基于航行经验的智能船舶自主避碰算法研究.pdf

68天津航海2 0 2 3 年第2 期基于航行经验的智能船舶自主避碰算法研究赵燕杰苑茹滨宾刘帅张晶晶（天津航海仪器研究所天津3 0 0 13 1）摘要：为解决智能船舶避碰问题，提高航行安全性，文章提出了一种基于航行经验的自主避碰算法，通过构建具有航行经验的避碰知识库，并基于此实现符合19 7 2 年国际海上避碰规则的避碰决策实施方案的自动生成、校验与优化，从而实现智能船舶航行中自主避碰；最后，对提出的避碰算法进行仿真分析与实验验证。关键词：智能船航行经验避碰规则0引言据统计，目前已发生的海上交通事故8 0%是由人为因素所引起，很多交通事故的发生与船舶避碰措施不当有关。随着船舶自动化、智能化的发展，自主航行成为当前智能船舶的研究重点。船舶自主避碰决策技术主要用于实现对水域内多种会遇场景下多条船舶进行避碰，是智能船舶实现自主航行的关键技术，所涉及场景主要包括追越、对遇、交又相遇等会遇特征的多船避碰态势场景。研究船舶自主避碰决策技术可避免由于避碰措施不当引起的交通事故，同时有利于提高船舶智能化水平。目前，国内外许多学者都在进行船舶避碰算法研究。国外学者Kuwatal1等提出利用速度障碍法，构建速度空间避险，能够直观的给驾驶员指示安全速度大小和方向，但碰撞区域没有考虑船舶操纵性。Tsou 等 2 提出了一种基于蚁群算法的避碰决策支持策略实现方法,在应用过程中考虑船舶的安全区域、最早改向时间、安全避碰角度等因素。Perera3等将避碰场景划分为8 种类型，按照船舶相对距离范围、速比条件将会遇情况划分为144种。会遇场景量化程度越高，对避碰决策越有利，但系统复杂性越高，遍历需要的时间也越长。何立居 4等将避碰经验、避碰规则等进行融合，构建避碰数据库，同时结合CBR（c a s e-b a s e d r e a s o n i n g）和RBR（r u le-b a s e d r e a s o n i n g）建立了避碰辅助决策系统。沈海青 5 等通过将航行经验与深度竞争学习算法和A算法相结合，缩减了模型训练时间，使收稿日期：2 0 2 3-0 2-2 6作者简介：赵燕（19 8 4-），女，山东省人，高级工程师，现从事导航设备研发工作。避碰决策符合19 7 2 年国际海上避碰规则的要求。该类方法的优点是能根据所设定的条件对求解函数进行优化，缺点在于需获取大量精确性高的样本来避免陷入局部收敛问题，同时启发式搜索无法很好地兼顾19 7 2 年国际海上避碰规则。马跃 6 在船舶基本运动模型的基础上，采取模糊神经网络规避算法，并结合PID控制理论，对避碰策略展开研究，由于结合了模糊神经算法，在算法的性能提高、学习速度和自适应控制方面还需进一步优化。本文提出了一种基于航行经验的自主避碰算法，运用智能决策理论和解析几何方法，通过离线学习方式，采用异构知识表示方法，解决船舶避碰领域知识的形式化问题，形成静态避碰知识库。在推理机制预先设计的自动推理机制引导下，利用本船和目标传感器得到的信息，合理运用静态避碰知识库提供的各类知识，形成具有实时动态避碰信息的动态避碰知识库，使最终基于知识库设计的避碰算法，能模拟经验丰富的船舶驾引人员对碰撞及搁浅危险的科学判断,以及根据所处危险等级遵循19 7 2 年国际海上避碰规则及驾引人员通常做法等，考虑船舶操纵特性及环境条件，实时给出本船或监控船合理的危险预警信息及避让决策。1自主避碰算法设计1.1 避碰过程智能船舶在航行过程中实时接收导航传感器、目标传感器等信息，结合自身操控特性对航行路线上遇到的障碍信息进行自主避碰，避碰的过程如图1所示，船舶自主避碰包括水上与水下物标信息源的自动采集与处理、避碰信息的处理、危险判断与决策的自动生成及决策的自动实施。在执行避碰方X基于航行经验的智能船舶自主避碰算法研究赵燕苑茹滨案过程中，要求自主避碰决策系统不断地监测目标的动态，只有这样，当目标船出现危险状态时，系统才能及时觉察到，进而才能根据当时的态势，采取相应的避碰对策，整个自主避碰过程应具有实时和应变的能力。水上与水下物标信息的自动采集与预处理计算物标参数及相关避碰信息的量化处理无有危险物标吗？