船舶避碰智能决策自动化研究

本文由stwyvern贡献

doc文档可能在WAP端浏览体验不佳。建议您优先选择TXT，或下载源文件到本机查看。

[收稿日期] 2005-09-28 [基金项目]福建省自然科学基金资助项目(A0410023) [作者简介]李丽娜(1962-),女,教授,从事航海自动化技术研究. [文章编号] 1007-7405(2006)02-0188-05 ·综 述· 船舶避碰智能决策自动化研究 李丽娜,杨神化,曹宝根,李子富 (集美大学航海学院,福建厦门 361021) [摘要]简要论述了实现船舶自动避碰的意义、 自动避碰的基本过程及其研究内容,重点分析了 国内 外船舶避碰智能决策自动化的研究现状和动向、存在的主要问题与对策,指出了船舶避碰智 能决策自动化 尚待研究的课题. [关键词]船舶避碰;智能决策;碰撞危险度;模糊数学;专家系统;神经网络 [中图分类号] U 666·12+4 [文献标识码] A 0 引言 随着航运业的发展,船舶正朝着大型化、专业化、快速化方向发展,海上交通环境因此日趋复 杂,船舶航行密度越来越大,航道与港口水域变得相对狭窄,使得船舶操纵问题越来越突出,船 舶碰 撞、搁浅触礁事故时有发生.据统计,每年失事的船舶约 200 艘,总吨位数为 120 万,t 占世界船 队 的 0· 4%左右,这相当于每 15 d 失事一艘 5 万 t 级的船舶.事实说明,在船舶避碰辅助设备十分 普及 的今天,船舶碰撞、搁浅和触礁事故仍屡屡发生.这些事故的发生,不仅造成了重大的人员伤 亡、巨 额财产损失,而且对海洋环境构成严重的威胁.在碰撞的事故原因调查中,有 80%以上是由于 人为 因素造成的.解决人为因素问题可以通过两个途径:一是加强船员的技术培训及管理,提高船 员的素 质及责任感;二是提高船舶的自动化程度,逐步实现航海自动化.由于航海是一种艰苦的职业, 其特 殊的工作条件和环境,使得船员的流动性较大.随着经济的发展,船员不可能长期从事航海这 个职业 已成事实,这样必然导致船员海龄不高、驾驶员经验不足以及技术不娴熟等问题.综上分析, 随着科 学技术的迅猛发展,从技术上提高船舶的自动化程度,在决策和操作上减少人的参与,减轻驾 驶员的 负担,逐步实现船舶避碰的自动化,这才是解决人为因素问题的根本

办法.因此,船舶避碰自动 化的 研究对船舶安全很有实际意义,“1996 年国际海上避碰会议”就曾提出,船舶自动避碰是今后 10 年 乃至 20 年航海技术的主攻方向. 1 船舶自动避碰的基本过程 为了区别船舶间的碰撞和船舶搁浅触礁问题,以往人们通常把避免船舶间碰撞的系统称为避

碰系 统,把避免搁浅触礁的系统称为避礁系统.实际上避碰和避礁是不可分割的统一体,两个问题 必须兼 顾才能确保船舶的安全航行,因此这里所指的船舶避碰的含义是避免船舶碰撞和搁浅触礁二 重意思. 第 2 期李丽娜等:船舶避碰智能决策自动化研究 船舶自动避碰的基本过程如图 1 所示. 严格来讲,船舶自动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、危险判断与最佳决策的自动 生成(即避碰智能决策的自动化过程)、决策的自动实施以及 自动通报本船的操船意图等.智能自动舵[1]和主机自动控制系 统可以解决避碰决策的自动实施问题;关于自动通报本船操船 意图问题因原有通信设备 VHF 的局限性尚未解决,新兴的船舶 自动识别系统 AIS (Automatic Identification System)有可能解决 这个问题. 2 国内外研究现状及其新动向 2·1 关于避碰信息的量化处理 关于避碰信息的量化处理包括目标船运动要素和安全判据 的量化、船舶碰撞危险度的评价方法,如运用模糊数学和神经 网络方法建立船舶碰撞危险度、船舶碰撞空间危险度和时间危险度的模型. 文献[2]将基于自适应神经网络的模糊推理用于评价船舶碰撞危险度.结果表明,基于神经网 络的模糊推理系统既能利用模糊数学的模糊语言来表达人的语言,又能利用神经网络的自学 习功能, 学习已有的经验,是一种较好的学习方法.文献[3]基于“领域”概念和模糊原理,建立起一个用 于确定船舶间碰撞危险度的数学模型.这些研究结果显示了模糊数学、神经网络在船舶碰撞 危险度的 评价方面得到有效应用. 文献[4]以《国际海上避碰规则》(以下简称《规则》)为依据,以船长专家对《规则》的解 释和驾驶员的实践经验为基础,应用运动学原理及平面解析几何的知识,基于雷达和 AIS 提供 的信 息,导出安全会遇距离的数学模型,以此为基础又导出紧迫局面距离和最晚施舵时机的量化模 型.最 晚施舵时机不仅反映了目标与本船可能发生碰撞的危险性和紧迫性,而且隐含着本船对危险 目标所采 取的避让

