本申請是申請?zhí)枮椋?01410844661.2，發(fā)明創(chuàng)造名稱為《航海交通管制方法》，申請日為：2014年12月30日的發(fā)明專利申請的分案申請。

本發(fā)明涉及一種海域交通管制方法，尤其涉及一種基于滾動規(guī)劃策略的海域交通管制方法。

背景技術：

隨著全球航運業(yè)的快速發(fā)展，部分繁忙海域內的交通愈加擁擠。在船舶交通流密集復雜海域，針對船舶間的沖突情形仍然采用航行計劃結合人工間隔調配的管制方式已不能適應航運業(yè)的快速發(fā)展。為保證船舶間的安全間隔，實施有效的沖突調配就成為海域交通管制工作的重點。船舶沖突解脫是航海領域中的一項關鍵技術，安全高效的解脫方案對于增加海域船舶流量以及確保海運安全具有重大意義。

為了提高船舶的航行效率，船用雷達自動標繪儀目前已經被廣泛應用到船舶監(jiān)控和避碰中，該設備通過提取船舶相關信息為船舶間沖突情形的判定提供參考依據(jù)。盡管此類設備極大降低了人工監(jiān)控的負荷，但它并不具備船舶自動沖突解脫功能。針對船舶沖突解脫問題，目前的處理方式主要包括幾何式確定性算法和啟發(fā)式智能算法兩大類方案，相關文獻研究主要集中在無約束條件下兩船舶間的沖突避讓規(guī)劃算法并且多以“離線形式”為存在沖突的船舶規(guī)劃解脫軌跡，由此造成各個船舶解脫軌跡的動態(tài)適應性和魯棒性較差。此外，在船舶實際航行中，受氣象條件、導航設備以及駕駛員操作等各種因素的影響，它的運行狀態(tài)往往不完全屬于某一特定的運動狀態(tài)，在船舶軌跡預測過程中需要考慮各種隨機因素的影響，通過獲取各類隨機因素的最新特性對其未來軌跡實施滾動預測并增強其軌跡預測的魯棒性。

技術實現(xiàn)要素：

本發(fā)明要解決的技術問題是提供一種魯棒性較好的基于滾動規(guī)劃策略的航海交通管制方法，該方法的船舶軌跡預測精度較高且可有效防止船舶運行沖突。

實現(xiàn)本發(fā)明目的的技術方案是提供一種基于滾動規(guī)劃策略的航海交通管制方法，包括如下幾個步驟：

①通過海面雷達獲得船舶的實時和歷史位置信息，各船舶的位置信息為離散二維位置序列x'＝[x1',x2',...,xn']和y'＝[y1',y2',...,yn']，通過應用小波變換理論對原始離散二維位置序列x'＝[x1',x2',...,xn']和y'＝[y1',y2',...,yn']進行初步處理，從而獲取船舶的去噪離散二維位置序列x＝[x1,x2,...,xn]和y＝[y1,y2,...,yn]；

②在每一采樣時刻，依據(jù)步驟①得到的船舶的實時和歷史位置信息滾動推測未來時段內船舶的軌跡，其具體過程如下：

2.1)船舶軌跡數(shù)據(jù)預處理，依據(jù)所獲取的船舶原始離散二維位置序列x＝[x1,x2,...,xn]和y＝[y1,y2,...,yn]，采用一階差分方法對其進行處理獲取新的船舶離散位置序列△x＝[△x1,△x2,...,△xn-1]和△y＝[△y1,△y2,...,△yn-1]，其中△xi＝xi+1-xi,△yi＝y(tǒng)i+1-yi(i＝1,2,...,n-1)；

2.2)對船舶軌跡數(shù)據(jù)聚類，對處理后新的船舶離散二維位置序列△x和△y，通過設定聚類個數(shù)m'，采用遺傳聚類算法分別對其進行聚類；

2.3)在每一采樣時刻對船舶軌跡數(shù)據(jù)利用隱馬爾科夫模型進行參數(shù)訓練，通過將處理后的船舶運行軌跡數(shù)據(jù)△x和△y視為隱馬爾科夫過程的顯觀測值，通過設定隱狀態(tài)數(shù)目n和參數(shù)更新時段τ'，依據(jù)最近的t'個位置觀測值并采用b-w算法滾動獲取最新隱馬爾科夫模型參數(shù)λ'；

