本發明涉及船舶，尤其涉及一種船舶混合編隊控制方法、裝置、設備及介質。
背景技術：
1、在航運業轉型時期，無人駕駛與有人駕駛船舶協同編隊成為了探索的熱點，隨著自主航行技術的不斷完善，未來航運領域中的自主航行船舶將會越來越多，其在減少人力成本、提高運輸靈活性以及推動行業智能化方面所起到的作用將會越來越顯著，然而，盡管自主航行船舶具有許多優勢，但在面對復雜多變的航行環境時，單一的無人駕駛船舶在自主決策方面仍然面臨挑戰，為了克服這一問題，將有人駕駛船舶的靈活應變優勢與無人駕駛船舶的高效運作能力相結合，構建一種優勢互補的混合編隊策略顯得至關重要，這種策略旨在通過整合雙方的優勢，全面提升航運整體效能，以實現更高效、更安全的航行，展望未來，隨著技術的持續進步和應用場景的日益豐富，有人駕駛與無人駕駛船舶的混合編隊模式將成為航運業的主流，這種模式將引領航運業邁向更高層次的智能化與高效化，為全球貿易提供更加可靠、高效的運輸服務。
2、然而，在建立混合編隊運輸體系時，有人駕駛船舶通常使用傳統的無線電通訊方式，而無人駕駛船舶更傾向于衛星通信，這種差異導致了通訊頻率不匹配和技術不兼容的問題，增加了編隊決策的不確定性；并且混合編隊在航行過程中對可能發生的風險進行科學量化和評估時，缺乏有效的航行風險評估標準，導致編隊決策的效率和準確性不高，對航運作業的安全性和效率產生影響。
技術實現思路
1、有鑒于此，有必要提供一種船舶混合編隊控制方法、裝置、設備及介質，用以解決有人駕駛引領無人駕駛船舶的混合編隊在航運作業時，缺乏有效的航行風險評估標準，導致編隊決策的效率和準確性不高的技術問題。
2、為了解決上述問題，本發明提供一種船舶混合編隊控制方法，包括：
3、通過lora技術構建人駕船引領無人船的混合編隊；
4、獲取所述混合編隊的動態數據，對所述動態數據進行融合后，基于融合后的動態數據，采用emd-lstm網絡對所述混合編隊的航行軌跡進行預測，獲得預測軌跡；
5、基于獲取的所述混合編隊的實際軌跡以及所述預測軌跡構建航行風險預警體系，基于所述航行風險預警體系對所述混合編隊的航行風險進行評估，獲得評估結果，基于所述評估結果控制所述混合編隊。
6、在一種可能的實現方式中，所述通過lora技術構建人駕船引領無人船的混合編隊，包括：
7、以人駕船為lora中樞以及無人船為lora終端構建人駕船引領無人船的混合編隊。
8、在一種可能的實現方式中，所述對所述動態數據進行融合，包括：
9、通過ais、雷達、gnss以及電子羅盤獲取所述混合編隊航行過程中的動態數據，其中，所述動態數據至少包括船舶位置、艏向、航行速率、ais軌跡、雷達軌跡；
10、對所述動態數據進行數據精煉后，獲得精煉后的動態數據；
11、獲取船舶的mmsi，基于所述精煉后的數據，通過所述船舶的mmsi將船舶位置、艏向以及ais進行關聯后，對所述ais進行優化，并采用dbscan對優化后的ais軌跡進行聚類后，采用bdtw算法對聚類后的ais軌跡以及雷達軌跡進行雙向對齊，以完成動態數據的融合。
12、在一種可能的實現方式中，所述emd-lstm網絡包括emd算法以及lstm網絡；所述基于融合后的動態數據，采用emd-lstm網絡對所述混合編隊的航行軌跡進行預測，獲得預測軌跡，包括：
13、基于融合后的動態數據獲得所述混合編隊中船舶的歷史軌跡特征，其中，所述歷史軌跡特征至少包括船舶的經度、緯度、航速和航向；
14、將所述歷史軌跡特征輸入至所述lstm網絡中，通過lstm網絡對所述混合編隊的航行軌跡進行預測，獲得第一預測軌跡以及第二預測軌跡；
15、獲取混合編隊的實際軌跡，基于所述實際軌跡以及第一預測軌跡確定殘差序列，通過emd算法對所述殘差序列進行分解，獲得imfs和殘差項；
16、將所述imfs和殘差項輸入至lstm網絡中，通過lstm網絡對所述imfs以及殘差項進行預測，獲得imfs以及殘差項的預測結果；
17、分別對所述imfs的預測結果以及殘差項的預測結果進行疊加，基于所述第二預測軌跡、疊加后的imfs以及疊加后的殘差項獲得預測軌跡。
18、在一種可能的實現方式中，所述航行風險預警體系包括碰撞風險指標、偏航風險指標和擱淺風險指標；所述基于獲取的所述混合編隊的實際軌跡以及所述預測軌跡構建航行風險預警體系，包括：
