對(duì)基于人工智能和軟計(jì)算的船舶自動(dòng)避碰決策算法分析

聶鴻博

作為航運(yùn)業(yè)發(fā)展的主要影響因素，船舶碰撞事故可引發(fā)一系列不良后果。船舶自動(dòng)避碰決策是降低船舶碰撞風(fēng)險(xiǎn)的關(guān)鍵?；诖耍狙芯恐饕槍?duì)人工智能、軟計(jì)算對(duì)船舶自動(dòng)避碰決策的支持作用進(jìn)行分析；并細(xì)化闡述了船舶自動(dòng)避碰決策的要點(diǎn)；最后從知識(shí)儲(chǔ)備庫(kù)方面、遺傳算法方面等，闡述了基于人工智能和軟計(jì)算的船舶自動(dòng)避碰決策算法。

目前，船舶自動(dòng)避碰決策系統(tǒng)已經(jīng)成為航運(yùn)業(yè)應(yīng)對(duì)船舶碰撞問(wèn)題的主要方法。算法的選擇是影響船舶自動(dòng)避碰決策系統(tǒng)建立的關(guān)鍵。相對(duì)于其他算法而言，人工智能及軟計(jì)算在構(gòu)建船舶自動(dòng)避碰決策系統(tǒng)方面具有一定優(yōu)勢(shì)。因此，分析基于人工智能及軟計(jì)算的船舶自動(dòng)避碰決策算法具有一定必要性。

一、人工智能及軟計(jì)算對(duì)船舶自動(dòng)避碰決策的支持作用

人工智能及軟計(jì)算可為船舶自動(dòng)避碰決策提供的支持作用具體體現(xiàn)為：

（一）整合避碰規(guī)則要素

船舶實(shí)現(xiàn)自動(dòng)避碰的關(guān)鍵前提為：明確單船、多船的避碰規(guī)則，基于避碰規(guī)則確立避碰決策。相對(duì)于其他技術(shù)而言，人工智能、軟計(jì)算在整合避碰規(guī)則要素方面更具優(yōu)勢(shì)。上述技術(shù)可綜合水域信息、天氣信息、避碰時(shí)機(jī)、避讓順序以及避碰方式等多種要素，確立避碰規(guī)則，并以上述分析結(jié)果為基礎(chǔ)，確立船舶自動(dòng)避碰決策系統(tǒng)。

（二）收集、處理海量避碰信息

根據(jù)既往經(jīng)驗(yàn)，建立船舶自動(dòng)避碰決策系統(tǒng)的主要難點(diǎn)在于：船舶避碰決策需通過(guò)海量避碰信息的整合、分析，確定可靠的避碰規(guī)律。運(yùn)用人工智能及軟計(jì)算收集、處理海量避碰信息，可于較短時(shí)間內(nèi)完成信息的收集、處理，該技術(shù)的智能化、綜合性特征，可保障所確定船舶避碰規(guī)律的準(zhǔn)確性水平。

二、船舶自動(dòng)避碰決策的要點(diǎn)

在建立船舶自動(dòng)避碰決策系統(tǒng)期間，應(yīng)加強(qiáng)對(duì)以下幾種要點(diǎn)的重視：

（一）碰撞風(fēng)險(xiǎn)評(píng)估

己船與目標(biāo)船之間是否存在碰撞風(fēng)險(xiǎn)，是影響船舶自動(dòng)避碰決策準(zhǔn)確性的核心所在。目前對(duì)于碰撞風(fēng)險(xiǎn)的評(píng)估，主要采用如下標(biāo)準(zhǔn)：己船與目標(biāo)船相遇<8海里時(shí)，且船舶的最近會(huì)遇距離低于安全會(huì)遇距離，提示己船與目標(biāo)船之間存在碰撞風(fēng)險(xiǎn)。

（二）避讓義務(wù)分析

船舶航運(yùn)中，船舶是否有避讓義務(wù)主要參照國(guó)際海上碰撞規(guī)則判定。以己船為中心，如目標(biāo)船的來(lái)船區(qū)域處于67.5°-112.5°范圍內(nèi)，即己船有避讓義務(wù)，而目標(biāo)船則可執(zhí)行；如目標(biāo)船的來(lái)船區(qū)域處于5°-67.5°或355°-360°范圍內(nèi)，則目標(biāo)船無(wú)避讓義務(wù)，而己船需向右轉(zhuǎn)向避讓目標(biāo)船。

三、基于人工智能和軟計(jì)算的船舶自動(dòng)避碰決策算法

這里主要從以下幾方面入手，針對(duì)基于人工智能和軟計(jì)算的船舶自動(dòng)避碰決策算法進(jìn)行分析：

（一）船舶智能自動(dòng)識(shí)別系統(tǒng)方面

實(shí)現(xiàn)船舶自動(dòng)避碰的阻礙較多，其中一項(xiàng)主要原因在于：多船運(yùn)行環(huán)境下，如何精確判定持續(xù)航行有無(wú)碰撞風(fēng)險(xiǎn)及是否需要避讓鄰近船舶。

