基于駕駛實(shí)踐的無人船智能避碰決策方法

丁志國，張新宇*，王程博，黎泉，安蘭軒

1 大連海事大學(xué) 航海動(dòng)態(tài)仿真與控制交通行業(yè)重點(diǎn)實(shí)驗(yàn)室，遼寧 大連 116026

2 大連海事大學(xué) 航海學(xué)院，遼寧 大連 116026

0 引 言

隨著新一代人工智能技術(shù)和無人駕駛技術(shù)在航海領(lǐng)域的興起，海上運(yùn)輸正朝著智能化方向快速發(fā)展。無人駕駛船舶作為海上智能交通的載體，已成為國內(nèi)外航運(yùn)界關(guān)注的焦點(diǎn)。近年來，無人駕駛車輛的智能避碰決策已取得較好成果，國內(nèi)外許多專家學(xué)者積極借鑒無人駕駛車輛的經(jīng)驗(yàn)，結(jié)合航海背景，試圖解決船舶的智能避碰決策問題。

無人駕駛船舶自主航行包括感知、理解、決策、控制4 個(gè)階段，而決策階段是無人駕駛船舶安全航行及避障的關(guān)鍵，因此無人駕駛船舶的智能避碰決策成為國內(nèi)外學(xué)者的研究重點(diǎn)。無人駕駛船舶智能避碰決策問題的核心在于能否在海上環(huán)境復(fù)雜、多變的情況下快速做出符合《國際海上避碰規(guī)則》（以下簡稱《規(guī)則》）以及海員通常做法的安全而有效的決策。實(shí)際上，船舶智能避碰決策要解決的實(shí)際問題與船舶駕駛?cè)藛T在避碰實(shí)際中要解決的問題是一致的，區(qū)別在于是用人工方式解決還是由計(jì)算機(jī)自主做出決策，而目前基于駕駛實(shí)踐視角的無人船智能避碰決策研究較少，本文擬從駕駛實(shí)踐的視角開展無人船的智能避碰決策研究。

基于駕駛實(shí)踐，無人駕駛船舶智能避碰決策包含航行態(tài)勢(shì)感知、航行態(tài)勢(shì)理解、碰撞危險(xiǎn)度決策、避碰行動(dòng)時(shí)機(jī)決策、避碰行動(dòng)有效性決策和復(fù)航?jīng)Q策等過程。

航行態(tài)勢(shì)感知系統(tǒng)是借助多種船載傳感器設(shè)備主動(dòng)對(duì)船舶內(nèi)、外部信息以及航行環(huán)境信息進(jìn)行多模態(tài)感知。

航行態(tài)勢(shì)理解是通過對(duì)感知系統(tǒng)獲取的多源異構(gòu)、多模態(tài)信息進(jìn)行分類與理解，將無人駕駛船舶的航行態(tài)勢(shì)進(jìn)行結(jié)構(gòu)化表述，并結(jié)合《規(guī)則》與海員的通常做法對(duì)船舶會(huì)遇場(chǎng)景進(jìn)行量化劃分。目前，對(duì)于會(huì)遇場(chǎng)景的劃分標(biāo)準(zhǔn)不一。陳國權(quán)[1]根據(jù)相對(duì)運(yùn)動(dòng)幾何規(guī)律分析總結(jié)了目標(biāo)交會(huì)特征（TEC），通過目標(biāo)船相對(duì)運(yùn)動(dòng)航向、船速比的大小以及目標(biāo)船與本船的航向差取值范圍歸納出了15 種TEC，并針對(duì)不同的TEC 給出了對(duì)應(yīng)的避碰方案；Perera等[2]將本船碰撞區(qū)域劃分為8 個(gè)區(qū)，將目標(biāo)船的相對(duì)運(yùn)動(dòng)航向劃分為8 個(gè)區(qū)，然后按照船舶相對(duì)距離范圍、速比條件將會(huì)遇情況劃分為了144 種，其中有效情況為63 種。會(huì)遇場(chǎng)景量化程度越高，對(duì)避碰決策越有利，但隨著引入的影響因子的增加，系統(tǒng)復(fù)雜性越高，遍歷需要的時(shí)間也越長。本文將借鑒無人駕駛車輛場(chǎng)景建模方法，通過引入本體論模型，建立航行態(tài)勢(shì)本體模型，并根據(jù)《規(guī)則》及駕駛實(shí)踐對(duì)會(huì)遇場(chǎng)景進(jìn)行知識(shí)表述，實(shí)現(xiàn)在線推理，給出會(huì)遇場(chǎng)景、本船的避讓責(zé)任以及避讓行動(dòng)方式，為智能避碰決策提供決策基礎(chǔ)，提高決策效率。

