船舶避碰路径规划研究综述.docx

船舶避碰路径规划研究综述.docx

《船舶避碰路径规划研究综述.docx》由会员分享，可在线阅读，更多相关《船舶避碰路径规划研究综述.docx（9页珍藏版）》请在冰豆网上搜索。

船舶避碰路径规划研究综述

船舶避碰路径规划研究综述

康与涛1，朱大奇2，陈伟炯1

【摘要】对船舶避碰模型和路径规划方法进行分类综述和评价，将评价碰撞危险的船舶避碰模型分为碰撞危险度模型和船舶领域模型，将现有的船舶避碰路径规划方法分为确定性方法和智能优化方法，并分别对其研究成果进行总结,分析船舶避碰路径规划发展趋势。

【期刊名称】船海工程

【年（卷）,期】2013（042）005

【总页数】5

【关键词】船舶避碰；碰撞危险度模型；船舶领域模型；路径规划

目前，船舶在海上航行过程中的导航主要依靠船舶驾驶员的经验和判断，各种导航设施如雷达、自动识别系统（automaticidentificatiensystem，AIS）、自动雷达标绘仪（automaticradarplottingaid，ARPA）等只是作为辅助设备，为船舶驾驶员在采取避碰策略时提供本船及周围环境信息。

随着国际海上贸易的发展，海上交通密度和平均巡航速度不断增加，使得在避碰过程中人为决策时间越来越短，原有的船舶避碰方法已不能满足需求。

在船舶碰撞事故调查中显示，有80%以上事故是由于在避碰过程中人为因素造成的。

因此，新的避碰方法的研究，特别是船舶避碰路径规划技术的研究，已经成为船舶操纵及航运安全领域中亟待解决的研究课题之一[1]。

船舶避碰路径规划主要解决两类问题：

①本船从起点到终点有效地避开他船安全航行，即船舶避碰；②船舶在航行过程中选择最优路径，即路径规划。

相对而言，国内外在船舶避碰方面已有大量的研究成果，但在船舶避碰过程中的路径规划研究较少。

本文将船舶避碰路径规划的研究进行归纳分析。

1船舶避碰模型

1.1碰撞危险度模型

船舶避碰问题的研究已有几十年的历史，早期是采用几何方法确定两船相遇的最近会遇点（closetpointofapproach，CPA）。

首先是根据目标船相对于本船的速度和航向求得两船相遇的最近会遇距离（distancetoclosetpointofapproach，DCPA）和到达最近会遇点的时间（timetoclosetpointofapproach，TCPA），从而根据两船之间的DCPA的大小确定是否存在碰撞危险，根据TCPA的大小可以粗略确定其危险程度[2]。

从20世纪80年代起，为了进一步定量评估船舶相遇时碰撞危险的大小，在避碰几何理论的基础上提出了船舶碰撞危险度的概念。

船舶碰撞危险度是船舶会遇过程中碰撞危险程度的度量，是船舶驾驶员对客观存在的碰撞危险的反应。

随着船舶避碰智能化和自动化研究的不断深入，船舶碰撞危险度的研究受到国内外专家和学者的极大重视和较为深入的研究。

总结这方面的成果，确定船舶碰撞危险度的方法主要有以下三种。

1）DCPA判断碰撞危险的方法。

是以DCPA的大小衡量碰撞危险的程度，在不同形势下船舶应保持一定的DCPA数值，如果来船在DCPA以外通过，则认为不存在碰撞危险。

2）考虑DCPA和TCPA确定碰撞危险度的方法。

是根据DCPA和TCPA或者两船之间的距离变化来判断是否存在碰撞危险，以此确定采取避碰行动的时机。

3）综合考虑各种因素采用模糊数学、神经网络确定碰撞危险度的方法。

针对上述方法只考虑DCPA和TCPA，不能真实反映船舶碰撞危险的缺陷，很多专家学者采用模糊数学、神经网络的方法确定碰撞危险度，可以对影响碰撞危险度的各因素进行综合评价。

在航海实践和智能避碰系统中，碰撞危险度可以作为船舶驾驶员采取避碰行动时机和避碰行动幅度的依据。

但船舶碰撞危险度与驾驶员的生理、心理和经验及其它众多因素密切相关，其中涉及许多抽象和定性的因素，因此为数学模型的建立带来很大的难度。

1.2船舶领域模型

1.2.1船舶领域模型的定性研究

1971年，FUJII第一次提出船舶领域的概念，并运用交通调查和统计方法给出了适用于狭窄水域的椭圆形船舶领域模型[3]；同期GOOdWIN通过对开阔水域进行交通观测和统计分析，建立了开阔水域的船舶领域模型[4]。

