不同船舶自動避碰系統功能的比較分析

◎侯蘊 崔建輝 天津理工大學海運學院

隨著海上運輸量的持續增加，船舶日趨大型化，海上通航密度也持續提高，船舶及其載運貨物的價值也水漲船高，船舶一旦發生意外，其對環境、人員、財產的損失都是不可挽回的。根據數據統計，80%以上船舶事故都是由人的疏忽或者失誤造成的，隨著無人化技術的快速發展，船舶自動避碰系統的研究也逐漸成為焦點。運用避碰決策算法進行計算與操作，避開障礙物以及他船，由于海上環境的復雜，海上會遇船舶的種類多變，研究出一個成熟的船舶自動避碰系統是非常復雜和困難的。

1.船舶自動避碰系統

1.1 自動避碰系統的結構

船舶自動避碰系統一般可以歸納為如圖的三個步驟，首先是信息的觀測采集階段，借助于船舶的IBS（綜合駕駛臺系統）、AIS（自動識別系統）、ARPA（自動雷達標繪儀）、Speed Log(計程儀）等設備和傳感器對當時本船所處的環境、本船的信息以及來船的信息進行收集，然后由避碰決策系統通過對這些數據來對船舶之間的會遇態勢、緊迫程度進行分析，做出判斷，最后避碰系統得出操作方法，進行操作。

圖1 船舶自動避碰系統

1.2 船舶自動避碰系統結構分析

能夠使船舶自主完成避碰任務的先決條件就是船舶的硬件配置——感知系統，如果把船舶比喻成一個人，那么感知系統就是人的視覺、聽覺等感官信號，通過系統來獲得周圍環境、附近船舶、本船的信息，然后將這些信息傳輸給避碰決策系統處理。

通過對系統結構的分析我們不難看出，決定船舶自動避碰系統是否能夠正確執行的關鍵性要點就是船舶自動避碰決策算法，近些年來許多智能算法（人工勢場、專家系統、神經網絡等）經過深入研究被逐漸應用到船舶自動避碰決策系統中，從而用來解決自動避碰系統中存在的一些問題，通過避碰決策算法分析判斷，并及時操縱船舶采取避碰行動。

2.船舶感知系統

2.1 傳統航海設備

傳統航海設備一般包括船用雷達（3cm和10cm）、電子海圖、AIS、GPS等設備，但是僅依靠上述這些設備并不能夠給自動避碰決策系統提供精確的數據。如果單純依賴傳統航海設備是無法完全適用于船舶自動避碰中去的，所以需要一些新的感知系統來相互輔助使用。

2.2 新型感知系統

由上文得出單獨依靠傳統的船用感知系統不能夠完全勝任自動避碰系統的，所以船舶還需要配備新的感知系統，例如激光雷達、紅外熱像儀等傳感器來提高船舶感知系統的精度、減少誤差以及視野盲區。

①激光雷達。激光雷達是發射激光波束從而測得物標的具體位置故激光雷達的優點是測量精度高、空間分辨率較高、速度較快。由于其精確的測量能力，使其能夠在近距離避碰時較為準確地測得周圍船舶以及礙航物的信息，從而有利于船舶的自動避碰。

②紅外熱像儀。紅外熱像儀是將探測物體散發的不可視能量轉化為熱成像，不同的熱成像顏色代表著溫度的不同。因為紅外熱像儀測得是物體的紅外強度，所以在夜間光線差的環境下其探測效果也不會受到影響，能夠生成清晰的熱成像圖，那么對于在夜間或者大霧環境下光學成像儀器工作受到影響時，其能夠從容應對。目前紅外熱像儀在軍事方面應用較多，但也有在海事執法艇、巡邏艇等船舶上有著效果不錯的應用。

③ADCP。ADCP，聲學多普勒流速剖面儀，是根據多普勒原理開發出來的測量實時流速的儀器，其能夠將測流分為許多斷面，從而測量多個分層的流速，由此一個ADCP能夠替代多個單點流速儀，所以其具有實時性高、工作效率高、測得數據的精度較高等優點，能夠快速、高效地獲取流面信息。

④聲音接收系統。該系統是通過聲音傳感器對獲得的聲音信號進行處理，從而將聲音信號的方位以及源頭分析出來，通過這種方式來獲取周圍環境的動態信息。該系統能夠輔助雷達等設備來獲取船舶周圍的環境因素。

⑤氣象儀。安裝在船舶上的氣象儀能夠獲取船舶周圍的風的方向和速度、空氣的溫度以及濕度。其測量較為方便，但由于其精度不高，需要結合其他傳感器共同使用才能獲取較為精確的風力和空氣信息。

3.自動避碰決策算法的相關理論和方法

3.1 混合專家系統

專家系統是一種計算機智能程序，其內部儲存了針對某個領域的足夠多的專家水平的經驗和知識，致使其在面對這個領域的問題時能夠以專家的思維來解決。但是單一的專家系統在應對船舶自動避碰方面的問題時明顯存在缺點，例如沒有較好的辦法建立準確、簡便的程序庫，輸入過多的數據往往會使程序的反應變慢，而且維護起來也很困難。于是就需要將多種思維模式以及推理方式融合到一個專家系統中，根據實際面對的問題來選擇使用的方法，這種混合專家系統的學習能力更強，解決問題也精確。目前在船舶自動避碰領域已經進行了研究的混合專家系統有模糊神經專家系統、基于神經網絡的專家系統等。