有自动生成最佳避碰决策方案避碰决策的自动实施及自动通报本船操船意图图1船舶自动避碰基本过程1.2量化模型目标最近会遇距离DCPA和最短会遇时间TCPA，是自主避碰算法的重要参数。根据船舶碰撞几何模型对船舶运动状态参数进行分析，对于智能船舶安全范围内的目标位置和运动参数进行航行情况预测，判断会遇态势。危险判定依据为DCPA和TCPA，如DCPASDA（安全会遇距离）则存在碰撞危险，需进行避碰操作。根据船舶碰撞几何模型对船舶运动状态参数进行分析，船O表示本船，船T表示目标船，如图2 所示。两船以不同的航速和航向运动。粗体黑色箭头表示本船O和目标船T间的DCPA，以此来精确计算船舶间的碰撞危险度。VVV0V本船Pa.DCPA和TCPA示意图刘帅张晶晶PV0一智能避碰决策自动化0例如，当目标船向西北航行时，本船向东北航行产生船舶会遇局面的情况，两船都以不同的航速和航向航行。计算本船相对于目标船的相对速度，进而求得本船和目标船之间的DCPA和TCPA：,=/g+/-2lv。v 7/c o s(0 f -0.)式中：V表示本船速度，表示目标船速度，表示本船航向角，f表示目标船航向角。在任意时刻本船O和目标船T间的DCPA可通过下列式计算得出：DCPA=yr-X tan O.l/tan?0,+1其中，(xT,yT)为目标船在本船O载体坐标系中的坐标。在任意时刻本船O和目标船T间的TCPA可通过下列方程计算得出：TTCPA-VLGi+y)-DCPA目标船在满足安全的前提条件下，以避碰决策实施后的航迹偏移量达到最小为经济指标，基于施舵时机TCPA:(TP/VTsr(AC)、A C 和预测复航时机 T(AC)的量化模型,建立动态优化目标函数J(s)，用以进行自主避碰。DCPAJ(S)=min(Tr(AC,).si(AC),Vs,=,.NACEACPA其中，-mrl：A T 为搜索步长，A 为本AT69VVVT(x.y)b.速度矢量图图2 DCPA和TCPA计算方法V(1)(2)(3)(4)70船在寻优搜索空间T e(Tisrrn,TL)内的行为集；TL表示TIn最小者,即:TL=min(T In1,;=1,2,L,M;M为危险目标船的数量；S为状态集；v为本船的航速，上式中u为避碰最优决策。1.3避碰经验库构建本船和目标船的动静态信息是避碰决策的基本资源，而避碰知识是经由信息加工，即相对运动人工标绘后得到的抽象化产物。避碰算法需在决策过程中根据避碰规则给出决定避碰措施的定性准则，同时采用定量的两船相对运动矢量作图计算确定实施避碰的避让幅度和避让时机，经由上述两者结合形成以安全和经济避让为目的的避碰决策。因此，这里所体现的拟人智能避碰思想是把来自传感器、电子海图信息和用户输入的各种动静态数据感知的目标信息资源加工成避碰知识，进而把避碰知识激活，得到避碰问题的解决方案，即成为避碰决策实施方案。从传感器获得本船航向和航速信息以及目标船的位置信息到实现避碰拟人决策是一个复杂的智能避碰辅助决策过程，依靠单一的学习策略远远不够，而且现有的学习策略也未必适应于“船舶拟天津航海2023年第2 期人智能避碰”这一特定问题的学习和知识获取。本文采用一种基于离线人工学习的在线机器自动学习机制，并通过创建一套独特的集成机器学习策略加以实现。离线人工学习方式主要用于产生类比推理和范例推理学习的类比源和范例源以及在线获取新知识的船舶避碰知识库，包括数据库、规则库、模型库和算法库，以便通过在线学习实时获取解决问题的新知识及新技能。船舶避碰知识采用数据库表示方法实现对避碰决策过程中所需事实性知识的表示，包括来自船载雷达、AIS、陀螺罗经、计程仪、GPS、ECD IS、能见度仪等导航设备（简称传感器）提供的本船和目标船的导航（数据）及气象水文信息以及船舶基本参数、电子海图的静态数据等；借助模型库提供概念及决策量化所需的各类避碰模型；通过规则库以产生式规则形式提供局面划分、避碰行动规则和避碰义务分配及通常做法的因果关系知识；通过算法库以元知识形式将数据库、规则库与模型库知识有机融合，提供机器感知、认知及决策的一系列算法。见图3。