基于多源数据驱动的船撞桥危险度智能识别和预警研究

With the development of the national economy and transportation industry, the bridges which crossing the navigable water areas are facing with the safety problem of ship -bridge collision due to the presence of it. Active Anti-Collision solves the passive situation in the process of ship-bridge collision, which is an integral part of the system of anti-collision from the perspective of safety for ship and bridge in recent years.This project , based on the analysis of system requirements of Active Anti-Collision of bridge , researches the structures of ship position and risk degree of ship-bridge collision and early warning, firstly focusing on an integrated problem of three demands on multi data-driven method and learning algorithm for the system of Active Anti-Collision of bridge. The research is carried out from the following four aspects:1) the structure topology of ship position dynamic programming on multi data-driven based on topology principle; 2) the local average approximation to the cost function of the critic module of ship position adopting data-driven K-Nearest Neighbor approach; 3) the policy iteration calculation of risk degree of ship-bridge collision and early warning with a exponential convergence performance; 4) the synchronous learning of the critic and action modules and their online optimization and control. This research will lay a theoretical and applied foundation for the intelligent identification for risk degree of ship- bridge collision and online learning of early warning based on multi data-driven. The research is also a consistent demand and consensus for the avoidance collision of ship-bridge research area in artificial intelligence, decision support and operation management as well as other aspects.

随着国民经济和交通运输业的发展，大量已有、在建或规划中跨越通航水域的桥梁面临着船撞的安全问题。主动防撞解决了桥梁在船撞事件中过于被动的尴尬境地，是近年来兴起的一种 “船-桥共同安全”系统防撞体系中不可或缺的部分。本项目基于桥梁主动防撞系统需求的分析，首次针对船舶位置结构、船撞桥危险度及其预警策略在线学习这三个集中需求的一个综合问题，在一个新的层次上提出了多源数据驱动的桥梁主动防撞系统方法及其学习算法。研究围绕以下四个方面展开：1) 基于拓扑原理构建多源数据驱动的船舶位置动态运算结构；2)采用数据驱动K 近邻方法逼近船舶位置代价函数；3) 面向指数收敛性能计算船撞桥危险度及预警策略迭代；4)评价与执行模块的同步学习及其在线优化与控制。为实现基于多源数据驱动的船撞桥危险度智能识别与预警的在线学习奠定理论及应用基础；这也是桥梁工程防撞研究领域在人工智能、决策支持及运营管理等方面的一致需求和共识。

随着国民经济和交通运输业的发展，大量已有、在建或规划中跨越通航水域的桥梁面临着船撞的安全问题。主动防撞解决了桥梁在船撞事件中过于被动的尴尬境地，是近年来兴起的一种 “船-桥共同安全”系统防撞体系中不可或缺的部分。本项目基于桥梁主动防撞系统需求的分析，首次针对船舶位置结构、船撞桥危险度及其预警策略在线学习这三个集中需求的一个综合问题，在一个新的层次上提出了多源数据驱动的桥梁主动防撞系统方法及其学习算法。. 研究围绕以下四个方面展开：1) 基于拓扑原理构建多源数据驱动的船舶位置动态运算结构；2)采用数据驱动K 近邻方法逼近船舶位置代价函数；3) 面向指数收敛性能计算船撞桥危险度及预警策略迭代；4)评价与执行模块的同步学习及其在线优化与控制。. 结果：1）基于拓扑原理构建了四种非线性多输入多输出船舶位置结构模型，即执行网络扩展方法、子网方法、级联执行网络方法、以及组合方法，构建闭环自适应的船舶位置典型传感器数据输入和输出的网络结构及所有学习算法式。2） 研究了评价网络采用K近邻方法逼近，以舍弃该部分采用神经网络逼近，并克服其固有缺点，从而获得良好数据驱动能力和迭代收敛效果。3) 采用Lyapunov稳定性理论，证明了在二次型、平方加权和、绝对值/模之和的效用函数下，非线性多输入多输出船撞桥危险度方法稳定与收敛性能。4）基于策略迭代的方法，采用线性二次型形式表达和逼近船撞桥危险度及预警控制的权值函数，然后采用非线性多输入多输出耦合系统的解耦控制方法嵌入控制系统，并实时在线地求得上述最优化表达式的可变系数值，代入后即可求得最优化船撞桥危险度及预警阈值的动态输入输出。. 研究结果为实现基于多源数据驱动的船撞桥危险度智能识别与预警的在线学习奠定理论及应用基础；这也是桥梁工程防撞研究领域在人工智能、决策支持及运营管理等方面的一致需求和共识。