自主船舶与有人驾驶船舶动态博弈避碰决策.pdf

本文网址：http:/www.ship- J.中国舰船研究,2024,19(1):238247.CUI H,ZHANG X Y,WANG J,et al.Dynamic game collision avoidance decision-making for autonomous and mannedshipsJ.Chinese Journal of Ship Research,2024,19(1):238247(in Chinese).自主船舶与有人驾驶船舶动态博弈避碰决策扫码阅读全文崔浩，张新宇*，王警，王程博，郑康洁大连海事大学 航海学院，辽宁 大连 116026摘 要:目的目的为实现船舶的高效避碰与安全航行，针对自主船舶与有人驾驶船舶混合航行环境下的交互避碰问题展开研究，提出一种多智能体交互的船舶动态博弈避碰决策方法。方法方法依据驾驶实践，理解并分析混行环境下的船舶避碰问题，基于国际海上避碰规则量化船舶会遇态势及碰撞危险，引入动态博弈理论，将存在碰撞危险的船舶个体建模为博弈中具有独立思想的参与者，并以船舶的航向改变量为博弈策略，在船舶安全性收益、社会性收益及经济性收益约束下求解船舶的最优行动序列，以及将船舶驾驶员风格的差异化引入仿真实验中以验证避碰决策的有效性。结果结果结果显示，所提方法能够在自主船舶与有人驾驶船舶混行场景下实现多船的安全会遇；各船在面对不同驾驶风格的目标船舶时均能类人地调整自身的行为策略，从而实现安全避让。结论结论所做研究可为自主船舶及有人驾驶船舶的避碰决策提供参考。关键词：混行场景；船舶避碰；驾驶风格；博弈论中图分类号:U664.82;U675.96文献标志码:ADOI：10.19693/j.issn.1673-3185.03305 Dynamic game collision avoidance decision-making forautonomous and manned shipsCUI Hao,ZHANG Xinyu*,WANG Jing,WANG Chengbo,ZHENG KangjieNavigation College,Dalian Maritime University,Dalian 116026,ChinaAbstract:Objective This study investigates the interactive collision avoidance（CA）problem ofautonomous and manned ships in mixed navigation scenarios in order to achieve the efficient collision avoid-ance and safe navigation of ships.To this end,a multi-agent interactive ship dynamic game collision avoid-ance decision-making method is proposed.MethodsAccording to sailing practices,the ship collisionavoidance problem in mixed navigation environments is analyzed and understood,and the ship encounter situ-ation and collision risk are quantified on the basis of the International Regulations for Preventing Collisions atSea(COLREGs).Dynamic game theory is introduced to model individual ships with collision risk as parti-cipants with independent thinking in the game,and the course changes of ships are taken as the strategy for de-termining the optimal action sequence under the constraints of ship safety