一种智能船舶感知模块评估指标体系的构建方法与流程

本发明涉及智能船舶感知模块评估技术领域，尤其涉及一种智能船舶感知模块评估指标体系的构建方法。

背景技术：

智能船舶的感知模块是智能船舶用来获取周围环境并对其感知数据进行处理得到具体周围环境特征的模块。

在对智能船舶进行相应的性能和功能测试的过程中，都需要通过智能船舶感知模块评估指标体系对感知模块进行评估，得到定量的分值，通过对比不同感知模块的分值，对智能船舶进行感知模块的选型、改进提供参考。

一个合理的评估指标体系能够对智能船舶的性能评价起到至关重要的作用，在进行智能船舶的感知模块评估的过程中，只有建立合理有效的评估指标体系和选取合理的评估方法才能得到最为合理的评估结果。

现阶段对于智能船舶的感知模块的评估还没有一个完整有效的评估体系能够解决智能船舶感知模块的评估问题。

技术实现要素：

(一)要解决的技术问题

为了解决上述问题，本发明提供一种智能船舶感知模块评估指标体系的构建方法。

(二)技术方案

为了达到上述目的，本发明采用的主要技术方案包括：

一种智能船舶感知模块评估指标体系的构建方法，所述方法包括：

获取所述感知模块的环境感知设备得到的外部环境信息；

获取所述感知模块的状态感知设备得到的所述船舶的自身状态信息；

根据所述外部环境信息和所述自身状态信息，从所述感知模块的功能性，效率性，可靠性，安全性，经济性，标准性方面建立候选指标因素xj，其中，j＝1,2,…,m，m为候选指标因素的总数量；

根据所述候选指标因素构建评估指标体系；

其中，所述外部环境信息和自身状态信息与所述感知模块的性能以及所述感知模块所实现的功能相关。

可选地，所述根据所述外部环境信息和所述自身状态信息，从所述感知模块的功能性，效率性，可靠性，安全性，经济性，标准性方面建立候选指标因素之后，还包括：

采用专家排序法和熵值法对所述候选指标因素进行优化，得到优化的指标因素；

所述根据所述候选指标因素构建评估指标体系，包括：

根据所述优化的指标因素构建评估指标体系。

可选地，所述采用专家排序法和熵值法对所述候选指标因素进行优化，得到优化的指标因素，包括：

采用专家排序法，确定专家，获取每个当前专家分别对m个候选指标因素按照数字1,2,…,m进行重要性排序；

计算当前各专家排序的一致性系数w；

根据所述w确定专家组成；

基于所述专家组成，采用熵值法对所述候选指标因素进行优化，选择出最佳评估指标因素。

可选地，所述计算当前各专家排序的一致性系数w，包括：

通过如下公式计算当前各专家排序的一致性系数w：

其中，i为专家标识，i＝1,2,…,n，n为当前专家总数量，专家i在进行排序时将第j个候选指标因素的重要性排为zji。

可选地，所述根据所述w确定专家组成，包括：

若w≥一致性阈值，则当前专家为最终专家；

若w<一致性阈值，则增加专家，并重新执行进行获取每个当前专家分别对m个候选指标因素按照数字1,2,…,m进行重要性排序，计算当前各专家排序的一致性系数w的步骤，直至w≥一致性阈值。

可选地，所述一致性阈值为0.6。

可选地，所述基于所述专家组成，采用熵值法对所述候选指标因素进行优化，选择出最佳评估指标因素，包括：

获取所述专家组成中各专家对m个候选指标因素的权重赋值，得到权重矩阵其中，i为专家标识，i＝1,2,…,n1，n1为所述专家组成中专家总数量，专家i对第j个候选指标因素的权重赋值为rji；

确定第i个专家对于第j个候选指标因素的权值的比重pji，其中，

计算第j个候选指标因素的熵值ej，其中，

计算第j个候选指标因素的熵权wj，其中，

按熵权从小到大的顺序排列候选指标因素；

从s＝1开始依次加1，确定满足公式其中s为排序中候选指标因素的序号；

选择排序中前s个候选指标因素，作为最佳评估指标因素。

可选地，所述熵权阈值为98％。

可选地，所述优化的指标因素为：设备完备性指标，功能实现性指标，唤醒时间指标，响应时间指标，数据更新速率指标，失效率指标，平均失效时间指标，平均恢复时间指标，感知精度指标，感知错误率指标，感知率指标，应急处置能力指标，抗干扰能力指标，数据保密性指标，数据完整性指标，感知模块功耗指标，感知模块成本指标，接口标准性指标，协议标准性指标，体积标准性指标。