表1 激光雷達與船用雷達比較

①模糊神經專家系統。朱曉琳等用模糊聯想的規則對船舶的操縱避碰知識獲取、學習，建立了船舶避碰知識表示方法的架構和基于二值輸入輸出模糊聯想系統的并行模糊推理機制，并且使用了微分競爭學習（DCL）進行了自適應的學習，從而用新的數值表示方式建立出一套船舶避碰專家系統，該專家系統能夠實現實時避碰導航。但目前這類系統尚存在一些不足，比如實時性不夠，對船舶的操縱特性考慮不足等。

②基于神經網絡的專家系統。施平安等針對神經網絡和專家系統針對船舶操縱避碰的優點和缺點進行分析，兩者取長補短，提出了一種基于神經網絡的復合避碰專家系統，利用神經網絡自適應學習能力強的特點對船舶操縱避碰領域的知識進行學習，然后利用神經網絡提取出精煉后的避碰技術從而完善專家系統的在知識獲取上存在問題，然后利用專家系統提供容易理解的解釋說明能力為船舶之間的自動避碰提供了一種方法，但是在參數確認和量化處理過程有大量的工作需要進行，這會對算法的實時性、效率等起到重要的作用。

3.2 模糊神經網絡

神經網絡雖然具有很好的自適應學習能力，但是其有一個非常明顯的缺陷，就是其屬于“黑箱”模型，無法知曉其內部的工作原理，沒有辦法準確簡練的表達知識，所以需要一個能夠具有解釋能力的系統輔助，模糊邏輯具有這種以專家思維表達知識的能力，所以將這兩種方法結合得到模糊神經網絡。陳建華等提出了一種利用模糊神經網絡來計算船舶碰撞危險度的方法，其選擇DCPA（最小會遇距離）和TCPA（最小會遇點的時間）系統的輸入變量，其復雜的模糊推理進程用3層的BP神經網絡替代，從而既能高效地存儲知識，還能夠達到快速的網絡計算，其仿真精度較高，但是其僅僅進行了碰撞危險度的分析等內容，不算是完整的自動避碰決策系統。

3.3 人工勢場法

人工勢場法的原理是假設物體在虛擬的勢能場中運動，周圍的障礙物對其產生斥力，所要到達的目標點對其產生引力，在斥力和引力的共同作用下使得物體安全地到達目的地。呂紅光等提出了一種基于電子海圖數據的改進人工勢場法，該方法是一種改進了靜態環境勢場以及動態環境勢場中引力與斥力的混合路徑規劃算法，其在受限水域靜態環境以及多障礙物動態環境中進行仿真測試，其結果符合在《規則》的約束下進行船舶的實時自主避碰，而且能夠同時兼顧不同類型的障礙物，但是其只考慮了船舶避碰之間的轉向避碰，其避讓方式過于單一，在復雜緊急的環境下，往往需要采取多種避讓方式共同執行，且算法中較多地考慮的是讓路船的行動，而對于直航船的行動考慮較少。

3.4 船舶擬人智能避碰系統

該系統是由李麗娜等提出的船舶擬人智能避碰決策（PIDVCA）理論為基礎，其將數理分析、機器學習、模糊數學、專家系統原理與船舶操縱避碰知識進行結合形成集成式的人工智能方法，并用智能程序實現該模型，這樣的集成機器學習策略在應對復雜緊急的避碰時能夠在構建的動態數據庫中選擇有利于避碰的方法執行，經過大量的寬水域模擬仿真試驗表明其能夠進行正確的避讓，達到PIDVCA算法的合理性和自適應性，但是目前的研究僅處于開闊水域環境下，在多船會遇時其合理性有待進一步研究，還存在船和岸協同岸基系統的穩定性問題。

3.5 五種自動避碰方法的比較

上述五種避碰決策算法各有利弊，表2是對這五種算法的對比總結。目前這些避碰決策算法仍然無法完全應對狹窄水域多船避碰、多船緊急避碰、航線的優化性等問題，離一個真正適用于海上自動避碰的實船還有一些差距。

表2 不同避碰決策方法比較

3.6 決策算法的適用性分析

海上自主水面船舶(MASS)可分為三個航行階段，海上航行階段、進出港階段、靠離泊階段。表2對五種決策算法在海上航行階段的自主避碰進行了對比分析，考慮MASS航行需要自主完成三個階段，表3對上述五種決策算法在進出港階段、靠離泊階段的適用性也做了淺要分析,MASS的發展目前仍處于起步階段，所以需要更多的研究與實驗來開展。

表3 決策算法適應性分析

4.討論

本文對船舶自動避碰系統的結構進行簡要分析，并對不同船舶感知設備和自動避碰決策算法進行了對比分析。目前船舶的自動避碰系統雖然研究不少，但是仍沒有真正的實際船舶操作，距離真正應用的海上航行運輸還有很長一段路要走，相信隨著科學技術的發展，不久的將來船舶自動避碰系統一定會被廣泛應用到船舶中去。