适用于极地冰区航行的智能导航方法与流程

本发明涉及智能航海领域，特别是涉及一种适用于极地冰区航行的智能导航方法。

背景技术：

近年来，全球气候日益变暖，导致南北极海冰融化，海平面升高等问题。与此同时，在夏季，极地海域的条件已经能满足船舶的正常通行。随着破冰技术、船舶技术的发展，我国通过“西北航线”到达北美东岸的航程、通过“东北航线”到达欧洲的航程将大幅缩短，节省了船舶的运输成本。极地丰富的矿藏资源，吸引着各国的科考团队前来探索，近年来，越来越多的船舶开始驶向极地海域。

目前，由于地图开放平台百度地图、google地图、mapbox默认为墨卡托投影，缺少极地的投影,开发人员缺乏极地海域图层信息，没有app对极地海域冰情信息进行显示和分析预测，船员无法清楚的了解到船舶周围海冰密集度和深度信息。由于缺少适用于与极地海域的导航、路径规划系统，船舶在极地冰区航行中航线的选择很大程度上根据导航员的经验来完成，航行的安全性不能得到有效的保障。研究适用于极地冰区航行的智能导航app系统的首要任务是收集包括海冰密集度，海冰厚度等海域冰情信息，将冰情数据与电子海图叠加融合，为船舶实时提供周围海域冰情信息。在此基础上对目标路径进行规划，从而确保船舶的正常高效的通行。任何支持冰区路径规划，同时考虑到物理和操作上限制的可靠工具，在海事界都很受欢迎。所以一种适用于极地冰区航行的智能导航方法对后续工作的开展有着重要的意义。

技术实现要素：

本发明通过极地冰情数据分析及多维综合显示研究，为在极地行驶的船舶提供当前与未来海域冰情信息。在海域冰情数据分析显示的基础上，对恶劣海况及冰区航行进行安全分析研究通过数据挖掘与提取技术的支持，利用冰区航线q-learning强化学习算法的方法，为用户提供通往目的地的最优可行路径，为极地航行提供了方便。大量数据的分析研究，预测冰情，提供未来时间段的最优路径，为船舶的出行规划提供了选择。

使用arcgis对完整极地地图图片进行定义投影，将图片与空间位置信息对应，以epsg:3571来进行投影设置，对图层添加位置点将地理位置名称与经纬度对应，同时矫正经纬度的精度，当经纬度误差小于0.0001度时停止添加,完成极地底图的制作,用服务器中极地投影矢量图地址，将极地投影图层叠加显示到平台中。

对ftp下载的海冰密集度、海冰厚度数据文件进行归一化处理，y＝(x-minvalue)/(maxvalue-minvalue)，x、y分别为转换前、后的值maxvalue、minvalue分别为样本的最大值和最小值，把数据转化为(0,1)之间的小数,消除奇异样本数据导致的不良影响，将数据限定在容易处理的范围，将输出结果与rgb值对应，用颜色饱和度表示海冰密集度和海冰厚度的大小。遍历矩阵，将经纬度对应的代表海冰密集度和海冰深度rgb值标记在极地投影底图中。

在海冰信息融合显示的基础上，结合气象条件进行路径规划，使用冰区航线q-learning强化学习算法对目的地进行航线规划，先将一个环境状态抽象化为如下表达式：

s＝(xg，xo1，xo2，xo3，xo4)

其中，s为环境空间中的一个环境状态，xg表示船舶要到达的目标点的方位情况，xo1，xo2，xo3，xo4为船舶前方的障碍物信息，将船舶前方120°范围内的障碍物分布情况按照角度与距离离散成四个状态量xo1,xo2,xo3,xo4，其中，角度是以航向为0°基准，障碍物和船舶连线相对于航向的夹角，xo1,xo2,xo3,xo4代表的角度范围分别是[-60°，-30°]，[-30°，0°]，[0°，30°]，[30°，60°]，将船舶动作简化为直线，以位于船首方向左侧30°的航向前进，以位于船首方向右侧30°的航向前进，静止，分别对应1-5的序号，航行的速度根据船舶极地环境的性能模型计算，且每一次动作的执行时间固定；设置激励函数，当船舶的行为使其与目标点距离接近，激励函数给予奖励，在到达目标点时给予奖励最大值。当船舶接近无法破冰的地区时，返回惩罚值，而当船舶与某一高海冰密集度区域相撞时，激励函数应该返回一个极大惩罚值，保证船舶避免与该区域碰撞；采用ε-greedy策略进行动作选择，船舶在当前环境状态下有ε的概率随机选择一个动作，而有1-ε的概率选择使得当前环境状态的动作值函数最大的动作，其中，ε为一个较小的常数。