可选地，所述根据所述优化的指标因素构建评估指标体系，包括：

所述评估指标体系包括目标层，一级指标层，二级指标层；

所述目标层为所述感知模块评价体系；

所述一级指标层为功能性指标，效率性指标，可靠性指标，安全性指标，经济性指标，标准性指标；

所述二级指标层为所述优化的指标因素；

其中，所述功能性一级指标包括设备完备性指标和功能实现性指标；

所述效率性一级指标包括唤醒时间指标，响应时间指标，数据更新速率指标；

所述可靠性一级指标包括失效率指标，平均失效时间指标，平均恢复时间指标，感知精度指标，感知错误率指标，感知率指标；

所述安全性一级指标包括应急处置能力指标，抗干扰能力指标，数据保密性指标，数据完整性指标；

所述经济性一级指标包括感知模块功耗指标和感知模块成本指标；

所述标准性一级指标包括接口标准性指标，协议标准性指标，体积标准性指标。

(三)有益效果

本发明的有益效果是：获取与感知模块所实现的功能相关的外部环境信息和自身状态信息，基于外部环境信息和自身状态信息从感知模块的功能性、效率性、可靠性、安全性、经济性及标准性六个方面进行综合考虑提出不同的评估指标，解决智能船舶感知模块测试评估的相关问题。

附图说明

图1为本申请一实施例提供的一种智能船舶感知模块评估指标体系的构建方法流程示意图；

图2为本申请一实施例提供的一种智能船舶感知模块评估指标体系的结构示意图。

具体实施方式

为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。

现阶段对于智能船舶的感知模块的评估还没有一个完整有效的评估系统能够解决智能船舶感知模块的评估问题。

为了解决该问题，本发明提出了一种智能船舶感知模块评估指标体系的构建方法，从感知模块的功能性、效率性、可靠性、安全性、经济性及标准性六个方面进行综合考虑，分别针对这六个方面提出不同的评估指标，并运用以此来解决现阶段智能船舶感知模块测试评估的相关问题。

参见图1，本发明提供的方法如下：

101，获取感知模块的环境感知设备得到的外部环境信息。

其中，外部环境信息与感知模块的性能以及感知模块所实现的功能相关，例如：外部环境信息包括如下的一种或多种：风速，风向，流速，流向，水深信息，障碍物距离信息，障碍物方位信息，障碍物的尺寸信息，视频信息，能见度信息，波浪信息，水上目标ais信息，其他船舶的灯光信息，声号信息。

102，获取感知模块的状态感知设备得到的船舶的自身状态信息。

其中，自身状态信息与感知模块的性能以及感知模块所实现的功能相关，例如：自身状态信息包括如下的一种或多种：航速，航向，位置，横摇角，纵摇角，垂荡信息，横荡信息，吃水信息。

103，根据外部环境信息和自身状态信息，从感知模块的功能性，效率性，可靠性，安全性，经济性，标准性方面建立候选指标因素。

候选指标因素用xj表示，其中，j＝1,2,…,m，m为候选指标因素的总数量。

在建立候选指标因素之后，还会采用专家排序法和熵值法对候选指标因素进行优化，得到优化的指标因素。

具体的，

1)采用专家排序法，确定专家，获取每个当前专家分别对m个候选指标因素按照数字1,2,…,m进行重要性排序。

2)计算当前各专家排序的一致性系数w。

本步骤通过如下公式计算当前各专家排序的一致性系数w：

其中，i为专家标识，i＝1,2,…,n，n为当前专家总数量，专家i在进行排序时将第j个候选指标因素的重要性排为zji。

3)根据w确定专家组成。

若w≥一致性阈值，则当前专家为最终专家。

若w<一致性阈值，则增加专家，并重新执行进行获取每个当前专家分别对m个候选指标因素按照数字1,2,…,m进行重要性排序，计算当前各专家排序的一致性系数w的步骤，直至w≥一致性阈值。

在具体实现时，一致性阈值可以为0.6。

4)基于专家组成，采用熵值法对候选指标因素进行优化，选择出最佳评估指标因素。

具体的，获取专家组成中各专家对m个候选指标因素的权重赋值，得到权重矩阵其中，i为专家标识，i＝1,2,…,n1，n1为专家组成中专家总数量，专家i对第j个候选指标因素的权重赋值为rji。