避碰经验知识库航行态势感知系统实时提供现场环境及多源信息融合的船舶动态静态数据船舶动态危险度及避碰效果预测评价体系动态危险评判值动态危险度评判阅值数据库+规则库+模型库船舶避碰知识库A+B目标船运动要素演算2目标船交会特征识别目标船态势划分AtB危险评判值演算感知目标个一算法库目标船危险属性+C会遇局面及本船责任+?+C会遇场景类型划分A+B危险度评判阅值演算及危险等级识别认知目标危险预警避碰决策?+B+D碰撞搁浅初始避碰避险危险等级决策方案求解+B+D+E方案验证优化评价+D紧迫危险协调避让决策生成决策求解避碰避险决策方案避让效果预测等级输出推理机的集成推理机制一一传授学习启发式规则推理基于规则匹配的类比推理基于规则和范例的混合推理基于可变时空的启发式搜索推理机器在线学习：传授学习指导下的集成学习策略，包括：A.机械学习B.推演学习C.改进演绎学习D类比学习与问题求解结合范例学习E.近似强化学习图3 船舶避碰知识库构建示意图基于航行经验的智能船舶自主避碰算法研究赵燕苑茹滨1.4算法实现算法具有拟人化特性，可模拟经验丰富的驾驶员，根据船舶类型、速度、态势、环境、交通流密度等自适应调节SDA，正确评估多船会遇态势，有应对多船复杂会遇局面的能力，可根据会遇局面、紧迫程度对多个危险目标进行避碰，正确评估避让前后风险，对目标不协调行为产生合理规避动作，输出合理的避让时机、避让动作、避让幅度、复航时刻等。本文所述的拟人避碰决策算法主要由目标认根据自动避让航向、初始舵角及接口参数，执行复航Y复航时机到应变决策N存在碰撞危险不协调避碰决策算法设置自动舵避让航向、初始舵角和接口参数，系统执行方案图4避碰决策方案生成与优化算法流程图实现船舶自动避碰有11个具体步骤。步骤1，系统初始化。解决本船初始航向、航速及船舶基本操纵参数与目标船初始距离、方位、航向及航速的获取，按照本文约定，假定信号源可靠稳定；步骤2，目标认知。首先调用目标参数求解算法获取目标运动要素及避碰参数，然后调用危险判定阈值量化算法获取安全会遇距离SDApref及其最小值SDAcol，再调用目标交会特征识别算法获悉目标交会特征；步骤3，碰撞危险判断。调用当前潜在碰撞危险判断算法，判断存在碰撞危险的目标；步骤4，会遇态势分析。先调用目标会遇属性识别算法获知避碰规则约定的目标会遇属性，例如为追越船、被追越船等，并进一步认定其让路或直航属性，然后调用目标分类及归类算法获取目标船的所在方位区间以及多危险船情况按照其两船的避让属性进行组合归类，按照仅有让路船、仅有直刘帅张晶晶知、当前潜在碰撞危险判断、会遇态势分析、方案生成与优化、预测目标参数、预测碰撞危险判断以及不协调应变决策算法等构成。其中，拟人避碰决策生成与优化算法是实现自动决策及自动避碰实时监控的关键算法。利用集成知识表示方法、集成机器学习方法和集成的启发式自动推理方法，实现目标识别与认知、决策形成和方案优化与校验以及监测为一体的船舶拟人智能避碰决策及其监控过程，如图4所示。初始化环境感知目标交会特征识别算法N-存在碰撞危险？TYN-态势会遇态势识别算法认知碰撞危险度评估算法会遇特征识别算法方案拟人避碰决策方案生成优化与优化-Y执行时间到航船和既有让路船又有直航船分类；再调用目标避让属性识别算法获悉本船对该危险目标船的避让属性，即应采取右让或左让避让措施；步骤5，调用拟人避碰决策生成与优化算法获得避让方案；步骤6，判断执行时机是否到达。如果到则转步骤7，否则转步骤2；步骤7，执行避让方案操作，设置航向自动舵的避让航向与初始舵角以及接口参数；步骤8，执行避让方案后的碰撞危险监测及判断：调用目标认知算法及当前潜在碰撞危险判断算法判断是否存在碰撞危险目标，如果存在危险目标船，表明该船采取不协调的避让行动，则转步骤9；否则，转步骤10;步骤9，不协调应变决策算法通过设置相应决策标识，再调用会遇态势分析算法及拟人避碰决策方案生成算法，在原有避让方案基础上给出应变决策作为修改方案，并立即转步骤7 执行方案；7172步骤10，恢复原航向时机判断。调用预测目标参数算法及预测危险判断算法，预测恢复原航向后是否存在危险船。