船舶智能航行及關(guān)鍵技術(shù)最新發(fā)展

中國船級社 馬吉林 謝 朔

船舶智能航行及其關(guān)鍵技術(shù)的發(fā)展為智能船舶在水上交通中的應(yīng)用奠定了基礎(chǔ)。

近年來，智能船舶成為國際海事、交通領(lǐng)域的研究熱點。國際主要船級社先后發(fā)布了有關(guān)智能船舶及相關(guān)技術(shù)的規(guī)范或指導(dǎo)性文件，以大力推進(jìn)和指導(dǎo)智能船舶研制與應(yīng)用。中國船級社早在2015年就發(fā)布了第一部完整的智能船舶規(guī)范《智能船舶規(guī)范1.0》，對智能航行、智能船體、智能機(jī)艙、智能能效管理、智能貨物管理和集成平臺等功能要求進(jìn)行了規(guī)定，并于2020年補(bǔ)充了遠(yuǎn)程控制船舶和自主操作船舶的相關(guān)規(guī)范內(nèi)容。其中，智能航行技術(shù)作為智能船舶的典型功能之一，融合了信息感知與融合、態(tài)勢認(rèn)知與學(xué)習(xí)、智能決策與控制等先進(jìn)技術(shù)內(nèi)容，是當(dāng)前智能船舶領(lǐng)域的研究熱點。

船舶智能航行的發(fā)展現(xiàn)狀

在船舶智能航行方面，國外航運(yùn)企業(yè)以及海事相關(guān)機(jī)構(gòu)的研究較早。早在2012年，由Fraunhofer CML公司、MARINTEK公司、Chalmers大學(xué)等8家研究機(jī)構(gòu)共同合作，開始了“MUNIN”(圖1)（Maritime Unmanned Navigation through Intelligence in Networks）項目，首次以無人散貨輪為對象開展大型船舶的智能航行研究，并首次提出了無人駕駛概念。

圖1 MUNIN項目

在此后的智能航行項目研究中，主要以勞斯萊斯（Rolls-Royce）等大型船舶公司和運(yùn)營商為首，形成了豐富的成果。2015年，Rolls-Royce與芬蘭Aalto大學(xué)合作啟動了AAWA項目，旨在實現(xiàn)船舶的遠(yuǎn)程駕駛與無人運(yùn)輸。在AAWA的白皮書中，對船舶航行過程中自動避碰能力的重要性進(jìn)行了說明。2016年，Rolls-Royce在其制定的無人駕駛船舶應(yīng)用開發(fā)計劃中展示了岸基控制中心的運(yùn)營模式和無人化航運(yùn)的概念，并于2017年與全球拖船運(yùn)營商Svitzer合作在丹麥哥本哈根港成功展示了全球首艘遠(yuǎn)程駕駛商船“SvitzerHermod”號。隨著人工智能技術(shù)的發(fā)展，環(huán)境感知在智能航行中的作用越來越大。Rolls-Royce已宣布與谷歌簽署協(xié)議，將利用谷歌云機(jī)器學(xué)習(xí)引擎，訓(xùn)練人工智能分類系統(tǒng)，用于探測、識別和跟蹤船舶，以供進(jìn)行及時避碰，提升現(xiàn)有船舶的安全性。

除了大型船舶項目外，歐、美、日、韓等也先后開始智能航行有關(guān)的試驗船研制。2017年1月，海工船巨頭法國Bourbon、英國Automated Ships和 挪 威Kongsberg Maritime三家歐洲船企聯(lián)手合作，開始建造全球首艘無人駕駛海工支援船“Hr?nn”號，主要用于研究海上能源，水文以及養(yǎng)殖業(yè)，同時提供一定程度的海上支援。

2018年12月，Rolls-Royce和芬蘭國有渡輪運(yùn)營商Finferries在芬蘭圖爾庫市南部的群島上展示了世界上第一艘全自動渡輪Falco號。該渡輪具備一定的自航能力，可以在簡單會遇情況下實現(xiàn)自主避碰。而在2020年2月，挪威Kongsberg集團(tuán)也在所研發(fā)的自主渡輪Basto Fosen VI上進(jìn)行了從碼頭到碼頭的首次自適應(yīng)通航。Basto Fosen VI渡輪具有感知增強(qiáng)、自主靠離泊、危險警報和航線規(guī)劃等功能，可實現(xiàn)船端設(shè)備全自動化操作。

