新一代航运系统中的航行脑软件

王鹏，马枫，康哲

（1.水路交通控制全国重点实验室，武汉理工大学，湖北 武汉 430000；2.武汉理工大学智能交通系统研究中心，湖北 武汉 430000）

1 引言

新一代航运系统的建设构架由中国工程院院士、武汉理工大学严新平教授于2021 年首先提出，旨在引领船舶实现“岸基驾控为主、船端值守为辅”的运行模式，助力我国水路交通智能化、绿色化和韧性化发展。为达成此目标，需要大幅提升现有船舶的自主能力和智能水平，从而在自主航行、远程控制的过程之中，为通讯中断等各种意外情况保留足够的安全余量。近年来，船舶的智能水平已经有了提升。但是，航运各关键节点的自主决策与控制水平，依然无法脱离人工的持续值守，相关自主化研究整体仍处于探索的初级阶段，显著落后于车辆、飞行器的发展水平。

航运系统作为复杂的控制系统，其自主控制、决策意识构造，涉及了驾驶、维护、诊断、综合决策等各个方面，是一个需要在多源信息融合基础上的智能体系架构与生态建设问题。近年的发展，各子模块都有了一定的进展，能在特定的功能、场合下发挥很好的作用。比如机舱诊断系统、能效管理系统、综合船桥系统等等，并已经初步具备了智能特征。但如何使其协调运行，互相支撑以大部分替代人的作用，既缺乏方法研究，更缺乏使其互通的软件平台。

以航行部分的各个智能举例。雷达、AIS、CCTV等常用感知智能，受遮蔽、互扰、多路径效应的影响加剧，性能会明显下降；此外，各手段之间固有存在的3到180 秒延时，会在交通流密集下造成匹配困难。面向雷达、AIS、CCTV 各自的处理智能都已经获得了长足进展，但由于缺乏使其互通的软件系统，这些处理智能之间无法达到“1+1＞2”的综合识别效果。

为此，研发面向航运各智能融合应用的专用软件是十分必要的，即目前正在开发中的“航行脑软件”。它通过构造统一的数字基座，为各种传感器或数据采集装置提供处理程序；细化不同智能应用的调用标准，将航运系统中都会使用到的雷达、CCTV、机舱诊断、人员行为识别等等典型智能封装化、标准化；为各种上层智能应用建立统一的构造范式。最终，简化“新一代航运系统”中各智能程序的开发流程、提高开发效率，助力快速实现“远程驾控、船端值守”的目标。

2 航行智能分级与航行脑软件

2.1 智能航行分级与智能定义

中国船级社于2015 年发布的《智能船舶规范》，将智能船舶的功能分为智能航行、智能船体、智能机舱、智能能效管理、智能货物管理和智能集成平台，基本囊括了智能船舶所应具备的所有功能。对应的智能船舶的关键技术，可简单区分为：信息感知技术、通信导航技术、能效控制技术、航线规划技术、状态监测与故障诊断技术、遇险预警救助技术、驾机一体化和自主航行技术。规范更多的是从功能层面给出了“船舶智能”的导则，具体何为“智能”，如何评价智能，尚未有明确的方法。

回归人工智能的本源，人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。既然是期望让计算机智能系统来代替人的脑力劳动，自动化地从事各项工作，衡量人工智能多数采用替代性与比较性原则开展。