确定第i个专家对于第j个候选指标因素的权值的比重pji，其中，

计算第j个候选指标因素的熵值ej，其中，

计算第j个候选指标因素的熵权wj，其中，

按熵权从小到大的顺序排列候选指标因素。

从s＝1开始依次加1，确定满足公式其中s为排序中候选指标因素的序号。

选择排序中前s个候选指标因素，作为最佳评估指标因素。

具体实现时，熵权阈值可以为98％。

例如，通过1)-4)后得到优化的指标因素为：设备完备性指标，功能实现性指标，唤醒时间指标，响应时间指标，数据更新速率指标，失效率指标，平均失效时间指标，平均恢复时间指标，感知精度指标，感知错误率指标，感知率指标，应急处置能力指标，抗干扰能力指标，数据保密性指标，数据完整性指标，感知模块功耗指标，感知模块成本指标，接口标准性指标，协议标准性指标，体积标准性指标。

104，根据候选指标因素构建评估指标体系。

本步骤中，会根据优化的指标因素构建评估指标体系。

参见图2，建立的评估指标体系包括目标层，一级指标层，二级指标层。

目标层为感知模块评价体系。

一级指标层为功能性指标，效率性指标，可靠性指标，安全性指标，经济性指标，标准性指标。

二级指标层为优化的指标因素。

其中，功能性一级指标包括设备完备性指标和功能实现性指标。

效率性一级指标包括唤醒时间指标，响应时间指标，数据更新速率指标。

可靠性一级指标包括失效率指标，平均失效时间指标，平均恢复时间指标，感知精度指标，感知错误率指标，感知率指标。

安全性一级指标包括应急处置能力指标，抗干扰能力指标，数据保密性指标，数据完整性指标。

经济性一级指标包括感知模块功耗指标和感知模块成本指标。

标准性一级指标包括接口标准性指标，协议标准性指标，体积标准性指标。

本发明提供的智能船舶感知模块评估指标体系的构建方法所涉及的智能船舶的感知模块的信息包括外部环境感知设备和自身状态感知两部分数据组成，其中外部环境信息和自身状态信息与所述感知模块的性能以及所述感知模块所实现的功能相关。外部环境感知能够通过感知设备测得周围环境的风速，风向，流速，流向，水深信息，障碍物距离信息，障碍物方位信息，障碍物的尺寸信息，视频信息，能见度信息，波浪信息，水上目标ais信息，其他船舶的灯光信息，声号信息等相关数据，自身状态感知能够通过感知设备测得船舶自身航速，航向，位置，横摇角，纵摇角，垂荡信息，横荡信息，吃水信息等相关信息。

在对感知模块进行评估时，根据感知模块的功能性，效率性，可靠性，安全性，经济性，标准性等方面选取相应的指标因素，并对指标因素进行相应的处理，删减重要性较小的因素，得到优化后的最佳指标因素集，构建适用于智能船舶感知模块的评估指标体系。

首先根据感知模块的功能性，效率性，可靠性，安全性，经济性，标准性六个方面建立候选指标因素xj。

为了能够更好的对智能船舶的测试模块进行评估，需要对剔除不重要的因素，对候选因素进行优化，得到最佳指标因素集。优化方法采用专家排序法和熵值法结合的方式进行。

采用专家排序法是为了避免专家对于问题的了解程度和其知识背景的限制引起的对评估因素评价的的影响。

采用专家排序法时分为三步：

步骤1：让n个专家对m个评价因素按照数字(1,2,…,m)进行的重要性排序，专家i在进行排序时将第j个候选指标因素的重要性排为zji,

步骤2：计算各专家排序的一致性系数，计算公式为：

步骤3：根据计算结果进行相应判断。计算结果w应该在0到1内变动，当w＝0时代表专家对于各因素排序没有共识，当w＝1时代表所有专家意见完全相符。设定一个一致性阈值(如0.6)，当一致性系数w≥0.6时，说明专家组的人员构成比较合适，当一致性系数w<0.6时，说明专家组的人员的评估意见分歧较大，专家构成不合适，应该增加专家组人员，并重新进行步骤1直到一致性系数w≥0.6。

在确定好专家人员组成之后，采用采用熵值法对评估因素进行处理，选择出最佳评估指标体系。

熵值法评选指标因素分为五步：

步骤1：让专家组成中n1个专家分别对m个评价因素进行权重赋值，最终得到权重矩阵表达式为：

其中，rji为第i个专家对指标j的权重赋值。

步骤2：求取第i个专家对于第j个评价因素的权值的比重pji，

pji是rji归一化后的值。

步骤3：计算第j个指标的熵值ej，表达式如下：

步骤4：计算第j个指标的熵权wj，表达式如下：

步骤5：按照各指标熵权的大小判断，当熵权越大，则表明该指标的重要程度越高，当熵权越小，则该指标的重要程度越低，可以考虑去掉该指标，为了对智能船舶感知模块进行评价时指标体系尽可能全，将上述熵权按照从小到大排列，设定一个阈值98％，当前s个指标的熵权和占全部指标熵权和的98％以上时，则取前s个指标来对智能船舶感知模块来进行评价，表达式为：