碰撞危險(xiǎn)度是采取避碰行動(dòng)的依據(jù)。Kearon等[3]首次提出由最近會(huì)遇距離DCPA和到達(dá)最近會(huì)遇點(diǎn)的時(shí)間TCPA加權(quán)的方法確定碰撞危險(xiǎn)度，其只考慮到了2 個(gè)因素對(duì)碰撞危險(xiǎn)度的影響，可能會(huì)對(duì)實(shí)際情況產(chǎn)生誤判；文獻(xiàn)[4-6]均是采用神經(jīng)網(wǎng)絡(luò)的方法來確定船舶碰撞危險(xiǎn)度，其將DCPA和TCPA、舷角以及航向航速作為系統(tǒng)輸入，具有良好的預(yù)測(cè)效果；文獻(xiàn)[7-9]利用模糊理論研究了碰撞危險(xiǎn)度；劉冬冬等[7]在綜合考慮DCPA和TCPA、來船方位、距離和船速比的基礎(chǔ)上，構(gòu)建了碰撞危險(xiǎn)度模糊評(píng)價(jià)模型，并運(yùn)用四元船舶領(lǐng)域（QSD）對(duì)DCPA的隸屬度函數(shù)進(jìn)行了改進(jìn)，可為避碰決策提供準(zhǔn)確依據(jù)；胥文等[8]在考慮以上5 個(gè)影響因素的基礎(chǔ)上，結(jié)合船舶操縱性能、能見度情況以及航行水域情況對(duì)模糊隸屬度函數(shù)進(jìn)行修正，提高了碰撞危險(xiǎn)度研究的準(zhǔn)確性。本文將在前人研究的基礎(chǔ)上，改進(jìn)碰撞危險(xiǎn)度隸屬度函數(shù)，并根據(jù)航行駕駛實(shí)踐，重新設(shè)計(jì)碰撞危險(xiǎn)度合成模型。

無人駕駛船舶完成航行態(tài)勢(shì)感知與理解以及碰撞危險(xiǎn)決策之后，需要根據(jù)駕駛實(shí)踐做出合理的避碰決策，一些學(xué)者遷移應(yīng)用機(jī)器人避碰路徑規(guī)劃研究中的勢(shì)場(chǎng)理論來解決船舶的避碰問題[10-12]，雖然能夠在理論上實(shí)現(xiàn)障礙物的避碰，但避碰幅度以及避碰行動(dòng)方式受引力場(chǎng)及斥力場(chǎng)的影響，不能很好地契合航海實(shí)踐要求；一些學(xué)者認(rèn)為，船舶避碰時(shí)機(jī)與碰撞危險(xiǎn)度CRI直接相關(guān)，并以CRI為評(píng)價(jià)指標(biāo)來求取避碰策略[13-14]，但CRI受航行環(huán)境、能見度、兩船間距、兩船方位、DCPA和TCPA以及船速比等多個(gè)因素影響，且各因素之間存在相互制約關(guān)系，不同的研究者對(duì)不同的影響因素進(jìn)行分析，CRI的計(jì)算結(jié)果存在一定的差異，且均沒有完備地考慮所有影響，直接將CRI作為船舶避碰的決定性指標(biāo)會(huì)存在較大誤差；一些學(xué)者結(jié)合深度強(qiáng)化學(xué)習(xí)算法對(duì)船舶避碰行為決策展開了研究[15-16]，其通過構(gòu)建適用于無人駕駛船舶的深度強(qiáng)化學(xué)習(xí)模型（DRL），通過強(qiáng)化訓(xùn)練得到了基本的避碰模型，但該方法需要大量的訓(xùn)練數(shù)據(jù)，且模型結(jié)構(gòu)對(duì)數(shù)據(jù)的依賴性較強(qiáng)，算法訓(xùn)練耗時(shí)長，對(duì)于未知環(huán)境下的避碰無法達(dá)到實(shí)時(shí)性的要求；李麗娜等[17]提出了擬人化智能避碰決策方法(PIDVCA)，通過模仿經(jīng)驗(yàn)豐富駕駛員（避碰專家）的避碰決策，利用機(jī)器學(xué)習(xí)構(gòu)建動(dòng)態(tài)避碰規(guī)則庫，做出了符合《規(guī)則》和海員通常做法的合理決策，避碰效果較好，但存在的問題就是不能完備地考慮船舶在航行過程中的所有會(huì)遇情況，且隨著會(huì)遇情況的增加，規(guī)則庫規(guī)模逐步擴(kuò)大，遍歷需要更長的時(shí)間。