基于人工智能的船舶智能自動(dòng)識(shí)別系統(tǒng)主要利用船舶動(dòng)態(tài)數(shù)據(jù)庫(kù)、知識(shí)儲(chǔ)備庫(kù)及推理機(jī)判斷碰撞風(fēng)險(xiǎn)的存在，并確定是否需要避讓。這種算法的運(yùn)行模式為：動(dòng)態(tài)數(shù)據(jù)庫(kù)自動(dòng)收集當(dāng)前水域信息、天氣信息及周?chē)胺植夹畔⒌龋瑒?dòng)態(tài)數(shù)據(jù)庫(kù)將所收集的信息與知識(shí)儲(chǔ)備庫(kù)實(shí)時(shí)交換，從知識(shí)儲(chǔ)備庫(kù)中調(diào)取與來(lái)自動(dòng)態(tài)數(shù)據(jù)庫(kù)類(lèi)似的信息資料，推理機(jī)則通過(guò)實(shí)時(shí)交換功能獲取上述信息，智能推理當(dāng)前信息是否符合知識(shí)儲(chǔ)備庫(kù)中的避讓經(jīng)驗(yàn)。如經(jīng)推理確定有碰撞風(fēng)險(xiǎn)，且有避讓義務(wù)，可自動(dòng)提供避碰時(shí)機(jī)及避碰方式，以保障船舶的航運(yùn)安全。

（二）知識(shí)儲(chǔ)備庫(kù)方面

相對(duì)于其他算法而言，知識(shí)儲(chǔ)備庫(kù)在船舶避碰領(lǐng)域的應(yīng)用時(shí)間較長(zhǎng)。基于知識(shí)儲(chǔ)備庫(kù)的船舶自動(dòng)避碰決策算法原理與基于人工智能的船舶智能自動(dòng)識(shí)別系統(tǒng)類(lèi)似，均通過(guò)對(duì)動(dòng)態(tài)數(shù)據(jù)庫(kù)、知識(shí)儲(chǔ)備庫(kù)、推理機(jī)之間的實(shí)時(shí)交互，確定避碰決策。二者的區(qū)別在于：前者的核心為動(dòng)態(tài)數(shù)據(jù)庫(kù)，而后者的核心則為知識(shí)儲(chǔ)備庫(kù)，即基于知識(shí)儲(chǔ)備庫(kù)的自動(dòng)避碰決策算法主要利用知識(shí)儲(chǔ)備庫(kù)中的數(shù)據(jù)信息，為推理機(jī)的推理決策提供支持。維持這種算法所確定決策準(zhǔn)確性的關(guān)鍵在于：定期收集船舶駕駛員避碰經(jīng)驗(yàn)、國(guó)際海上避碰規(guī)則等相關(guān)信息資料，定期更新知識(shí)儲(chǔ)備庫(kù)中的專(zhuān)業(yè)知識(shí)、避碰規(guī)則及避碰經(jīng)驗(yàn)信息。

（三）遺傳算法方面

遺傳算法作為一種經(jīng)典技術(shù)，其可滿(mǎn)足分析海量船舶航運(yùn)信息的要求。運(yùn)用遺傳算法建立船舶自動(dòng)避碰決策系統(tǒng)的流程為：

第一，選擇編碼方式。結(jié)合航運(yùn)安全保障需要、確定船舶可行駛空間（探索空間）等信息來(lái)看，可采用實(shí)值編碼方式進(jìn)行編碼，即利用基因代表航線中的具體節(jié)點(diǎn)坐標(biāo)，以染色體表示航線。第二，確定目標(biāo)函數(shù)。安全問(wèn)題的優(yōu)化可借助安全性衡量函數(shù)實(shí)現(xiàn)，該函數(shù)的確立流程為：選定航線中各小路線中與己船碰撞風(fēng)險(xiǎn)最高的目標(biāo)船；計(jì)算各目標(biāo)船與己船的最距離（該小路線的安全性）；疊加各小路線的安全性參數(shù)，即獲得整條航線的安全性。而經(jīng)濟(jì)問(wèn)題的處理則通過(guò)衡量航線平滑度、航程消耗狀況，確定船舶的經(jīng)濟(jì)性衡量函數(shù)。第三，確定適應(yīng)度函數(shù)。逐一解碼染色體，以目標(biāo)函數(shù)為基礎(chǔ)，將個(gè)體數(shù)學(xué)表現(xiàn)形式轉(zhuǎn)化為船舶避碰決策待優(yōu)化問(wèn)題的實(shí)際表現(xiàn)形式，參照問(wèn)題需求確定目標(biāo)函數(shù)值，最后將其轉(zhuǎn)化成準(zhǔn)確的適應(yīng)度值。第四，確立決策系統(tǒng)的基本參數(shù)。逐一確定變異概率、交叉概率、種群規(guī)模等基本參數(shù)。第五，確立決策模型的初始種群。于可行航線范圍內(nèi)，隨機(jī)產(chǎn)生坐標(biāo)參數(shù)作為系統(tǒng)的個(gè)體基因，以個(gè)體基因?yàn)榛A(chǔ)，形成初始種群，以保障最終決策優(yōu)化結(jié)果的準(zhǔn)確性。第六，確定決策模型的基本操作。當(dāng)上述計(jì)算工作完成后，可利用交叉操作、變異操作等基本操作，增強(qiáng)遺傳算法的收斂性，并提升其效率。

