船舶避碰决策系统发展研究

船舶碰撞指的是船舶在海面或和海相通的可航水域，因发生接触而导致损害的事故，它会造成一系列严重后果，如：船舶基础设施损坏；船舶动力系统受损；海员或乘客伤亡；船舶公司经济损失；托运货物损坏；燃油泄露造成环境污染；航道或港区建筑物破坏等.

船舶碰撞成为航运业发展中亟需解决的问题.20世纪中叶以来，各国专家学者开发出许多操作简便、效率高、判定准确率高的船舶避碰决策系统.随着信息时代的到来，船舶避碰决策系统逐渐朝着自动化、信息化和智能化的方向快速发展.

本文概述了船舶避碰决策系统的基本架构和国内外发展历程，重点介绍了6种典型的系统，通过对比，指出了各系统的长处和不足.然后探讨了避碰研究中要解决的两个主要问题.在研究展望中，本文提出了目前重点发展的三方面内容.

1 船舶避碰决策系统的发展历程

1.1 系统基本架构

船舶避碰有三个关键因素：行动时机、行动方式和行动结果.以下4个量可用来表征避碰行为：(1)采取避碰行动时两船距离(D)；(2)采取避碰行动时目标最近会遇点(closet point of approach，CPA)；(3)转向避碰行动的幅度(ΔC)；(4)两船实际通过距离(d)[1].

以上理论经过发展，得到传统避碰决策系统中的两个重要指标：最近会遇距离(distance to closet point of approach，DCPA)，到达最近会遇点的时间(time to closet point of approach，TCPA).根据DCPA的大小可确定是否存在碰撞危险，根据TCPA的大小可粗略确定危险程度.根据上述指标研发的避碰决策系统的基本架构如图1所示.各传感器采集本船、来船、水域、天气及桥梁、灯塔等建筑物的信息，对信息进行综合处理，得到DCPA和TCPA等数据，再将数据提供给避碰决策系统，做出合理判定，以此指导船舶驾驶行为.

  

图1 船舶避碰决策系统基本架构

1.2 国外发展历程

20世纪后半叶，一些发达国家开启了船舶避碰决策系统的研究，成果丰硕.

要准确把握容错的限度，不能跨过容忍的必要界限，过度地容错就会变成纵错。如果容错免责的门槛设定太过抽象和宽松，容错机制很可能变成一个盾牌，成为某些有过错官员为自己工作过错提供免责的“挡箭牌”。我们认为重点从以下几个标准进行细化：

吴红双[13]设计了如图4所示的避碰决策系统，目标船的航线数据可被ARPA和AIS收集，将数据的坐标转换成直角坐标系上的坐标，利用时间外推法校准取样时间，利用模糊数学对航线进行关联，经过加权融合就能获得目标船的位置，实现船舶避碰.

水力压裂是低渗透油气田开发的关键技术之一。处于鄂尔多斯盆地的长庆油田目前储层改造用压裂液主要采用胍胶作为稠化剂，该体系对储层存在着水敏伤害、水锁伤害、稠化剂分子引起的吸附滞留及堵塞和滤饼等伤害，一定程度上影响了低渗透油气田这种孔吼细小储层压裂改造的效果[1,2]，因此，有必要研发一种储层适用性更好的压裂液。

英国的Wilson等人[3]基于导弹精确制导理论，设计出可避让目标的避碰决策系统.该系统根据DCPA、目标方位和两船航线来确定碰撞危险度.即使船舶高速行驶，也能迅速建立起船舶领域模型，不断寻找避碰时机.

进入新世纪后，学者们提出了一些新颖的避碰方法.Smierzchalski等人[4]制作了六边形船舶领域模型，用船舶回旋参数和船速等确定领域大小，用进化算法设计出最优化避碰航线；Ahn等人[5]运用神经网络，输入DCPA、相对方位和来船航向等，输出碰撞危险度，以此作为经验数据进行训练，获得映射关系，建立起模糊动态船舶领域模型.Tam等人[6]运用进化算法为近距离会遇的船舶设计避碰航线，建立了船舶动力学模型和动态船舶领域模型，模拟了复杂环境下的船舶运动.