2.4)依據(jù)隱馬爾科夫模型參數(shù)，采用viterbi算法獲取當前時刻觀測值所對應的隱狀態(tài)q；

2.5)在每一采樣時刻，通過設定預測時域w，基于船舶當前時刻的隱狀態(tài)q，獲取未來時段船舶的位置預測值o；

③在每一采樣時刻，基于船舶當前的運行狀態(tài)和歷史位置觀察序列，獲取海域風場變量的數(shù)值；

④在每一采樣時刻，基于各船舶的運行狀態(tài)和設定的船舶在海域內運行時需滿足的安全規(guī)則集，當船舶間有可能出現(xiàn)違反安全規(guī)則的狀況時，對其動態(tài)行為實施監(jiān)控并為海上交通控制中心提供及時的告警信息；

⑤當告警信息出現(xiàn)時，在滿足船舶物理性能和海域交通規(guī)則的前提下，通過設定優(yōu)化指標函數(shù)以及融入風場變量數(shù)值，采用自適應控制理論方法對船舶避撞軌跡進行滾動規(guī)劃，并將規(guī)劃結果傳輸給各船舶執(zhí)行，其具體過程如下：

5.1)設定船舶避撞軌跡規(guī)劃的終止參考點位置p、避撞策略控制時域θ、軌跡預測時域w；

5.2)設定在給定優(yōu)化指標函數(shù)的前提下，基于合作式避撞軌跡規(guī)劃思想，通過給各個船舶賦予不同的權重以及融入實時風場變量濾波數(shù)值，得到各個船舶的避撞軌跡和避撞控制策略并將規(guī)劃結果傳輸給各船舶執(zhí)行，且各船舶在滾動規(guī)劃間隔內僅實施其第一個優(yōu)化控制策略；

5.3)在下一采樣時刻，重復步驟5.2)直至各船舶均到達其解脫終點。

進一步的，所述步驟①中，通過應用小波變換理論對原始離散二維位置序列x'＝[x1',x2',...,xn']和y'＝[y1',y2',...,yn']進行初步處理，從而獲取船舶的去噪離散二維位置序列x＝[x1,x2,...,xn]和y＝[y1,y2,...,yn]：對于給定的原始二維序列數(shù)據(jù)x'＝[x1',x2',...,xn']，利用如下形式的線性表達式分別對其進行近似：

其中：

f'(x')表示對數(shù)據(jù)平滑處理后得到的函數(shù)表達式，ψ(x')表示母波，δ、j和k均為小波變換常數(shù)，ψj,k(x')表示母波的轉換形式，cj,k表示由小波變換過程得到的函數(shù)系數(shù)，它體現(xiàn)了子波ψj,k(x')對整個函數(shù)近似的權重大小，若此系數(shù)很小，那么它意味著子波ψj,k(x')的權重也較小，因而可以在不影響函數(shù)主要特性的前提下，從函數(shù)近似過程中將子波ψj,k(x')除去；在實際數(shù)據(jù)處理過程中，通過設定閾值χ來實施“閾值轉換”，當cj,k<χ時，設定cj,k＝0；閾值函數(shù)的選取采用如下兩種方式：

和

對于y'＝[y1',y2',...,yn']，也采用上述方法進行去噪處理。

進一步的，所述步驟②中，步驟2.3)中確定航跡隱馬爾科夫模型參數(shù)λ'＝(π,a,b)的過程如下：

2.3.1)變量賦初值：應用均勻分布給變量πi，aij和bj(ok)賦初值和并使其滿足約束條件：和由此得到λ0＝(π0,a0,b0)，其中ok表示某一顯觀測值，π0、a0和b0分別是由元素和構成的矩陣，令參數(shù)l＝0，o＝(ot-t'+1,...,ot-1,ot)為當前時刻t之前的t'個歷史位置觀測值；

