对基于人工智能和软计算的船舶自动避碰决策算法分析

聂鸿博

作为航运业发展的主要影响因素，船舶碰撞事故可引发一系列不良后果。船舶自动避碰决策是降低船舶碰撞风险的关键。基于此，本研究主要针对人工智能、软计算对船舶自动避碰决策的支持作用进行分析；并细化阐述了船舶自动避碰决策的要点；最后从知识储备库方面、遗传算法方面等，阐述了基于人工智能和软计算的船舶自动避碰决策算法。

目前，船舶自动避碰决策系统已经成为航运业应对船舶碰撞问题的主要方法。算法的选择是影响船舶自动避碰决策系统建立的关键。相对于其他算法而言，人工智能及软计算在构建船舶自动避碰决策系统方面具有一定优势。因此，分析基于人工智能及软计算的船舶自动避碰决策算法具有一定必要性。

一、人工智能及软计算对船舶自动避碰决策的支持作用

人工智能及软计算可为船舶自动避碰决策提供的支持作用具体体现为：

（一）整合避碰规则要素

船舶实现自动避碰的关键前提为：明确单船、多船的避碰規则，基于避碰规则确立避碰决策。相对于其他技术而言，人工智能、软计算在整合避碰规则要素方面更具优势。上述技术可综合水域信息、天气信息、避碰时机、避让顺序以及避碰方式等多种要素，确立避碰规则，并以上述分析结果为基础，确立船舶自动避碰决策系统。

（二）收集、处理海量避碰信息

根据既往经验，建立船舶自动避碰决策系统的主要难点在于：船舶避碰决策需通过海量避碰信息的整合、分析，确定可靠的避碰规律。运用人工智能及软计算收集、处理海量避碰信息，可于较短时间内完成信息的收集、处理，该技术的智能化、综合性特征，可保障所确定船舶避碰规律的准确性水平。

二、船舶自动避碰决策的要点

在建立船舶自动避碰决策系统期间，应加强对以下几种要点的重视：

（一）碰撞风险评估

己船与目标船之间是否存在碰撞风险，是影响船舶自动避碰决策准确性的核心所在。目前对于碰撞风险的评估，主要采用如下标准：己船与目标船相遇<8海里时，且船舶的最近会遇距离低于安全会遇距离，提示己船与目标船之间存在碰撞风险。

（二）避让义务分析

船舶航运中，船舶是否有避让义务主要参照国际海上碰撞规则判定。以己船为中心，如目标船的来船区域处于67.5°-112.5°范围内，即己船有避让义务，而目标船则可执行；如目标船的来船区域处于5°-67.5°或355°-360°范围内，则目标船无避让义务，而己船需向右转向避让目标船。

三、基于人工智能和软计算的船舶自动避碰决策算法

这里主要从以下几方面入手，针对基于人工智能和软计算的船舶自动避碰决策算法进行分析：

（一）船舶智能自动识别系统方面

实现船舶自动避碰的阻碍较多，其中一项主要原因在于：多船运行环境下，如何精确判定持续航行有无碰撞风险及是否需要避让邻近船舶。

基于人工智能的船舶智能自动识别系统主要利用船舶动态数据库、知识储备库及推理机判断碰撞风险的存在，并确定是否需要避让。这种算法的运行模式为：动态数据库自动收集当前水域信息、天气信息及周围船舶分布信息等，动态数据库将所收集的信息与知识储备库实时交换，从知识储备库中调取与来自动态数据库类似的信息资料，推理机则通过实时交换功能获取上述信息，智能推理当前信息是否符合知识储备库中的避让经验。如经推理确定有碰撞风险，且有避让义务，可自动提供避碰时机及避碰方式，以保障船舶的航运安全。

（二）知识储备库方面

相对于其他算法而言，知识储备库在船舶避碰领域的应用时间较长。基于知识储备库的船舶自动避碰决策算法原理与基于人工智能的船舶智能自动识别系统类似，均通过对动态数据库、知识储备库、推理机之间的实时交互，确定避碰决策。二者的区别在于：前者的核心为动态数据库，而后者的核心则为知识储备库，即基于知识储备库的自动避碰决策算法主要利用知识储备库中的数据信息，为推理机的推理决策提供支持。维持这种算法所确定决策准确性的关键在于：定期收集船舶驾驶员避碰经验、国际海上避碰规则等相关信息资料，定期更新知识储备库中的专业知识、避碰规则及避碰经验信息。