该船舶领域由三个不等扇区组成，并考虑了国际海上避碰规则的影响。

80年代DAVIS等针对Goodwin模型边界不连续、难于模拟仿真的缺陷，提出了边界连续的偏心圆船舶领域模型[5]；2000年后COLDWELL在FUJII模型基础上，建立了限制水域基于交通情景的船舶领域模型，対遇情景的船舶领域模型为目标船向左偏移的半椭圆，而追越情景的船舶领域模型与FUJII模型相似[6]；最近，PIETRZYKOWSKI通过对经验数据在不同来船方向上的统计分析，结合船舶碰撞危险度模型，得到开阔水域的多边形动态船舶领域模型[7]。

以上研究可认为是对船舶领域模型的定性研究，主要是通过海上交通调查获得数据，运用概率统计的方法对数据进行分析，结合船舶自身的大小和船速、船舶周围环境条件以及国际海上避碰规则等，确定船舶领域模型的形状和大小，但未考虑到人为因素、环境因素和船舶操纵性能的影响，其实际应用效果不够理想。

1.2.2船舶领域模型的定量研究

针对上述研究存在的问题，大连海事大学贾传荧最早通过建立船长、船速与船舶领域尺寸的函数关系，提出拥挤水域内可变尺寸的船舶领域模型[8]。

SMIERZCHALSKI提出一种六边形船舶领域模型，用船速和船舶旋回参数等确定领域尺寸，该模型使船舶在避碰过程中便于采用进化算法对其路径进行优化[9]。

SZLAPCZYNSKI通过建立船舶领域接近因子，研究了确定早期各种形状的船舶领域尺寸的数值算法，在船舶交通管理（vesseltrafficservices，VTS）系统中具有普遍的应用价值[10]。

WANG等提出一种船舶领域的统一解析框架，试图从解析角度描述船舶领域模型，更深入的揭示其内在的函数关系，有效地应用于航行安全的评估和船舶避碰路径规划[11]。

上述研究可总结为船舶领域模型的定量研究，即根据本船和目标船的位置、速度和航向等变量，采用船舶动力学方程求得船舶最小安全通过距离从而确定船舶领域的尺寸。

解析化的船舶领域模型虽然使得船舶领域边界定量化，并充分考虑到船舶自身的操纵性能，但却忽略了人和环境因素对船舶领域的作用，从而使得这类模型不能在复杂因素和环境下使用，模型兼容性不强。

1.2.3船舶领域模型的智能化研究

近年来，随着人工智能的迅猛发展，且智能技术被广泛应用到船舶领域模型中，特别是人工神经网络与模糊集合论的应用。

ZHAO等在GOODWIN模型基础上采用模糊集合理论将领域边界模糊化，首次提出模糊船舶领域模型，为船舶避碰风险评估和决策提供更科学合理的理论和方法[12]。

ZHU等对船舶纵横比、归一化两船距离等无量纲的变量进行学习训练，提出一种基于BP神经网络的船舶领域模型，训练数据主要来自一些特定类型的船舶[13]。

PIETRZYKOWSKI采用人工神经网络对以两船距离、相对方位、目标船航向等变量作为输入，船舶碰撞危险度作为输出的经验数据进行学习训练，得到它们之间的映射关系，计算出船舶领域的模糊边界，提出动态模糊的船舶领域模型[14]。

WANG在船舶领域的统一解析框架基础上，结合模糊系统理论，提出模糊四元船舶领域模型，主要用于船舶空间碰撞危险度的评估[15]。

人工智能技术虽然可以通过专家经验与神经网络的自学习能力，将船舶各种参数和经验数据进行学习训练得到船舶领域模型，克服传统定量化的研究方法不能反映人为因素和航行环境对船舶领域模型影响的缺陷。

但智能技术本身也存在不足，模糊方法的模糊规则存在人为因素的影响，本身就是一个定性的规则，而且获取因人而异，也无法反应所有避碰状况；神经网络不仅存在样本获取困难，而且存在学习收敛时间长，避碰应用实时性和环境适应性差的问题。