2.3.2)執(zhí)行e-m算法：

2.3.2.1)e-步驟：由λl計算ξe(i,j)和γe(si)；

變量那么

其中s表示某一隱狀態(tài)；

2.3.2.2)m-步驟：運用分別估計πi，aij和bj(ok)并由此得到λl+1；

2.3.2.3)循環(huán)：l＝l+1，重復執(zhí)行e-步驟和m-步驟，直至πi、aij和bj(ok)收斂，即

|p(o|λl+1)-p(o|λl)|<ε，其中參數(shù)ε＝0.00001，返回步驟2.3.2.4)；

2.3.2.4)：令λ'＝λl+1，算法結束。

更進一步的，所述步驟②中，步驟2.4)確定船舶航跡最佳隱狀態(tài)序列的迭代過程如下：

2.4.1)變量賦初值：令g＝2，βt'(si)＝1(si∈s)，δ1(si)＝πibi(o1)，ψ1(si)＝0，其中，

，其中變量ψg(sj)表示使變量δg-1(si)aij取最大值的船舶航跡隱狀態(tài)si，參數(shù)s表示隱狀態(tài)的集合；

2.4.2)遞推過程：

2.4.3)時刻更新：令g＝g+1，若g≤t'，返回步驟2.4.2)，否則迭代終止并轉到步驟2.4.4)；

2.4.4)轉到步驟2.4.5)；

2.4.5)最優(yōu)隱狀態(tài)序列獲?。?/p>

2.4.5.1)變量賦初值：令g＝t'-1；

2.4.5.2)后向遞推：

2.4.5.3)時刻更新：令g＝g-1，若g≥1，返回步驟2.4.5.2)，否則終止。

進一步的，所述步驟②中，聚類個數(shù)m'的值為4，隱狀態(tài)數(shù)目n的值為3，參數(shù)更新時段τ'為30秒，t'為10，預測時域w為300秒。

進一步的，所述步驟③獲取海域風場變量的數(shù)值的具體過程如下：

3.1)設定船舶的?？课恢脼檐壽E參考坐標原點并在水平面上建立橫坐標軸和縱坐標軸；

3.2)在船舶處于直線運行狀態(tài)和勻速轉彎運行狀態(tài)時，構建海域風場線性濾波模型x1(t+△t)＝f(t)x1(t)+w(t)和z(t)＝h(t)x1(t)+v(t)獲取風場變量數(shù)值，其中△t表示采樣間隔，x1(t)表示t時刻的狀態(tài)向量，z(t)表示t時刻的觀測向量，且x1(t)＝[x(t),y(t),vx(t),vy(t),wx(t),wy(t)]^t，其中x(t)和y(t)分別表示t時刻船舶位置在橫坐標軸和縱坐標軸上的分量，vx(t)和vy(t)分別表示t時刻船舶速度在橫坐標軸和縱坐標軸上的分量，wx(t)和wy(t)分別表示t時刻風場數(shù)值在橫坐標軸和縱坐標軸上的分量，f(t)和h(t)分別表示狀態(tài)轉移矩陣和輸出測量矩陣，w(t)和v(t)分別表示系統(tǒng)噪聲向量和測量噪聲向量：

在船舶處于變速轉彎運行狀態(tài)時，構建海域風場非線性濾波模型x1(t+△t)＝ψ(t,x1(t),u(t))+w(t)、z(t)＝ω(t,x1(t))+v(t)和u(t)＝[ωa(t),γa(t)]^t，其中ψ(·)和ω(·)分別表示狀態(tài)轉移矩陣和輸出測量矩陣，ωa(t)和γa(t)分別表示轉彎率和加速率：

其中：△t表示采樣時間間隔，

3.3)根據(jù)所構建的濾波模型獲取風場變量的數(shù)值。

進一步的，所述步驟④中對各船舶的動態(tài)行為實施監(jiān)控并為海上交通控制中心提供及時的告警信息的具體過程如下：

4.1)構造船舶在海域內運行時需滿足的安全規(guī)則集dmr(t)≥dmin，其中dmr(t)表示任意兩個船舶m和船舶r在t時刻的距離，dmin表示船舶間的最小安全距離；

4.2)依據(jù)采樣時間，建立由船舶連續(xù)運行狀態(tài)至離散采樣狀態(tài)的觀測器λ:γ→ξ，其中γ表示船舶的連續(xù)運行狀態(tài)，ξ表示船舶的離散采樣狀態(tài)；

4.3)當船舶m和r的觀測器λm和λr的離散觀測數(shù)值ξm和ξr在t時刻表明該向量不在安全規(guī)則集中時，即關系式dmr(t)≥dmin不成立時，立刻向海上交通控制中心發(fā)出告警信息。

