(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210596733.0 (22)申请日 2022.05.30 (71)申请人 浙江省交通 运输科学研究院 地址 310023 浙江省杭州市西湖区大 龙驹 坞705号 申请人 武汉理工大 学 (72)发明人 韩海航　文元桥　戴红良　黄亮　 卢志刚　程小东　汪成立　刘清林　 (74)专利代理 机构 湖北武汉 永嘉专利代理有限 公司 42102 专利代理师 王丹 (51)Int.Cl. G06F 30/13(2020.01) G06F 30/20(2020.01) G06F 111/20(2020.01) (54)发明名称 一种面向全息航行场景图的水上交通本体 建模方法和模型 (57)摘要 本发明提供了一种面向全息航行场景图的 水上交通本体建模方法和模型， 基于对环境、 规 则和船舶行为的场景语义描述， 在水上交通场景 中实现了全要素、 全功能、 全 方位的语义表达， 使 无人驾驶船舶满足了对交通对象的多尺度行为 的认知功能。 本发明形成了场景域范围内的供无 人驾驶船舶 认知的全息航行场景图。 本发明可以 应用在船舶的态 势认知和智能决策中。 权利要求书3页 说明书5页 附图4页 CN 114969928 A 2022.08.30 CN 114969928 A 1.一种面向全息航行场景图的水 上交通本体建模方法， 其特 征在于： 包括以下步骤： S1： 将面向全息航行场景图的水上交通本体模型解构为包括环境本体模型、 规则本体 模型和船舶行为本体模型的相互影响的本体模型； S2： 构建包括语义建模层和语义 提取层的环境本体模型； 具体步骤为： S21： 构建语义建模层， 将水上交通环境的语义信 息结构化处理后作为知识源存入本体 知识库； S22： 构建语义提取层， 识别场景类别 并生成环境要素的语义描述， 实现对水上交通环 境的语义理解； 根据环境场景类别和环境要素 的相关性， 通过识别场景类别缩小无人驾驶 船舶在执行航行任务时的有效搜索范围； S23： 以航行任务为驱动， 通过自动重传请求ARQ查询引擎， 采用三元组匹配的方法在环 境场景本体知识库中检索所需的环境语义信息， 进行环境场景认知； S3： 通过抽取包括国际海上避碰规则的要素及属性， 构建规则本体模型； S4： 以船舶行为为水上交通对象， 基于环境场景和规则场景， 利用船舶活动数据， 对水 上交通对象在时空范围内的活动进行语义表达， 构建船舶行为本体模型； S5： 基于步骤S2至S4依次构 建的环境本体模型、 规则本体模型和船舶 行为本体模型， 通 过相应的感知手段获取关于环境、 规则和船舶行为相关的信息， 并输入到对应的本体模型 中实例化为场景本体信息， 形成场景域范围内的供无人驾驶船舶认知的行为场景全息语义 地图。 2.根据权利要求1所述的建模方法， 其特 征在于： 所述的步骤S21中， 具体步骤为： S211： 根据对水上交通环境场景语义的形成过程及其构成要素的理解， 将水上交通环 境场景语义分为包括自然环境和通航基础设施的不同类别； 以三 维体素为基本单元将连续 分布的环境场数据进行离散化处理， 根据时间维度上各个要素的变化， 计算每个基本单元 的水文环境特 征、 气象环境特 征和地理环境特 征； S212： 根据不同环境场景要素的特点和语义特征构建要素语义集， 构建用于描述水域 气象、 水文、 地理环境属性和特征的自然环境语义集、 用于描述各种通航基础设施属性及其 功能特性的通 航基础设施 功能语义 集； S213： 通过本体建模实现水上交通环境场景语义的本体表达； 抽取环境场景的概念和 属性， 并分析概念间的关系， 运用本体建模工具建立水上交通环境场景 的本体概念与推理 规则库。 3.根据权利要求2所述的建模方法， 其特 征在于： 所述的步骤S21 1中， 自然环境包括气象环境、 水文环境、 地理环境特 征； 气象环境包括 风速、 风向、 能见度、 气压、 温度和降水量； 水文环境包括 流速、 流向、 浪高、 主 波向、 波浪周期、 潮时和潮差； 地理环境特 征包括地形和地貌； 通航基础设施是指与船舶活动相关的关键特征， 包括航道航路的通航能力、 码头泊位 的分布特 征和靠泊能力、 导助航设备设施的导助航功能特 征、 锚地的容 量以及类型 特征。 