2020年4月，韓國現(xiàn)代重工在SK航運(yùn)旗下的一艘25萬噸散貨船上安裝了HINAS（Hyundai Intelligent Navigation Assistant System）現(xiàn)代智能導(dǎo)航輔助系統(tǒng)，通過基于人工智能的圖像分析算法自動識別船舶周圍的來船，并通過增強(qiáng)現(xiàn)實技術(shù)來進(jìn)行碰撞預(yù)警。

圖2 AAWA項目和“SvitzerHermod”號

圖3 無人駕駛海工支援船“Hr?nn”號

圖4 “Falco”號和“Basto Fosen”自主渡輪

圖5 現(xiàn)代重工HiNAS智能航行輔助系統(tǒng)

圖6 瓦錫蘭“PSA Polaris”號無人拖輪

圖7 “大智”號智能散貨輪

近日，瓦錫蘭與PSA Marine合作開展的IntelliTug項目取得了重大進(jìn)展。其旗下的“PSA Polaris”號拖輪在安裝了全新的動力定位系統(tǒng)后，可通過“虛擬錨定”功能來固定位置并/或保持拖船的航向，目前在新加坡港進(jìn)行真實港口環(huán)境條件下的試驗。

而在國內(nèi)，船舶智能航行的相關(guān)概念定義在2015年由中國船級社（CCS）發(fā)布的《智能船舶規(guī)范》（2015）中被首次提出。2017年12月5日，中國船舶工業(yè)集團(tuán)自主研發(fā)的全球首艘智能船舶iDolphin“大智”號正式交付投入使用?！按笾恰碧柺堑谝凰野凑罩袊壣纾–CS）智能船舶規(guī)范建造的智能船舶，獲得了CCS智能船符號I-SHIP(N,M,E,I)認(rèn) 證， 其 中N為智能航行的基本航路與航速的設(shè)計優(yōu)化功能標(biāo)志。

此后，中船集團(tuán)和中船重工又相繼建造了一系列具備智能航行功能的不同船型船舶，包括：40萬噸級智能超大型礦砂船（VLOC）“明遠(yuǎn)”號和“明卓”號、13500TEU智能集裝箱船“中遠(yuǎn)海運(yùn)荷花”號、超大型智能油輪“凱征”號等。

2018年7月，武漢理工大學(xué)研制的國內(nèi)首條搭載智能安全駕駛系統(tǒng)的汽渡“板新2號”在南京板橋汽渡首航。所搭載的汽渡輔助駕駛系統(tǒng)能夠通過雷達(dá)智能識別水中障礙物、監(jiān)測船只之間的距離，為駕駛員提供精確預(yù)警、推薦優(yōu)化航線。

2019年12月，由珠海云航智能技術(shù)有限公司、中國船級社、武漢理工大學(xué)、珠海市政府共同開發(fā)的“筋斗云”號無人自主航行貨船成功實現(xiàn)載運(yùn)貨物的自主航行首航。“筋斗云”號自主貨船采用數(shù)字化控制技術(shù)和電氣化推進(jìn)系統(tǒng)，目前已具備自主貨船的遠(yuǎn)程遙控、自主循跡、會遇避碰和遙控靠離泊功能。

綜上所述，國內(nèi)外智能船舶項目和技術(shù)應(yīng)用以實現(xiàn)船舶及其配套設(shè)備的無人化、自主化為目標(biāo)，正在逐步由部分功能自主到全船自主、人機(jī)共融到無人駕駛，實現(xiàn)以增強(qiáng)駕駛、輔助駕駛、遠(yuǎn)程駕駛、自主駕駛、無人駕駛等為代表的階段性功能，促進(jìn)水上自主運(yùn)輸技術(shù)“安全、高效、節(jié)能”發(fā)展。

智能航行關(guān)鍵技術(shù)的發(fā)展現(xiàn)狀

圖8 “明遠(yuǎn)”號、“明卓”號和“凱征”號

依據(jù)中國船級社《智能船舶規(guī)范》的定義，船舶智能航行具體指可利用計算機(jī)技術(shù)、控制技術(shù)等對感知和獲得的信息進(jìn)行分析和處理，對船舶航路和航速進(jìn)行設(shè)計和優(yōu)化；可行時，借助岸基支持中心，船舶能在開闊水域、狹窄水道、復(fù)雜環(huán)境條件下自動避碰，實現(xiàn)自主航行。綜合來看，智能航行的關(guān)鍵技術(shù)主要包含感知與信息融合、運(yùn)動控制、避碰決策以及測試驗證等方面。