進一步的，步驟⑤中，步驟5.2)的具體過程是：令

其中表示t時刻船舶r當前所在位置和下一航道點間的距離的平方，

pr(t)＝(xrt,yrt)，那么t時刻船舶r的優(yōu)先級指數(shù)可設定為：

其中zt表示t時刻海域內存在沖突的船舶數(shù)目，由優(yōu)先級指數(shù)的含義可知，船舶距離其下一航道點越近，其優(yōu)先級越高；

設定優(yōu)化指標

，其中r∈i(t)表示船舶代碼且i(t)＝{1,2,...,zt}，pr(t+h△t)表示船舶在時刻(t+h△t)的位置向量，表示船舶r的解脫終止點，ur表示待優(yōu)化的船舶r的最優(yōu)控制序列，qrt為正定對角矩陣，其對角元素為船舶r在t時刻的優(yōu)先級指數(shù)lrt，并且

進一步的，所述步驟⑤中終止參考點位置p設定為船舶運行的下一個航道點，避撞策略控制時域θ為300秒；軌跡預測時域w為300秒。

本發(fā)明具有積極的效果：(1)本發(fā)明在船舶軌跡實時預測的過程中，融入了隨機因素的影響，所采用的滾動軌跡預測方案能夠及時提取外界隨機因素的變化狀況，提高了船舶軌跡預測的準確性。

(2)本發(fā)明在船舶沖突解脫過程中，融入了海域內風場的影響，所采用的滾動解脫軌跡規(guī)劃方案能夠根據(jù)海域內風場的變化及時調整解脫軌跡，提高了船舶沖突解脫的魯棒性。

(3)本發(fā)明基于不同性能指標，可以為存在沖突的多個船舶提供解脫軌跡規(guī)劃方案，提高船舶運行的經濟性和海域資源的利用率。

附圖說明

圖1為本發(fā)明中的船舶運行短期軌跡生成流程示意圖；

圖2為本發(fā)明中的風場濾波方法流程示意圖；

圖3為本發(fā)明中的船舶運行態(tài)勢監(jiān)控流程示意圖；

圖4為本發(fā)明中的船舶避撞軌跡優(yōu)化方法流程示意圖。

具體實施方式

(實施例1)

本實施例的基于滾動規(guī)劃策略的航海交通管制方法包括如下幾個步驟：

①通過海面雷達獲得船舶的實時和歷史位置信息，各船舶的位置信息為離散二維位置序列x'＝[x1',x2',...,xn']和y'＝[y1',y2',...,yn']，通過應用小波變換理論對原始離散二維位置序列x'＝[x1',x2',...,xn']和y'＝[y1',y2',...,yn']進行初步處理，從而獲取船舶的去噪離散二維位置序列x＝[x1,x2,...,xn]和y＝[y1,y2,...,yn]：對于給定的原始二維序列數(shù)據(jù)x'＝[x1',x2',...,xn']，利用如下形式的線性表達式分別對其進行近似：

其中：

f'(x')表示對數(shù)據(jù)平滑處理后得到的函數(shù)表達式，ψ(x')表示母波，δ、j和k均為小波變換常數(shù)，ψj,k(x')表示母波的轉換形式，cj,k表示由小波變換過程得到的函數(shù)系數(shù)，它體現(xiàn)了子波ψj,k(x')對整個函數(shù)近似的權重大小，若此系數(shù)很小，那么它意味著子波ψj,k(x')的權重也較小，因而可以在不影響函數(shù)主要特性的前提下，從函數(shù)近似過程中將子波ψj,k(x')除去；在實際數(shù)據(jù)處理過程中，通過設定閾值χ來實施“閾值轉換”，當cj,k<χ時，設定cj,k＝0；閾值函數(shù)的選取采用如下兩種方式：

和

對于y'＝[y1',y2',...,yn']，也采用上述方法進行去噪處理。

②在每一采樣時刻，依據(jù)步驟①得到的船舶的實時和歷史位置信息滾動推測未來時段內船舶的軌跡，見圖1，其具體過程如下：

2.1)船舶軌跡數(shù)據(jù)預處理，依據(jù)所獲取的船舶原始離散二維位置序列x＝[x1,x2,...,xn]和y＝[y1,y2,...,yn]，采用一階差分方法對其進行處理獲取新的船舶離散位置序列△x＝[△x1,△x2,...,△xn-1]和△y＝[△y1,△y2,...,△yn-1]，其中△xi＝xi+1-xi,△yi＝y(tǒng)i+1-yi(i＝1,2,...,n-1)；