and social and economic benefits.Different ship maneuvering modes are introduced to the simulation experiment,and the effectiveness of thecollision avoidance decision-making method is verified using Python.ResultsThe results show that thismethod can realize the safe encounter of multiple ships in a mixed navigation environment of autonomous andmanned ships,and each ship can adjust its behavior strategy to achieve safe avoidance when facing target shipswith different sailing styles.ConclusionThis study can provide valuable references for the collisionavoidance decision-making of autonomous and manned ships.Key words:mixed navigation scenario；ship collision avoidance；maneuvering mode；game theory 收稿日期:20230326 修回日期:20230606 网络首发时间:20231219 15:59基金项目:大连市科技创新基金资助项目（2022JJ12GX015）作者简介:崔浩，男，1998 年生，硕士生。研究方向：无人船自主航行。E-mail：cuihao_张新宇，男，1978 年生，博士，教授，博士生导师。研究方向：交通组织与优化，无人船自主航行，海事大数据。E-mail：zhangxy *通信作者:张新宇 第 19 卷 第 1 期中 国 舰 船 研 究Vol.19 No.12024 年 2 月Chinese Journal of Ship ResearchFeb.20240 引言在航运领域，船舶避碰决策是一项至关重要的研究内容，有效的避碰决策可以保证船舶的航行安全，减少生命财产损失与环境污染。随着人工智能技术的高速发展，搭载有自动感知、自动决策和自动控制等系统的自主船舶在改善水路运输安全及效率方面有着巨大的潜力，已成为航运领域一个备受关注的研究热点。近年来，以挪威、英国、美国、日本及中国为代表的自主船舶技术研发强国针对实际海域中特定的会遇场景进行了实船测试。但由于自主船舶造价昂贵、航运业对其的接纳缓慢等原因，短时间内，自主船舶并不能完全取代有人驾驶船舶从事海上货物运输，因此，未来很长一段时间内海上将处于不同自主程度的海上自主水面船舶（maritime autonom-ous surface ship，MASS）与传统有人驾驶船舶混合航行的状态。由于自主船舶缺乏与周围有人驾驶船舶实时交互的能力，且驾驶员的操船行为具有不确定性，对船舶间的安全航行更具考验，因此，有必要研究混行环境下自主船舶与有人驾驶船舶间的安全交互避碰。当前，国内外针对自主船舶与有人驾驶船舶在混行环境下的船舶避碰问题研究较少。Huang等1针对自主船舶发展过程中驾驶员与机器交互合作的问题，提出了人机交互的船舶避碰系统框架，以期实现驾驶员与智能避碰系统能共享避碰决策，但该方法仅考虑了自主船舶本身与自主船舶驾驶员之间的交互，并未考虑自主船舶与其他有人驾驶船舶间的交互特性。在自动驾驶车辆领域，有少量的相关研究可供借鉴学习。黄玲等2针对人机混驾环境，构建了基于长短期记忆神经网络的无人驾驶车辆换道行为模型，并对车辆换道行为的影响因素以及与周边车辆的相互作用进行了分析。王振3针对混合交通流场景下智能网联汽车与人工驾驶汽车之间协作困难的问题，构建了多种较为完善的换道模型，并在混行交通场景下进行了验证分析。但是，相比道路交通，海上混行交通环境所具有的结构化特征弱、不确定性多、船舶避让行为的随机性强等特征，导致应用道路混行交通的安全驾驶方法理论，来解决海上混行环境下的避碰问题在一定程度上存在应用的局限性。