一种智慧游艇运营管理系统的制作方法

本发明属于游艇管理，尤其涉及一种智慧游艇运营管理系统。

背景技术：

1、随着人民物质生活水平显著提高和第三产业的快速发展，游艇消费在我国各大沿海旅游城市已经受到众多消费者的青睐，我国现阶段的游艇数量逐年快速增长，正步入该行业的黄金时期。与此同时人们对游艇的出行安全、设备维护、管理运营也提出了更高的要求。此外对游艇的管理主要还有通过沿岸港口交通管理系统来进行的，这种管理手段主要是运用vts系统和雷达探测作为技术手段进行监控。然而因为雷达观测性能方面具有一定的不足与缺陷，从而造成提供的目标位置精度与分辨率处于一个相对较低的水平，目标特征参数有限，难以对其有效加以辨别，导致无法正确跟踪目标，动态监测精准程度较低，尤其是在目标较为密集亦或是外部干扰因素较多的情况时精准度会更低，系统整体性能不够理想。而且游艇的航速较快，航行的时候能够展开信息搜集、整体性分析、危险性评估与决策的时间十分有限，具有很大的安全隐患。因此当前迫切地需要对游艇管理系统进行创新，建立更加可靠的游艇综合信息系统，解决游艇出行监测问题，以进行游艇的智慧化综合管理。

2、目前我国大部分游艇设备都不是智能化的设备，还停留在传统的仪表盘管理，搭建的游艇管理平台不够智能化，导致人工成本高、效率低。同时在对游艇进行智能化管理时，对船舶轨迹预测是智能管理系统的重要组成部分，是实现智能游艇管理的关键性技术。从预测上可将船舶轨迹预测分为短期预测和长期预测两个领域。短期预测常用于船舶避碰。与路上交通不同，由于船舶的巨大惯性，短期预测相对容易实现，传统的恒速预测模型(constant velocity model，cvm)已经较为成熟，且已应用于商业产品。其他常见的预测方法中，中国专利文献号cn110070565b公开的一种基于图像叠加的船舶轨迹预测方法，采用卡尔曼滤波技术通过建模单船过去一段时间的运动来估计未来短期运动轨迹。近年来，随着深度学习技术的崛起，不同深度的神经网络广泛用于船舶轨迹预测。然而现有方法尚存在缺陷，一是只能实现单一模式轨迹预测，未考虑其他因素对船运行轨迹预测的影响；二是游艇还远未成为平民化的娱乐设施，因此其所在游乐区域的轨迹数量较少，并且机器学习为了提高准确率都会需要大量数据，同时其只能预测船舶轨迹的形态及位置信息，无法预测沿途各时刻的航向等信息。

3、因此，需要设计一种智慧游艇运营管理系统，增加对游艇轨迹数据量的生成，从而利用机器学习的方法对游艇进行智能化的运行和管理，从而降低游艇的运营成本，增加了对游艇转向预测的准确性，提高游艇的管理运营效率，确保整个景区游客人员的安全性和游艇运行的可靠性。

技术实现思路

1、为解决上述技术问题，本发明提出一种智慧游艇运营管理系统。

2、在本发明的第一个方面，提供了一种智慧游艇运营管理系统，所述系统包括综合管理终端和游艇终端，所述综合管理终端包括游客管理模块、游艇防撞击模块、监控模块、数据接收模块，所述游艇终端包括水流检测模块、数据传输模块，其特征在于，所述综合管理终端还包括轨迹预测模块、数据库模块，其中：

3、所述轨迹预测模块：与所述数据库模块相连，采用轨迹生成模型，进行游艇的轨迹数据生成，并利用生成的游艇轨迹数据以及历史游艇轨迹数据进行游艇的转向预测模型的生成，最后进行实时转向控制结果的输出；

4、所述水流检测模块：安置在游艇终端，利用声学多普勒流速仪测量水流数据，并将数据通过数据传输模块传输到数据接收模块，所述数据接收模块将数据传输至所述数据库模块，所述水流数据包括速度和方向；

5、所述数据库模块：接收数据传输模块传输过来的水流数据，并存储游客数据、水流数据、其他游艇轨迹数据和游艇轨迹数据；

6、所述游客管理模块：与综合管理终端相连，对进入游艇的游客进行识别管理，并将获取的游客数据传输至所述数据库模块；

7、所述游艇终端：还包括游艇定位模块，对游艇在电子地图上进行定位；

8、所述游艇防撞击模块：对预测得到的行驶方向进行选择；

9、所述监控模块：监控游客以及游艇实时运行轨迹，对游艇进行报警提示，并提醒进行手动控制。

10、还提供了一种智慧游艇运营管理系统，所述轨迹生成模型，采用深度学习方法和/或卡尔曼滤波器进行构建。

11、还提供了一种智慧游艇运营管理系统，所述轨迹生成模型，采用生成对抗性网络模型来进行游艇的轨迹数据生成，所述生成对抗性网络模型的参数由所述历史游艇轨迹数据训练得到，所述历史游艇轨迹数据包括历史游艇轨迹和历史其他游艇对主游艇影响的特征影响向量串联结合而成。