1、感知與信息融合

智能船舶在航行過程中，需要對船舶內(nèi)部設(shè)備運(yùn)行狀態(tài)、船舶自身運(yùn)動狀態(tài)和外部航行環(huán)境進(jìn)行自動感知，并在不同感知范圍、方式上進(jìn)行融合，以提高單一傳感器的感知精度、范圍和準(zhǔn)確度。

船舶內(nèi)部設(shè)備方面，主要包含船舶機(jī)艙內(nèi)主機(jī)、主軸、舵槳等設(shè)備運(yùn)行信息的感知獲取，一般通過在關(guān)鍵位置安裝溫度、壓力、轉(zhuǎn)速等傳感器來進(jìn)行狀態(tài)的實時監(jiān)測，以滿足控制反饋、故障診斷等需求。特別地，對貨運(yùn)船舶（尤其是危險品船）而言，貨艙狀態(tài)和貨物狀態(tài)的實時感知也十分重要，目前主要采用遠(yuǎn)程監(jiān)控和壓力、液位等傳感器結(jié)合方式進(jìn)行狀態(tài)感知和監(jiān)控。

船舶自身運(yùn)動狀態(tài)主要包含前進(jìn)、橫移、首搖等方向上的位置角度和速度狀態(tài)，一般通過高精度GPS/GNSS/北斗設(shè)備、羅經(jīng)/慣導(dǎo)等設(shè)備獲取的經(jīng)緯度、航速、航向以及船首向等進(jìn)行解算。其中，GPS和慣導(dǎo)所獲取的運(yùn)動信息可進(jìn)行相互融合形成組合導(dǎo)航，以減小慣導(dǎo)的累積誤差，并提高定位實時性。

船舶的外部航行環(huán)境感知是智能航行的重要環(huán)節(jié)，目前主要以海事雷達(dá)、視覺傳感器、電子海圖、AIS（automatic identification system）等為主，輔以激光雷達(dá)、RFID、水下聲吶以及超聲波距離傳感器等感知設(shè)備來對其他船舶及水面障礙、岸線、水深等信息進(jìn)行感知。在早期的研究中，雷達(dá)和AIS是較常使用的感知手段，大部分具備ARPA功能的雷達(dá)可以跟蹤一定數(shù)量目標(biāo)船的運(yùn)動狀態(tài)，并得到相對方位、速度以及最近會遇距離（distance close to the point approach, DCPA）、最近會遇時間（time close to the point approach,TCPA）等信息。由于AIS感知的有源特性，常被用于與雷達(dá)信息進(jìn)行融合，以減小雷達(dá)目標(biāo)的虛警率。

圖9 汽渡輔助駕駛系統(tǒng)

圖10 無人自主航行貨船“筋斗云”號

近年來，隨著圖像識別與深度學(xué)習(xí)技術(shù)的發(fā)展，基于視覺傳感器的船舶目標(biāo)識別與跟蹤成為目前研究的一大熱點。卷積神經(jīng)網(wǎng)絡(luò)CNN及其相關(guān)衍生網(wǎng)絡(luò)和算法（R-CNN、Fast R-CNN、YOLO系列算法等）的出現(xiàn)，大大提高了圖像識別的準(zhǔn)確性和實時性，使得船舶目標(biāo)圖像識別的實際應(yīng)用成為可能。

2、運(yùn)動控制

得益于現(xiàn)代控制理論的發(fā)展，對船舶運(yùn)動控制的研究已趨于成熟，主要包含船舶運(yùn)動建模和自動導(dǎo)航（如航向控制、路徑跟蹤）問題兩大類。

（1）運(yùn)動建模

目前廣泛使用的船舶運(yùn)動模型主要分為分離型模型、整體型模型和響應(yīng)型模型三類。分離型模型將裸船體、舵和槳分開進(jìn)行單獨受力分析；整體型模型則將三者作為一個受力整體，通過級數(shù)展開來獲得各個水動力導(dǎo)數(shù)；響應(yīng)型模型可看作整體型模型的簡化，主要描述船舶轉(zhuǎn)首運(yùn)動對操舵響應(yīng)的關(guān)系。