综上所述，船舶领域的概念和模型提出以后，船舶领域的模型也逐步完善，但应用于船舶避碰路径规划的船舶领域模型的研究相对较少。

船舶领域受多种复杂不确定性因素影响，现有的研究成果大都局限于某些或某类因素[16],如船速、船长、会遇态势等易得的数据,而对于人、环境及船舶操纵性能等不确定因素极少考虑。

这显然大大降低了船舶领域模型在船舶避碰路径规划技术中的有效性和合理性。

2路径规划方法

2.1确定性方法

20世纪90年代，IIJIMA和HAGIWARA开发了能够自动执行避碰策略的船舶自动避碰决策控制系统，在系统中采用宽度优先搜索方法对避碰路径进行选择和规划，评估每一路径分支的逐次逼近条件：

碰撞危险、最短轨迹、最小舵角和与国际海上避碰规则一致，避碰路径以10s为间隔进行评价，按照目标的优先级进行处理并假设目标船保持在检测时的方位上[17]。

该系统作为船舶的避碰导航工具，在设计时没有考虑到航行环境的影响。

同一时期，CHURKIN和ZHUKOV尝试采用连续和离散的研究方法建立避碰策略的数学模型[18]。

连续的方法采用线性规划使偏航变化率的价值函数最小化；而离散的方法通过离散化路径以及在每个顶点采用分支定界法评估路径的最优，最终确定解决方案。

由于连续方法的计算复杂性比较高，因此在多船会遇情景下是不可行的，而且，两种方法都没有考虑环境条件的影响；随后，HWANG等运用模糊集合理论建立知识库系统来评价船舶碰撞危险并确定避碰策略[19]。

算法中解空间采用圆形的船舶领域来确定，满足了船舶避碰的空间需求。

与以前的知识库系统类似，这个系统只是在每个阶段处理目标船并在避碰策略上给出建议，而在整个交通情景下最终的结果并不是最优的；CHANG等提出一种采用迷宫布线算法在栅格图上计算避碰路径的模型[20]。

模型用离散化的圆形船舶领域来构建障碍物空间，目标船领域和本船根据各自的船速行进，如果本船占用的单元同时被目标船领域侵占，这个单元可视为不通的区域，本船只允许在其他区域通过，最后采用迷宫布线算法在解空间中确定出一条最短避碰航行路径。

不足之处是未考虑国际海上避碰规则和航行环境条件。

对此，SZLAPCYNSKI对CHANG的迷宫布线方法进行了改进，加入了转向惩罚、时变禁区和本船减速能力[21]。

但由于未考虑航行环境条件以及只能处理本船减速问题，其最终计算的路径仍然不是最优的。

由于船舶避碰的最优路径受很多重要因素的影响，如航行环境条件、国际海上避碰规则等，其中大多是定性的抽象因素，很难用确定的数理方法来量化，因此船舶避碰路径规划的确定性研究方法具有明显的局限性。

2.2智能优化方法

鉴于确定性方法存在的局限性，许多学者近年来开始研究智能优化方法在船舶避碰路径规划上的应用。

SMIERZCHALSKI在船舶避碰路径规划中采用了进化算法，在航行路径的特定区段应用基因突变使得船速的改变成为可能。

具体算法是首先用多边形船舶领域确定解空间，初始解在解空间中随机选取，算法基于空间、时间及路径平滑度确定的适应度函数来寻找最佳配置。

SMIERZCHALSKI的智能优化规划算法虽然国际海上避碰规则中涉及的避碰策略可以通过船舶领域的形状来模拟，但这种方法始终没有考虑环境条件的影响。

同期，ITO等也研究了基于遗传算法的智能优化避碰路径规划技术，首先采用船舶安全领域的概念和模型来定义解空间，可行的路径点在解空间中随机产生，最后采用遗传算法寻找路径点的最优配置，用于确定最优路径的适应度函数通过危险等级、路径点的距离、路径平直度和船舶能量损失4个参数来确定[22]。

该方法虽然部分考虑了环境影响，但与SMIERZCHALSKI方法相比，在遗传算法的应用中没有考虑国际海上避碰规则的影响。

对此，ZENG尝试运用遗传算法在开阔水域中计算安全航行路径，并且在近似解的估算中考虑了环境条件的影响[23]。

武汉理工大学程得细等提出一种遗传算法用于解决内河狭窄弯曲航道中的船舶避碰路径规划，运用算法的空间寻优能力，将二维编码简化为一维编码，根据航道及障碍物等约束条件，按照优化准则设计出相应的适应度函数[24]。