在切割伸缩缝施工以前，要根据道路桥梁表面的平整度准确计算出切割面的实际宽度，因此就需要准确的测量出整个桥梁的沥青表面的平整度。在道路桥梁表面切割以后，如果发现即使加宽切割也还是不能满足伸缩缝对道路桥梁表面平整度的要求，就必须要重铺，使道路桥梁表面较以前更加平整，以便达到伸缩缝施工的要求。在开槽作业时，一定要保证开槽过程中放样的准确性，从而确定合理的开槽实际宽度。在锯缝作业时切割机一定要沿着锯缝线进行作业，不能有丝毫偏差。而且为了道路桥梁表面的干净整洁，作业过程中可以用遮盖物在表面进行遮挡，在切缝结束后，立刻对施工场地进行打扫，以保证桥梁表面的清洁。

1.3 国内发展历程

用人工势场设计的避碰航线简易、平滑，但计算全局最优解时可能得到局部最优解，这就需要先准确定义斥力场.李晓松等人[17]把斥力场由近到远分为推理层、减速层和转向层，为每一层设置斥力函数，把各函数衔接起来，使避碰决策达到全局最优化.

由文献[7]知，海军广州舰艇学院研发了咨询式的船舶避碰专家系统.该系统根据DCPA、TCPA、距离与方位，采用模糊综合评价来确定碰撞危险度，通过预设碰撞危险度阈值来寻找避碰时机.但该系统未考虑多船、多障碍物等情况，也未考虑本船是直航船时的避碰决策.

由文献[7]知，海军大连舰艇学院运用几何避碰数模、神经网络、微分对策和矩阵对策等方法，建立了一般会遇、复杂会遇、紧迫危险、紧张局面时的避碰决策模型.该模型充分考虑了能见度和交通流密度等参数，计算了多船会遇时的碰撞危险度.

一些学者运用神经网络、模糊理论与遗传算法来研究避碰决策系统.Tang等人[8]从某型船舶中提取训练数据，对两船归一化距离和船舶纵横比等变量进行训练，在神经网络的基础上构建船舶领域模型；Chang等人[9]在栅格图上，运用迷宫布线算法为船舶设计合理的避碰航线；Wang[10]利用模糊理论，建立了具有统一解析架构的四元模糊船舶领域模型，求出准确的碰撞危险度；倪生科等人[11]运用多种群遗传算法来规划最优避碰路径，使判定方向与避碰规则相符，并对种群个体的适应程度进行评估和改良.

2 典型船舶避碰决策系统介绍

2.1 基于知识储备库的船舶避碰决策系统

基于知识储备库的避碰决策系统是避碰领域最先出现的系统.该系统的知识储备库主要由三部分组成：国际海上避碰规则、驾驶员的避碰经验和航运业专家学者提供的专业知识，因此，它具有很好的完备性和可推广性.该知识储备库可以和动态数据库、推理机实时互动，共同为避碰决策提供服务，以便确定避碰时机和避碰方式.

由于避碰经验和专业知识不会一成不变，要定期对知识储备库进行更新，才能确保避碰决策的准确性.

  

图2 基于知识储备库的船舶避碰决策系统

2.2 基于AIS的船舶避碰决策系统

船舶避碰数据一般来源于AIS和雷达，但如果船舶附近有高大建筑物，雷达波有可能被建筑物遮挡，形成监控盲区；而AIS收集的数据实时性不是很强.若雷达与AIS联合使用，得到的避碰数据会有很高的实时性和精确性.

以上各方法若能有机结合，取长补短，就能收集到最实时、最精确的避碰数据.

然而，AIS设备存在的延迟性会迟滞动态数据库的更新；动态数据库的存储亦有一定缺陷，它们制约着避碰决策的实时性和准确性.

  

图3 基于AIS的船舶避碰决策系统

2.3 基于ARPA和AIS的船舶避碰决策系统

自动雷达标绘仪(Automatic Radar Plotting Aid，ARPA)能自动搜索目标，用矢量形式显示目标的航向与航速.由于雷达发射波易受某些障碍物的阻挡，可能会出现监控盲区，此时，AIS恰能弥补ARPA的不足；而ARPA的数据实时性很强，可弥补AIS实时性稍弱的特点.因此，将ARPA和AIS结合起来，可使系统数据库更具有丰富性、实时性和高效性.

由文献[2]知，日本的鹤田三郎等人在“汐路丸”号上试验了全自动型避碰决策系统.该系统能在复杂水域中，搜索对本船构成潜在碰撞风险的目标，为本船设计最优化避碰航线.但该系统并非完全基于国际海上避碰规则设计的，对避碰幅度要求偏小.

  

图4 基于ARPA和AIS的船舶避碰决策系统

2.4 基于模糊数学的船舶避碰决策系统

模糊数学(Fuzzy Math)可应用于非线性避碰决策系统中，推理过程为：输入DCPA和TCPA等参数，通过隶属函数将参数模糊化，得到模糊输入变量；使模糊输入变量严格按照模糊推理原则进行推理，得到模糊控制变量；通过隶属函数把模糊控制变量转化成可应用的准确控制量，以此指导船舶避碰操作，其过程如图5所示.