19、預設最小安全間隔閾值，基于所述預測軌跡確定未來時間內所述混合編隊中船舶的位置，基于所述船舶的位置計算出船舶之間的最小間隔距離，基于所述最小安全間隔閾值以及最小間隔距離確定第一碰撞風險指標，其中，所述未來時間為三分鐘；
20、確定所述混合編隊中船舶的安全領域，基于所述實際軌跡以及預測軌跡確定障礙物的位置，基于所述混合編隊中船舶的安全領域以及障礙物的位置確定第二碰撞風險指標；
21、基于所述第一碰撞風險指標以及第二碰撞風險指標確定碰撞風險指標；
22、預設安全距離閾值，基于所述實際軌跡以及預測軌跡確定無人船與人駕船之間的最大距離，基于所述無人船與人駕船之間的最大距離以及安全距離閾值確定碰撞風險指標；
23、獲取電子海圖信息，預設船舶吃水深度余量，基于所述實際軌跡、預測軌跡以及電子海圖信息確定混合編隊中船舶的實際吃水深度以及最大吃水深度，基于所述船舶吃水深度余量、最大吃水深度以及船舶吃水深度余量確定擱淺風險指標。
24、在一種可能的實現方式中，所述碰撞風險指標的計算式為：
25、，
26、，
27、，
28、其中，為碰撞風險指標，為第一碰撞風險指標，為第二碰撞風險指標，為船舶編隊中船舶在未來三分鐘內預測位置的最小間隔距離，為最小安全間隔閾值，為障礙物的位置，為混合編隊中第艘船舶的安全領域范圍；
29、所述偏航風險指標的計算式為：
30、，
31、其中，為偏航風險指標，為第艘無人船與領航船之間的最大距離，為預設的安全距離閾值；
32、所述擱淺風險指標的計算式為：
33、，
34、其中，為擱淺風險指標，為混合編隊內第艘船的實際吃水深度，為預設的吃水深度余量，為航行路徑允許的最大吃水深度。
35、在一種可能的實現方式中，所述基于所述評估結果控制所述混合編隊，包括：
36、基于所述評估結果對所述混合編隊的航行狀態進行判斷，當所述混合編隊的航行狀態為異常狀態時，獲取警報信息，基于所述警報信息，通過lora通信網絡下發調整指令，基于所述調整指令調整所述無人船的航行參數，完成混合編隊的控制。
37、另一方面，本發明還提供一種船舶混合編隊控制裝置，包括：
38、混合編隊構建模塊，用于通過lora技術構建人駕船引領無人船的混合編隊；
39、軌跡預測模塊，用于獲取所述混合編隊的動態數據，對所述動態數據進行融合后，基于融合后的動態數據，采用emd-lstm網絡對所述混合編隊的航行軌跡進行預測，獲得預測軌跡；
40、混合編隊控制模塊，用于基于獲取的所述混合編隊的實際軌跡以及所述預測軌跡構建航行風險預警體系，基于所述航行風險預警體系對所述混合編隊的航行風險進行評估，獲得評估結果，基于所述評估結果控制所述混合編隊。
41、另一方面，本發明還提供一種電子設備，包括：處理器和存儲器；
42、所述存儲器上存儲有可被所述處理器執行的計算機可讀程序；
43、所述處理器執行所述計算機可讀程序時實現如上所述的船舶混合編隊控制方法中的步驟。
44、另一方面，本發明還提供一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有一個或者多個程序，所述一個或者多個程序可被一個或者多個處理器執行，以實現如上所述的船舶混合編隊控制方法中的步驟。
45、本發明的有益效果是：通過lora技術構建人駕船引領無人船的混合編隊，采用lora技術整合人駕船與無人船的通訊，解決通訊頻率不匹配和技術不兼容的問題，提高了通訊效率和兼容性，確保了人駕船與無人船之間信息準確傳輸；獲取混合編隊的動態數據，對動態數據進行融合，通過數據融合為混合編隊提供更全面、準確的決策依據；基于融合后的動態數據，采用emd-lstm網絡對混合編隊的航行軌跡進行預測，通過引入emd-lstm網絡，實現了船舶軌跡的高精度預測；基于獲取的混合編隊的實際軌跡以及預測軌跡構建航行風險預警體系，基于航行風險預警體系對混合編隊的航行風險進行評估，通過航行風險預警體系對混合編隊在航行過程中發生的風險進行科學量化和評估，動態地響應船舶行為的即時變化，更為靈敏地識別出異常航行的船舶，為駕駛員提供及時、準確的決策支持，簡化了航行復雜性，提高了編隊決策效率和準確性。