12、还提供了一种智慧游艇运营管理系统，所述生成对抗性网络模型，包括生成器和判别器，所述生成器包括编码器、卷积池化层、换向判别层、解码器四部分，用以生成虚拟轨迹；所述判别器包括所述编码器和sigmoid层，用以输出所述生成器生成的虚拟轨迹为真实轨迹的概率。

13、还提供了一种智慧游艇运营管理系统，所述编码器包括两个全连接神经网络和一个循环神经网络lstm，输入随机生成的主游艇轨迹a向量(dw，db，vw，vb，x，y，t)，其中dw为水流方向，db为主游艇行驶方向，vw为此时水流速度，vb为主游艇行驶速度，x和y为主游艇在电子地图中的坐标，t为时刻，输出代表游艇轨迹隐藏关系的上下文向量；

14、所述卷积池化层包括一个所述lstm编码器与两层卷积神经网络，输入为所述其他游艇轨迹数据，输出表征其他游艇对主游艇影响的特征影响向量；

15、所述换向判别层包括一个全连接层和一个softmax多分类层；输入为主游艇轨迹通过lstm编码器后得到上下文向量，输出主游艇做直行、左转、右转三种行为的转向概率；

16、将主游艇轨迹序列通过lstm编码器后，将获取的主游艇上下文向量输入全连接层，取得包含主游艇换向隐含信息的多维向量，将多维向量通过softmax多分类层，获取主游艇未来做直行、左转、右转三种行为的概率，softmax计算公式如下所示：

17、

18、其中ai和aj为多维向量的值，其中i≠j；

19、换道判别层最终输出向量，所述最终输出向量中各向量中的值的和为1，且都大于等于0，

20、所述解码器包括一个lstm层和一个全连接层，将所述输出结合并解码，最终获得预测轨迹；

21、所述解码器将所述上下文向量和所述特征影响向量串联结合，获得虚拟生成轨迹y，以及y对应的最大转向概率对应的转向行为数据t。

22、还提供了一种智慧游艇运营管理系统，所述sigmoid层为一个二分类函数，将所述lstm编码器生成的编码向量与所述卷积池化层生成的特征向量串联作为输入，通过全连接层处理隐含信息并压缩信息至1维，最终通过sigmoid函数获得输入轨迹为真实轨迹概率，其中sigmoid二分类函数定义如下：

23、

24、其中x为1维向量，当所述真实轨迹概率s(x)＞70％时，所述虚拟生成轨迹y可用为最终虚拟生成轨迹y*。

25、还提供了一种智慧游艇运营管理系统，所述轨迹预测模块还包括转向预测模型，所述转向预测模型采用基于fisher准则的分类器，所述基于fisher准则的分类器采用所述最终虚拟生成轨迹y*、所述历史游艇轨迹数据以及两者对应的转向行为数据t训练得到，其中所述fisher准则分类器的计算公式如下所示：

26、g(s)＝wta

27、a为当前的游艇轨迹以及其他游艇对主游艇影响的特征影响向量串联结合而成；g(s)为输出的预测转向值，wt为垂直于超平面的法向量，当g(s)＞0时，所述预测转向方向为左转，当g(s)＜0时，所述预测转向方向为右转，当g(s)＝0时，所述预测转向方向为直行；

28、将所述预测转向方向结果输入至游艇防撞击模块以及所述监控模块，游艇防撞击模块对游艇进行预转向操作，监控模块对预测左转或右转转向操作进行报警提示。

29、还提供了一种智慧游艇运营管理方法，方法包括步骤s1：轨迹预测模块采用权利要求2-6所述的深度学习方法和/或卡尔曼滤波器进行游艇轨迹数据的生成；

30、步骤s2：利用已有的历史游艇轨迹数据以及生成的游艇轨迹数据训练基于fisher准则的分类器；

31、步骤s3：将当前游艇的轨迹数据输入到训练好的分类器中，得到预测转向结果，并将所述预测转向结果输入至游艇防撞击模块以及所述监控模块，游艇防撞击模块对游艇进行转向提示，监控模块对游艇进行报警提示。

32、还提供了一种智慧游艇运营管理设备，包括存储器和处理器，其特征在于，所述存储器中存储有智慧游艇运营管理程序，所述处理器被设置为运行所述智慧游艇运营管理程序以运行一种智慧游艇运营管理方法。

33、还提供了一种计算机可读存储介质，其特征在于，包括:计算机可执行指令，当所述计算机可执行指令被运行时执行一种智慧游艇运营管理方法。本发明的更多实施例和改进效果将结合附图和具体实施例进一步介绍。

34、本发明的有益效果：考虑游艇所在环境的水流和其他游艇的行驶轨迹，实现对游艇运行方向的预测。本发明基于深度学习算法增加对游艇行驶轨迹准确预测所需的相关数据量，同时利用基于fisher准则的分类器来进行转向预测，处理简单，大大提高了对游艇的行驶轨迹的实时智能规划水平，减少操作带来的误差，最终提高游艇行驶轨迹的预测率，降低游艇运行的意外发生率，构建人性化的智慧游艇运营管理新方式。