在船舶避碰過程中如何合理、恰當(dāng)?shù)卮_定避碰時(shí)機(jī)、避碰行動(dòng)方式以及避碰幅度非常重要，《規(guī)則》第十六條規(guī)定：“需給他船讓路的船舶，應(yīng)盡可能及早地采取大幅度的行動(dòng)，寬裕地讓清他船”。國內(nèi)外專家學(xué)者采用幾何避碰原理、速度障礙法、勢(shì)場(chǎng)理論、模糊數(shù)學(xué)方法、神經(jīng)網(wǎng)絡(luò)、智能優(yōu)化算法、人工智能及專家系統(tǒng)等方法建立了船舶避碰決策模型，這些方法對(duì)于避碰決策的發(fā)展有一定的理論指導(dǎo)意義，但共性問題是不能夠很好地貼近航海實(shí)際。

目前，基于駕駛實(shí)踐視角的無人船智能避碰決策研究較少，鑒于此，本文擬從駕駛實(shí)踐的角度討論船舶避碰決策問題。首先，對(duì)無人駕駛船舶智能避碰決策的合理性和實(shí)時(shí)性以及唯一性問題進(jìn)行論述，然后建立智能避碰決策過程的航行態(tài)勢(shì)本體模型、多元復(fù)合避碰危險(xiǎn)度評(píng)估模型以及BOP 智能避碰決策模型這3 個(gè)模型，最后，設(shè)計(jì)仿真實(shí)驗(yàn)，并在典型會(huì)遇場(chǎng)景下驗(yàn)證方法的有效性。

1 問題分析

從有人駕駛船舶駕駛實(shí)踐的角度分析無人駕駛船舶在做避碰決策時(shí)應(yīng)主要考慮的問題有：

1） 決策的實(shí)時(shí)性。

船舶在海上航行時(shí)，受風(fēng)、浪、流、能見度、水深等因素的約束，在避碰決策時(shí)需要綜合予以考慮。在復(fù)雜、多變的環(huán)境中快速做出響應(yīng)是對(duì)避碰決策算法的要求，如果決策算法不能保證實(shí)時(shí)性或不能在可接受的時(shí)間范圍內(nèi)做出決策，將嚴(yán)重威脅船舶的航行安全。

2） 決策的合理性。

船舶在做自主避碰決策時(shí)，需要最大限度地實(shí)現(xiàn)擬人化。有人駕駛船舶在操縱船舶的過程中，駕駛員會(huì)結(jié)合周圍的航行環(huán)境、航行規(guī)則及本船的操縱性能，將人、船環(huán)境視為整體進(jìn)行考慮，主動(dòng)做出綜合性的、有經(jīng)驗(yàn)的決策，無人駕駛船舶自主決策同樣也需要根據(jù)感知系統(tǒng)傳來的多源異構(gòu)信息進(jìn)行綜合處理分析，得出最優(yōu)的避碰策略，從而實(shí)現(xiàn)擬人化且最優(yōu)的決策。

3） 決策的唯一性。

船舶駕駛員在進(jìn)行避碰決策的過程中，是通過評(píng)判碰撞危險(xiǎn)程度，根據(jù)駕駛航行經(jīng)驗(yàn)給出一個(gè)準(zhǔn)確的決策信息（舵角或者航速）來控制船舶避碰，這就要求無人駕駛船舶在執(zhí)行決策算法的時(shí)候不能出現(xiàn)多個(gè)解，只能輸出唯一的、確定的、可執(zhí)行的決策指令。

本文在進(jìn)行船舶智能避碰決策方法研究的同時(shí)，充分考慮了以上問題，在此基礎(chǔ)上，構(gòu)建無人駕駛船舶航行態(tài)勢(shì)本體概念模型，并結(jié)合《規(guī)則》及海員的通常做法對(duì)船舶會(huì)遇場(chǎng)景進(jìn)行量化處理，建立船舶復(fù)合碰撞危險(xiǎn)度評(píng)估模型，從駕駛實(shí)踐的角度出發(fā)，建立駕駛員視角（BOP）智能避碰決策模型，以船舶避碰總路徑最短為目標(biāo)函數(shù)求解最優(yōu)避碰策略，實(shí)現(xiàn)船舶智能航行及自主避碰。