因此，混行环境下传统有人驾驶船舶、遥控船舶及自主船舶在统一海域的交互问题是未来自主船舶发展的难点与研究重点4。在现有的船舶避碰决策方法研究中，通过确定性几何决策5、群体智能优化寻路6、启发式路径搜索7、避碰专家系统8、人工智能9-11及驾驶行为决策12-13等方法制定的船舶避碰决策大多忽略了周围船舶的影响，其主要是将周围船舶视为恒速恒向的障碍，并未考虑周围船舶的意图变化，没有涉及自主船舶与周围船舶之间的交互，因此不适用于混行环境下的船舶避碰问题。针对船舶间的交互过程，采用博弈论可以更好地予以分析和解决。王刚14将船舶避碰问题放在博弈论框架下进行研究，设计了扩展式博弈避碰模型，实现了两船的动态协调避碰。欧阳旭东等15将多船避碰问题转化为船舶间完全信息的非零和扩展式动态博弈，通过设计避碰优先级、收益函数等要素，求解了船舶避让行动策略。然而，上述研究均只考虑了同类型船舶间的交互避碰，未在决策中考虑自主船舶与有人驾驶船舶间的交互影响。在有人驾驶船舶操船过程中，存在很大的驾驶员行为差异与不确定性，甚至在很多会遇场景中还会违反避碰规则来减少偏航损失16，所以自主船舶避碰算法应充分考虑有人驾驶船舶的避碰经验与操纵行为，使其能够在混行环境下更具实用性。为此，Kang 等17通过从大量航海仿真数据（MSBD）和自动识别系统（AIS）数据中识别船舶避碰行为，研究了船长在面临碰撞风险时采取的避碰行动，以及在降低碰撞风险后返回原航线时采取的复航行动。Wickens 等18通过实验研究了船舶避碰时的机动决策偏好，并在轨迹确定性和不确定性的条件下分析了船舶避碰过程中是如何平衡安全、效率和避碰规则的。Yim 等19利用船舶模拟器，在给定的场景下对驾驶员的避让行为进行识别与学习，构建了驾驶员避碰行为模型，该模型可辅助船舶自主避碰。Wang 等20提出一种观察推理预测决策（OIPD）模型，试图通过不断观察与推理来理解他船的避碰意图，然后根据他船的避碰意图执行相应的避碰操作。虽然这类决策模型能够满足安全避碰的要求，但由于船舶个体的驾驶风格类型不同，通过预测的方式不能保证避碰意图的准确性。为解决混行环境下自主船舶与有人驾驶船舶间的安全交互避碰问题，提高船舶避碰的安全性与有效性，本文拟提出一种多智能体交互的船舶动态博弈避碰决策算法，在保障船舶航行安全与效率的前提下，探索新型混合交通环境下自主船舶与有人驾驶船舶间的交互避碰行为，并在遵守国际海上避碰规则（COLREG）的前提下考虑船舶驾驶员驾驶风格的多样性，以期实现自主船舶类人地与有人驾驶船舶进行交互避碰、自主化解第 1 期崔浩等：自主船舶与有人驾驶船舶动态博弈避碰决策239碰撞危险的目标，为混行环境下的船舶避碰提供研究思路。1 自主船舶与有人驾驶船舶混行场景理解与量化 1.1 自主船舶与有人驾驶船舶混行环境分析自主船舶与有人驾驶船舶的混行环境允许2 种不同类型的船舶在海上完成一系列的航行活动，一种是具备自主驾驶能力的无人驾驶船舶，另一种是需要人工驾驶的有人驾驶船舶。在混行场景中，船舶之间均配备 AIS、雷达等设备，不考虑通信延迟与传感器误差，可以近实时地获取附近船舶的相关航行信息，并且可以向附近船舶广播本船的相关航行信息。为便于研究，假设混行环境中船舶之间可以交换如下信息：1）所有关于船舶的船长、船宽、船名、类型、呼号等静态信息。2）所有关于船舶的货物类型、目的地等航次信息。3）所有关于船舶的实时航向、航速、船位等动态信息。4）所有涉及船舶的驾驶风格以及安全会遇参数。如图 1 所示，三船在航行过程中存在碰撞危险，船舶间均已知晓各方的航行信息与安全会遇参数。船舶间进行相互博弈，按照 COLREG 及驾驶实践进行相关避碰操作，最终实现自主船舶与有人驾驶船舶的安全会遇，消除碰撞危险。有人驾驶船舶 A有人驾驶船舶 B信息交互自主船舶图 1混行场景多船交互示意图Fig.1 Schematic diagram of multi-ship interactions in a mixednavigation scenario 1.2 船舶避碰过程量化分析 1.2.1 船舶会遇态势划分COLREG 的适用范围为在公海和连接于公海可供海船航行的一切水域中的一切船舶。对于混行环境下的自主船舶与有人驾驶船舶，均应遵守这一基本规定，在规则的具体条款约束下安全航行。船舶会遇态势的划分是船舶采取避碰行动的基础，不一致的会遇态势判断可能会导致船舶的不协调行动，从而引发碰撞事故。COLREG 没有对多船会遇进行定义，但在海上实践中，对于该局面一般是分两船一组来进行判断。