整體型模型和響應(yīng)型模型結(jié)構(gòu)簡單，多使用系統(tǒng)辯識方法來進(jìn)行參數(shù)確定。在20世紀(jì)70年代，KJ.Astrom等就針對水下運(yùn)載器的一階響應(yīng)模型進(jìn)行了參數(shù)辨識。此后，極大似然法、卡爾曼估計濾波以及最小二乘等方法逐漸被應(yīng)用在船舶運(yùn)動建模中。到2000年之后，神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、群智能算法等開始被廣泛關(guān)注。近年來，分離型模型由于建模方式靈活、水動力參數(shù)意義明確等優(yōu)點，被應(yīng)用在一系列復(fù)雜船型中。

隨著自主船舶的多樣化，航行條件的復(fù)雜化，常規(guī)低頻操舵下的運(yùn)動建模研究難以適應(yīng)自主船舶運(yùn)動控制的需求。從不同船型、不同航態(tài)下的動態(tài)特性中找出影響船舶操縱運(yùn)動的因素和變化規(guī)律，并對操縱性指數(shù)作出建模和預(yù)報，是目前智能船舶運(yùn)動建模研究的一個方向?；诖?，針對智能船舶在較高頻操舵和變化航速下的自動控制需求，對更復(fù)雜的水動力模型進(jìn)行精確建模和預(yù)報是未來智能船舶操縱性建模研究的發(fā)展趨勢。

（2）自動導(dǎo)航

船舶自動導(dǎo)航研究依賴于控制理論的發(fā)展和應(yīng)用。隨著GPS/GNSS、北斗等全球?qū)Ш较到y(tǒng)以及差分定位技術(shù)的成熟和普及，智能船舶的精確導(dǎo)航已成為可能。在船舶導(dǎo)航研究中，航向控制和路徑跟蹤是最基本的導(dǎo)航問題，相關(guān)方法從最早的PID算法逐步發(fā)展到了滑模控制、最優(yōu)控制、模型預(yù)測控制和人工智能等復(fù)雜算法。

在基于模型的控制方法中，模型預(yù)測控制（model predictive control，MPC）具有顯示處理約束、滾動優(yōu)化和實時反饋的能力，成為船舶自動導(dǎo)航的常用控制方法。此外，外界環(huán)境干擾和系統(tǒng)擾動是精確跟蹤控制的一大難點，需要引入狀態(tài)觀測器和自抗擾控制等技術(shù)對擾動進(jìn)行抑制處理。

相比較普通船舶而言，智能船舶對于自動導(dǎo)航控制算法的魯棒性和自適應(yīng)性要求較高，未來智能船舶的自動導(dǎo)航需要研究更為通用和精確的控制算法。

3、避碰決策

在船舶的航行過程中，在航線范圍內(nèi)出現(xiàn)來船或其他障礙時，進(jìn)行及時有效的自動避碰決策是船舶航行安全的重要保障。目前所研究的方法包含以A*、人工勢場APF為代表的路徑規(guī)劃方法、基于規(guī)則的決策方法和專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、模糊控制、群智能優(yōu)化、深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)等優(yōu)化理論與方法。

A*和APF路徑規(guī)劃方法原理較為簡單，易于實現(xiàn)，但原始算法存在局部極值、效率較低等問題，一般需要進(jìn)行一些改進(jìn)性研究。如當(dāng)柵格地圖較為復(fù)雜或地圖較大時，通過分層規(guī)劃策略來改進(jìn)A*的搜索效率；當(dāng)APF因為步長選擇不當(dāng)、或斥引力共線等情況下陷入局部極值時，可通過修改斥力場函數(shù)、來跳出局部極值問題。此外，極限環(huán)方法（Limited Cycle Method,LCM）也是一種與APF類似的虛擬勢場方法，通過一個圍繞障礙物的對相鄰點具有吸引力的極限環(huán)來得到收斂在環(huán)上的路徑。一般地，路徑規(guī)劃方法對船舶操縱性考慮不多，較適用于靜態(tài)或相對本船速度較小的障礙物，在多船會遇或來船速度較大時效果欠佳。

基于規(guī)則的方法則一般通過綜合考慮《國際海上避碰規(guī)則》、船舶的操縱特性、專家的開船經(jīng)驗等來進(jìn)行規(guī)則設(shè)定，然后基于規(guī)則并結(jié)合神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、模糊邏輯等算法進(jìn)行推理，給出轉(zhuǎn)向、加減速等決策建議。這類算法在兩船會遇中易于實現(xiàn)，但在處理多船復(fù)雜態(tài)勢中需要仔細(xì)考慮規(guī)則的適用性。