2 模型構(gòu)建

無人駕駛船舶自主航行需要實(shí)時(shí)與航行環(huán)境交互，獲取航行狀態(tài)信息，通過學(xué)習(xí)算法做出行為決策，其系統(tǒng)架構(gòu)如圖1 所示。輸入船舶當(dāng)前航行狀態(tài)、周圍礙航物信息，信息傳入行為決策層，經(jīng)一系列解算后輸出船舶的決策信息并交由控制執(zhí)行層完成對(duì)船舶的運(yùn)動(dòng)控制。圖中， λ ，? 分別為船舶的經(jīng)度和緯度；Ψ為船舶航向；u為船舶前進(jìn)速度；v為船舶橫移速度；r為船舶轉(zhuǎn)艏角速度；ΔΨ為決策輸出的航向改變量；ΔV為決策輸出的航速改變量； δ為船舶舵角；V為船舶航速。

2.1 無人駕駛船舶航行態(tài)勢(shì)本體模型

準(zhǔn)確的無人駕駛船舶航行態(tài)勢(shì)理解是行為決策的基礎(chǔ)，避碰場(chǎng)景理解主要是基于對(duì)《規(guī)則》以及海員通常做法的理解，劃分典型的會(huì)遇場(chǎng)景，為避碰決策提供先決性條件。

圖1 無人駕駛船舶自主航行系統(tǒng)架構(gòu)圖Fig. 1 architecture diagram of autonomous navigation system of unmanned ship

《規(guī)則》中給出了對(duì)遇、交叉相遇、追越3 種會(huì)遇場(chǎng)景，如圖2 所示。但是在實(shí)際的船舶航行過程中對(duì)于不同的會(huì)遇情況，船舶有不同的航路權(quán)，故需要對(duì)會(huì)遇場(chǎng)景進(jìn)行詳細(xì)劃分。

圖2 3 種典型會(huì)遇場(chǎng)景示意圖Fig. 2 Schematic diagram of three typical encounter scenarios

目前，有關(guān)無人船的航行態(tài)勢(shì)理解與建模的研究較少，無統(tǒng)一化的標(biāo)準(zhǔn)定義?；诤唵巍癐F···THEN···”推理規(guī)則的避碰知識(shí)庫，難以描述各種會(huì)遇形式和避碰階段的避碰方案。本文遷移應(yīng)用無人車的場(chǎng)景建模方法[18]，利用本體模型的強(qiáng)大信息表述能力，可邏輯化表述并量化航行態(tài)勢(shì)，結(jié)合駕駛實(shí)踐，對(duì)先驗(yàn)航行知識(shí)進(jìn)行描述，提高避碰決策效率。

航行態(tài)勢(shì)理解是通過對(duì)感知系統(tǒng)獲取的多源異構(gòu)信息進(jìn)行分類與理解，將無人駕駛船舶的航行態(tài)勢(shì)進(jìn)行結(jié)構(gòu)化表述。首先，根據(jù)“本體”理論將無人駕駛船舶的航行態(tài)勢(shì)分為實(shí)體和屬性。實(shí)體類代表著不同本質(zhì)的客觀存在物，屬性類用于描述對(duì)象實(shí)體以及實(shí)體之間的關(guān)系屬性。本文將屬性類又分為實(shí)體屬性和關(guān)系屬性，其中實(shí)體屬性包括實(shí)體的位置、航向航速，關(guān)系屬性包括位置關(guān)系、航向關(guān)系、方位關(guān)系和速度關(guān)系。

感知系統(tǒng)獲取的信息包含靜態(tài)信息和動(dòng)態(tài)信息。靜態(tài)信息一般指靜態(tài)障礙物實(shí)體，包括具有結(jié)構(gòu)化的海圖實(shí)體以及其他靜態(tài)障礙物實(shí)體，其中海圖實(shí)體包括具有結(jié)構(gòu)化特征的航道、導(dǎo)助航標(biāo)志等，靜態(tài)障礙物實(shí)體是指靜止的非結(jié)構(gòu)化實(shí)體，包括錨泊的船舶、礁石等。動(dòng)態(tài)信息一般指航行環(huán)境中的動(dòng)態(tài)障礙物實(shí)體和環(huán)境實(shí)體。

通過對(duì)感知系統(tǒng)獲取的多源異構(gòu)信息進(jìn)行實(shí)體與屬性描述，建立無人駕駛船舶航行態(tài)勢(shì)本體模型，然后在此基礎(chǔ)上結(jié)合《規(guī)則》及良好的船藝要求，將會(huì)遇場(chǎng)景進(jìn)行量化劃分，并基于prolog 語言對(duì)會(huì)遇場(chǎng)景進(jìn)行表述。

