技術(shù)特征：

1.一種基于自連通圖神經(jīng)網(wǎng)絡(luò)的無(wú)人船碰撞風(fēng)險(xiǎn)評(píng)估方法，其特征在于，通過(guò)構(gòu)建海上多船舶碰撞風(fēng)險(xiǎn)模型，對(duì)船舶間的碰撞風(fēng)險(xiǎn)概率進(jìn)行估計(jì)，具體包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于自連通圖神經(jīng)網(wǎng)絡(luò)的無(wú)人船碰撞風(fēng)險(xiǎn)評(píng)估方法，其特征在于，步驟s1具體包括以下步驟：

3.根據(jù)權(quán)利要求1所述的基于自連通圖神經(jīng)網(wǎng)絡(luò)的無(wú)人船碰撞風(fēng)險(xiǎn)評(píng)估方法，其特征在于，步驟s2中，所述對(duì)海上多船舶風(fēng)險(xiǎn)關(guān)系圖中的各船舶節(jié)點(diǎn)進(jìn)行階的鄰域船舶節(jié)點(diǎn)采樣，通過(guò)第個(gè)圖神經(jīng)網(wǎng)絡(luò)層對(duì)第階鄰域船舶節(jié)點(diǎn)采樣得到的結(jié)果，進(jìn)行航行狀態(tài)特征聚合與時(shí)空狀態(tài)嵌入更新，圖神經(jīng)網(wǎng)絡(luò)最終輸出各個(gè)船舶節(jié)點(diǎn)的一維特征向量，具體包括以下步驟：

4.根據(jù)權(quán)利要求3所述的基于自連通圖神經(jīng)網(wǎng)絡(luò)的無(wú)人船碰撞風(fēng)險(xiǎn)評(píng)估方法，其特征在于，在每個(gè)圖神經(jīng)網(wǎng)絡(luò)層后增加一個(gè)殘差連接層和一個(gè)非線性函數(shù)層，殘差連接層用于幫助當(dāng)前圖神經(jīng)網(wǎng)絡(luò)層的梯度直接流向前一個(gè)圖神經(jīng)網(wǎng)絡(luò)層；所述非線性函數(shù)層用于保持圖神經(jīng)網(wǎng)絡(luò)的內(nèi)部穩(wěn)定。

5.根據(jù)權(quán)利要求1所述的基于自連通圖神經(jīng)網(wǎng)絡(luò)的無(wú)人船碰撞風(fēng)險(xiǎn)評(píng)估方法，其特征在于，步驟s3具體包括：

6.根據(jù)權(quán)利要求1所述的基于自連通圖神經(jīng)網(wǎng)絡(luò)的無(wú)人船碰撞風(fēng)險(xiǎn)評(píng)估方法，其特征在于，步驟s4具體包括：

技術(shù)總結(jié)
本發(fā)明涉及智能船舶碰撞風(fēng)險(xiǎn)評(píng)估技術(shù)領(lǐng)域，公開(kāi)了一種基于自連通圖神經(jīng)網(wǎng)絡(luò)的無(wú)人船碰撞風(fēng)險(xiǎn)評(píng)估方法，包括：構(gòu)建海上多船舶風(fēng)險(xiǎn)關(guān)系圖，構(gòu)建船舶節(jié)點(diǎn)，將船舶的航行狀態(tài)信息進(jìn)行編碼后作為船舶節(jié)點(diǎn)的屬性；構(gòu)建圖神經(jīng)網(wǎng)絡(luò)，對(duì)各船舶節(jié)點(diǎn)進(jìn)行鄰域船舶節(jié)點(diǎn)采樣、航行狀態(tài)特征聚合與時(shí)空狀態(tài)嵌入更新；基于支持向量回歸方法和各個(gè)船舶節(jié)點(diǎn)的一維特征向量，計(jì)算船舶間風(fēng)險(xiǎn)性指數(shù)；使用激活函數(shù)對(duì)船舶間風(fēng)險(xiǎn)性指數(shù)進(jìn)行轉(zhuǎn)換，得到碰撞風(fēng)險(xiǎn)概率分布。本發(fā)明利用圖神經(jīng)網(wǎng)絡(luò)對(duì)多船舶航行狀態(tài)信息進(jìn)行提取和量化，能夠直接在圖數(shù)據(jù)中獲得相鄰船間不同碰撞風(fēng)險(xiǎn)等級(jí)的可能性概率分布，更客觀高效地為復(fù)雜多船場(chǎng)景下船舶自主安全航行提供有力的支持。

技術(shù)研發(fā)人員：高洪波,趙一卓,王程博
受保護(hù)的技術(shù)使用者：中國(guó)科學(xué)技術(shù)大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/23