA≥SDA，则两船能安全通过，否则两船不能安全通过。
S5、基于DCPA和TCPA计算各来船的空间碰撞危险度和时间碰撞危险度，具体地：
空间碰撞危险度通过下式获得：
其中，udT为空间碰撞危险度，d1为最低通过距离，d2＝SDA；
时间碰撞危险度通过下式获得：
当TCPA＞0时：
当TCPA≤0时：
其中，utT为时间碰撞危险度，t1为让路船的最晚施舵点时间，t2为当无人船与来船相对距离为12n mile时的时间。
S6、基于D-S证据理论将空间碰撞危险度和时间碰撞危险度合成得到各来船的碰撞危险度，碰撞危险度与碰撞发生概率成正比关系，完成态势感知。基于D-S证据理论将空间碰撞危险度和时间碰撞危险度合成得到各来船的碰撞危险度的具体方式为：
设UdT＝[udT1,udT2…udTn]，UtT＝[utT1,utT2…utTn]，udTi为第i条来船的空间碰撞危险度，utTi为第i条来船的时间碰撞危险度，则通过D-S证据理论合成得到 表示正交和运算，ui为第i条来船的碰撞危险度，i＝1，2，……n，n为来船总条数，D-S证据理论合成计算为现有计算理论，具体可表示为：
其中，
其中，u表示[u1,u2…un]中元素编号，x表示UdT中元素编号，y表示UtT中元素编号。
一种基于D-S证据理论的无人船避碰决策方法，该方法包括：
对于多艘来船，采用所述的基于D-S证据理论的无人船态势感知方法进行态势感知，得到每艘来船与无人船的碰撞危险度；
将多艘来船按碰撞危险度由高到低排序，对碰撞风险度高的船舶优先发出避碰操作指令并执行避碰操作，避碰操作包括转向、全速、减速、停车和倒车。
实施避碰操作后，待所有船舶驶过让清，无避碰危险时，控制无人船恢复初始航程。
一种基于D-S证据理论的无人船态势感知装置，所述的装置包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于当执行所述计算机程序时，实现上述基于D-S证据理论的无人船态势感知方法。
一种基于D-S证据理论的无人船避碰决策装置，所述的装置包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于当执行所述计算机程序时，实现上述基于D-S证据理论的无人船避碰决策方法。
下述给出本发明一个具体实例：
一、船舶运动参数
设：无人船S0的地理坐标为(x0,y0)，运动速度矢量为(vx0,vy0)；目标船ST地理位置坐标为(xT,yT)，运动速度矢量为(vxT,vyT)，则
1、无人船运动矢量
根据无人船运动速度矢量确定无人船的船速v0和航向其中航向由运动矢量的正负方向进行划分和计算。
2、目标船运动矢量
同理，根据目标船运动速度矢量确定目标船的船速vT和航向其中航向由运动矢量的正负方向进行划分和计算。
3、目标船相对运动速度矢量
相对速度是运动矢量的相对速度差，从而计算得到相对速度vR和相对速度的航向
4、计算目标船相对距离RT、目标船相对于本船的真方位αT、本船相对于目标船的真方位α0、目标船相对方位θT及目标船与本船航向交叉角CT。
5、计算本船与目标船的DCPAT
6、计算本船与目标船的TCPA。
相对运动参数图如图2所示。
二、空间碰撞危险度模型
船舶的空间碰撞危险度(udt)主要是指DCPA、船舶领域、领域边界模糊性、驾驶员心理感觉危险度为0的边界、来船相对方位、DCPA观测误差对船舶碰撞危险度的综合影响。
无人船船航向航速v0与表1中9艘船会遇时，空间碰撞危险度如该表udT所示。
表1空间碰撞危险度分布表
三、时间碰撞危险度
船舶时间碰撞危险度主要反映了两船相对速度、速度比、两船间距离、本船速度、他船速度、本船船长、本船在一定装载状态下的操纵性能、船员避碰方式及经常使用的ARPA扫描距离等对船舶碰撞危险度的影响，它是碰撞紧迫程度的度量。9艘船舶的时间碰撞危险度数值表如表2所示。
表2船舶时间碰撞危险度数值表
根据海上避碰实践，对船舶碰撞实验，为了安全稳妥起见，应同时考虑空间碰撞危险度和时间碰撞危险度。这是因为，如果来船速度较快，或者本船船速较快，遇到来船或者障碍物，即使此刻的空间碰撞危险度不大，但是时间碰撞危险度会很大，很有可能出现躲避不及的情况出现。
下面我用D-S证据理论来进行空间碰撞危险度和时间碰撞危险度的合成。
9艘船的空间碰撞危险度和时间碰撞危险度如表3所示：
表3 9艘船的空间碰撞危险度和时间碰撞危险度
船1 船2 船3 船4 船5 船6 船7 船8 船9
udT 0.912 0.000 0.161 1.000 1.000 0.694 1.000 0.000 0.550
utT 0.010 0.175 0.000 0.406 1.000 0.857 0.204 0.126 0.624
对碰撞危险度进行归一化处理得表4所示：
表4碰撞危险度归一化结果表
9艘船的空间碰撞危险度条形图如图3所示，时间碰撞危险度条形图如图4所示。
将两者进行D-S证据信息融合，结果如图5所示，合成之前，很明显看出船4、5和7的空间碰撞危险度相同，并与船1的空间碰撞危险度接近，使得本船无法做出一个合理的避让决策判断。结合时间碰撞危险度，通过D-S证据合成理论就可以得到一个将各船的碰撞危险度划分的很明确的态势感知结果。
如图6所示为无人船自动驾驶系统框图，通过本发明的方法进行无人船态势感知并进行避碰决策后，通过控制器控制无人船的行进。
上述实施方式仅为例举，不表示对本发明范围的限定。这些实施方式还能以其它各种方式来实施，且能在不脱离本发明技术思想的范围内作各种省略、置换、变更。