本文根据避碰规则对追越、交叉相遇和对遇这 3 种会遇场景的定义，以本船为中心视角，以目标船相对于本船的方位划分了 5 个会遇区域，具体如图 2 所示。6354247.5112.5ABCD67.5E图 2船舶会遇态势划分原理图Fig.2 Schematic diagram of the division principle ofship encounter situation To根据避碰规则及驾驶实践，若在互见中两船会遇，对于 A，B 区域的目标船，本船为让路船，应采取向右转向的避碰措施来避让他船；对于 C 区域的目标船，本船为让路船，依据驾驶实践可以采取向左转向或减速的措施；对于 D，E 区域的目标船，本船为直航船，应保向保速，只有在两船到达紧迫局面时本船才采取有效的避碰措施。本文涉及的会遇局面主要发生在开阔水域，故不考虑风、浪、流等由环境扰动造成的影响。除追越场景外，判断两船进入会遇态势的指标是两船间距离小于等于 6 n mile，追越场景则为 3 n mile。两船间会遇态势划分范围详见表 1，其中，表示他船航向，表示本船航向。1.2.2 船舶碰撞危险判定碰撞危险与水域环境、气象、能见度、船舶尺度和操作性能等诸多因素有关，而根本的因素是最近会遇距离（distance to closest point of approach，DCPA）c 以及最近会遇时间（time to closest point ofapproach，TCPA）。本文的研究限定在开阔水域，是否存在碰撞危险以最近会遇距离 dcpa和最近会遇时间 tcpa以及安全会遇距离（safe distance of ap-proach，SDA）SDA及安全会遇时间（safe time of ap-proach，STA）STA的关系进行判断。参考文献 21，并综合考虑开阔水域的交通流量、船舶尺度等，240“无人船艇自主性技术”专辑第 19 卷在后续实验中设置 SDA=1.5 n mile，STA=15 min。若满足式（1）和式（2），即存在碰撞危险，其中tcpa表示碰撞危险度的高低，tcpa越小，碰撞危险度越高。dcpa SDA(1)0 tcpa SDAtcpa 0dcpa SDA0 tcpa d(qi)|dtcpaij|d(qi),|dtcpaij|d(qi)(3)Sti=minStij,Stik,.(4)dtcpaijdtcpaik|dtcpaij|d(qi)Stij|dtcpaij|d(qi)Stijqid(qi)StijStikSti式中，在 t 时刻船舶 i 与船舶 j，k 间的最近会遇距离分别为，。当时，=1；当时，为船舶 i 与其存在碰撞危险的船舶 j 在采取各自避碰策略时的最近会遇距离与船舶 i 的心理安全会遇距离的比值。反映了船舶 i 的驾驶风格，为船舶 i 的心理安全预期。，.间的最小值即为船舶 i 在阶段博弈 t 时刻中的安全性收益。d(q)本文参考了交通领域对于驾驶员驾驶风格的分类，参考了相关航运企业对船舶航行中安全会遇距离的要求，分别设置激进型、正常型和保守型船舶驾驶员最小安全会遇距离的阈值为1.0，1.5 和 2.0 n mile。2.3.2 符合避碰规则的社会性收益Rti社会性收益主要考虑避让决策对 COLREG的遵守程度。因 COLREG 仅对两船会遇下的避碰行动作出了规定，故针对多船会遇，将分别两两判断船舶所采取的行动是否符合 COLREG。在博弈中，t 时刻船舶 i 的社会性收益定义为：Rtij=1,Ai Ai0,Ai Ai(5)Rti=Rtij+Rtik+n1(6)ESijAiAiAi Ai式中，在 t 时刻，n 为会遇场景中船舶的数量。船舶 i 与船舶 j 处于会遇态势，COLREG 要求船舶 i 的行动为，船舶 i 从基础行动集选取的动作为，若，即船舶的避让动作与 COLREG 的要求相对应，则被认为符合规则，收益为 1，其他不协调动作则被认为背离规则，收益为 0。在多船会遇场景下，在 t 时刻船舶 i 与船舶 j，k.间的242“无人船艇自主性技术”专辑第 19 卷RtijRtikRti规则符合性，.的均值即为船舶 i 在阶段博弈 t 时刻中的社会性收益。2.3.3 考虑船舶能耗的经济性收益Eti经济性收益主要考虑船舶做出的避让决策对船舶能耗的影响。船舶偏转角度越大，将越偏离初始航行状态，产生的能耗也就越大，经济性收益越小。