附图说明

图1为使用本发明适用于极地冰区航行的智能导航方法的一种智能导航app系统。

图2为本发明适用于极地冰区航行的智能导航方法的查询路径功能流程图。

具体实施方式

下面结合附图对本发明的具体实施方式进一步说明。

如图1所示，一种适用于极地海域冰情融合显示与数据挖掘与提取技术、多目标优化算法、基于数据驱动的船舶安全分析技术等技术结合形成极地冰区航行的智能导航app系统。

如图1所示，冰情显示模块采用arcgis对完整极地地图图片进行定义投影，使图片具有空间位置信息，以epsg:3571来进行投影设置，通过添加位置点的方法将地理位置名称与经纬度对应，检验数据经纬度误差小于0.0001度时停止添加，完成经纬度精度的校准。用服务器中极地投影矢量图地址，将极地投影图层叠加显示到平台中。将海冰信息数据进行归一化处理，y＝(x-minvalue)/(maxvalue-minvalue)，x、y分别为转换前、后的值maxvalue、minvalue分别为样本的最大值和最小值，把数据转化为(0,1)之间的小数,处理后的结果与rgb值对应，颜色的饱和度来表示海冰密集度和海冰厚度的大小。将数据对应的颜色标记在极地投影底图中。

如图1所示，冰情预测模块采用数据挖掘统计学习技术，收集整理冰情数据，将经纬矩阵与冰情数据对应，使用因果影响网络算法建立模型：

其中，y代表待预测某月的海冰密度或者深度，表示待预测月份前k个月第i个观测点第j个气候变量，气候变量为海面温度、海平面气压、海面风速，为的回归系数，z^-k表示待预测月份前k个月的海冰密集度或厚度，q^-k为z^-k的回归系数，o表示数据月份数量，m为网格数据个数，n表示所述气候变量数量，ε为常数；预测数据与真实数据进行比对，逐步提高预测准确度，提供冰情的预测信息。

如图1所示，航线规划模块多目标优化q-learning强化学习算法对目的地进行航线规划，先将一个环境状态抽象化为如下表达式：

s＝(xg，xo1，xo2，xo3，xo4)

其中，s为环境空间中的一个环境状态，xg表示船舶要到达的目标点的方位情况，xo1，xo2，xo3，xo4为船舶前方的障碍物信息，将船舶前方120°范围内的障碍物分布情况按照角度与距离离散成四个状态量xo1,xo2,xo3,xo4，其中，角度是以航向为0°基准，障碍物和船舶连线相对于航向的夹角，xo1,xo2,xo3,xo4代表的角度范围分别是[-60°，-30°]，[-30°，0°]，[0°，30°]，[30°，60°]，将船舶动作简化为直线，以位于船首方向左侧30°的航向前进，以位于船首方向右侧30°的航向前进，静止，分别对应1-5的序号，航行的速度根据船舶极地环境的性能模型计算，且每一次动作的执行时间固定；设置激励函数，当船舶的行为使其与目标点距离接近，激励函数给予奖励，在到达目标点时给予奖励最大值。当船舶接近无法破冰的地区时，返回惩罚值，而当船舶与某一高海冰密集度区域相撞时，激励函数应该返回一个极大惩罚值，保证船舶避免与该区域碰撞；采用ε-greedy策略进行动作选择，船舶在当前环境状态下有ε的概率随机选择一个动作，而有1-ε的概率选择使得当前环境状态的动作值函数最大的动作，其中，ε为一个较小的常数。

如图1所示，风险提醒模块采用船舶安全分析技术，利用贝叶斯网络对在航船舶提供航行风险提醒，节点为在极地航行中导致船舶发生事故的因素，通过专家调查和历史经验数据来获取节点之间的依赖关系，采用皮尔逊积矩相关系数法对双变量进行相关性分析，制作节点完成节点间相关性分析，构建出极地航行风险贝叶斯网络结构图，对在航船舶提供航行风险提醒。

如图2所示，用户输入目的地经纬度，在确定后系统在当前环境信息的基础上进行路径规划，显示可航行最优航线，如果不能航行通过冰情预测与航线规划模块显示未来可航行最优航线，并显示可航行日期。

需要说明的是，本发明所述具体实施方案说明了发明原理以及适用范围。但不限于一种实施方案，在实验精神的探索下，依照该发明出现的其他解决方案，都属于该发明的保护范围。