(19)中华 人民共和国 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 202111233668.7 (22)申请日 2021.10.2 2 (71)申请人 大连海事大学 地址 116026 辽宁省大连市高新园区凌海 路1号 (72)发明人 张新宇　安兰轩　王警　王程博　 郑康洁　 (74)专利代理 机构 大连东方专利代理有限责任 公司 21212 代理人 姜玉蓉　李洪福 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 10/06(2012.01)G06Q 50/30(2012.01) (54)发明名称 一种基于注意力机制的船舶碰撞风险评估 方法 (57)摘要 本发明提供一种基于注意力机制的船舶碰 撞风险评估方法， 包括： 依据获取的船舶航行安 全信息构建本船和目标船的全局航行态势和基 于栅格地图的局部航行态势， 将船舶的航行要素 信息转化为局部空间中的关注区域， 增强本船重 点关注的特定目标区域同时弱化其他区域， 基于 多层感知机对目标船的航行状态向量进行标准 化处理， 并利用神经网络提取目标船和本船之间 成对的航行状态特征， 构建自注 意力模型以高效 地捕获本船与目标船间的特征依赖关系； 利用 Softmax方法对碰撞风险权重矩阵进行归一化， 实现对船舶碰撞风险的量化； 对风险权重参数进 行加权求和， 实现基于注意力机制的船舶碰撞风 险计算。 本发 明技术方案能够为船舶在复杂航行 态势下的实时避碰决策提供支持。 权利要求书2页 说明书6页 附图3页 CN 113962153 A 2022.01.21 CN 113962153 A 1.一种基于注意力机制的船舶碰撞风险评估方法， 其特 征在于， 包括如下步骤： S1、 从船载设备获取本船和目标船的航行状态数据， 构建包括本船的状态向量s和目标 船的航行状态向量 wi的集合Ni， 并以固定尺度的向量形式表达数量可变的状态向量ei； S2、 将状态向量ei作为输入向量， 利用神经网络提取本 船和所有目标船之间的成对的航 行状态特 征向量vi， 计算状态向量ei的平均期望值em， 并计算相似性向量ωi； S3、 利用类Softmax对获得的相似 性向量ωi进行归一化处理， 计算出目标船相对本 船的 量化碰撞风险权 重分布 λi， 利用权求和公式计算碰撞风险向量αi。 2.根据权利要求1所述的基于注意力 机制的船舶碰撞风险评估方法， 其特征在于， 所述 步骤S1的具体实现过程如下： S11、 提取本船全局航行状态信息集， 包括航速v0、 位置(x0,y0)、 航向 本船与目标点 距离dt、 船舶领域半径 r0； 状态集参数化的表达如下： S12、 提取目标船的全局航行状态信息， 包括航速、 位置、 航向、 目标船与本船距离、 本船 与目标船船舶最近安全 会遇距离， 状态集 参数化的表达如下： S13、 在本船周围8n  mile范围内， 构建以本船为中心的局部栅格地图， 每个栅格为1n   mile， 标记目标 船的船位编码在区间[1,25 6]， 计算公式为： TSi‑code＝16×(y‑1)+x S14、 状态向量 集合Ni的表达形式如下： Ni＝[s,wi,Mi] 式中， Mi表示所有目标 船基于局部地图编码的状态向量， 计算方法为： S15、 利用第一层 MLP网络将可变数量的状态向量集合Ni转化为固定长度的状态向量ei， 计算公式如下： ei＝φe(Ni； We) 式中， We为MLP网络φe的训练权 重。 3.根据权利要求1所述的基于注意力 机制的船舶碰撞风险评估方法， 其特征在于， 在所 述步骤S11和步骤S12中， 还 包括： 通过构建全局地图表示本船和目标 船所处航行 水域的运动状态； 通过构建局部地图， 实现障碍物信息的动态编码； 利用多层感知机技 术将航行状态信息和地图张量 转化固定长度的特 征信息。 4.根据权利要求1所述的基于注意力 机制的船舶碰撞风险评估方法， 其特征在于， 所述 步骤S2的具体实现过程如下： S21、 将状态向量ei作为第二层MLP的输入， 得出本 船和目标船 成对的航行状态特征向量 vi， 计算公式如下： vi＝φv(ei； Wv) 式中， Wv为MLP网络φv的训练权 重；权　利　要　求　书 1/2 页 2 CN 113962153 A 2S22、 计算状态向量ei的平均期望值em， 计算公式如下： S23、 依据注意力机制所涉及的关键元素Value、 Key和Query， 将每个目标船的航行状态 向量wi， i∈{1,2,3...n }作为状态向量集合Ni中的查询向量Query， 利用神经网络计算相似 性向量ωi， 计算公式如下： ωi＝φω(ei,em； Wω) 式中， Wω为MLP网络φω的训练权 重。 5.根据权利要求1所述的基于注意力 机制的船舶碰撞风险评估方法， 其特征在于， 所述 步骤S3的具体实现过程如下： S31、 利用类Softmax对获得的相似性向量ωi进行归一化处理， 计算出本船相对各个目 标船的碰撞风险权 重分布， 得到每 个Key对应Value的权 重系数， 计算公式如下： S32、 利用权求和公式计算碰撞风险向量αi， 计算公式如下： 权　利　要　求　书 2/2 页 3 CN 113962153 A 3