Claims (7)

1.一种基于D-S证据理论的无人船态势感知方法，其特征在于，该方法包括如下步骤：
S1、获取环境信息、无人船及来船动态和静态信息；
S2、计算无人船的安全通过距离SDA；
S3、分别计算各来船与无人船的最近会遇距离DCPA和到最近会遇距离的最短会遇时间TCPA；
S4、根据SDA和DCPA确定两船是否能安全通过，若是则完成态势感知，若否则执行步骤S5；
S5、基于DCPA和TCPA计算各来船的空间碰撞危险度和时间碰撞危险度；
S6、基于D-S证据理论将空间碰撞危险度和时间碰撞危险度合成得到各来船的碰撞危险度，碰撞危险度与碰撞发生概率成正比关系，完成态势感知，
其中，步骤S5中空间碰撞危险度通过下式获得：
其中，udT为空间碰撞危险度，d1为最低通过距离，d2＝SDA，
步骤S5中时间碰撞危险度通过下式获得：
当TCPA>0时：
当TCPA≤0时：
其中，utT为时间碰撞危险度，t1为让路船的最晚施舵点时间，t2为当无人船与来船相对距离为12n mile时的时间，
步骤S6中采用D-S证据理论合成得到碰撞危险度的具体方式为：
设UdT＝[udT1,udT2…udTn]，UtT＝[utT1,utT2…utTn]，udTi为第i条来船的空间碰撞危险度，utTi为第i条来船的时间碰撞危险度，则通过D-S证据理论合成得到表示正交和运算，ui为第i条来船的碰撞危险度，i＝1，2，……n，n为来船总条数。
2.根据权利要求1所述的一种基于D-S证据理论的无人船态势感知方法，其特征在于，步骤S1中的信息通过航海仪器获得，所述的航海仪器包括自动雷达标会仪、雷达和船舶自动识别系统。
3.根据权利要求1所述的一种基于D-S证据理论的无人船态势感知方法，其特征在于，步骤S4中：若DCPA≥SDA，则两船能安全通过，否则两船不能安全通过。
4.一种基于D-S证据理论的无人船避碰决策方法，其特征在于，该方法包括：
对于多艘来船，采用权利要求1～3任意一项所述的基于D-S证据理论的无人船态势感知方法进行态势感知，得到每艘来船与无人船的碰撞危险度；
将多艘来船按碰撞危险度由高到低排序，对碰撞风险度高的船舶优先发出避碰操作指令并执行避碰操作；
实施避碰操作后，待所有船舶驶过让清，无避碰危险时，控制无人船恢复初始航程。
5.根据权利要求4所述的一种基于D-S证据理论的无人船避碰决策方法，其特征在于，所述的避碰操作包括转向、全速、减速、停车和倒车。
6.一种基于D-S证据理论的无人船态势感知装置，其特征在于，所述的装置包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于当执行所述计算机程序时，实现如权利要求1～3任一项所述的基于D-S证据理论的无人船态势感知方法。
7.一种基于D-S证据理论的无人船避碰决策装置，其特征在于，所述的装置包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于当执行所述计算机程序时，实现如权利要求4所述的基于D-S证据理论的无人船避碰决策方法。
CN202010880438.9A 2020-08-27 2020-08-27 基于d-s证据理论的无人船态势感知及避碰决策方法、装置 Active CN112101558B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010880438.9A CN112101558B (zh) 2020-08-27 2020-08-27 基于d-s证据理论的无人船态势感知及避碰决策方法、装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010880438.9A CN112101558B (zh) 2020-08-27 2020-08-27 基于d-s证据理论的无人船态势感知及避碰决策方法、装置

Publications (2)