根據(jù)《規(guī)則》及駕駛實(shí)踐，本文以目標(biāo)船的方位關(guān)系劃分了6 個(gè)會(huì)遇區(qū)域，分別為船艏、船艉、左舷正橫前、左舷正橫后、右舷正橫前及右舷正橫后。在每個(gè)會(huì)遇區(qū)域，又根據(jù)目標(biāo)船與本船的航向關(guān)系以及航速關(guān)系，將會(huì)遇場(chǎng)景（ES）劃分為12 種，然后基于船舶航行態(tài)勢(shì)本體模型及prolog語言建立航行態(tài)勢(shì)理解與劃分表，如表1 所示。表中：HO 為對(duì)遇場(chǎng)景；DHO為危險(xiǎn)對(duì)遇場(chǎng)景；CR為交叉相遇場(chǎng)景；OT 為追越場(chǎng)景；q為目標(biāo)船的舷角；Ψt為目標(biāo)船航向；Ψ0為本船航向；Vt為目標(biāo)船航速；V0為本船航速。

本文針對(duì)海上環(huán)境復(fù)雜多變的特點(diǎn)，結(jié)合駕駛實(shí)踐，提出基于航行態(tài)勢(shì)本體模型的場(chǎng)景劃分方法，對(duì)航行環(huán)境降維處理，實(shí)現(xiàn)了無人駕駛船舶對(duì)航行態(tài)勢(shì)的理解與劃分，為智能避碰決策提供基礎(chǔ)，并且在一定程度上提高了決策效率。

表1 航行態(tài)勢(shì)理解與劃分表Table 1 Navigation situation understanding and division

2.2 多元復(fù)合避碰危險(xiǎn)度評(píng)估模型

《規(guī)則》沒有給出碰撞危險(xiǎn)的定義，但其中很多條款是以構(gòu)成碰撞危險(xiǎn)為前提的，故需建立一定的模型將其量化。

在航海實(shí)踐中，駕駛員在判斷是否存在碰撞危險(xiǎn)的同時(shí)，也就對(duì)存在碰撞危險(xiǎn)的緊迫程度有了直觀的感受，以及定性與定量的分析，一般習(xí)慣于使用DCPA、兩船間距及其變化、TCPA來判斷是否存在碰撞危險(xiǎn)以及碰撞危險(xiǎn)的程度。但影響船舶碰撞危險(xiǎn)度大小的因素很多，且相互制約，故本文在前人研究的基礎(chǔ)上，利用模糊理論建立了DCPA和TCPA、兩船距離、相對(duì)方位以及船速比這5 個(gè)影響因素的隸屬度函數(shù)，并依據(jù)駕駛實(shí)踐構(gòu)建了多元復(fù)合碰撞危險(xiǎn)度評(píng)估模型。

由文獻(xiàn)[8]可知，船舶間距離越小，船舶間碰撞危險(xiǎn)越大，且從避讓難度上看，距離越小，避讓效果越差。任意時(shí)刻船舶間距離的隸屬度函數(shù)ud為：

船速比越大，碰撞危險(xiǎn)度越大，任意時(shí)刻船速比的隸屬度函數(shù)uK為：

DCPA對(duì)碰撞危險(xiǎn)度的影響較大，且DCPA的值越小，碰撞危險(xiǎn)程度越高。任意時(shí)刻DCPA的隸屬度函數(shù)uDCPA為：

式中，d2為最小安全會(huì)遇距離。為簡化計(jì)算，取d2=2 n mile，考慮到船舶尺度的影響，在DCPA很小時(shí)也會(huì)發(fā)生碰撞，故取兩船船長的平均值，一般近似取為0.1 n mile。

TCPA是針對(duì)碰撞危險(xiǎn)程度的評(píng)價(jià)指標(biāo)。TCPA值越小，碰撞危險(xiǎn)程度越高，任意時(shí)刻TCPA的隸屬度函數(shù)uTCPA為：

原模型對(duì)于CRI的計(jì)算采用

根據(jù)駕駛實(shí)踐規(guī)律，若DCPA大于安全會(huì)遇距離，盡管TCPA很小，船舶仍無碰撞危險(xiǎn)，故改進(jìn)的船舶碰撞危險(xiǎn)度為

2.3 BOP 智能避碰決策模型

在前面幾個(gè)模型的基礎(chǔ)上，船舶智能避碰決策主要是解決船舶的最佳避讓時(shí)機(jī)及避讓幅度問題。由于船舶采取避碰行動(dòng)的時(shí)機(jī)和幅度受《規(guī)則》的約束以及駕駛航行經(jīng)驗(yàn)的影響，不同駕駛員對(duì)于不同的會(huì)遇情況采取的行動(dòng)不一致，在不同的時(shí)機(jī)采取避碰措施會(huì)產(chǎn)生不同的避讓效果，如圖3 所示。