值得注意的是，无论是人工智能还是人类的脑力活动，所要面对问题的难易程度各不相同；针对不同的应用场景，现在业界所掌握的人工智能技术的实际应用水平高低也各不相同。在选择划分人工智能水平的标准上，国际著名的人工智能专家Sandeep Rajani 教授，在《人工智能：人或机器》（Artificial Intelligence-Man or Machine）一文中，将人工智能的水平和人类能力进行横向对比，划分成四个不同的等级：巅峰级水平、超越人类级、强人类级和弱人类级。有些智力活动需要深入的领域经验，计算机相比少量的专业人士能力还有差距，但是比一般大众的能力要强。例如在德州扑克、桥牌等领域，计算机已经强过大部分普通人类了，在一些专用领域，例如，在良好条件的人脸识别（没有不良的遮挡、光照、角度问题）、良好条件的语音识别（没有特殊地域口音、复杂环境噪声）等领域里，花卉植物种类的识别等领域，计算机的能力也已经达到了强人类级。有很多技能大多数普通人类掌握起来并不难，例如驾驶汽车，但是对计算机系统来说，因为要采集的信号以及分析的数据情况非常复杂，目前还难以达到普通人类的水平，处于弱人类级。常见的还包括写作文章、阅读理解、人类语言翻译等领域。

比如，对于汽车的自动驾驶问题。正常晴好天气，和雨雪等恶劣天气，对解决问题来说难度的差别非常大。各种各样的路况，也对自动驾驶的实用化带来很大的挑战。现有的大量人工智能应用，在实验室条件下很多已经达到了非常好的成绩，但是在工业化应用中，由于使用条件比实验室环境要复杂和恶劣得多，需要处理各种异常和干扰因素，因此很多应用的实际水平，还徘徊在强人类级和弱人类级之间。

目前人工智能的技术，从实验室走向实际应用，需要克服的问题很多，还有很长的路要走。在实际落地的时候，务实的做法是先限制具体的场景，尽量排除掉不确定性因素，简化问题。例如在自动驾驶技术的研发中，如果限制为固定线路之间、或者封闭道路内的应用，技术难度就会大大简化，此时往往就能从弱人类级往上提升1-2 个级别，达到实际可用的程度。在文字阅读理解时，如果限制文本的行业、类型和理解内容时，也能大大的提升系统的准确率，达到可以实用化的地步。

鉴于强人工智能的发展仍没有基础理论可以支撑，参考汽车自动驾驶技术的发展轨迹，可以发现没有设定一定前置条件、应用环境的船舶智能，都是没有意义的。

前置条件可以分为如下两个方面：

（1）环境复杂性。以船舶驾驶为例，开阔海面的一艘三十万吨巨轮，航行难度远远比内河拥挤水域内一条小舢板容易，这与船舶本身的复杂度无关，只与环境相关。一般来说，越是拥挤、狭窄的航道，环境越复杂。

（2）被控对象复杂度。反过来，还是以船舶驾驶为例，单纯就操控层面，控制一条舢板、小快艇的难度，又远远比三十万吨巨轮容易。一般来说，越是小型、大动力的船艇，操控难度越低；越是追求经济性的大型货船，操控难度越高。如果放弃控制整船，单纯控制船的桨舵，难度又出现了大幅度下降。

类似地，能效系统、机舱诊断系统，也有类似特征。作为智能开发、智能测试，需要首先将这些前置因素设定好，再讨论具体的智能等级，到底可以达到弱智能（简单辅助），还是强智能（全面替代）。如图1 所示，定义一个智能是弱于人（L1），辅助人（L2），被监视替代（L3），完全替代人（L4），还需要同时指定操控难度，环境复杂性。

图1 智能分级的定义方法

2.2 航行脑软件

除了智能等级划分，统一的开发平台也是智能发展的核心要素。相对固定的场景，能带来高效的智能应用，简化智能技术的边界。同样地，不同行业发展智能，也需要相对统一的发展平台。比如，机器视觉领域，MINST 数据集，COCO 数据集，为机器视觉、深度视觉的发展奠定了基础。通用操作系统软件，Python、Tensorflow、Caffe 等架构平台，也为机器学习提供了统一的发展环境和便利的代码复用。类似地，船舶智能的研发需要相对统一的操作系统平台、统一的测试场景、公用的测试数据集。相较而言，操作系统平台，则是基础中的基础。

