Schiffskollisionen sind selten, aber verheerend für Umwelt, Passagiere und Maschinen. Die Kollisionsvermeidung ist Aufgabe der Besatzung, unterstützt durch Assistenzsysteme. Diese nutzen eine lineare Bewegungsprädiktion zur Gefahrenabschätzung, ignorieren dabei allerdings Kontextfaktoren wie Wetter und den Wasserstraßenverlauf, was zu Fehlalarmen führt. Dies erhöht das Kollisionsrisiko in küstennahen Gewässern. In dieser Arbeit wird eine neue Methode zur Verhaltensprädiktion präsentiert, die Bewegungsdaten und Kontextinformationen miteinander kombiniert. Zur eigentlichen Vorhersage wird ein LSTM-Netzwerk für präzisere genutzt. Die Evaluationen in der Jade, Weser und Elbe zeigen, dass insbesondere die Berücksichtigung von Seewetter präzisere Ergebnisse liefert. Die Methode trägt somit zur Verbesserung der Kollisionsvermeidung bei.
Ship collisions are rare, but devastating for the environment, passengers and machinery. Collision avoidance is the task of the crew, supported by assistance systems. They use linear motion prediction to assess the risk, however, they neglect contextual factors such as weather and the course of the waterway, which leads to false alarms. This increases the risk of collision in coastal waters. In this thesis, a new method for behavior prediction is presented that combines movement data and context information. For the actual prediction, an LSTM network is used for more precise predictions. The evaluations in the Jade, Weser and Elbe show that the incorporation of sea weather in particular provides more precise results. The method therefore contributes to improving collision avoidance.
Institute of Electrical and Electronics Engineers IEEE transactions on automation science and engineering New York, NY : [Verlag nicht ermittelbar], 2004 21(2024), 3, Seite 4817-4828 Online-Ressource