2.2)對船舶軌跡數(shù)據(jù)聚類，對處理后新的船舶離散二維位置序列△x和△y，通過設定聚類個數(shù)m'，采用遺傳聚類算法分別對其進行聚類；

2.3)在每一采樣時刻對船舶軌跡數(shù)據(jù)利用隱馬爾科夫模型進行參數(shù)訓練，通過將處理后的船舶運行軌跡數(shù)據(jù)△x和△y視為隱馬爾科夫過程的顯觀測值，通過設定隱狀態(tài)數(shù)目n和參數(shù)更新時段τ'，依據(jù)最近的t'個位置觀測值并采用b-w算法滾動獲取最新隱馬爾科夫模型參數(shù)λ'；確定航跡隱馬爾科夫模型參數(shù)λ'＝(π,a,b)的過程如下：

2.3.1)變量賦初值：應用均勻分布給變量πi，aij和bj(ok)賦初值和并使其滿足約束條件：和由此得到λ0＝(π0,a0,b0)，其中ok表示某一顯觀測值，π0、a0和b0分別是由元素和構成的矩陣，令參數(shù)l＝0，o＝(ot-t'+1,...,ot-1,ot)為當前時刻t之前的t'個歷史位置觀測值；

2.3.2)執(zhí)行e-m算法：

2.3.2.1)e-步驟：由λl計算ξe(i,j)和γe(si)；

變量那么

其中s表示某一隱狀態(tài)；

2.3.2.2)m-步驟：運用分別估計πi，aij和bj(ok)并由此得到λl+1；

2.3.2.3)循環(huán)：l＝l+1，重復執(zhí)行e-步驟和m-步驟，直至πi、aij和bj(ok)收斂，即

|p(o|λl+1)-p(o|λl)|<ε，其中參數(shù)ε＝0.00001，返回步驟2.3.2.4)；

2.3.2.4)：令λ'＝λl+1，算法結束。

2.4)依據(jù)隱馬爾科夫模型參數(shù)，采用viterbi算法獲取當前時刻觀測值所對應的隱狀態(tài)q；確定船舶航跡最佳隱狀態(tài)序列的迭代過程如下：

2.4.1)變量賦初值：令g＝2，βt'(si)＝1(si∈s)，δ1(si)＝πibi(o1)，ψ1(si)＝0，其中，

，其中變量ψg(sj)表示使變量δg-1(si)aij取最大值的船舶航跡隱狀態(tài)si，參數(shù)s表示隱狀態(tài)的集合；

2.4.2)遞推過程：

2.4.3)時刻更新：令g＝g+1，若g≤t'，返回步驟2.4.2)，否則迭代終止并轉到步驟2.4.4)；

2.4.4)轉到步驟2.4.5)；

2.4.5)最優(yōu)隱狀態(tài)序列獲?。?/p>

2.4.5.1)變量賦初值：令g＝t'-1；

2.4.5.2)后向遞推：

2.4.5.3)時刻更新：令g＝g-1，若g≥1，返回步驟2.4.5.2)，否則終止。

2.5)在每一采樣時刻，通過設定預測時域w，基于船舶當前時刻的隱狀態(tài)q，獲取未來時段船舶的位置預測值o。

上述聚類個數(shù)m'的值為4，隱狀態(tài)數(shù)目n的值為3，參數(shù)更新時段τ'為30秒，t'為10，預測時域w為300秒。

③在每一采樣時刻，基于船舶當前的運行狀態(tài)和歷史位置觀察序列，獲取海域風場變量的數(shù)值，見圖2，其具體過程如下：

3.1)設定船舶的?？课恢脼檐壽E參考坐標原點并在水平面上建立橫坐標軸和縱坐標軸；

3.2)在船舶處于直線運行狀態(tài)和勻速轉彎運行狀態(tài)時，構建海域風場線性濾波模型x1(t+△t)＝f(t)x1(t)+w(t)和z(t)＝h(t)x1(t)+v(t)獲取風場變量數(shù)值，其中△t表示采樣間隔，x1(t)表示t時刻的狀態(tài)向量，z(t)表示t時刻的觀測向量，且x1(t)＝[x(t),y(t),vx(t),vy(t),wx(t),wy(t)]^t，其中x(t)和y(t)分別表示t時刻船舶位置在橫坐標軸和縱坐標軸上的分量，vx(t)和vy(t)分別表示t時刻船舶速度在橫坐標軸和縱坐標軸上的分量，wx(t)和wy(t)分別表示t時刻風場數(shù)值在橫坐標軸和縱坐標軸上的分量，f(t)和h(t)分別表示狀態(tài)轉移矩陣和輸出測量矩陣，w(t)和v(t)分別表示系統(tǒng)噪聲向量和測量噪聲向量：

