(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 202210131718.9 (22)申请日 2022.02.14 (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　刘清林　朱曼　 杨松　徐顺强　楼书畅　寿奇晗　 (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　黄帅 (51)Int.Cl. G06F 16/36(2019.01) G06F 16/33(2019.01) G06N 5/02(2006.01)G06N 5/04(2006.01) (54)发明名称 融合COLREGs场景知识的船舶行为意图识别 与推理方法及装置 (57)摘要 本发明公开了一种融合COLREGs场景知识的 船舶行为意图识别与推理方法和装置， 该方法包 括： 获取船舶航行数据； 基于COLREGs对船舶行为 意图进行分类， 得到船舶行为意图集； 根据船舶 行为意图建立融合COLREGs的船舶行为一阶逻辑 谓词知识库； 基于建立的船舶行为一阶逻辑谓词 知识库建立船舶行为规则 知识库； 基于建立的船 舶行为规则知识库建立马尔科夫逻辑网； 根据输 入的航行数据以及建立的马尔科夫逻辑网识别 和推理船舶的行为。 本发明能够克服现有船舶行 为意图识别和推理中缺失上下文背景知识的问 题， 融合COLREGs场景知识能够从人脑认知的层 次赋予船舶航行数据以物理意义， 实现船舶行为 意图的语义化识别和推理， 准确识别船舶的行为 意图。 权利要求书2页 说明书6页 附图3页 CN 114547334 A 2022.05.27 CN 114547334 A 1.一种融合COLREGs场景知识的船舶 行为意图识别与推理方法， 其特征在于， 包括以下 步骤： 获取船舶航行 数据； 基于COLREGs对船舶行为 意图进行分类， 得到船舶行为 意图集； 根据船舶行为 意图建立融合COLREG s的船舶行为 一阶逻辑谓词知识库； 基于建立的船舶行为 一阶逻辑谓词知识库建立船舶行为 规则知识库； 根据建立的规则知识库构建马尔科 夫逻辑网络； 根据获取的航行 数据和建立的马尔科 夫逻辑网识别和推理船舶的行为。 2.根据权利 要求1所述的融合COLREGs场景知识的船舶行为意图识别与推理方法， 其特 征在于， 船舶航行数据包括船舶航行动静态数据以及先验的船舶航行地理环境数据； 船舶 航行静态数据包括海上移动标识码 MMSI， 船舶航行动态数据包括位置Position、 时间Time、 对地航向COG、 对地航速SOG， 船舶航行地理环境数据包括港口内的通航设施的范围和名称 信息， 通航设施包括锚地、 航道、 泊位。 3.根据权利 要求1所述的融合COLREGs场景知识的船舶行为意图识别与推理方法， 其特 征在于， 根据COLREGs 的条款规定， 获取条款约束下的不同船舶行为意图， 建立船舶行为意 图集。 4.根据权利 要求1所述的融合COLREGs场景知识的船舶行为意图识别与推理方法， 其特 征在于， 基于专家知识建立相应的谓词并形成一阶逻辑谓词知识库， 其中， 谓词表示对船舶 行为简单证据的描述及其之间关联关系的描述， 每一个谓词都会提供布尔类型 的值， 如果 谓词成立则返回Tru e， 否则返回False； 简单证据是指与船舶行为有关的不可再分的船舶属 性知识， 包括动态属性和静态属性以及时间知识； 基于已经建立的一阶逻辑谓词， 利用逻辑关系语言以及量词组合不同的谓词建立规 则， 进而得到相应的船舶行为 规则知识库。 5.根据权利 要求4所述的融合COLREGs场景知识的船舶行为意图识别与推理方法， 其特 征在于， 动态属性知识包括船舶运动属性、 拓扑属性、 距离属性和角度属性； 船舶运动属性知识包括移动和停留， 移动包含变向和变速； 其中变向包含左转、 右转、 直行； 变速包 含加速、 减速、 匀速； 船舶拓扑属性表示船舶与周围航行地理环境的交互知识， 根据 船舶航行的区域以及与 典型区域之间的关系， 将船舶视为 一个点， 主 要分为点在线上、 点在区域外和点在区域内； 距离属性表示对象之间的距离关系； 角度属性表示船舶 在两轨迹点连线形成的轨 迹与特定方向之间的夹角。 6.根据权利 要求5所述的融合COLREGs场景知识的船舶行为意图识别与推理方法， 其特 征在于， 距离属性包含Dis， FarThan和Equal； Dis(m， n， Q)表示点m到对象Q的距离和点n到Q 的距离之差， FarThan(Dis(m， n， Q )， threshold)表示点m和点n到对象Q的距离大于阈值 threshold时， m点到对象Q的距离大于n点到对象Q的距离， Equal(Dis(m， n， Q)， threshold) 表示点m到Q的距离和点n到Q的距离的差值如果在一个阈值(threshold)内， 则两点到对象Q 的距离相等。 7.根据权利 要求1所述的融合COLREGs场景知识的船舶行为意图识别与推理方法， 其特 征在于， 静态属性知识是对船舶本身的描述， 包括船舶种类； 时间知识是对时间的关系之间权　利　要　求　书 1/2 页 2 CN 114547334 A 2的描述。 8.根据权利 要求1所述的融合COLREGs场景知识的船舶行为意图识别与推理方法， 其特 征在于， 根据建立的规则知识库构建马尔科 夫逻辑网络具体为： 赋予船舶 行为规则知识库中的每一条规则权值信息， 形式化表达为L＝(Fi， wi)， 其中Fi 表示规则i， wi表示每条规则对应的权 重。 9.根据权利 要求1所述的融合COLREGs场景知识的船舶行为意图识别与推理方法， 其特 征在于， 船舶行为 意图识别和推理具体为： 根据马尔科夫逻辑网的联合分布得到最似然的船舶行为意图， 联合分布为： 其中Z为归一化因子， 表示所有规则的数量总和， ni(x)为规 则为真的数量， wi表示规则i对应的权 重， x表示可能的行为 意图。 10.一种用于实现权利要求1至9中任意一项所述的融合COLREGs场景知识的船舶行为 意图识别与推理方法 的融合COLREGs场景知识的船舶行为意图识别与推理装置， 其特征在 于， 包括： 电源， 电路板， 数据接口， 用户接口， 数据处理模块、 规则生成模块、 网络生成模块 和行为推理模块； 数据处理模块对输入的船舶航行数据进行预处理， 规则生成模块首先将COLREGs中对 船舶行为的描述转化为一阶谓词， 然后基于一 阶谓词建立行为规则知识库， 网络生成模块 将行为规则知识库中的规则知识 转化为马尔可夫逻辑网络， 行为推理模块将识别得到的船 舶航行数据与马尔科 夫逻辑网络融合推理船舶行为 意图； 电源为装置供电， 电路板安装数据处理模块、 规则生成模块、 网络生成模块和行为推理 模块， 数据接口引入外源数据和港口地理数据， 用户接口输出 船舶行为 意图推理结果。权　利　要　求　书 2/2 页 3 CN 114547334 A 3