在博弈中，t 时刻船舶 i 的经济性收益定义为Eti=cos(),0,90(7)AidesiredAi=desiredAiEti式中：在 t 时刻，船舶 i 选取的行动为，决策航向为，船舶决策前的航向为，船舶采取行动产生的航向增量为。则船舶 i 未选取行动时的航行距离与选取行动后进行复航操作前这段时间内航行距离间的比值，即为船舶i 在阶段博弈 t 时刻中的经济性收益。2.3.4 驾驶收益计算Uti本文综合考虑了有人驾驶船舶驾驶员在避碰过程中对安全性、社会性和经济性的需求，建立了船舶 i 在阶段博弈 t 时刻中的总收益函数，3 个收益之间相互影响、互为补充，共同构成了总的收益。不同驾驶风格的船舶驾驶员对于各项收益有着不同的权重系数需求。Uti=1Sti+2Rti+3Eti(8)3i=1i=1123式中，其中，分别表示不同驾驶风格船舶驾驶员对于避碰安全性需求、符合规则社会性需求和节油经济性需求的权重系数。2.4 纳什均衡分析及求解对于所构建的自主船舶与有人驾驶船舶博弈避碰模型，求解纳什均衡的步骤如下：1）在一个船舶动态博弈中，避碰优先级最高的船舶在采取避碰策略时，会预测到后行动的船舶为应对自身策略而采取的避碰行动，从而选择使本船收益最大的最优避碰策略，即U1(a1,T12(a1),T13(a1),.,T1N(a1)U1(a1,T12(a1),T13(a1),.,T1N(a1),a1 1(9)2）避碰优先级居中的船舶驾驶员在观察到比他先行动的船舶已经采取的避碰行动后，结合对在其后行动船舶可能采取的避碰行动的预测结果来选择自身的最优策略，即U2(a1,a2,T23(a1,a2),.,T2N(a1,a2)U2(a1,a2,T23(a1,a2),.,T2N(a1,a2),a2 2(10)U3(a1,a2,a3,.,T3N(a1,a2,a3)U3(a1,a2,a3,.,T3N(a1,a2,a3),a3 3(11)3）最后行动的船舶驾驶员 N 在前 N1 个先行动船舶采取行动的基础上决定自身的最优应对策略，即UN(a1,a2,a3,.,aN1,aN)UN(a1,a2,a3,.,aN1,aN),aN N(12)UiTij()()aiai1,2,3,.,N1,2,3,.,Na1,a2,a3,.,aN1,2,3,.,N上式中：为船舶 i 总的收益函数；为船舶i 在先采取避碰行动的他船驾驶员在选择避碰策略组合的基础上推测后行动的船舶驾驶员 j 的避碰行动；为船舶 i 在当前避碰阶段博弈中采取的最优避碰行动；表示船舶 i 采取自身避碰策略集中的任意避碰行动；表示船舶的避碰策略集合，策略集合为船舶采取的最优均衡行动。通过上述分析，求解自主船舶与有人驾驶船舶博弈避碰过程中混合策略的纳什均衡解，所得决策结果可为自主船舶及有人驾驶船舶的避碰决策提供参考。在混行环境下，基于动态博弈的船舶避碰决策如图 4 所示。开始信息感知与采集碰撞危险?博弈避碰决策开始是执行避碰操作,核查行动有效性否博弈收益计算驾驶风格权重博弈序贯行动顺序均衡避碰行动避碰结束,进行复航博弈避碰决策模型船舶避碰流程图 4船舶动态博弈避碰决策流程Fig.4 Decision-making process of ship dynamic game collisionavoidance 3 实验和讨论 3.1 仿真环境及参数本文通过 PyCharm 软件设计多组仿真实验，以验证自主船舶与有人驾驶船舶动态博弈避碰决策的有效性，探究驾驶员风格变化对船舶博弈交互避碰结果的影响。不同风格驾驶员对于安全性、经济性的心理预期不一样，对规则的遵守程度也不一致。本文将通过设置不同风格的船舶驾驶员的收益系数，以突出有人船舶的差异性，从而更好地模拟混行环境下船舶避碰的特点与难第 1 期崔浩等：自主船舶与有人驾驶船舶动态博弈避碰决策243123123123点。对于激进型驾驶风格，收益权重系数，分别取 0.3，0.3，0.4；对于正常型驾驶风格，收益权重系数，分别取 0.3，0.4，0.3；对于保守型驾驶风格，收益权重系数，分别取 0.4，0.3，0.3。此处的收益权重系数主要是为了体现不同的驾驶风格，例如激进型驾驶员会更加注重经济效益，故经济性收益所占的权重相比另外 2 项会更高。同理，正常型驾驶员更注重遵守避碰规则，而保守型驾驶员更注重安全性收益。船舶初始会遇参数及驾驶风格的设置如表 3 所示。