由热力学平衡方程可知，在体系中，Ida2-的存在形式有游离Ida2-、Mg(Ida)、HIda-、H2Ida和H3Ida+。以各物种中[Ida2-]与[Ida2-]T之比作图，考察其随[Ida2-]T(0.1～2.5 mol·L-1)和pH(5～14)的变化关系，如图7所示。

学者们对该系统的研究主要集中于两方面：避碰模型的模糊分类；模糊推理算法的设计.对于前者，Grinyak等人[14]把驾驶员的经验和专家的观点融入到避碰模型中，使模糊分类更具有现实意义.对于后者，Perera等人[15]为避碰决策系统设计了最优化模糊推理算法，把其他算法融入到该算法中，达到了一定的深度.

  

图5 基于模糊数学的船舶避碰决策系统

2.5 基于神经网络的船舶避碰决策系统

避碰决策系统中有大量无确定值的参数，运用人工神经网络(Artificial Neural Networks，ANNs)对这些参数进行学习、记忆和训练后得到样本，分析样本可得到经验，将经验通过联想记忆处理后，便能控制避碰系统，系统框图如图6所示.

  

图6 基于神经网络的船舶避碰决策系统

神经网络的运行属于黑箱运行，大量无确定值的参数易导致某一环数据的缺失，若将神经网络与知识储备库联合使用，就能弥补这个不足.施平安等人[16]开发了基于神经网络和知识储备库的避碰决策系统，建立了权值矩阵推理机制，使知识储备库能向神经网络不断提供相关程度最大的数据.

头孢菌素类是临床另一类广泛使用的抗菌药物。本研究中，无论是ICU还是普通病房，大肠埃希菌和肺炎克雷伯菌对头孢菌素均存在不同程度的耐药。但两种病房中，肺炎克雷伯菌对头孢曲松的耐药率均低于文献[10]报道，可能与本研究中碳青霉烯类耐药的肺炎克雷伯菌所占比例较低有关。本研究中，大肠埃希菌ESBLs在两种病房的检出率约为60%，与王启等[12]研究一致。ESBLs阳性可导致大肠埃希菌对所有青霉素类和头孢菌素均耐药，而酶抑制剂合剂如头孢哌酮/舒巴坦和哌拉西林/他唑巴坦对阴性杆菌均有较好的敏感性，可作为产ESBLs肠杆菌科细菌感染的经验用药[13]。

2.6 基于人工势场的船舶避碰决策系统

在人工势场(Artificial Potential Field，APF)中，船舶向目的地航行可视为目的地对船舶有引力，船舶对障碍物的避让可视为障碍物对船舶有斥力.引力和斥力叠加，控制着船舶运动，对其综合分析后可得到避碰决策，过程如图7所示.

  

图7 基于人工势场的船舶避碰决策系统

从20世纪90年代起，我国在船舶避碰决策系统方面的研究取得了长足的进步.

在计算时可能会出现局部极值点，张鸣鸣等人[18]融合诺依曼和狄利克雷边界条件，设计出一种谐波函数，可大大削弱局部极值点对避碰决策的影响.

2017年全年绥中县用水总量2.23亿m3，图2显示了绥中县2017年用水类型，由此可知，农业用水所占用比重最大，为57.31%；其次工业用水占21.23%，生活及公共用水比重为21%。

3船舶避碰决策系统要解决的主要问题

3.1 建立完备高效的船舶避碰决策模型

常见的避碰类型有：来船避碰、桥墩避碰、航标避碰和港区建筑物避碰等.来船避碰是最常见的避碰类型，明确本船和来船的航向、航速和动态船舶领域，是避碰成功的关键；是船舶通过桥梁底部时要注意桥墩避碰，驾驶员应判断桥墩间距，以合适的航向和航速通过桥墩间的水域；航标是固定物体，其体积越大，对船舶的碰撞危险就越大，避碰时机和方式应视其体积大小而定；港区建筑物是船舶进出港时会遇到的大型物体，驾驶员应提前了解其分布情况，早作决策.

不同避碰类型归属不同避碰状态，在构建完备、高效的避碰决策模型时，可使用有限状态机(Finite-State Machine，FSM).FSM利用时序逻辑电路，输入避碰参数，对避碰状态进行逻辑推理，输出准确的避碰结果，并给出避碰时机和方式，建立起基于时域和地域的避碰决策模型.