措施的难易程度,文献[5]船舶避碰智能决策的自动生成正是用它来衡量多船情况下 危险 目标的危险度大小,决定避让参考目标. 2·2 关于避碰智能决策的自动生成与优化 2·2·1 模糊数学方法 文献[6]研究的“船舶避碰的模糊决策”,利用模糊数学结合实际调查提出了一种避碰决策方 法,同时给出了在船舶交叉相遇局面中让路船的让路时机和转向幅度.这一方法对于进行避碰 研究, 帮助海员进行避碰决策,避免船舶碰撞有一定意义. 2·2·2 神经网络方法

文献[7]采用神经网络的方法来处理电子海图系统中船舶自动避碰,利用电子海图技术在模拟 海上环境的基础上,考虑船舶操纵特性及其海况影响,提出一种解决自动避碰的新方法.但在 研究过 程中发现,用单一网络模型不能处理所有的船舶会遇状态,而是将船舶会遇状态确定为分级网 络,不 同的会遇状态对应着不同的神经网络,构成组合神经网络群.神经网络的网络结构、网络的权 值及其 参量设计,以及怎样确立组合神经网络中各个子网络之间的相互关系,这是一项非常艰巨而复 杂的工 作.因此,迄今为止神经网络方法在船舶自动避碰研究中尚未得到成功的应用. 2·2·3 遗传算法方法 文献[8]提出了将一条航路定义为遗传群体中的一个个体,将航路上的转向点定义为个体的基 ·189· 集美大学学报(自然科学版)第 11 卷 因,从而基于遗传算法对船舶航路进行规划,以达到安全避让来船的目的.虽然该方法在许多 地方还 不够成熟,尤其是没有充分考虑《规则》和海员的习惯做法等,在安全航路设计中常会出现违 反航 海常规和避碰规则的结果,但至少提出了一个新的研究思路.文献[9]在遗传算法的基础上,引 入 了 bayes 模型,根据国际避碰规则和海上避碰惯例计算航路的平均信息量,把平均信息量加入 遗传算 法的适应度函数来优化传统的遗传算法,试验结果表明该方法可得到更符合《规则》和海上 避让常 规的次优解. 2·2·4 采用专家智能技术 文献[10]研究的避碰知识库是一种咨询式的避碰决策系统.通过归纳获得的专家信息提出了 两船间只有 6 种特定的会遇类型,并通过调查归纳出 14 种可能采取的避碰行动.该系统存在的 主要 问题是:对于复杂的多船会遇局面,避碰决策系统无法给出避碰行动决策,对此只能由驾驶员 自己根 据局面进行处理,这显然不适应自动避碰决策系统的发展.另外,由于对同种船舶会遇局面存 在多种 避碰行动方案,评价每一方案优劣的标准难以确定. 东京商船大

学练习船“汐路丸”上的模拟避碰决策系统是一种全自动的避碰专家系统[11], 它不 仅给出避碰决策,同时也能通过避碰决策系统自动控制船舶的车舵等装置.但系统还存在一定 问题, 其一在评价本船将采取的最优避碰航线时,没有考虑或没有深入考虑到《规则》对避碰行动 应是 “大幅度”的要求,同时也没有考虑如何防止或解决船舶间可能发生的避碰行动不协调问题; 其二在 确定船舶碰撞危险度时,采取的是围绕本船周围的圆形领域,因此产生与实际的偏差也是在所 难免