表 3 船舶初始会遇参数及驾驶风格设置Table 3 Parameters of ships initial encounter and sailing style settings编号船位/()航向/()航速/kn驾驶风格碰撞危险船实验1实验2实验3AS(118.249，38.778)3215正常型正常型正常型MS1，MS2MS1(118.359，38.857)25512正常型保守型保守型AS，MS2，MS3MS2(118.299，38.911)21512正常型激进型激进型AS，MS1，MS3MS3(118.198，38.891)12512正常型正常型激进型MS1，MS2 3.2 实验 1 的四船博弈交互避碰实验1 中，自主船舶AS 与有人驾驶船舶MS1MS3 均为正常型驾驶风格，其实验结果如图 5 所示。其中，图 5（a）为各船交互博弈避碰轨迹图。由图可知，面对多船会遇局面，各船均做出了符合 COLREG 要求的避碰行动与他船驶过让清。图 5（b）为船舶航向变化曲线，其反映了各船采取相应的避碰行动及恢复原航向的时刻与幅度。在整个避碰过程中，自主船舶 AS 与有人驾驶船舶 MS1，MS2 均存在碰撞危险。按照避碰规则，AS 应向右转向进行避让。在 333 s 时，AS 采取右转向 15的避碰决策，航向稳定在 47，在1 232 s 时解除与他船的碰撞危险，恢复至原航向32。有人驾驶船舶 MS1 与 AS，MS2，MS3 间均存在碰撞危险，在 255 s 时 MS1 向右转向 15避让MS2，在 332 s 时发现所采取的避碰行动不足以与 MS2 安全会遇，为此继续向右转向至 285，在1 735 s 时解除与他船的碰撞危险，恢复航向至255；MS2 在 419 s 时采取右转 20的避碰决策避让 AS，MS1 及 MS2，在 1 555 s 时恢复至原航向；MS3 在 425 s 时为避让 MS1 及 MS2 采取右转 20的避让决策，在 1 580 s 时恢复至原航向。3.3 实验 2 的四船博弈交互避碰实验 2 中，自主船舶 AS 与有人驾驶船舶 MS3二者均为正常型驾驶风格，MS1 和 MS2 分别为保守型和激进型驾驶风格，MS1 和 MS2 驾驶风格的变化导致船舶有不同的交互避碰决策，实验结果如图 6 所示。与图 5（a）相比，图 6（a）中各船的避让决策较为相似，MS2 和 MS3 驾驶风格的不一致导致各船的避让时机与避让幅度与实验 1 有所差别，但各船均以良好的避碰行动实现了与他船的(a)船舶避碰轨迹图(b)船舶航向变化曲线(c)船舶间距离变化曲线38.9438.9238.9038.8838.8638.84MS3MS2MS1ASASMS1MS2MS338.8238.8038.78121086420船舶间距/n mile350300250200150100500航向/()经度/()时间/s时间/s05001 0001 5002 0002 50005001 0001 5002 0002 500118.200118.225118.250118.275118.300118.325118.350MS1MS2ASMS1ASMS2MS1MS3ASMS3MS2MS3纬度/()图 5实验 1 的四船博弈交互避碰结果Fig.5 Results of interactive collision avoidance for the four-shipgame in Experiment-1244“无人船艇自主性技术”专辑第 19 卷驶过让清。与图 5（c）相比，图 6（c）中的 MS2 和MS3 到达最近会遇点的时刻滞后，且两船间的最小会遇距离缩小到了 1.29 n mile，不过各船之间的最小会遇距离均满足安全会遇距离要求。(a)船舶避碰轨迹图(b)船舶航向变化曲线(c)船舶间距离变化曲线38.9238.9038.8838.8638.84MS3MS2MS1AS38.8238.8038.78经度/()118.200118.225118.250118.275118.300118.325118.350ASMS1MS2MS3350300250200150100500航向/()时间/s05001 0001 5002 0002 500121086420船舶间距/n mile时间/s05001 0001 5002 0002 500ASMS1MS1MS2ASMS2MS1MS3ASMS3MS2MS3纬度/()图 6实验 2 的四船博弈交互避碰结果Fig.6 Results of interactive collision avoidance for the four-shipgame in Experiment-2 在整个避碰过程中，自主船舶 AS 对有人驾驶船舶 MS1，MS2 的避让责任均为右转避让，因此 AS 的避让行动并未受 MS2 驾驶风格变化的影响，与实验 1 保持一致。