2.4 多种标志物联合检测对肺癌的灵敏度及特异度的影响 结果显示，CEA、CA125、CYFRA21-1单项检测在肺癌诊断中的灵敏度分别为58.62%、55.17%和51.72%；灵敏度最高的2项联合检测为CEA+CA125(74.71%)；3项联合检测Hsp90α+CEA+CA125的灵敏度最高(86.21%)；Hsp90α+CEA+CA125+CYFRA21-1的4项联合检测在所有联合检测中的灵敏度最高(88.51%)，见表1。

3.2 收集实时精确的船舶避碰数据

船舶自动识别系统(Automatic Identification System，AIS)被广泛应用于船舶.大连海事大学研发的基于AIS的避碰决策系统如图3所示，AIS、水域、天气和建筑物等信息被汇总到动态数据库中，实时更新.推理机和知识储备库与动态数据库实时交换数据，为避碰决策提供数据支持.系统根据避碰规则和经验，自动寻找避碰时机并给出避碰方式.

全球定位系统(Global Positioning System，GPS)、电子海图显示与信息系统(Electronic Chart Display and Information System，ECDIS)、惯性导航系统(Inertial Navigation System，INS)也常被用于收集和处理避碰数据.GPS的经纬度数据较稳定，误差不累积，但其精度不高；ECDIS能提供固定障碍物的数据，置信度很高；INS能提供目标船在导航坐标系中的航速和位置等数据，精度很高，但误差易累积.

陈姚节等人[12]围绕避碰规则，把单船和多船避碰时各船的避让顺序罗列出来，明确各船的责任和义务，建立了基于AIS的多船避碰决策系统.

4 船舶避碰决策系统研究展望

4.1 船舶避碰决策模型的优化

其中，Prated 为磷酸铁锂电池可提供的额定功率，Irated为磷酸铁锂电池提供的额定电流，Ub 为磷酸铁锂电池的等效电压，I0为负载的电流幅值，γ为功率增强因子，衡量应对脉冲性负载时超级电容的响应情况[7]。采用联合供电模式，铁锂电池和超级电容全部投入。依照文献[2]，混合动力系统的固有频率为：

优化避碰决策模型的关键在于不断更新决策算法，把最新决策算法融入到系统之中.在动态避碰决策模型中，要合理利用各种数据的负反馈，建立动态参数机制.运用新型决策算法计算出的结果必须是收敛的、精确的，能客观反映船舶碰撞风险，给出避碰决策.

b) 阀门打开瞬间管道内介质冲击阀芯，阀芯承受较大的侧向力，推动阀芯向套筒一侧靠近，如长期动作会导致阀芯导向环一侧磨损严重，引起导向环和套筒之间间隙增大，使得平衡密封环的一侧压缩量增大，从而导致磨损增大造成平衡密封环损坏。

随着模式识别的推广，支持向量机(Support Vector Machine，SVM)在避碰研究中越来越重要.在机器学习中，SVM与其他学习算法联合起来监督学习模型，分析避碰数据，识别模式，对避碰数据作分类和回归分析，提高避碰决策模型的实时性、灵活性和准确性.

为了研究高加热速率下的钙基CO2吸附剂释放机理，本文利用自主开发的急速加热和快速质谱气固相分析仪进行了 CaCO3在 N2氛围下 300℃/s、500℃/s、600℃/s和800℃/s下的分解反应研究，结果发现：

4.2 船舶避碰数据收集方式的优化

船舶避碰按空间层次可分为三种形式：水上避碰、水面避碰和水下避碰.在水上，要收集桥梁等建筑物的高度、宽度等数据，与本船结构数据对比；在水面，要收集高度不明但有一定宽度的障碍物、漂浮物的大小数据，预防潜在危险；在水下，要收集航道水深、宽度和水下障碍物大小等数据，设计水下避碰航线.

矩形空心墩壁厚为100 mm，不同轴压比、不同剪跨比时，空心墩位移延性随纵筋配筋率变化情况见图7。随着纵筋配筋率提高，不同轴压比及剪跨比的空心墩延性变形能力曲线基本呈降低趋势。

许多前卫的数据收集技术已逐渐应用到避碰研究中，如：射频识别技术(Radio Frequency Identification，RFID)、北斗卫星导航系统(BeiDou Navigation Satellite System，BDS)和船联网等.

RFID可利用无线通信辨识目标船，读写避碰数据，无须在辨识系统和目标船间建立直接接触；BDS可在复杂天气情形中，为船舶提供定位信息和安全导航服务；船联网可通过网络在船舶间、船岸间建立实时联系，为船舶提供智能避碰服务.