（四）改進(jìn)遺傳算法方面

隨著遺傳算法在船舶碰撞領(lǐng)域應(yīng)用經(jīng)驗(yàn)的不斷豐富，這種算法逐漸暴露出了一些問(wèn)題，如計(jì)算流程冗長(zhǎng)、效率偏低等。在此基礎(chǔ)上，改進(jìn)遺傳算法逐漸開(kāi)始被應(yīng)用于該領(lǐng)域中。

基于改進(jìn)遺傳算法的船舶自動(dòng)避碰決策分析流程為：第一，確定避碰決策模型。利用復(fù)航時(shí)機(jī)、避碰時(shí)機(jī)、避碰角度以及復(fù)航角度，建立避碰決策模型。第二，確定目標(biāo)函數(shù)。在這一環(huán)節(jié)中，與遺傳算法類(lèi)似，通過(guò)對(duì)船舶航運(yùn)避碰經(jīng)濟(jì)性及安全性的分析，確定最優(yōu)解及目標(biāo)函數(shù)。第三，確定多目標(biāo)優(yōu)化算法。將該環(huán)節(jié)作為改進(jìn)重點(diǎn)，于多目標(biāo)優(yōu)化計(jì)算中引入改進(jìn)權(quán)值算子處理模式，以確保船舶航運(yùn)自動(dòng)避碰決策的安全性及經(jīng)濟(jì)性。改進(jìn)權(quán)值算子處理模式的要點(diǎn)為：利用經(jīng)濟(jì)性評(píng)價(jià)函數(shù)的數(shù)學(xué)期望、安全性評(píng)價(jià)函數(shù)的數(shù)學(xué)期望及固定常整數(shù)構(gòu)成目標(biāo)函數(shù)的權(quán)值系數(shù)。

（五）模糊邏輯方面

模糊邏輯在船舶自動(dòng)避碰決策算法中的應(yīng)用原理為：參照船舶航運(yùn)規(guī)則，利用模糊-貝葉斯、ARPA雷達(dá)等建立多決策模塊，并構(gòu)建避碰決策系統(tǒng)。

以模糊-貝葉斯算法為例，其功能體現(xiàn)為：可借助貝葉斯網(wǎng)絡(luò)將來(lái)源于模糊邏輯平行多決策模塊中的決策信息，轉(zhuǎn)化為具有連續(xù)性特征的避碰行動(dòng)，進(jìn)而保障船舶航運(yùn)的安全性。

（六）人工免疫算法方面

這種算法的原理為：利用抗體代表待優(yōu)化問(wèn)題，建立抗體種群，利用迭代過(guò)程確定船舶避讓策略的最優(yōu)解。

以目前船舶避讓領(lǐng)域常用的混沌危險(xiǎn)模式人工免疫算法為例，運(yùn)用該算法確定最優(yōu)碰撞決策的流程為：選用抗體編碼空間替代航運(yùn)中碰撞問(wèn)題的參數(shù)空間，將親和度函數(shù)作為評(píng)價(jià)依據(jù)，動(dòng)態(tài)更新抗體種群中的相關(guān)個(gè)體位串操作，并以上述信息為依據(jù)，建立迭代過(guò)程，通過(guò)對(duì)相關(guān)數(shù)據(jù)的持續(xù)性迭代，確定船舶避讓決策的最優(yōu)解，以此為船舶航運(yùn)安全管理工作提供可靠的支持。

結(jié)論：綜上所述，于船舶自動(dòng)避碰決策系統(tǒng)構(gòu)建中引入人工智能及軟計(jì)算具有一定的現(xiàn)實(shí)意義。為了提升船舶自動(dòng)避碰決策的準(zhǔn)確性，可根據(jù)既往船舶碰撞管理經(jīng)驗(yàn)，收集有價(jià)值的信息，合理選擇人工智能及軟計(jì)算算法，確立具有智能化、準(zhǔn)確性特征的自動(dòng)避碰決策系統(tǒng)。此外，還應(yīng)注意結(jié)合人工智能及軟計(jì)算技術(shù)的發(fā)展，不斷嘗試引入新算法，以保障船舶自動(dòng)避碰決策的可靠性。

作者單位：大連海事大學(xué)