的;其三在确定船舶基本会遇局面时,只考虑了四种会遇局面(即:接近、同向航行、对遇和交 叉),这四种局面能否适应海上多船会遇的复杂局面是值得怀疑的;第四在避碰方案中,系统采 取选 择航线,而不是确定基本避碰行动的方法可能存在一定的局限性,对复杂的多船会遇将产生选 择上的 困难. 2·2·5 多种智能方法的组合 1)模糊避碰专家系统方法 文献[12]设计的模糊避碰专家系统包含了存储事实和规则的知识库、模拟专家决策的推理机 和模糊推理策略三部分,同时为了有效的实施避碰决策,系统还运用 H∝控制算法设计了鲁棒 性良好 的自动操舵仪.经过计算机模拟显示,当本船与来船或障碍物发生碰撞危险时,系统能提出合 适的避 碰行动,并通过自动操舵仪执行避碰行动,最终解决碰撞危险. 2)基于神经网络的复合避碰专家系统方法 基于神经网络的复合避碰专家系统方法是基于神经网络规则抽取技术,将神经网络的自适应 学习 功能和避碰专家系统的解释说明能力集成在一个统一的体系结构中[13],这种方法不仅解决 了传统避 碰专家系统构建过程中的知识获取 “瓶颈” 问题,而且还解决了神经网络避碰决策过程的 “黑 箱” 现象,提高了系统决策结果的可信度,但系统研究目前还停留在单船避碰问题上. 3)基于专家系统原理、数理分析和模糊数学相结合的人工智能化方法 如文献[4, 5, 14],笔者根据建立的碰撞危险判据和危险度等要素的量化模型及避碰智能自动 化算法;以确保安全(所谓安全即在符合《规则》要求及航海习惯情况下,本船与目标船在安全 会 遇距离最小值以外最大的会遇距离上通过)的前提下使本船航迹偏移达到最小为避碰决策的 优化指 标,利用 VisualC++编制船舶避碰智能自动化实现软件,在系统搜索与推理以及运用各种避碰 算法 进行学习、分析判断的过程中形成动态

避碰知识库并获取相关的动态避碰信息,实现了宽水 域避碰智 能决策的自动生成.研究方法较好地实现了专家定性的经验知识与定量分析的有机融合,但受 限水域 避碰决策还需深入研究和优化. ·190· 第 2 期李丽娜等:船舶避碰智能决策自动化研究 4)基于专家系统、智能控制、模糊决策、神经网络等技术的人工智能化方法 文献[15]在建模和实现的过程中分别引入了诸如模糊理论、人工神经网络和面向对象的设计 等技术,建立了基于多库模式的船舶避碰智能决策支持系统(IDSSVCA),主要包括避碰规则知 识库 及其管理子系统、避碰案例模糊数据库及其管理子系统、避碰规则文本库及其管理子系统、 避碰模型 库及其管理子系统,并通过多库协同器运用航海避碰的相关知识对各个子系统进行总控、调

度、通信 和协调.该系统能够综合运用各个库中的知识进行判断和推理,并最终给出较为合理的避让方 案,从 而实现了智能决策的作用.然而,要使系统真正实用化还需要对各个库中所存储的知识进行充 实和完 善,系统的运行机制也有待进一步改进. 文献[16]针对目前国内外有关专家在船舶智能避碰决策与控制系统的整体设计和某些局部 决 策模型方面还没有达成相对统一的共识,距实际应用还存在一定差距的情况,分析总结了国内 外相关 研究成果及其不足,提出了更符合船舶驾驶员思维习惯的系统总体结构模型的设想,并给出了 主要子 系统的决策流程图.该系统结构有利于将专家系统、智能控制、模糊决策和神经网络等技术 综合运用 在避碰决策的整个过程中,以便能从根本上解决现有研究成果中知识库的“瓶颈”问题. 综上分析,关于船舶碰撞危险度的评价方法已取得了显著成绩.关于自动避碰智能化方法,对 船 舶避碰这样一个复杂、不确定的问题,以专家系统为核心的多种智能方法的组合是发展趋势. 近年 来,围绕知识获取的瓶颈引入机器学习方法,但是这种学习方法尚处于理论研究和计算机仿真 模拟阶 段,有的仍处于研究方法的探讨阶段,如应用神经网络和模糊数学的研究方法;有的虽有结果, 但可 能因其性能局限以及信息源的可信度等原因未见应用.关于受限水域船舶自动避碰问题的研 究刚刚开 始,国外较成熟的研究成果(如文献[12, 17, 18])尚处于计算机仿真模拟阶段,而国内则刚起步 (如文献[19]),尚未见到较成熟的研究结果. 3 结束语 为了使“航行更安全、海洋更清洁”,船舶自动避碰仍然是新世纪航海学术

界普遍关注的问 题, 国内外专家学者近十年来的研究结果表明:宽水域船舶避碰信息的量化处理与避碰智能决策 的自动化 方法研究已取得不同程度的成果,多种智能方法的组合是今后研究的主流,也是改善和提高现 有系统 性能的研究方法;在 ECDIS 上开发避碰智能决策自动化系统,或者将宽水域船舶避碰信息的 量化处 理和避碰智能决策的自动化方法的研究成果与 ECDIS 相融合是自动避碰研究必然的发展趋 势,也是 根本解决受限水域避碰智能决策自动化的重要方法.笔者以船舶操纵模拟和电子海图信息系 统为基础 的 “航行安全与自动避碰(NSACA)仿真测试平台” [20],是开发研究智能避碰软件的测试手段, 这 种仿真手段不仅在某种意义上可以得到近似海上的试验效果,而且在一定时间内在检验智能 避碰软件