4.3 无人艇的应用

无人艇(Unmanned Surface Vessel，USV) 可自动感知船舶周围的环境变化，运用人工智能算法，实现自动避碰、自主规划路径和智能决策等功能.无人艇研究中最关键的问题是避碰规划，其分为两类：基于环境先验知识的全局规划；基于传感器信息的局部规划.无人艇动态目标避碰规划属于后者.

我国的无人艇研究尚处在起步阶段，在无人、智能和高速等方面，还仅停留在遥控艇阶段，我国科研人员任重而道远.

5 结论

本文概述了船舶避碰决策系统的基本架构和国内外发展历程，重点介绍了6种典型的系统，其根基分别是：知识储备库、AIS、ARPA和AIS、模糊数学、神经网络、人工势场，它们各有所长，亦有不足.接着，本文介绍了避碰研究中要解决的两个主要问题：建立完备、高效的避碰决策模型，收集实时、精确的避碰数据.在研究展望中，本文提出要致力于研究避碰决策模型的优化、避碰数据收集方式的优化、无人艇的应用.

随着航运业智能化的不断推进，将会有更多先进技术融入到船舶避碰决策系统当中，为水上交通发展保驾护航.

参考文献：

[1] 任 鹏.基于船舶碰撞危险度的避碰决策研究[D].大连：大连海事大学，2014.

[2] SAMESHIMA N，OKADA M，KUSUNOKI J，et al.The Bridge Central Control System of the T.S.“SHIOJI-MARU” (1)：Instrumentation of the Bridge Consol[J].Open Journal of Endocrine & Metabolic Diseases，2014，4(4)：69-76.

[3] WILSON P A，HARRIS C J.A Line of Sight Counteraction Navigation Algorithm for Ship Encounter Collision Avoidance[J].Journal of Navigation，2003，56(1)：111-121.

[4] SMIERZCHALSKI R，MICHALEWICZ Z.Modeling of A Ship Trajectory in Collision Situations at Sea by Evolutionary Algorithm[C].IEEE Transportation on Evolutionary Computation，2000，4(3)：227-241.

[5] AHN J H，RHEE K P，YOU Y J.A study on the collision avoidance of a ship using neural networks and fuzzy logic[J].Applied Ocean Research，2012，37(4)：162-173.

[6] TAM C K，BUCKNALL R.Path-planning Algorithm for Ships in Close-range Encounters[J].Journal of Marine Science and Technology，2010，15(4)：395-407.

[7] 刘德新，吴兆麟，贾传莹.船舶智能避碰决策与控制系统研究综述[J].大连海事大学学报，2003，29(3)：52-56.

[8] TANG J，DENG C，HUANG G B，et al.Compressed-domain Ship Detection on Space-borne Optical Image Using Deep Neural Network and Extreme Learning Machine[C].IEEE Transaction on Geo-science & Remote Sensing，2014，53(3)：1174-1185.

[9] CHANG K Y，JAN G E.PARBERRY I.A Method for Searching Optimal Routes with Collision Avoidance on Raster Charts[J].Journal of Navigation，2003，56(3)：371-384.

[10] WANG N.An Intelligent Spatial Collision Risk Based on the Quaternion Ship Domain[J].Journal of Navigation，2010，63(4)：733-749.

[11] 倪生科，刘正江，蔡 垚，等.基于遗传算法的船舶避碰决策辅助[J].上海海事大学学报，2017，38(1)：12-15.

[12] 陈姚节，李 爽，范 桓，等.基于速度矢量坐标系的多船自动避碰研究[J].计算机仿真，2015，32(6)：420-424.

[13] 吴红双.基于AIS/雷达整合信息的船舶避碰终端设计与实现[D].哈尔滨工程大学，2013.

[14] GRINYAK V M，DEVYATISIL A S.Fuzzy Collision Avoidance System for Ships[J].Journal of Computer & Systems Sciences International，2016，55(2)：249-259.

[15] PERERA L P，FERRARI V，SANTOS F P，et al.Experimental Evaluations on Ship Autonomous Navigation and Collision Avoidance by Intelligent Guidance[J].Oceanic Engineering，2015，40(2)：374-387.

[16] 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.

[17] 李晓松，马瑞鑫，孔宪卫.VTS交通流模型中船舶航行与避碰算法的研究[J].中国水运(下半月)，2014，14(12)：107-109.

[18] 张鸣鸣，施朝健.APF方法在船舶自动避碰中的应用[J].上海海事大学学报，2007，28(1)：126-131.