CN120257200A 智能海事安全态势感知系统及方法 （浙江交通职业技术学院）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120257200A(43)申请公布日2025.07.04

(21)申请号202510331108.7

(22)申请日2025.03.20

(71)申请人浙江交通职业技术学院

地址311112浙江省杭州市余杭区良渚街

道古墩路1516号

申请人浙江省交通运输科学研究院

GO6NGO6NGO6NGO6NG06Q

3/0464(2023.01)

3/0442(2023.01)

3/045(2023.01)

3/08(2023.01)50/26(2024.01)

(72)发明人陈兴伟柳良伟田燕华方诚于璐莎何佩

(74)专利代理机构南京权盟知识产权代理事务所(普通合伙)32722

专利代理师赵洪烨

(51)Int.CI.

GO6FGO6FGO6N

18/25(2023.01)

18/213(2023.01)

3/042(2023.01)

权利要求书3页说明书12页附图2页

(54)发明名称

智能海事安全态势感知系统及方法

(57)摘要

CN120257200A本发明公开了智能海事安全态势感知系统及方法，涉及路径规划技术领域，通过获取多源船舶数据，进行时空维度对齐和特征权重分配，生成融合特征张量，通过图卷积操作提取空间拓扑关系，通过LSTM模型捕捉时间依赖特征，结合空间拓扑关系和时间依赖特征，构建船舶交互势能场模型，结合冲突锥算法计算碰撞风险指数，生成动态更新的海域风险热力图，将海域风险热力图和融合特征张量进行态势图谱构建，采用层次化图注意力网络提取船舶-环境-事件三元组关系，构建可解释的语义化态势图谱，依次通过

CN120257200A

步骤一

通过多源传感器获取多源船舶数据，对多源船舶数据进行时空维度对齐和特征权重分配，生成融合特征张量

步骤二

将所述融合特征张量输入时空图卷积层，通过图卷积操作提取空间拓扑关系，通过LSTM模型捕捉时间依赖特征

结合空间拓扑关系和时间依赖特征，构建船舶交互势能场模型，结合冲一步骤三突锥算法计算碰撞风险指数，基于碰撞风险指数，生成动态更新的海域

风险热力图

步骤四

将海域风险热力图和融合特征张量进行态势图谱构建，采用层次化图注

意力网络提取船舶-环境-事件三元组关系，构建可解释的语义化态势图

谱

步骤五

将所述语义化态势图谱输入全局决策模型，依次通过节点级风险评估生成威胁矩阵，并通过区域级路径优化获得航路规划方案

CN120257200A权利要求书1/3页

2

1.智能海事安全态势感知方法，其特征在于，包括以下步骤：

步骤一：通过多源传感器获取多源船舶数据，对多源船舶数据进行时空维度对齐和特征权重分配，生成融合特征张量；

步骤二：将所述融合特征张量输入时空图卷积层，通过图卷积操作提取空间拓扑关系，通过LSTM模型捕捉时间依赖特征；

步骤三：结合空间拓扑关系和时间依赖特征，构建船舶交互势能场模型，结合冲突锥算法计算碰撞风险指数，基于碰撞风险指数，生成动态更新的海域风险热力图；

步骤四：将海域风险热力图和融合特征张量进行态势图谱构建，采用层次化图注意力网络提取船舶-环境-事件三元组关系，构建可解释的语义化态势图谱；

步骤五：将所述语义化态势图谱输入全局决策模型，依次通过节点级风险评估生成威胁矩阵，并通过区域级路径优化获得航路规划方案。

2.根据权利要求1所述的智能海事安全态势感知方法，其特征在于，所述通过多源传感器获取多源船舶数据包括以下步骤：

步骤111:在待感知海事区域内构建由若干种传感器组成的船舶监测网络；

步骤112:船舶监测网络中各台传感器分别实时收集对应的船舶参数数据，组成多源船舶数据。

3.根据权利要求2所述的智能海事安全态势感知方法，其特征在于，所述对多源船舶数据进行时空维度对齐和特征权重分配，生成融合特征张量包括以下步骤：

步骤121:使用动态时间规整或线性插值方法对多源船舶数据中不同传感器收集的船舶参数数据进行时间对齐；再采用地理信息系统技术将所有传感器的船舶参数数据的坐标信息映射到同一地理坐标系中，以实现多源船舶数据的时空维度对齐；

步骤122:通过为各个传感器预定义的特征权重，对各个传感器收集的船舶参数数据通过加权平均或特征拼接的方式进行加权融合，为每一单位时间生成一个更高维度的融合特征张量。

4.根据权利要求3所述的智能海事安全态势感知方法，其特征在于，将所述融合特征张量