如果危险船已经不存在，说明复航时机已经到了，转步骤11；否则，转到步骤8；步骤11，设置航向自动舵原航向与初始舵角以及接口参数，执行恢复航向操作，转步骤2。1.5软件实现导航设备天津航海2 0 2 3 年第2 期采用C+语言对基于航行经验的智能船舶自主避碰算法进行软件实现。如图5所示，信息处理单元主要负责接收来自导航设备的本船航行信息、来自感知系统的所有目标信息、来自操控设备的自动反馈信息、来自监控设备的指令信息和参数信息，实时管理相关信息并发送给避碰决策解算单元供其使用。避碰决策软件信息处理单元本船信息目标信息监控设备操控信息指令信息参数信息感知设备避碰决策解算单元主要负责根据实时更新的所有信息进行避让决策解算，依次为碰撞风险分析、避碰解算和综合决策输出。船舶避碰经验知识库接收来自外围传感器，包括基础数据的相关信息，作为船舶避碰经验知识库的输入信息，根据约定的通信协议进行数据流的校准封装；数据输入后船舶航行避碰经验知识库启动，给出船舶碰撞危险度以及避碰决策信息；通过避碰决策人机交互界面呈现给监控人员，同时将所给出的避碰决策支持信息，包括避让时机、避让角度以及复航时机，输入至实船运动控制硬件接口模块中，从而实现船舶航行监控与控制。2避碰算法验证本文采用视景仿真平台对算法进行验证。该平台采用先进的分布交互仿真思想以及与互联网方便相连的网络技术，将系统中的操控站、本船、雷达目标及视景系统等各计算机相互连接，模拟智能船航行操作环境。整个仿真平台由操控台、本船和目标船服务器三部分组成。操控站主要功能是练习的编制、分发以及监控。本船集成了高精度船模、船舶航向自动控制算法以及自动避碰能力。目标船操控设备碰撞风险分析避让幅度解算综合决策输出避碰决策解算单元图5软件结构示意图服务器可实现本船航行海域内目标航行态势构建。仿真测试架构，如图6 所示。电子海图显示模块交换机航行信息综合显示模块航迹自动控制模块控制台模拟信号模拟数据本船端服务器图6 仿真测试架构示意图2.1两船会遇19 7 2 年国际海上避碰规则将会遇局面分为三类，根据来船所在方位并综合考虑特殊交汇特征的避让策略，可将两船会遇划分为正对遇、左交又、小角度右交叉、右正横附近交叉、左后、正后、右后追越和左后、正后、右后被追越6 种典型会遇局面。在此基础上，根据驾驶员对不同典型会遇态势，过船首或过船尾碰撞危险的感受度又细分为24种典型会遇态势，详细分类见表1。目标船端服务器操纵运动数学模型解算模块避碰算法能語2基于航行经验的智能船舶自主避碰算法研究表1会遇态势列表ES会遇态势1对遇2本船右舫对遇3本船左航追越他船4本船右追越他船5右交叉6789101112131415161718192021222324以左交叉过他船首为例，记录避碰时刻目标船方位B、一般危险距离R、最晚避让时机Tsd，改向幅度AC，预计复航时间Trr会遇态势ES、危险度评判结果D_L，观察避让方案执行前后目标船的相对运动矢量线颜色与数据记录的危险等级是否一致。测试结果，如图7 和表2。Opt2赵燕苑茹滨刘帅张晶晶对遇右航对遇右对右左航追越过他船左右舫追越过他船右右交叉过他首右交叉过他尾左交叉过他首左交叉左交叉过他尾右正横交叉过本首右正横附近交叉右正横交叉过本尾左正横交叉过本首左正横附近交叉左正横交叉过本尾右后追越过他首右后方本船追越他船右后追越过他尾本船左航被追越左航被追越过本左本船右航被追越右航被追越过本右左后追越过他首左后方本船追越他船左后追越过他尾左后被追越过本首左后方他船追越本船左后被追越过本尾右后被追越过本首右后方他船追越本船右后被追越过本尾正后追越我船正后追越他船正后被追越他船正后追越我船73wpt2Crptlwpt1(b)避让轨迹图7 避让轨迹截图表2测试结果数据记录BR24.912.057从图8 可以看出，当来船与本船构成碰撞危险时，在目标船没有采取避碰行动的互见和能见度不良两种状态下，本船的避让时机和幅度不同。互见状态下可根据DCPA变化及时进行避碰操作。能见度不良情况下，目标船的DCPA在本船改向后逐步增加，随目标船不协调的避让行动而减小，而后又随本船避让幅度的增加而增大，并在本船航向稳定后基本稳定，DCPA出现波动是由于本船在航向稳定之前出现的航向超调和速降以及目标船的航向变化引起的。