(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 202210131719.3 (22)申请日 2022.02.14 (71)申请人 武汉理工大 学 地址 430070 湖北省武汉市洪山区珞狮路 122号 (72)发明人 黄亮　徐顺强　文元桥　黄亚敏　 朱曼　周春辉　 (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. G06N 5/04(2006.01) G06N 7/00(2006.01) G06F 40/30(2020.01) (54)发明名称 基于语义的船舶行为动态推理方法及装置 (57)摘要 本发明公开了一种基于语义的船舶行为动 态推理方法及装置， 该方法包括： 船舶航行数据 整理和语义要素提取； 利用抽象化提取的语义要 素建立船舶行为语义网络， 船舶行为语义网络是 指建立各语义要素之间的语义关系和进行实例 化以实现对 船舶行为语义的结构化表达； 将船舶 行为语义网络转化为静态贝叶斯网络； 将静态贝 叶斯网络赋予时间序列信息转化为动态贝叶斯 网络； 输出动态贝叶斯网络推理的船舶隐藏行 为。 本发明能够从人类认知的角度推理潜在的船 舶行为， 有效地 为水上交通管理提供决策支持。 权利要求书3页 说明书9页 附图6页 CN 114548411 A 2022.05.27 CN 114548411 A 1.一种基于语义的船舶行为动态推理方法， 其特 征在于， 包括以下步骤： 船舶航行 数据整理和语义要素提取； 利用抽象化提取的语义要素建立船舶行为语义网络； 船舶行为语义网络是指建立各语 义要素之间的语义关系和进行实例化以实现对船舶行为语义的结构化表达； 将建立的船舶行为语义网络转 化为静态贝叶斯网； 将得到的静态贝叶斯网络赋予时间序列信息得到动态贝叶斯网络； 利用动态贝叶斯网络推理船舶隐藏行为。 2.根据权利要求1所述的基于语义的船舶行为动态推理方法， 其特征在于， 船舶航行数 据指船舶自动识别系统所记录的数据， 包括静态数据和动态数据； 其中， 动态数据包括船舶某一时间戳下对应的地理经度、 地理纬度、 对地航向、 对地航 速和船艏向； 静态数据包括船舶的唯一标识符和船舶类型。 3.根据权利要求2所述的基于语义的船舶行为动态推理方法， 其特征在于， 要素提取是 指基于船舶航行 数据提取 数据中各自的语义信息； 其中， 船舶的地理经度和地理纬度数据提取为船舶位置语义； 根据船舶航行在不同功 能水域时具有不同的隐藏行为， 将位置语义分为通用水域， 码头水域， 锚地水域和航道水 域； 船舶某一时刻对应的时间戳数据提取为时间语义； 时间语义分为时间段和时间点语 义； 时间点语义分为 开始时间语义和结束时间语义； 船舶某一时刻下对应的所有动态数据提取为船舶航行状态语义； 船舶的唯一标识符数据提取为船舶语义； 船舶的类型 数据提取为船舶类型语义； 将自动识别系统中每个时间戳记录的所有船舶动静态数据提取为轨迹点语义； 将一段 连续时间内的船舶航行轨迹点数据提取为船舶轨迹段语义； 将轨迹段数据提取为船舶的 隐 藏行为语义。 4.根据权利要求3所述的基于语义的船舶行为动态推理方法， 其特征在于， 船舶相同的 航行状态语义在不同的位置语义中所隐藏的语义行为差异明显， 根据位置语义的不同， 划 分为通用水域的状态语义、 码头水域的状态语义、 锚地水域的状态语义、 航道水域的状态语 义； 其中， 通用水域的状态语义包含两个相邻轨迹点在某区域内外的组合状态语义、 航向 变化状态语义和速度变化语义； 码头水域的状态语义包 含在码头内状态、 速度为0状态、 船 型与码头类型相符状态； 锚地水域的状态语义包含在锚地内状态、 速度小于预设阈值状态、 直角穿越状态、 小角 度驶入状态； 航道水域状态语义包 含偏离航道状态、 沿船舶总流向航行状态、 让开分隔线/带状态。 5.根据权利要求3所述的基于语义的船舶行为动态推理方法， 其特征在于， 根据 船舶航 行的位置语义的不同， 船舶隐藏行为包括通用水域的 隐藏行为、 码头水域的 隐藏行为、 锚地 水域的隐藏行为、 航道水域的隐藏行为； 其中， 通用水域的隐藏行为主 要包含驶入/驶离、 转向、 变速； 码头水域的隐藏行为主 要包含抵泊/离泊、 停泊；权　利　要　求　书 1/3 页 2 CN 114548411 A 2锚地水域的隐藏行为主 要包含锚泊、 接近航道、 汇入航道、 穿越航道； 航道水域的隐藏行为主 要包含偏离航道、 安全航行、 应转向。 6.根据权利要求3所述的基于语义的船舶行为动态推理方法， 其特征在于， 各语义要素 之间的语义关系包括： 船舶语义和其他语义的关系， 轨迹段语义和轨迹点语义之 间的关系， 轨迹段语义之间的关系， 轨迹语义段和时间语义之间的关系， 轨迹点语义与时间语义之间 的关系， 行为语义和状态语义之 间的关系， 单个时间片内行为语义间的关系， 相 邻时间片间 行为语义间的关系， 空间拓扑关系； 实例化包括对所述船舶语义、 时间语义、 位置语义、 类型语义、 状态语义、 行为语义、 轨 迹点语义和轨 迹段语义进行实例化处 理以得到相关的实例信息 。 7.根据权利要求1所述的基于语义的船舶行为动态推理方法， 其特征在于， 船舶行为语 义网络转 化为静态贝叶斯网络包括： 生成节点、 生成边、 赋予节点和边相应的概 率信息； 其中， 生成节点是指将将船舶行为语义网络 中属于状态和行为的语义对应静态贝叶斯 网络中的节点； 生成边是指将船舶行为语义网络中语义间的语义关系对应静态贝叶斯网络 中节点间的有向弧； 赋予节点和边相应的概率信息是指将节点对应离散随机变量， 赋予先 验概率分布， 将边的概 率信息对应节点间的条件概 率分布。 8.根据权利要求1所述的基于语义的船舶行为动态推理方法， 其特征在于， 静态贝叶斯 网络赋予时间序列信息得到动态贝叶斯网络包括： 生成初始网络、 生成转移网络和赋予相 应的概率信息； 其中， 初始网络是指初始时刻时间片内节点构成的静态贝叶斯网络； 转移网络为在动 态贝叶斯网络符合一 阶马尔可夫过程的假设前提下， 包含两个相邻时间片的贝叶斯网络； 赋予相应的概率信息为赋予初始网络中节点的概率分布信息以及转移网络的转移概率信 息。 9.根据权利要求1所述的基于语义的船舶行为动态推理方法， 其特征在于， 推理是指后 验概率推理， 基于可以观察的状态语义的实例信息， 利用时间序列下 的状态语义信息计算 当前时间片内各隐藏行为的概率分布， 进而将概率值最大的 隐藏行为推理为当前时间片内 的隐藏行为： 对于有T个时间片的 的时间序列， 后验概 率推理可以表达为： 由贝叶斯公式： 以及贝叶斯网络的条件独立 性假设得： 权　利　要　求　书 2/3 页 3 CN 114548411 A 3