Publication Number Publication Date
CN112101558A CN112101558A (zh) 2020-12-18
CN112101558B true CN112101558B (zh) 2023-11-21

Family

ID=73758090

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010880438.9A Active CN112101558B (zh) 2020-08-27 2020-08-27 基于d-s证据理论的无人船态势感知及避碰决策方法、装置

Country Status (1)

Country Link
CN (1) CN112101558B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113538971A (zh) * 2021-06-08 2021-10-22 南京汇海交通科技有限公司 一种基于多源异构数据融合的风险船舶检测方法
CN115158362A (zh) * 2022-08-11 2022-10-11 东软睿驰汽车技术（上海）有限公司 自动驾驶安全性的确定方法及确定装置
CN115880950B (zh) * 2023-02-27 2023-05-05 中国船舶集团有限公司第七一九研究所 一种船舶自动识别系统数据处理方法
CN118865748B (zh) * 2024-06-19 2025-09-16 中国船舶集团有限公司第七零七研究所九江分部 一种基于相对距离的碰撞危险度计算方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005300388A (ja) * 2004-04-13 2005-10-27 Pc Studio Alpha Ltd 航海用ナビゲーションプログラムおよび装置
KR20150083263A (ko) * 2014-01-09 2015-07-17 한국전자통신연구원 선박의 충돌위험도 산출 시스템
CN109887339A (zh) * 2019-03-20 2019-06-14 集美大学 一种关联避让行为的船舶碰撞危险及危险度评估方法
CN111260963A (zh) * 2020-03-11 2020-06-09 武汉理工大学 一种多船会遇避碰方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005300388A (ja) * 2004-04-13 2005-10-27 Pc Studio Alpha Ltd 航海用ナビゲーションプログラムおよび装置
KR20150083263A (ko) * 2014-01-09 2015-07-17 한국전자통신연구원 선박의 충돌위험도 산출 시스템
CN109887339A (zh) * 2019-03-20 2019-06-14 集美大学 一种关联避让行为的船舶碰撞危险及危险度评估方法
CN111260963A (zh) * 2020-03-11 2020-06-09 武汉理工大学 一种多船会遇避碰方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于模糊理论的船舶复合碰撞危险度计算;胥文;胡江强;尹建川;李可;;舰船科学技术(13);全文 *
数据融合技术在航海避碰决策支持系统中的应用;刘宇宏, 刘勤贤;上海海运学院学报(04);全文 *

Also Published As

Publication number Publication date
CN112101558A (zh) 2020-12-18

Similar Documents

Publication Publication Date Title
CN112101558B (zh) 基于d-s证据理论的无人船态势感知及避碰决策方法、装置
Bakdi et al. Testbed scenario design exploiting traffic big data for autonomous ship trials under multiple conflicts with collision/grounding risks and spatio-temporal dependencies
Lazarowska A discrete artificial potential field for ship trajectory planning
Perera Autonomous ship navigation under deep learning and the challenges in COLREGs
CN105807769B (zh) 无人水下航行器ivfh避碰方法
Zheng et al. A Decision‐Making Method for Ship Collision Avoidance Based on Improved Cultural Particle Swarm
Lazarowska Ant colony optimization based navigational decision support system
Kim et al. Development of ship collision avoidance system and sea trial test for autonomous ship
CN111815120A (zh) 水上交通风险评估方法、装置、计算机设备和存储介质
CN111536962B (zh) 智能船舶的航线规划方法及装置、存储介质、计算机设备
CN112578793B (zh) 一种快速运动水面艇的避障方法
CN113128826A (zh) 通航风险预测方法、装置和存储介质
Krasowski et al. Temporal logic formalization of marine traffic rules
JP2021018484A (ja) 周辺状態表現方法、避航動作学習プログラム、避航動作学習システム、及び船舶
CN113536544A (zh) 一种基于最小安全距离模型的船舶概率冲突检测方法
Weng et al. Effects of ship domain shapes on ship collision risk estimates considering collision frequency and severity
Huang et al. Non-linear velocity obstacles with applications to the maritime domain
CN115018304A (zh) 一种计算船机碰撞风险的方法、装置以及存储介质
Hansen et al. Autonomous navigation in confined waters-a COLREGs rule 9 compliant framework
CN114047514B (zh) 基于毫米波雷达的无人艇导航方法
Zhao et al. Toward an online decision support system to improve collision risk assessment at sea
CN118529218B (zh) 一种无人艇的性能测试方法、系统、设备和存储介质
JP7603648B2 (ja) 船舶航行支援システム、船舶航行支援方法、船舶航行支援装置、及びプログラム
CN118295422A (zh) 基于实时风险评估及切换控制的船舶避碰方法
Kim et al. Ship encounter risk evaluation for coastal areas with holistic maritime traffic data analysis

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant