基于碰撞圓的船舶避碰決策模型及仿真

張計峰 胡勤友 廖秉軍

摘要：為在船舶避碰決策過程中兼顧全面評估和高效決策兩個重要的因素，通過引入可能碰撞圓（possible circle of collision，PCC）概念，提出一種基于碰撞圓的避碰決策模型。碰撞圓是由兩船速度共同確定的所有可能發(fā)生碰撞的位置的集合，具有“窮舉性”，可實現全面分析的效果。利用仿真平臺對船舶發(fā)生碰撞與不發(fā)生碰撞案例進行分析，總結碰撞圓的靜態(tài)特性和動態(tài)特性及其相互關系，進而建立基于靜態(tài)特性的可能碰撞點（possible point of collision，PPC）分布模型。采用該模型對“桑吉”號事故場景進行實例驗證并將其可視化，結果表明該模型可有效評估碰撞風險，并可快速作出避碰決策。

關鍵詞： 可能碰撞圓（PCC）; 可能碰撞點（PPC）; PPC分布模型; 避碰決策

中圖分類號： U675.96 ? ?文獻標志碼： A

Abstract： In order to take into account the two important factors of comprehensive evaluation and efficient decision-making in the decision-making process of ship collision avoidance， a collision avoidance decision-making model based on the collision circle is proposed by introducing the concept of the possible circle of collision （PCC）. The collision circle is a collection of all possible collision positions determined by the two ships velocities， which is “exhaustive” and can achieve the effect of comprehensive analysis. The simulation platform is used to conduct analysis on collision cases and non-collision cases of ships， summarize the static and dynamic characteristics of the collision circle and their relationships， and then establish the distribution model possible points of collision （PPC） based on the static characteristics. The model is used to verify the accident scene of “SANCHI” and visualize it. The results show that the model can evaluate collision risk effectively and make collision avoidance decision fast.

Key words： possible circle of collision （PCC）; possible point of collision （PPC）; PPC distribution model; collision avoidance decision-making

0 引 言

隨著世界經濟的快速發(fā)展，船舶數量急劇增加，水上交通日益繁忙，造成船舶碰撞事故頻繁發(fā)生。80%以上船舶碰撞事故是由人的因素引起的[1]。國內外相關學者在船舶避碰方面做了大量的研究并取得了一定的進展。學者們還提出預報與識別碰撞危險區(qū)的方法[2-3]、船舶動態(tài)轉向模型法[4]、船舶自動避碰模型法[5-7]來實現船舶的有效避碰。此外，廖秉軍[8]提出了安全態(tài)勢圖的相關概念及基本用法;胡甚平[9]提出船舶會遇過程中避碰階段的劃分與量化，為船舶碰撞責任劃分和船舶操縱行動提供參考;隨著人工智能技術的不斷成熟與完善，人工蟻群算法[10]、遺傳算法[11]、粒子群算法[12]等被用于優(yōu)化船舶避讓的轉向時機、安全避讓角度、復航時間和復航角度。學者們還利用智能算法和模型各自的優(yōu)勢，將船舶避碰領域理論、船舶動界理論、船舶運動數學模型、領域模型與各種智能算法相結合[13-17]，建立了船舶自動避碰優(yōu)化模型。上述研究雖然利用相關的智能算法提出了避碰方案，但未能全面分析所采取的措施對局面產生的影響，也未能直觀展現各種避碰方案的避碰效果。

碰撞圓模型是由兩船的航速和位置共同確定的，充分理清碰撞圓的分布規(guī)律對船舶避碰評估的全面性和決策效率提升很大。本文通過對可能碰撞圓（possible circle of collision，PCC）與可能碰撞點（possible point of collision，PPC）的靜態(tài)分布和動態(tài)發(fā)展規(guī)律進行分析，歸納總結PCC與PPC的靜態(tài)分布和動態(tài)變化規(guī)律，建立基于碰撞圓的船舶避碰決策模型并將其可視化，將模型應用于“桑吉”號事故場景中，驗證模型的可靠性。

1 碰撞圓原理及相關概念

1.1 阿氏圓定義

1.2 碰撞圓定義

碰撞圓是阿氏圓在避碰中的具體運用。A船和B船到點P的距離分別為s1和s2，s1/s2=k，令s1為A船在一定時間t內航行的距離，s2為B船在同一時間t內航行的距離，則將s=vt代入s1/s2=k可得A船與B船的速度之比vA/vB=k，距離的定比問題也就轉換成了速度的定比問題。

通過靜態(tài)分析與動態(tài)仿真測試，可總結出如下規(guī)律：

（1）對碰撞圓和碰撞點進行可視化，容易觀察碰撞點的分布情況，可直觀判斷兩船是否存在碰撞風險。

（2）根據動態(tài)發(fā)展規(guī)律判斷兩船是否發(fā)生碰撞，不發(fā)生碰撞時具有如下發(fā)展規(guī)律：兩船PPC位于船位連線的兩側，快船航向線切割碰撞圓弧度變小，脫離并遠離碰撞圓的過程是PCC及其動態(tài)變化的必經過程。

（3）利用靜態(tài)分析并使兩船PPC合理分布可促使動態(tài)變化向有利方向發(fā)展，而不合理分布使動態(tài)變化向不利方向發(fā)展，因此在兩船的速度和位置已知的條件下，可視化的靜態(tài)分析可用于全面評估碰撞風險、快速作出避碰決策。

3 基于碰撞圓的船舶避碰決策模型仿真驗證 ?將“桑吉”號船（A）與“長峰水晶”號船（B）碰撞發(fā)生前10 min時兩船的數據作為初始狀態(tài)錄入仿真平臺，以1 n mile為半徑作PPC分布模型，得出避碰決策方案，并比較避碰效果。在“桑吉”號事故場景中采用基于碰撞圓的船舶避碰決策模型的避碰決策仿真見圖11。決策避碰方案及避碰效果見表5，其中DCPA和TCPA分別為最近會遇距離和最短會遇時間。

結合《國際海上避碰規(guī)則》，兩船均應選擇右轉方案，利用基于碰撞圓的船舶避碰決策模型能快速計算出船舶的轉向幅度，通過可視化能全面清晰地展示PPC的分布情況，兩船避碰決策方案為表5所示的A船右轉和B船右轉方案。

4 結 論

利用碰撞圓模型具有很好地適應航速、航向、位置變化的優(yōu)勢，應用基于碰撞圓的船舶避碰決策模型進行風險評估和避碰并將其進行可視化，一定程度上解決了對船舶進行全面評估和避碰決策效果差的問題。采用碰撞圓模型在“桑吉”號事故場景下進行實例仿真驗證，結果表明所得避碰方案滿足《國際海上避碰規(guī)則》和安全需求，證明該模型具有可行性，是一種直觀、高效的避碰決策方法。可能碰撞點（PPC）分布模型在不同的會遇局面下有不同的幾何關系，幾何模型參數設置主要依靠主觀經驗，如何靈活選取合適的模型和完善幾何參數的設置需要進一步研究。

參考文獻：

[1] 黃穎， 李麗娜， 陳國權. 緊迫危險避碰決策支持模塊設計及其應用[J]. 集美大學學報（自然科學版）， 2011， 16（6）： 434-439. DOI： 10.19715/j.jmuzr.2011.06.007.

[2] 吳兆麟. 基于PAD信息選擇避碰行動與改進PAD圖形[J]. 大連海運學院學報， 1986， 12（4）： 12-22. DOI： 10.16411/j.cnki.issn1006-7736.1986.04.002.

[3] 方祥麟， 傅萬煊. 速比圓預報危險區(qū)模型及其在ARPA系統(tǒng)中的應用[J]. 中國航海， 1984（2）： 26-38.

[4] 王仁強， 趙月林， 謝寶峰. 船舶動態(tài)轉向避碰行動數學模型[J]. 大連海事大學學報， 2014， 40（1）： 17-20. DOI： 10.16411/j.cnki.issn1006-7736.2014.01.023.

[5] 賀益雄， 黃立文， 牟軍敏， 等. 交叉相遇局面讓路船自動避碰行動方案[J]. 哈爾濱工程大學學報， 2015， 36（8）： 1024-1029. DOI： 10.3969/j.jssn.1006-7043.201409047.

[6] 熊勇， 賀益雄， 黃立文. 基于速度障礙的多船自動避碰控制方法[J]. 中國航海， 2015， 38（3）： 46-51.

[7] 陳姚節(jié)， 李爽， 范桓， 等. 基于速度矢量坐標系的多船自動避碰研究[J]. 計算機仿真， 2015， 32（6）： 420-424.

[8] 廖秉軍. 安全態(tài)勢圖避讓法簡介[J]. 航海技術， 2018（4）： 24-27.

[9] 胡甚平. 船舶會遇過程中避碰階段的劃分與量化[J]. 中國航海， 2001（2）： 83-87.

[10] 馬文耀， 吳兆麟， 楊家軒， 等. 人工魚群算法的避碰路徑規(guī)劃決策支持[J]. 中國航海， 2014， 37（3）： 63-67.

[11] 倪生科， 劉正江， 蔡垚， 等. 基于遺傳算法的船舶避碰決策輔助[J]. 上海海事大學學報， 2017， 38（1）： 12-15. DOI： 10.13340/j.jsmu.2017.01.003.

[12] 王得燕， 劉以安. 粒子群算法在多船避碰決策中的應用[J]. 計算機工程與設計， 2009， 30（14）： 3380-3382. DOI： 10.16208/j.issn1000-7024.2009.14.061

[13] HUANG Yamin， VAN GELDER P H A J M， WEN Yuanqiao. Velocity obstacle algorithms for collision prevention at sea[J]. Ocean Engineering， 2018， 151： 308-321.

[14] 劉仁偉， 薛彥卓， 劉旸， 等. 受限水域中船舶自動避碰模型及應用[J]. 哈爾濱工業(yè)大學學報， 2018， 50（3）： 171-184. DOI： 10.11918/ j.Issn.0367-6234.201609064.

[15] 李麗娜， 熊振南， 高巖松， 等. 單船避碰智能決策的生成與優(yōu)化方法[J]. 信息與控制， 2002（2）： 49-51.

[16] LAZAROWSKA A. Ships trajectory planning for collision avoidance at sea based on ant colony optimisation[J]. Journal of Navigation， 2015， 68（2）： 291-307. DOI： 10.1017/S0373463314000708.

[17] LAZAROWSKA A. Ant colony optimization based navigational decision support system [J]. Procedia Computer Science， 2014， 35： 1013-1022. DOI： 10.1016/j.procs.2014.08.187.

（編輯 賈裙平）