4.根据权利要求1所述的建模方法， 其特 征在于： 所述的步骤S2 2中， 具体步骤为： S221： 基于深度学习算法识别环境场景类别并生成环境要素的语义描述； S222： 以自然语言的形式表达提取的语义描述， 采用基于本体的语义解析器解析环境权　利　要　求　书 1/3 页 2 CN 114969928 A 2语义中的实例和 属性； S223： 将环境场景类别、 实例和 属性与环境场景本体知识库相对应。 5.根据权利要求1所述的建模方法， 其特 征在于： 所述的步骤S3中， 具体步骤为： S31： 从包括 程序性规则和经验性 规则的多方面分析 水上交通规则的类型； S32： 基于本体建模方法抽取水上交通规则的要素， 抽象为水上交通对象、 对象行为、 对 象与对象或行为之间的关系这三个要素， 以及这三个要素具备的属 性； 并进行语义提取和 语义关联， 构建每 个规则描述的水 上交通场景的语义模型； S33： 对每个水上交通规则场景中具有指定行为与属性的船舶对象进行避碰角色辨识； 并基于本体的推理与查询机制对每一船舶应执行的操作进 行语义推理与语义查询， 形成特 定场景下具有 特定行为与属性的面向智能船舶的规则知识库， 实现智能船舶 对规则的自主 认知， 具备规则所指定的航行意识。 6.根据权利要求5所述的建模方法， 其特 征在于： 所述的步骤S31中， 程序性规则包括对水 上交通对象、 行为、 关系及属性的明确的语义描述； 经验性规则包括现实情境中为了提高水上交通对象的安全所采取的 “良好船艺 ”操作， 是程序性规则中未进行具体表述， 却是水上交通规则场景必需的、 表示智能船舶具备 的先 验知识。 7.根据权利要求1所述的建模方法， 其特 征在于： 所述的步骤S4中， 具体步骤为： S41： 基于水上交通对象的活动数据构建运动 状态向量， 建立水上交通对象的元行为模 型来描述表征对象运动状态的行为语义单 元， 将对象行为从数据转 化为语义； S42： 根据维扩展9交模型DE ‑9IM对水上交通对象的活动 轨迹与水上交通场景中环境之 间形成的拓扑关系进行建模并计算， 丰富对 象行为的拓扑语义； 结合对 象行为的轨迹特征 与拓扑关系， 构建水上交通对 象的交通行为模型， 对水上交通对 象的元行为进行完备语义 空间的描述与表达； S43： 对船舶 行为从包括时间、 空间、 语义的三个不同维度进行不同尺度的分析， 将交通 行为划分为包括微观行为、 介观行为、 宏观行为三种尺度的行为， 实现水上 交通场景中全要 素、 全功能、 全方位的语义表达， 使无人驾驶船舶对本船与其他交通对象的多尺度行为认 知， 形成场景域范围内的供 无人驾驶船舶认知的行为场景全息语义 地图。 8.根据权利要求1所述的建模方法， 其特 征在于： 所述的步骤S5中， 相应的感知手段包括环境信息采集系统、 船舶信息采集系统、 规则 信息库； 环境信息采集系统包括航道数据采集系统、 水文数据采集系统和气象数据采集系统； 航道数据采集系统包括航道扫测数据系统、 高分辨率遥感卫星和高分辨率倾斜航摄仪； 水 文数据采集系统包括 流速流向仪和 测深仪； 气象数据采集系统包括 风速风向仪； 船舶信息采集系统包括本船数据采集系统和交通流数据采集系统； 本船数据采集系统 包括北斗或GPS系统、 惯导系统、 毫米波雷达、 微波 雷达、 高清摄像头、 红外传感器、 声音传感 器； 交通流数据采集系统包括AIS或L oRa系统； 规则信息库包括国际海上或内河船舶避碰规则、 港口水域航行规则、 其他法律法规、 良 好船艺； 实例化的场景本体信息包括环境本体、 船舶本体、 规则本体； 环境本体包括水域类型、 气象条件、 水文条件； 水域类型包括受限水域和开阔水域；权　利　要　求　书 2/3 页 3 CN 114969928 A 3