应对各种复杂船舶会遇局面的模拟试验方面是海上试验不可比拟的(关于试验结果分析将另 文报 道),也就是说具有相当的灵活性,明显优于海试.由此可见,新的航海技术 ECDIS 和 AIS 以及 NSACA 仿真测试平台的应用,对船舶自动避碰的研究将产生积极的影响. [参考文献] [1]蒋丹东,朱利民,贾欣乐.智能式航迹自动舵的海上试验研究[J].中国造船, 1998, (3):22-30. [2]姚杰,吴兆麟,方祥麟.船舶避碰危险的神经网络—模糊推理评价方法[J].中国航海, 1999, (1):14-19. [3]刘宇宏,陈洪波,郝燕玲.一种基于模糊原理的碰撞危险度模型[J].中国航海, 1998, (2):23-29. [4] 李 丽 娜 . 船 舶 自 动 避 碰 研 究 中 安 全 会 遇 距 离 等 要 素 的 确 定 [J]. 大 连 海 事 大 学 学 报 , 2002,28(3):23-26. [5]李丽娜,熊振南,任勤生.多船智能避碰决策的生成与优化[J].信息与控制, 2003, (2):189-192. ·191· 集美大学学报(自然科学版)第 11 卷 [6]郑中义,吴兆麟.船舶避碰的模糊决策[J].大连海事大学学报, 1996,22(2):5-8. [7]欧阳庆,赵德鹏.电子海图系统中船舶避碰的神经网络方法的研究[J].大连海事大学学报, 1997,23(3):1-6. [8] Roman Smierzchalsk,i ZbigniewMichalewicz. Modeling ofShip Trajectory in Collision Situations by an EvolutionaryAlgorithm [J]. IEEE Trans on Evolutionary, 2000,4(3):227-241. [9]应士君,施朝健,杨神化.基于 bayes 模型的遗传算法在避碰航路设计中的应用[C] //全国博 士生学术论坛 (交通运输工程学科)

论文集(下册).北京:中国铁道出版社, 2005: 67-72. [10] COENEN F P, SNEATON G P, BOLE A G. Knowledge-based collision avoidance [ J]. The Journal ofNavigation, 1989, 42(1):107-116. [11]鹤田三郎,松村尚志,蹈石正明,等.船舶航行专家系统的基础研究[C] //日本航海学会论文 集.东京:日 本航海学会, 1987:133-139. [12] Cheng-NengHwang. The Integrated Design ofFuzzyCollision-Avoidance andH∝-Autopilots on Ships [J]. The Journal ofNavigation, 2002,55(1):117-136. [13]施平安,陈文伟,王敬全,等.基于神经网络的复合避碰专家系统研究[J].航海技术, 2001, (6):2-5. [14]李丽娜,陈聪贵.船舶自动避碰方法的研究[J].中国航海, 1999, (1):20-24. [15]刘宇宏.船舶避碰智能决策支持系统的设计与实现[J].中国航海, 2004, (4):32-37. [16]吴兆麟,刘德新,贾传荧.船舶智能避碰决策与控制系统总体结构[J].大连海事大学学报, 2004,30(2):1-3. [17] Tien Tran, Chris Harris. VesselManagement Expert System [C]. Oakland (CA): IEEE Intelligent Transportation System Conference Proceedings, 2001: 25-29. [18] Bohdan Pillich. ECDIS-the intelligentheartof theHazard and CollisionAvoidance System [C]. Oakland (CA): IntelligentTransportation Systems Conference Proceedings, 2001: 1 116-1 119.

[19]施平安,王敬全. ECDIS 及其对船舶避碰智能决策的影响[J].航海科技动态, 2002, (5):1-4. [20] 李 丽 娜 , 孙 腾 达 , 黄 丽 卿 . 关 于 船 舶 自 动 避 碰 仿 真 方 法 的 研 究 [J]. 仪 器 仪 表 学 报 , 2004,25(4):975-976. A Summary of Studies on the Automation of Ship Collision Avoidance Intelligence LILi-na, YANG Shen-hua, CAO Bao-gen, LIZi-fu (Navigation Institute, JimeiUniversity, Xiamen 361021, China) Abstract:In this paper, the authors firstly make a brief discussion on the significance, the basic process and research contentsof the automation collision avoidance forships atsea. Then the authors emphatically analyze the present situation and direction, themain problems andmethods in this field in both internal and international area, and pointout the subjects urgently needed to be studied on the

automation collision avoidance for ships in future. Key words:ship collision avoidance; intelligent decision-making; risk of collision; fuzzy mathematics; expert system; neuralnetwork (责任编辑 陈 敏) ·192·

1