该仿真试验充分显示了该算法满足19 7 2 年国际海上避碰规则要求，符合航海实践情况。+见+雾航DCPA(n.mile)1.41.21.00.80.60.40.20.0D_LTsdAC10Trr835.017ES/mbxz7/5t(min)5+图8 本船与目标船的DCPA变化示意图2.2多船会遇多船会遇场景按照19 7 2 年国际海上避碰规则没有明确的定义，主要按照海员通常做法，针pt2对本船所有危险目标而言，属于让路船或直航船或(a）初始状态者既为直航船又为让路船的三种基本会遇态势。避74让方式一般参考沿用两船会遇态势划分。参考船讯网交通流情况按照同时存在多个会遇目标船的测试场景设计测试用例，观察避让方案执行前后目标船的相对运动矢量线颜色与数据记录的危险等级是否一致。实验室仿真测试结果，见图9。目标船1的避让方案，见表3。Wp2(a）初始状态4(b）避让轨迹图多船会遇测试情景表3目标船1的避让方案本船IDN13从图10 可以看出，目标1的DCPA在本船改向后迅速增加，并在本船航向稳定后，基本稳定，安全避过；目标2 的DCPA随航向的增加而减小，但仍处于安全范畴；目标3 的DCPA随航向的增加而减小至小于其SDA，但此时其TCPA已为负值，说明目标2 已驶过，不会与本船构成危险；当试验进行到2 0 min后，本船恢复原航向，各目标的DCPA值显示，至此完成避碰过程。天津航海2023年第2 期+T1+12+T3DPA(n.mile)4.543.532.521.50.56403结束语本文设计了一种基于航行经验适用于智能船的自主避碰算法，通过构建航行动态避碰知识库，采用在线和离线学习相结合的方法，实现动态避碰知识的自动获取、危险度判定阈值的实时估算，完成避碰决策实施方案的自动生成、校验与优化，实现智能船舶航行中自主避碰。基于船舶操纵模拟仿真平台，验证了算法的有效性、实时性、合理性和拟人特性，实验证明生成的避碰决策符合19 7 2年国际海上避碰规则精神以及驾驶员的良好船艺，为智能船舶的航行避碰工程实践提供了理论基础。在接下来的研究中，还需要对算法不断完善，进行大量的实船航行实验，使算法更具有实际应用价值。参考文献1 KuwataY,Wolf M T,ZarzhiskyD,etal.Safe maritime autonomousnavigation with colregs,using velocity obstaclesJJ.IEEEJournal of Oceanic Engineering,2011,39(1):110119TsdAC022152图10 本船与目标船的DCPA变化示意图TrrWX11.622L568TT2:T时间t(min)S_LEK11L52OT2TsouMC,Hsueh CK.The study of ship collision avoidanceroute planning by an tcolonyalgorithmJ.JournalofMarineScienceandTechnology,2010(18):7467563Perara LP,Carvalho JP,Soares CG.Fuzzylogic based decisionmaking system for collision avoidance of ocean navigationunder critical collision conditionsJ.Journal of MarineScience and Technology,201l,16(1):84994何立居，蔡业颖，施平安等CBR与RBR相结合的船舶避碰辅助决策系统J】.中国水运：理论版，2 0 0 6,4（5）：2 7 2 95沈海青，郭晨，李铁山等。考虑航行经验规则的无人船舶智能避碰导航方法J哈尔滨工程大学学报，2 0 18,3 9（1）：48 556马跃.复杂海域船舶自适应障碍规避算法研究.舰船科学技术，2015,8X（0):6 1 6 355L59T2181315Tz.