專家系統(tǒng)方法通過借鑒航海領(lǐng)域內(nèi)的專家經(jīng)驗和航行規(guī)則來解決避碰問題。以典型基于AIS的專家系統(tǒng)為例，通過使用AIS信息作為專家系統(tǒng)的數(shù)據(jù)庫，使用船長開船經(jīng)驗和避碰規(guī)則作為推理機(jī)中的部分規(guī)則進(jìn)行避碰模擬，最后得到避碰方案。

隨著模糊數(shù)學(xué)、模型預(yù)測控制（model predictive control, MPC）、神經(jīng)網(wǎng)絡(luò)、速度障礙法（velocity obstacle, VO）、進(jìn)化算法、隨機(jī)搜索算法、深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)（reinforcement learning, RL）等優(yōu)化算法的逐漸發(fā)展和應(yīng)用，綜合考慮船舶運(yùn)動模型、最近會遇距離DCPA、最近會遇時間TCPA和航行規(guī)則等因素進(jìn)行實時船舶避碰研究成為智能航行避碰決策的發(fā)展趨勢和主要方向。這類方法通過在預(yù)先計算得到的無碰撞區(qū)域內(nèi)進(jìn)行優(yōu)化，或直接在優(yōu)化目標(biāo)中考慮碰撞約束來實現(xiàn)動作的實時決策。其中，隨機(jī)搜索算法和強(qiáng)化學(xué)習(xí)RL這類模型無關(guān)的方法近年來開始受到學(xué)者的廣泛關(guān)注。

隨機(jī)搜索算法不需要待優(yōu)化對象的顯式梯度信息，使用隨機(jī)搜索策略和給定的適應(yīng)度函數(shù)進(jìn)行尋優(yōu)，以蟻群算法（ant colony optimization,ACO）和粒子群算法（particle swarm optimization, PSO）應(yīng)用最為廣泛。其適應(yīng)度函數(shù)一般以與障礙物距離或碰撞危險度等為安全適應(yīng)度，以總路徑長度、轉(zhuǎn)向角度等為經(jīng)濟(jì)適應(yīng)度來進(jìn)行構(gòu)建。鑒于PSO結(jié)構(gòu)簡潔，易于與不同的算法進(jìn)行結(jié)合，由此改進(jìn)而取得的一系列算法（包括雙種群PSO、小生境PSO、混沌PSO、元胞PSO等）均在船舶避碰中得到了廣泛應(yīng)用。

強(qiáng)化學(xué)習(xí)RL方法通過自身模型所搭建的訓(xùn)練環(huán)境來考慮模型特性，可將避碰的約束加入回報函數(shù)中，最終通過對策略網(wǎng)絡(luò)的不斷更新，學(xué)習(xí)到滿足避讓要求的即時策略，但同時需要長時間的預(yù)先訓(xùn)練過程。此外，強(qiáng)化學(xué)習(xí)方法需要選擇合適的狀態(tài)—動作空間和回報函數(shù)，否則會產(chǎn)生策略難以收斂、計算復(fù)雜度較高等問題，增加時間代價。目前，傳統(tǒng)Q-learning和深度Q網(wǎng)絡(luò)、DDPG等深度強(qiáng)化學(xué)習(xí)方法在船舶避碰領(lǐng)域均有應(yīng)用，已取得了初步成果。

4、測試驗證

在智能航行技術(shù)研究方面，目前國內(nèi)外相關(guān)機(jī)構(gòu)和學(xué)者已經(jīng)在理論方法上取得了豐富的成果。但隨著智能算法復(fù)雜程度不斷提升，其應(yīng)用于實船中進(jìn)行航行和避碰試驗的難度和風(fēng)險逐漸增大。根據(jù)《智能船舶規(guī)范》，船舶自動避碰能力是智能航行系統(tǒng)的關(guān)鍵，有必要結(jié)合海上避碰規(guī)則和實際場景進(jìn)行船舶避碰性能的系統(tǒng)性測試與驗證，形成可靠的評價指標(biāo)體系。以下以船舶避碰測試技術(shù)為例，分析在測試驗證中的一些要點和指標(biāo)要求。