最近，TAM等进一步将船舶动力学模型加入到船舶动态路径规划之中，采用进化算法对近距离会遇的船舶进行避碰路径规划，应用动态船舶领域来构建解空间，采用改进的船舶动力学模型,较准确地估算了船舶在外部条件影响下的运动[25]。

使得路径规划与实际要求进一步接近。

相比与确定性方法，智能优化技术对于处理抽象和定性的影响因素具有较好的效果，更加适用于船舶避碰路径规划。

然而由于现有算法存在的一些固有的缺陷，使得这类方法不能满足船舶自动避碰的实际需求。

3船舶避碰路径规划展望

3.1复杂因素影响下的动态研究

水上环境信息是影响船舶航行安全的重要因素。

现在大多数路径规划方法都采用船舶领域来构建解空间，船舶领域成为路径规划中有效避开障碍物的参照和标准。

船舶领域是随船舶会遇态势、船速等因素动态变化的，而且影响船舶领域的因素众多，很多因素难以定量描述。

因此，如何描述船舶领域的动态变化并将多种复杂因素融入到船舶领域模型中，使得船舶领域能真实反映船舶操纵和避碰实际，将是船舶避碰路径规划研究的关键。

3.2新的路径规划方法研究

针对现有路径规划方法的一些不足，结合现代科学技术的发展，寻求易于实现且能避开现有方法缺点的新技术，如粒子群算法、生物启发神经网络等，有效提高船舶自动避碰的实时性和无碰最优路径的准确性；利用已有规划方法的优点，将多种方法相结合，也将成为路径规划方法研究方面新的发展趋势。

另外，可以借鉴已有广泛研究基础的移动机器人路径规划（地面移动机器人、水下机器人、空中飞行机器人）方法，结合水面船舶航行的实际情况，设计船舶避碰路径。

3.3考虑国际海上避碰规则和航行环境的路径规划研究

船舶避碰路径规划应能够接近海上避碰实际，符合船舶驾驶员的操船行为，因此避碰最优路径必须与国际海上避碰规则相一致，而且要考虑到实际船舶航行中环境因素如风流、海流、能见度等的影响。

国际海上避碰规则中船舶在不同会遇态势下的避碰策略可通过不同的船舶领域形状来体现，航行环境因此可融入到船舶动力学模型中，可以更准确地估算本船和目标船在外部环境（风流和海流）影响下的运动参数，得到更符合实际的最优路径。

这方面研究工作有待深入。

3.4船舶路径规划与跟踪控制相结合的航行控制技术研究

船舶路径规划结果最后必须通过船舶跟踪控制来实现，从而得到实际的应用，但目前有关此方面研究较少。

船舶路径跟踪控制是一个典型的非线性控制系统，具有强非线性、大时滞、大惯性等特点，而且容易受到模型参数变化及风、浪、流等外界干扰影响，又具有非完整约束和欠驱动特性。

在模型参数辨识不准确和存在外界干扰的条件下，实现欠驱动船舶的高精度轨迹跟踪控制，是船舶路径规划和安全避碰技术能否有效应用于实际的关键，对于船舶操纵和船舶避碰的自动化和智能化具有直接的实用价值和现实意义。

3.5船舶避碰路径规划实际应用系统开发

从应用角度看，目前国内外船舶避碰智能化和自动化系统的研究还处在实验室研究阶段，而且极大多数都局限于智能避碰决策的某一部分，将船舶避碰路径规划真正应用于实际的报道很少。

理论研究最终要应用于实际，因此，船舶避碰路径规划实际应用系统的开发也是船舶避碰路径规划的发展趋势之一。

参考文献

[1]TAMCK,BUCKNALLR,GREIGA.Reviewofcollisionavoidanceandpathplanningmethodsforshipsincloserangeencounters[J].JournalofNavigation,2009,62（3）:

455-476.

[2]孙立成.船舶避碰决策数学模型的研究[D].大连:

大连海事大学,2000.

[3]FUJIIY,KENICHIT.Studiesinmarinetrafficengineering:

Trafficcapacity[J].JournalofNavigation,1971,24（4）:

543-552.