圖3 中：O點(diǎn)為本船當(dāng)前船位；A點(diǎn)為目標(biāo)船當(dāng)前船位；R1，R2，R3為船舶的不同避讓決策時(shí)機(jī)；P1，P2，P3為不同的最近會(huì)遇點(diǎn)； ?ψi（i=1,2,3）為對(duì)應(yīng)于不同避讓決策時(shí)機(jī)所采取的不同避讓行動(dòng)幅度，即航向變化量；A1，A2，A3為目標(biāo)船轉(zhuǎn)向Δψ1，Δψ2，Δψ3的船舶位置；TC為無人駕駛船舶的真航向；AiO為兩船相對(duì)航向。

圖3 船舶轉(zhuǎn)向避碰行動(dòng)方式示意圖Fig. 3 Schematic diagram of ship steering and collision avoidance action mode

本文將從駕駛員思維決策的角度出發(fā)，通過分析本船與目標(biāo)船之間的相對(duì)運(yùn)動(dòng)幾何關(guān)系，在保證船舶能在安全會(huì)遇距離駛過讓清的基礎(chǔ)上建立BOP 智能避碰決策模型，以船舶避碰總路徑最短為目標(biāo)函數(shù)，船舶操縱性能及《規(guī)則》為約束條件，量化避碰轉(zhuǎn)向區(qū)間，求解最優(yōu)的避碰策略。BOP智能避碰決策模型流程圖如圖4 所示。

當(dāng)船舶存在碰撞危險(xiǎn)時(shí)，需要根據(jù)船舶安全會(huì)遇距離，通過幾何解算出避讓幅度。在不同的位置采取避碰措施將導(dǎo)致船舶避讓路徑長度不同，為求取不同轉(zhuǎn)向幅度下的船舶避碰最優(yōu)路徑，建立以下目標(biāo)函數(shù)：

式中：xk，yk分別為船舶當(dāng)前的船位；xk+1，yk+1分別為船舶下一步的船位。

因避碰決策時(shí)機(jī)與避碰路徑的對(duì)應(yīng)關(guān)系不易求解出解析式，故采用避碰行動(dòng)距離量化模型，來求解每個(gè)避碰距離下的轉(zhuǎn)向幅度以及避碰路徑。根據(jù)駕駛實(shí)踐，對(duì)于正橫前的來船，一般在兩船相距4～6 n mile 時(shí)采取避碰行動(dòng)；對(duì)于正橫后的來船，在兩船相距3～4 n mile 時(shí)采取避碰行動(dòng)。本文對(duì)避碰轉(zhuǎn)向區(qū)間進(jìn)行量化，按步幅為0.1 n mile進(jìn)行取值，建立避讓決策時(shí)機(jī) (R1,R2,···,Rn)，避讓行動(dòng)幅度一維向量為 (?ψ1,?ψ2,···,?ψn)。

在計(jì)算避碰路徑時(shí)，考慮到國際海上避碰規(guī)則要求以及船舶操縱性限制，需滿足以下約束條件：

圖4 BOP 智能避碰決策模型流程圖Fig. 4 Flow chart of BOP intelligent collision avoidance decisionmaking model

在駕駛實(shí)踐中，要求駕駛員對(duì)船舶性能有充分的了解，在做決策時(shí)，要考慮船舶的轉(zhuǎn)舵時(shí)間以及旋回特性，鑒于此，本文考慮采用Abkowitz提出的三自由度整體型模型[10]：

式中：X，Y為外力在x，y軸上的分量；m為船舶質(zhì)量；Izz為船體繞通過重心的鉛直軸的質(zhì)量慣性矩（轉(zhuǎn)動(dòng)慣量）；N為作用于船舶的外力繞通過重心的鉛直軸的回轉(zhuǎn)力矩。

針對(duì)水動(dòng)力導(dǎo)數(shù)的估算方法不作為本文的重點(diǎn)，故此處不再贅述。本文的船舶操縱數(shù)學(xué)模型選取ITTC 典型的Mariner 標(biāo)準(zhǔn)船型作為研究對(duì)象，其船型數(shù)據(jù)如表2 所示，利用文獻(xiàn)[21]中的無量綱水動(dòng)力數(shù)據(jù)表，即可求得船舶的運(yùn)動(dòng)模型。