MS1 的驾驶风格由正常型转为保守型，对安全性收益期望较高，所以MS1 在 264 s 时连续采取了右转 5，10及 20的避碰行动，在 1 642 s 时恢复至原航向，整个避碰行动与实验 2 相比较，面对激进型的 MS2，保守型MS1 的转向幅度扩大了 5。MS2 的驾驶风格转为激进型，因而对安全性收益的期望较低，对经济性收益的期望较高，所以 MS2 仅采取了右转5的避让行动。MS3 与实验 1 的设置一致，均为正常型驾驶风格，但面对激进型驾驶风格的 MS2，MS3 在 419 s 采取右转 20的避让决策后依旧不能满足安全性期望，在 537 s 时继续右转 15，最终在 1 877 s 时恢复至原航向。3.4 实验 3 的四船博弈交互避碰实验 3 中，自主船舶 AS 为正常型驾驶风格，有人驾驶船舶 MS1 采用保守型驾驶风格，MS2与 MS3 均为激进型驾驶风格，实验结果如图 7 所示。与实验 2 相比，实验 3 中有人驾驶船舶 MS3的驾驶风格由正常型转为激进型，MS2 与 MS3 两船间的最小会遇距离减少至 1.01 n mile，不过各船均以良好的避碰行动实现了与他船的驶过让清，各船之间的最小会遇距离均满足安全会遇距离的要求。在整个避碰过程中，自主船舶 AS 及有人驾驶船舶 MS1，MS2 的设置与实验 2 一致，避碰行动基本一致。MS3 的驾驶风格由正常型转为激进型，因此对经济性收益的期望较高，弱化了对安全性收益的期望，导致均为激进型的MS2 与 MS3 之间的最小距离变小，仅能满足船舶间安全会遇的最低要求。(a)船舶避碰轨迹图(b)船舶航向变化曲线(c)船舶间距离变化曲线38.9238.9038.8838.8638.84MS3MS2MS1AS38.8238.8038.78经度/()118.200118.250118.300118.350ASMS1MS2MS3350300250200150100500航向/()时间/s05001 0001 5002 0002 500121086420船舶间距/n mile时间/s05001 0001 5002 0002 500ASMS1MS1MS2ASMS2MS1MS3ASMS3MS2MS3纬度/()第 1 期崔浩等：自主船舶与有人驾驶船舶动态博弈避碰决策2454 结语科学技术的进步加速了智能化导航系统的开发与应用，推动了自主船舶的发展。未来，不同智能化等级的自主船舶与不同驾驶风格的有人驾驶船舶将在同一海域共同航行，在这种环境下，船舶间的相互作用会使船舶的避碰决策过程复杂化，从而危及船舶的航行安全。本文针对混行场景下的船舶避碰问题，在考虑周围其他船舶航行状态的基础上，分析了船舶之间的合作与竞争机理，建立了动态博弈避碰模型，用以消解船舶间的碰撞危险。随后，依据驾驶实践，将有人驾驶船舶的驾驶风格分为了 3 类，并对其安全性收益、社会性收益及经济性收益进行量化，构建了参与博弈船舶的收益矩阵，求解了各船的最优避碰策略组合，实现了参与者避碰决策行为的动态演化。通过设置不同的模拟实验，各船均能以满足避碰规则的行动与他船安全会遇，每艘船舶都能根据他船驾驶员的行为调整自身的避碰行为策略，类人地与他船交互并自主执行避碰操作、化解碰撞危险。由于研究中存在一定的假设和局限性，例如假设船舶间近实时地进行信息共享且已知有人驾驶船舶不同的驾驶风格，未考虑船舶操纵性及风、浪、流等自然条件对避碰的影响，且船舶会遇态势的划分还有待进一步完善。未来，还需不断优化模型，以更好地为混行环境下的自主船舶和有人驾驶船舶提供避碰决策支持。参考文献：HUANG Y M,CHEN L Y,NEGENBORN R R,et al.A ship collision avoidance system for human-machinecooperation during collision avoidanceJ.Ocean Engi-neering,2020,217:107913.1黄玲,郭亨聪,张荣辉,等.人机混驾环境下基于 LSTM的无人驾驶车辆换道行为模型 J.