（三）遗传算法方面

遗传算法作为一种经典技术，其可满足分析海量船舶航运信息的要求。运用遗传算法建立船舶自动避碰决策系统的流程为：

第一，选择编码方式。结合航运安全保障需要、确定船舶可行驶空间（探索空间）等信息来看，可采用实值编码方式进行编码，即利用基因代表航线中的具体节点坐标，以染色体表示航线。第二，确定目标函数。安全问题的优化可借助安全性衡量函数实现，该函数的确立流程为：选定航线中各小路线中与己船碰撞风险最高的目标船；计算各目标船与己船的最距离（该小路线的安全性）；叠加各小路线的安全性参数，即获得整条航线的安全性。而经济问题的处理则通过衡量航线平滑度、航程消耗状况，确定船舶的经济性衡量函数。第三，确定适应度函数。逐一解码染色体，以目标函数为基础，将个体数学表现形式转化为船舶避碰决策待优化问题的实际表现形式，参照问题需求确定目标函数值，最后将其转化成准确的适应度值。第四，确立决策系统的基本参数。逐一确定变异概率、交叉概率、种群规模等基本参数。第五，确立决策模型的初始种群。于可行航线范围内，随机产生坐标参数作为系统的个体基因，以个体基因为基础，形成初始种群，以保障最终决策优化结果的准确性。第六，确定决策模型的基本操作。当上述计算工作完成后，可利用交叉操作、变异操作等基本操作，增强遗传算法的收敛性，并提升其效率。

（四）改进遗传算法方面

随着遗传算法在船舶碰撞领域应用经验的不断丰富，这种算法逐渐暴露出了一些问题，如计算流程冗长、效率偏低等。在此基础上，改进遗传算法逐渐开始被应用于该领域中。

基于改进遗传算法的船舶自动避碰决策分析流程为：第一，确定避碰决策模型。利用复航时机、避碰时机、避碰角度以及复航角度，建立避碰决策模型。第二，确定目标函数。在这一环节中，与遗传算法类似，通过对船舶航运避碰经济性及安全性的分析，确定最优解及目标函数。第三，确定多目标优化算法。将该环节作为改进重点，于多目标优化计算中引入改进权值算子处理模式，以确保船舶航运自动避碰决策的安全性及经济性。改进权值算子处理模式的要点为：利用经济性评价函数的数学期望、安全性评价函数的数学期望及固定常整数构成目标函数的权值系数。

（五）模糊逻辑方面

模糊逻辑在船舶自动避碰决策算法中的应用原理为：参照船舶航运规则，利用模糊-贝叶斯、ARPA雷达等建立多决策模块，并构建避碰决策系统。

以模糊-贝叶斯算法为例，其功能体现为：可借助贝叶斯网络将来源于模糊逻辑平行多决策模块中的决策信息，转化为具有连续性特征的避碰行动，进而保障船舶航运的安全性。

（六）人工免疫算法方面

这种算法的原理为：利用抗体代表待优化问题，建立抗体种群，利用迭代过程确定船舶避让策略的最优解。

以目前船舶避让领域常用的混沌危险模式人工免疫算法为例，运用该算法确定最优碰撞决策的流程为：选用抗体编码空间替代航运中碰撞问题的参数空间，将亲和度函数作为评价依据，动态更新抗体种群中的相关个体位串操作，并以上述信息为依据，建立迭代过程，通过对相关数据的持续性迭代，确定船舶避让决策的最优解，以此为船舶航运安全管理工作提供可靠的支持。

结论：综上所述，于船舶自动避碰决策系统构建中引入人工智能及软计算具有一定的现实意义。为了提升船舶自动避碰决策的准确性，可根据既往船舶碰撞管理经验，收集有价值的信息，合理选择人工智能及软计算算法，确立具有智能化、准确性特征的自动避碰决策系统。此外，还应注意结合人工智能及软计算技术的发展，不断尝试引入新算法，以保障船舶自动避碰决策的可靠性。

作者单位：大连海事大学