[4]GOODWIN,ELISABETHM.Astatisticalstudyofshipdomains[J].JournalofNavigation,1975,28（3）:

328-341.

[5]DAVISPV,DOVEMJ,STOCKELCT.Acomputersimulationofmarinetrafficusingdomainsandarenas[J].JournalofNavigation,1980,33

（2）:

215-222.

[6]COLDWELLTG.Marinetrafficbehaviourinrestrictedwaters[J].JournalofNavigation,1983,36（3）:

430-444.

[7]PIETRZYKOWSKIZ,URIASZJ.Theshipdomain-acriterionofnavigationalsafetyassessmentinanopenseaarea[J].JournalofNavigation,2009,62

（1）:

93-108.

[8]贾传荧.拥挤水域内船舶领域的探讨[J].大连海事大学学报,1989,15（4）:

15-19.

[9]SMIERZCHALSKIR,MICHALEWICZZ.Modellingofashiptrajectoryincollisionsituationsatseabyevolutionaryalgorithm[J].IEEETransactiononEvolutionaryComputation,2000,4（3）:

227-241.

[10]SZLAPCYNSKIR.Aunifiedmeasureofcollisionriskderivedfromtheconceptofashipdomain[J].JournalofNavigation,2006,59（3）:

477-490.

[11]WANGN,MENGXY,XUQY,etal.Aunifiedanalyticalframeworkforshipdomains[J].JournalofNavigation,2009,62（4）:

643-655.

[12]ZHAOJ,WUZ,WANGF.Commentsonshipdomains[J].JournalofNavigation,1993,46（3）:

422-436.

[13]ZHUXL,XUHZ,LINJQ.Domainanditsmodelbasedonneuralnetworks[J].JournalofNavigation,2001,54

（1）:

97-103.

[14]PIETRZYKOWSKIZ.Ship’sfuzzydomain-acriterionfornavigationalsafetyinnarrowfairways[J].JournalofNavigation,2008,61（3）:

499-514.

[15]WANGN.Anintelligentspatialcollisionriskbasedonthequaternionshipdomain[J].JournalofNavigation,2010,63（4）:

733-749.

[16]刘铿，张兢.内河船舶远距离识别和跟踪系统探讨[J].船海工程，2010，39（5）：

134-135.

[17]IIJIMAY,HAGIWARAH.Resultsofcollisionavoidancemanouvreexperimentsusingaknowledge-basedautonomouspilotingsystem[J].JournalofNavigation,1991,44

（2）:

194-204.

[18]CHURKINV,ZHUKOVY.Proceduresforshipcollisionavoidance[C]∥OCEANS’98ConferenceProceedings,Nice,France,1998:

857-860.

[19]HWANGCN.Theintegrateddesignoffuzzycollision-avoidanceandH[inftyinfinity]-Autopilotsonships[J].JournalofNavigation,2002,55

（1）:

117-136.

[20]CHANGKY,JANGE.PARBERRYI.Amethodforsearchingoptimalrouteswithcollisionavoidanceonrastercharts[J].JournalofNavigation,2003,56（3）:

371-384.

[21]SZLAPCYNSKIR.Anewmethodofshiproutingonrastergrids,withturnpenaltiesandcollisionAvoidance[J].JournalofNavigation,2006,59

（1）:

27-42.

[22]ITOM,ZHANGF,YOSHIDAN.Collisionavoidancecontrolofshipwithgeneticalgorithm[C]∥Proceedingsofthe1999IOOOinternationalconferenceoncontrolapplications,KohalaCoast,HI,USA,1999:

1791-1796.

[23]ZENGX.Evolutionofthesafepathforshipnavigation[J].Appliedartificialintelligence,2003,17

（2）:

87-104.

[24]程得细,刘祖源.基于遗传算法的内河船舶避碰路径优化研究[J].中国航海,2006,

（2）:

38-46.

[25]TAMCK,BUCKNALLR.Path-planningalgorithmforshipsinclose-rangeencounters[J].JournalofMarineScienceandTechnology,2010,15（4）:

395-407.

DOI:

10.3963/j.issn.1671-7953.2013.05.038

基金项目：

国家自然科学基金（51075257）；上海市科委创新行动计划项目（10550502700）；上海市优秀学术带头人计划（11XD1402500）

研究方向:

船舶避碰技术E-mail:

ytkang@