在船舶處于變速轉彎運行狀態(tài)時，構建海域風場非線性濾波模型x1(t+△t)＝ψ(t,x1(t),u(t))+w(t)、z(t)＝ω(t,x1(t))+v(t)和u(t)＝[ωa(t),γa(t)]^t，其中ψ(·)和ω(·)分別表示狀態(tài)轉移矩陣和輸出測量矩陣，ωa(t)和γa(t)分別表示轉彎率和加速率：

其中：△t表示采樣時間間隔，

3.3)根據(jù)所構建的濾波模型獲取風場變量的數(shù)值。

④在每一采樣時刻，基于各船舶的運行狀態(tài)和設定的船舶在海域內運行時需滿足的安全規(guī)則集，當船舶間有可能出現(xiàn)違反安全規(guī)則的狀況時，對其動態(tài)行為實施監(jiān)控并為海上交通控制中心提供及時的告警信息，見圖3，其具體過程如下：

4.1)構造船舶在海域內運行時需滿足的安全規(guī)則集dmr(t)≥dmin，其中dmr(t)表示任意兩個船舶m和船舶r在t時刻的距離，dmin表示船舶間的最小安全距離；

4.2)依據(jù)采樣時間，建立由船舶連續(xù)運行狀態(tài)至離散采樣狀態(tài)的觀測器λ:γ→ξ，其中γ表示船舶的連續(xù)運行狀態(tài)，ξ表示船舶的離散采樣狀態(tài)；

4.3)當船舶m和r的觀測器λm和λr的離散觀測數(shù)值ξm和ξr在t時刻表明該向量不在安全規(guī)則集中時，即關系式dmr(t)≥dmin不成立時，立刻向海上交通控制中心發(fā)出告警信息。

⑤當告警信息出現(xiàn)時，在滿足船舶物理性能和海域交通規(guī)則的前提下，通過設定優(yōu)化指標函數(shù)以及融入風場變量數(shù)值，采用自適應控制理論方法對船舶避撞軌跡進行滾動規(guī)劃，并將規(guī)劃結果傳輸給各船舶執(zhí)行，見圖4，其具體過程如下：

5.1)設定船舶避撞軌跡規(guī)劃的終止參考點位置p、避撞策略控制時域θ、軌跡預測時域w；

5.2)設定在給定優(yōu)化指標函數(shù)的前提下，基于合作式避撞軌跡規(guī)劃思想，通過給各個船舶賦予不同的權重以及融入實時風場變量濾波數(shù)值，得到各個船舶的避撞軌跡和避撞控制策略并將規(guī)劃結果傳輸給各船舶執(zhí)行，且各船舶在滾動規(guī)劃間隔內僅實施其第一個優(yōu)化控制策略：令

其中表示t時刻船舶r當前所在位置和下一航道點間的距離的平方，pr(t)＝(xrt,yrt)，那么t時刻船舶r的優(yōu)先級指數(shù)可設定為：

其中zt表示t時刻海域內存在沖突的船舶數(shù)目，由優(yōu)先級指數(shù)的含義可知，船舶距離其下一航道點越近，其優(yōu)先級越高；

設定優(yōu)化指標

，其中r∈i(t)表示船舶代碼且i(t)＝{1,2,...,zt}，pr(t+h△t)表示船舶在時刻(t+h△t)的位置向量，表示船舶r的解脫終止點，ur表示待優(yōu)化的船舶r的最優(yōu)控制序列，qrt為正定對角矩陣，其對角元素為船舶r在t時刻的優(yōu)先級指數(shù)lrt，并且

5.3)在下一采樣時刻，重復步驟5.2)直至各船舶均到達其解脫終點。

上述終止參考點位置p設定為船舶運行的下一個航道點，避撞策略控制時域θ為300秒；軌跡預測時域w為300秒。

顯然，上述實施例僅僅是為清楚地說明本發(fā)明所作的舉例，而并非是對本發(fā)明的實施方式的限定。對于所屬領域的普通技術人員來說，在上述說明的基礎上還可以做出其它不同形式的變化或變動。這里無需也無法對所有的實施方式予以窮舉。而這些屬于本發(fā)明的精神所引伸出的顯而易見的變化或變動仍處于本發(fā)明的保護范圍之中。