Планирование маршрутов судов по ретроспективным данным о движении на основе модельных представлений вычислительной геометрии

Статья посвящена проблеме безопасного движения судов в условиях насыщенного трафика. Рассматривается задача планирования маршрута перехода морского судна через акватории с интенсивным движением. При плавании в таких условиях судоводители придерживаются некоторой схемы движения, принятой на конкретной акватории. Эта схема может существовать как директивно, так и неформально, являясь обобщением коллективного судоводительского опыта. В последнем случае представляется продуктивным планирование маршрута на основе данных о движении других судов, находившихся на акватории ранее (та же идея лежит в основе методов задач «больших данных»). В работах, опубликованных ранее, такое планирование маршрута осуществлялось на основе кластерного анализа ретроспективных данных о движении судов, что предполагало разбиение акватории на участки и выделение в них характерных значений скоростей и курсов. Проблемой такого подхода является выбор параметров разбиения: их требуется задавать для каждой конкретной акватории отдельно. В настоящей работе предложен другой подход, когда граф возможных маршрутов строится на основе множества пересекающихся ломаных, каждая из которых представляет собой реализованный ранее маршрут. При этом каждому ребру графа приписывается мера его «желательности», характеризующая близость к нему других ребер. Кратчайший путь на взвешенном графе строится с учетом не только геометрической длины ребер, но и меры их «желательности». В статье рассматривается способ построения такого графа возможных маршрутов, делается оценка числа его вершин и ребер, даются рекомендации по выбору метода поиска кратчайшего пути на этом графе. Приводятся примеры планирования маршрутов на ряде реальных акваторий: Владивосток, Сангарский пролив.

1. Франк М.О., Овчинников К.Д., Рыжов В.А. Обзор российского и зарубежного опыта создания безэкипажных катеров. Морские интеллектуальные технологии. 2022;57(3-1):22–28. DOI: 10.37220/MIT.2022.57.3.002.

2. Коренев А.С., Хабаров С.П., Шпекторов А.Г. Формирование траекторий движения безэкипажного судна. Морские интеллектуальные технологии. 2021;54(4-1):158–165. DOI: 10.37220/MIT.2021.54.4.047.

3. Дыда А.А., Пушкарев И.И., Чумакова К.Н. Алгоритм обхода статических препятствий для безэкипажного судна. Вестник государственного университета морского и речного флота им. адмирала С.О. Макарова. 2021;13(3):307–315. DOI: 10.21821/2309-5180-2021-13-3-307-315.

4. Ардельянов Н.П. Промежуточные результаты концепции е-навигации. Вестник государственного морского университета имени адмирала Ф.Ф. Ушакова. 2022;39(2):8–11.

5. Ривкин Б.С. Е-навигация. Прошло 5 лет. Гироскопия и навигация. 2020;28(1):101–120. DOI: 10.17285/0869-7035.0026.

6. Писмаркин Д.Д. Курсовая устойчивость и оптимизация судового пути судна при внешних возмущающих воздействиях в критериях концепции развития е-навигации. Транспортное дело России. 2020;(2):152–156.

7. Tsolakis A., Benders D., de Groot O., Negenborn R.R., Reppa V., Ferranti L. COLREGs-aware Trajectory Optimization for Autonomous Surface Vessels. IFAC-PapersOnLine. 2022; 55(31):269–274. DOI: 10.1016/j.ifacol.2022.10.441.

8. Wang H.B., Li X.B., Li P.F., Veremey E.I., Sotnikova M.V. Application of real-coded genetic algorithm in ship weather routing. Journal of Navigation. 2018;71(4):989–1010. DOI: 10.1017/S0373463318000048.

9. Першина Л.А., Астреина Л.Б. Выбор маршрута судна на основе погодных условий. Эксплуатация морского транспорта. 2019;(2):30–38.

10. Сотникова М.В. Алгоритмы формирования маршрутов движения судов с учетом прогноза погодных условий. Вестник Санкт-Петербургского университета. Серия 10. Прикладная математика. Информатика. Процессы управления. 2009;(2):181–196.

11. Zhao L., Shi G. Maritime anomaly detection using density-based clustering and recurrent neural network. Journal of Navigation. 2019;72(4):894–916. DOI: 10.1017/S0373463319000031.

12. Таратынов В.В. Целесообразность разделения морских путей. Морской флот. 1969;(9):19–20.

13. Лентарёв А.А. Основы теории управления движением судов. Владивосток: Морской государственный университет; 2018. 181 с.

14. Гриняк В.М., Девятисильный А.С., Иваненко Ю.С. Поддержка принятия решений при обеспечении безопасности движения судов на основе кластеризации траекторий. Вестник государственного университета морского и речного флота им. адмирала С.О. Макарова. 2020;12(3):436–449. DOI: 10.21821/2309-5180-2020-12-3-436-449.

15. Гриняк В.М., Шуленина А.В. Кластеризация данных траекторий морских судов для планирования маршрутов через акватории с интенсивным движением. Информационные технологии. 2021;27(11):607–615. DOI: 10.17587/it.27.607-615.

16. Гриняк В.М., Девятисильный А.С. Планирование маршрутов судов через акватории с интенсивным движением на основе ретроспективных данных. Моделирование, оптимизация и информационные технологии. 2022;10(3):25–26. DOI: 10.26102/2310-6018/2022.38.3.014.

17. Onyango S.O., Owiredu S.O., Kim K.I., Yoo S.L. A Quasi-Intelligent Maritime Route Extraction from AIS Data. Sensors. 2022;22(22):8639. DOI: 10.3390/s22228639.

18. Гриняк В.М., Шурыгин А.В. Программа сбора траекторных данных о движении судов из открытых интернет источников. Свидетельство о государственной регистрации программы для ЭВМ 2018618729 Россия. Опубл. 19.07.2018.

19. Головченко Б.С., Гриняк В.М. Информационная система сбора данных о движении судов на морской акватории. Вестник Государственного университета морского и речного флота имени адмирала С.О. Макарова. 2014;(2):156–162.

20. Гриняк В.М., Иваненко Ю.С., Люлько В.И., Шуленина А.В., Щурыгин А.В. Цифровое представление и комплексная оценка навигационной безопасности движения на морских акваториях. Моделирование, оптимизация и информационные технологии. 2020;8(1). DOI: 10.26102/2310-6018/2020.28.1.003.

21. Yager R., Filev D. Essentials of fuzzy modeling and control. New York: John Wiley & Sons. 1994. 388 р.

22. Yager R.R., Filev D.P. Generation of Fuzzy Rules by Mountain Clustering. Journal of Intelligent and Fuzzy Systems. 1994;2(3):209–219. DOI: 10.3233/IFS-1994-2301.

23. Айзерман М.А., Браверман Э.М., Розоноэр Л.И. Метод потенциальных функций в теории обучения машин. М.: Наука; 1970. 384 с.

24. Pallotta G., Vespe M., Bryan K. Vessel pattern knowledge discovery from AIS data: a framework for anomaly detection and route prediction. Entropy. 2013;15:2218–2245. DOI: 10.3390/e15062218.

25. Zhen R., Jin Y., Hu Q., Shao Zh., Niktakos N. Maritime anomaly detection within coastal waters based on vessel trajectory clustering and naïve Bayes classifier. Journal of Navigation. 2017;70(3):648–670. DOI: 10.1017/S0373463316000850.