（1）會遇局面分析

實際兩船的會遇場景在國際海上避碰規(guī)則中被定義為對遇、追越以及交叉相遇三大類。其中，對遇局面以及追越局面（被追越）的定義較為清晰。一般認(rèn)為對遇指當(dāng)一船看見他船在正前方或接近正前方的情形。追越為一船正從他船正橫后大于22.5°的某一方向趕上他船時，即該船對其所追越的船所處的位置。剩余的會遇態(tài)勢則用交叉相遇來概括，如下圖所示。

圖11 不同會遇態(tài)勢

考慮到在不同的會遇態(tài)勢下，不同相對距離的兩船之間形成的碰撞危險不盡相同。原則上，應(yīng)在碰撞危險局面、緊迫局面和緊迫危險局面下分別考慮對不同會遇態(tài)勢的兩船進(jìn)行避碰測試。

①碰撞危險局面

當(dāng)本船為直航船時，在考慮規(guī)則和最終避碰目的前提下，在碰撞危險局面下本船應(yīng)為直航船，需要保向保速；當(dāng)相對位置接近到緊迫局面或緊迫危險時，本船不免除避讓義務(wù)。當(dāng)本船為讓路船時，無論兩船之間處于何種局面，本船應(yīng)采用必要的措施以最小化碰撞危險，避免發(fā)生事故。此外，能見度和海況對避碰建議也具有一定影響。能見度和海況不佳時，形成會遇局面的兩船均具備避讓義務(wù)。此時規(guī)則只對原則性行為進(jìn)行規(guī)定，如應(yīng)盡可能避免除對被追越船外，“對正橫前的船舶采取向左轉(zhuǎn)向”，“對正橫或正橫后的船舶采取朝著它轉(zhuǎn)向”行為。一般地，此時本船行動的初始條件基于他船保速保向來進(jìn)行決定，但不排除他船采取非正常行為時的會遇場景。

②緊迫局面

兩船處于緊迫局面時，本船在所有情形下均需要采取必要的避讓行為。此時無需區(qū)分直航船與讓路船。此外，能見度、海況情況，以及他船行為合理性均需要進(jìn)行考慮。

③緊迫危險

在緊迫危險下，兩船之間的避讓責(zé)任與緊迫局面相同。由于在該階段，單靠本船行動已經(jīng)難以避免碰撞，一般需要兩船采取協(xié)調(diào)行為以最小化碰撞危險，但在測試時仍需要考慮他船不協(xié)調(diào)避讓的情形。

圖12 避碰指標(biāo)體系

綜合來看，會遇局面（危險、緊迫、緊迫危險）、能見度與海況、他船行為合理性等均是在船舶避碰測試中需要考慮的因素，在測試過程中需要根據(jù)這些因素組合得到合適的測試場景。

（2）測試指標(biāo)體系

船舶避碰問題是典型的不確定性問題，即通過有限場景和已知干擾環(huán)境下的實船或仿真測試也無法完全確定船舶是否能成功避讓一定條件下的所有來船。因此，目前船舶避碰指標(biāo)的研究基本采取定性功能指標(biāo)和定量性能指標(biāo)綜合進(jìn)行判定的方法，并結(jié)合專家經(jīng)驗給出避碰能力的大致描述。

上圖所示為避碰測試指標(biāo)體系的示意圖。在定性指標(biāo)中，規(guī)則符合性、會遇態(tài)勢判斷準(zhǔn)確性、避讓及時性、以及是否避讓成功（根據(jù)DCPA、相對距離等來進(jìn)行判斷）等均是需要考慮的因素；而在定量指標(biāo)中，則需要對實際兩船距離、航向角曲線、舵角曲線、繞路距離、油耗曲線等的統(tǒng)計結(jié)果（如最小相對距離、平均油耗）進(jìn)行計算，最后通過專家打分或設(shè)定權(quán)重方式得到最終避讓能力的評判指標(biāo)。

船舶智能航行是船舶邁向自主化的關(guān)鍵技術(shù)內(nèi)容。目前，國內(nèi)外在智能航行方面的理論方法研究已經(jīng)較為成熟，但針對不同算法和模型的測試研究尚未形成統(tǒng)一的指標(biāo)體系。鑒于實際智能船舶的完全自主化和無人化還需要較長一段時間，未來還需要針對復(fù)雜條件下船舶的自動避碰、自動靠離泊、遠(yuǎn)程駕駛等的相關(guān)測試技術(shù)、測試方法進(jìn)行深入研究，并制定完整的船舶智能航行測試以及評估方案，保障船舶智能航行的安全性和可靠性。