中国公路学报,2020,33(7):156166.HUANG L,GUO H C,ZHANG R H,et al.LSTM-based lane-changing behavior model for unmannedvehicle under environment of heterogeneous human-dri-ven and autonomous vehiclesJ.China Journal of High-way and Transport,2020,33(7):156166(in Chinese).2王振.面向混合交通流的智能网联汽车换道策略研究与实现 D.西安:长安大学,2020.WANG Z.Design and realization of the connected andautonomous vehicle lane-changing strategies in mixedtrafficD.Xian:Changan University,2020(in Chinese).3KIM T E,PERERA L P,SOLLID M P,et al.Safetychallenges related to autonomous ships in mixed naviga-tional environmentsJ.WMU Journal of Maritime Af-fairs,2022,21(2):141159.4WANG S B,ZHANG Y J,LI L B.A collision avoid-ance decision-making system for autonomous ship basedon modified velocity obstacle methodJ.Ocean Engi-neering,2020,215:107910.5HE Y X,HUANG L W,XIONG Y,et al.The researchof ship ACA actions at different stages on head-on situ-ation based on CRI and COLREGSJ.Journal of CoastalResearch,2015,73(Supp 1):735740.6SHI B H,SU Y X,WANG C,et al.Study on intelli-gent collision avoidance and recovery path planning sys-tem for the waterjet-propelled unmanned surface vehicleJ.Ocean Engineering,2019,182:489498.7汤国瑞,谢新连,潘伟.复杂水域船舶智能避碰专家系统设计 J.船海工程,2019,48(3):160165.TANG G R,XIE X L,PAN W.Design of intelligentcollision avoidance expert system for ships in complexwatersJ.Ship&Ocean Engineering,2019,48(3):160165(in Chinese).8ZHANG X Y,WANG C B,LIU Y C,et al.Decision-making for the autonomous navigation of maritime auto-nomous surface ships based on scene division and deepreinforcement learningJ.Sensors,2019,19(18):4055.9WANG L H,ZHANG X Y,WANG C B,et al.COLREGs-compliant collision avoidance method for autonomousships via deep reinforcement learningC/Proceedings of2021 International Conference on Autonomous Unmann-ed Systems (ICAUS 2021).Singapore:Springer,2022:2016-2026.10王程博,张新宇,张加伟,等.未知环境中无人驾驶船舶智能避碰决策方法 J.中国舰船研究,2018,13(6):7277.WANG C B,ZHANG X Y,ZHANG J