最终经过优化得到了包含20个评价指标的评价体系。

针对智能船舶感知模块的功能性指标构建二级评价指标体系；进一步，所述的二级指标体系包括功能设备完备性指标及功能实现性指标；进一步，所述的功能设备完备性指标是判断智能船舶的感知设备配备要能够达到能够完整呈现船舶周围环境信息的要求的指标。所述的功能实现性指标是判断智能船舶上的感知模块能够完整地实现感知设备所具备的功能，并能够处理和传输感知的数据的能力的指标。

针对智能船舶感知模块的效率性指标构建二级评价指标体系；进一步，所述的二级指标体系包括响应时间指标、数据更新速率指标及唤醒时间指标。进一步，所述的响应时间是指感知模块从采集到数据到处理完成感知数据的时间间隔，是判断感知模块的执行能力的指标。所述的数据更新速率是感知模块自身的数据更新速率，是判断感知模块的感知效率快慢的指标。所述的唤醒时间是指感知模块的启动时间，是判断感知模块的反应能力的指标。

针对智能船舶感知模块的可靠性指标构建二级评价指标体系；进一步，所述的二级指标体系包括失效率指标、平均失效时间指标、平均恢复时间指标、感知精度指标、感知错误率指标及感知率指标；进一步，所述的失效率是感知模块在工作过程中由于其他原因引起的模块感知能力失效的概率，是判断感知模块稳定工作能力的指标，所述的平均失效时间是指感知模块失效时段的平均时间，所述的平均恢复时间是指每次失效后至恢复正常运作所用的时间的平均值，所述的感知精度是反映感知模块感知到的目标的正确程度，能够反应出感知模块的感知性能，所述的感知错误率是感知模块感知得到的目标数据与实际目标的数据不对应的概率，所述感知率是指感知模块能够感知到目标的概率。

针对智能船舶感知模块的安全性指标构建二级评价指标体系；进一步，所述的二级指标体系包括应急处置能力指标、抗干扰能力指标、数据保密性指标及数据完整性指标；进一步，所述的应急处置能力指标是指感知模块是否有相应的冗余模块来应对突发的紧急事件的能力的指标；所述的抗干扰能力指标是指感知模块是否具有抵御电磁干扰、环境干扰、振动干扰等因素而正常工作的能力的指标；所述的数据保密性指标是指感知模块采集到的数据是否由加密措施的指标，所述的数据完整性指标是判断由感知模块进行感知到的数据是否完整的指标。

针对智能船舶感知模块的经济性指标构建二级评价指标体系；进一步，所述的二级指标体系包括感知模块功耗指标及感知模块成本指标；进一步，所述的感知模块功耗指标是分析通讯模块正常工作时所消耗的功率的指标，所述感知模块成本指标是分析组建整个通讯模块所需要消耗的成本的指标。

针对智能船舶感知模块的标准性指标构建二级评价指标体系；进一步，所述的二级指标体系包括协议标准性指标、接口标准性指标及体积标准性指标；进一步，所述的接口标准性指标是指感知模块是否使用了国家统一规定的设备接口的指标，所述的协议标准性指标是指感知模块是否使用了国家统一规定的协议标准的指标，所述的体积标准性是指各个感知模块的体积是否在符合国家标准的情况下不会对船舶状态或模块自身安全产生较大的影响的指标。

本发明提供的方法，在对感知模块进行评估时，根据感知模块的功能性，效率性，可靠性，安全性，经济性，标准性等方面选取相应的指标因素。

另外，为了能够更好的对智能船舶的测试模块进行评估，对剔除不重要的因素，对候选因素进行优化，得到最佳指标因素集。优化方法采用专家排序法和熵值法结合的方式进行。

本发明提供的方法，能够为智能船舶感知模块的评价提供一个较为完善的评价体系。利用该评价体系进行测试评价能够为智能船舶感知模块的设备选型提供参考的依据。

有益效果：获取与感知模块所实现的功能相关的外部环境信息和自身状态信息，基于外部环境信息和自身状态信息从感知模块的功能性、效率性、可靠性、安全性、经济性及标准性六个方面进行综合考虑提出不同的评估指标，解决智能船舶感知模块测试评估的相关问题。

需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。

还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。

最后应说明的是：以上所述的各实施例仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或全部技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。