基于数据挖掘的船舶海上复杂交通流避障导航建模

摘要

船舶在海上航行,由于海洋环境复杂,航道上船舶的航行航速、航向、载重等均存在不同,因此,航行过程中的船舶随时面临着各种风险与障碍物。为了更好地保障船舶安全,必须对各种障碍物进行预判,寻找到最安全科学的航线,为此建立新型的船舶海上复杂交通流避障导航模型——FABP模型。首先将蚁群算法与c均值模糊聚类算法进行融合,得到各种障碍物的聚类中心,然后利用BP神经网络自动寻优能力,根据不同聚类中心的类型,对海上不同类型的障碍物进行预判,得到最优的船舶海上复杂交通流避障航线,最后进行实验仿真,结果表明,本文模型得到的船舶海上复杂交通流避障航线,路途更近,安全性能更高,效率更高。