表2 Mariner 標(biāo)準(zhǔn)船型數(shù)據(jù)Table 2 Coefficients in mathematical model of ship maneuvering motion of Mariner

為貼合航海實(shí)際，在設(shè)計(jì)船舶轉(zhuǎn)向控制器時(shí)要考慮動(dòng)舵合理、航向變化快速平穩(wěn)、調(diào)節(jié)時(shí)間短，故本文采用PD 改向控制器模型。δ 的控制率為Cδ=?Kp(Ψ?Ψdesired)+Kdr，其中Ψ為船舶的當(dāng)前航向，Ψdesired為決策航向，對(duì)船舶PD 控制模型進(jìn)行參數(shù)整定，比例增益Kp= 0.3，微分增益Kd=1。

船舶在避讓操作之后，需進(jìn)行復(fù)航操縱。在研究船舶復(fù)航時(shí)機(jī)的過程中，對(duì)于避碰行動(dòng)后是恢復(fù)至船舶初始運(yùn)動(dòng)狀態(tài)還是恢復(fù)到原航線上一直留有爭議。但就避碰而言，只需考慮恢復(fù)初始運(yùn)動(dòng)狀態(tài)即可，恢復(fù)原航線是航行自動(dòng)化系統(tǒng)的功能和任務(wù)。文獻(xiàn)[22]給出了常用的4 種恢復(fù)航向的時(shí)機(jī)模型：

1） 當(dāng)目標(biāo)船駛過本船正橫處時(shí)復(fù)航；

2） 當(dāng)讓路船復(fù)航后，保證船舶間的DCPA大于最小安全會(huì)遇距離；

3） 當(dāng)目標(biāo)船駛過最近會(huì)遇距離點(diǎn)時(shí)復(fù)航；

4） 當(dāng)目標(biāo)船駛過本船船艏后復(fù)航。

無論哪種復(fù)航?jīng)Q策方式，都要保證兩船之間有一定的安全會(huì)遇距離。本文根據(jù)幾何避碰原理，解算了船舶預(yù)測(cè)復(fù)航時(shí)機(jī)，圖5 所示為船舶復(fù)航時(shí)機(jī)求解示意圖。

圖5 所示為兩船會(huì)遇，本船船首向上情況下，本船改向?Ψ避讓目標(biāo)船，R為避讓決策時(shí)機(jī)，G為預(yù)測(cè)復(fù)航點(diǎn)，RML1 為船舶避碰操縱前的相對(duì)運(yùn)動(dòng)路徑，RML2 為船舶改向后的相對(duì)運(yùn)動(dòng)路徑，RML1'為RML1 的平行路徑且與船舶的最小安全會(huì)遇距離圓相切，G點(diǎn)為RML2 與RML1'的交點(diǎn)，船舶從R到G航行所用時(shí)間即為船舶的復(fù)航時(shí)機(jī)。計(jì)算出船舶復(fù)航時(shí)間點(diǎn)以及船舶復(fù)航時(shí)應(yīng)走航向，利用PD 航向控制器控制船舶完成復(fù)航操縱。

圖5 船舶復(fù)航時(shí)機(jī)求解示意圖Fig. 5 Schematic diagram of solving the timing of re-sailing

3 仿真試驗(yàn)及分析

本節(jié)以案例仿真實(shí)驗(yàn)來驗(yàn)證基于駕駛實(shí)踐的無人船智能避碰決策研究方法的有效性。在仿真實(shí)驗(yàn)中，本船采用ITTC 典型的Mariner 標(biāo)準(zhǔn)船型參數(shù)，借助Matlab 2016a，Simulink 仿真平臺(tái)與python3.6 設(shè)計(jì)仿真對(duì)比實(shí)驗(yàn)，并與未考慮船舶操縱運(yùn)動(dòng)模型且利用探測(cè)圓（半徑取4 n mile）確定避碰時(shí)機(jī)的傳統(tǒng)避碰算法進(jìn)行比較，在典型會(huì)遇場(chǎng)景下驗(yàn)證算法的適用性及優(yōu)越性。無人駕駛船舶與動(dòng)態(tài)目標(biāo)船舶的初始航行參數(shù)如表3 所示，仿真步長取6 s。

表3 船舶初始航行參數(shù)設(shè)置Table 3 Ship's initial navigation state data

仿真目標(biāo)為無人駕駛船舶能夠趨向目標(biāo)點(diǎn)并避讓動(dòng)態(tài)目標(biāo)船舶。當(dāng)環(huán)境中不存在障礙物或障礙物不在安全會(huì)遇距離內(nèi)時(shí)，無人駕駛船舶保持航向或者處于復(fù)航階段，調(diào)整方向朝著目標(biāo)點(diǎn)前進(jìn)；當(dāng)障礙物出現(xiàn)在安全會(huì)遇距離內(nèi)時(shí)，無人駕駛船舶利用本文算法及傳統(tǒng)避碰算法進(jìn)行實(shí)時(shí)避障；當(dāng)無人駕駛船舶接近目標(biāo)點(diǎn)時(shí)，仿真結(jié)束。

在避碰仿真過程中，3 艘動(dòng)態(tài)目標(biāo)船舶保向保速航行并先后與無人駕駛船舶構(gòu)成交叉相遇局面、對(duì)遇局面以及追越局面。圖6 所示為截取的船舶避碰仿真過程關(guān)鍵片段。圖中，軌跡交叉部分為無人駕駛船舶避讓后穿過動(dòng)態(tài)目標(biāo)船舶后方時(shí)的歷史軌跡。

對(duì)于動(dòng)態(tài)目標(biāo)船1，在T=1 000 s 時(shí)，無人駕駛船舶判斷目標(biāo)船舶進(jìn)入到本船的決策領(lǐng)域，分析目標(biāo)船的航向及方位信息，經(jīng)過航向態(tài)勢(shì)理解，決策為正橫后交叉會(huì)遇態(tài)勢(shì)，本船為讓路船，采取右轉(zhuǎn)的避讓行動(dòng)方式，通過基于駕駛員視角的智能避碰決策方法求解船舶的最優(yōu)避碰幅度。在T=2 000 s 時(shí)，無人駕駛船舶與目標(biāo)船2 構(gòu)成對(duì)遇局面，本船為讓路船，采取右轉(zhuǎn)的避讓行動(dòng)方式，通過算法求解船舶的最優(yōu)避碰幅度。在T=4 500 s 時(shí)，無人駕駛船舶與目標(biāo)船構(gòu)成追越局面，本船為追越船，目標(biāo)船為讓路船，由于目標(biāo)點(diǎn)在右側(cè)，所以選擇從右舷追越?；趥鹘y(tǒng)避碰模型決策得到的避讓時(shí)機(jī)固定，且均比本文算法早，轉(zhuǎn)向幅度較小，船舶路徑不光滑，船舶避碰總路徑為32.952 n mile，而基于駕駛員視角的智能避碰決策方法求解的船舶避碰總路徑為25.022 n mile，較大程度縮短了航程，提升了避讓性能。

通過仿真可知，無人駕駛船舶在與目標(biāo)船舶構(gòu)成碰撞危險(xiǎn)時(shí)，能夠有效做出避碰決策，并且通過智能避碰決策算法能夠給出最優(yōu)的避碰路徑。

圖7 所示為無人駕駛船舶在避碰過程中的航向變化以及舵角變化情況。從圖中可知，航向變化快速平穩(wěn)，調(diào)節(jié)時(shí)間短，震蕩較小，打舵平滑，動(dòng)舵合理，符合航海實(shí)踐。

由仿真實(shí)驗(yàn)結(jié)果可知，無人駕駛船舶在不同的會(huì)遇態(tài)勢(shì)下均能安全避讓目標(biāo)船舶，并根據(jù)不同的會(huì)遇態(tài)勢(shì)生成最優(yōu)避碰策略，驗(yàn)證了本文所提算法的有效性。

圖6 船舶避碰仿真過程圖Fig. 6 Ship collision avoidance simulation process diagram

圖7 船舶避碰過程中航向舵角變化曲線Fig. 7 Course and rudder angle variation curve during collision avoidance

4 結(jié) 語

通過對(duì)無人駕駛船舶避碰決策所面臨問題的分析，提出了一種基于駕駛實(shí)踐的智能避碰決策方法，可使無人駕駛船舶根據(jù)感知系統(tǒng)傳來的信息，實(shí)時(shí)與環(huán)境交互，做出符合《規(guī)則》的避碰決策和路徑規(guī)劃。在典型會(huì)遇場(chǎng)景下進(jìn)行的仿真實(shí)驗(yàn)表明，該模型能夠在未知環(huán)境下完成自主避碰，并解算出最優(yōu)路徑，證明了算法的有效性。在接下來的研究中，還需要對(duì)模型不斷完善，考慮更為復(fù)雜的環(huán)境擾動(dòng)，加入對(duì)靜、動(dòng)態(tài)障礙物領(lǐng)域模型，更加貼合航海實(shí)際。