对于通用计算机世界来说，Windows、Linux、Unix构成了彼此竞争的基石与生态，也给智能的研发带来了巨大的便利。而在机器人、人工智能研发领域，也有类似的技术体系。ROS 是Robot Operating System 的缩写，原本是斯坦福大学的一个机器人项目，后来由Willow Garage 公司发展，目前由OSRF（Open Source Robotics Foundation,Inc）公司维护的开源项目。首先一个操作系统一般是用来管理计算机硬件与软件资源，并提供一些公用服务的系统软件。如图2 所示。图2 左，是一个传统意义的操作系统，他建立了软件与硬件直接的桥梁。图2 右，则是一个ROS 操作系统的概念，它建立了高阶算法与硬件、多机器人、传感器、低阶算法之间的桥梁。

图2 传统操作系统与ROS 操作系统

目前，ROS 操作系统已经成为事实上机器人发展的基础平台，多数机器人应用，都基于它进行二次开发与发展，极大地减少了重复开发，实现了不同团队之间的代码复用，并为不同智能体的比较提供了统一的环境。它提供了操作系统应有的服务，包括硬件抽象（HAL），底层设备控制，常用函数的实现，进程间消息传递，以及包管理。它也提供用于获取、编译、编写、和跨计算机运行代码所需的工具和库函数。

ROS 的主要目标是为机器人研究和开发提供代码复用的支持。ROS 是一个分布式的进程（也就是“节点”）框架，这些进程被封装在易于被分享和发布的程序包和功能包中。ROS 也支持一种类似于代码储存库的联合系统，这个系统也可以实现工程的协作及发布。这个设计可以使一个工程的开发和实现从文件系统到用户接口完全独立决策（不受ROS 限制）。同时，所有的工程都可以被ROS 的基础工具整合在一起。

参考ROS 系统的发展，武汉理工大学已经开始了智能航行专用类操作系统的研发，即“航行脑”软件。其基本结构如图3 所示。

图3 航行脑软件的基本构成

目前，该系统称作航行脑软件。它的基本功能框架如下：在现有船载设备、信息化系统、自动化系统的基础上，建立硬件抽象机制（HAL）；借助由实时数据库系统、流数据处理内核、进程管理、内存管理构成的中间件体系，建立数据、服务进程的二次梳理与范式化；数据通过骨干网实现云端化，并由类Docker容器的方式，进行二次封装和执行，具体可采用解释执行、机器码执行共存的方式；容器内作为各种智能应用的载体，在云端或者在前端执行；最后，建立多种形式的用户界面体系。

基于该操作系统开发的辅助航行产品“南京板桥汽渡辅助航行系统”已经顺利投入运行，智能测试产品“虚实融合智能测试系统”在珠海万山无人船测试场开展应用。航行脑软件建立起了三座桥梁：

（1）船舶设备与高阶算法之间的桥梁；

（2）船舶船载设备与岸基设备之间的桥梁；

（3）船舶各种不同智能应用相互通讯、协调的桥梁。

最终，航行脑软件与其应用的基本拓扑结构如图4所示。

图4 航行脑软件的基本拓扑结构

航行脑软件提供的基本服务包括：

（1）船载设备、岸基设备的硬件抽象;

（2）通讯协议栈与船载通讯设备;

（3）雷达、AIS、激光雷达、视觉的基础智能;

（4）控制安全与用户组;

（5）内存管理、资源管理;

（6）仿真测试环境的生成;

（7）二维、三维等基础显示接口。

船舶智能操作系统航行脑软件的应用，同时为智能的评价与分级建立了相对统一的功能平台。

3 航行脑软件的发展展望

智能时代下，船舶的发展必然也会参照其他行业一样，逐步走向软件化、抽象化、统一化，这样才能减少不同研究团队的重复劳动，建立良性竞争的局面。在这个理念下，“操作系统”是一个必经之路。另外一方面，一个清晰的智能定义与分级也是各家协同发展过程中的共同准绳。操作系统、智能分级，这个看似分离的问题，事实上有高度的内在统一性。因此，航行脑软件的研发既是行业的需求，是“新一代航运系统”大发展的必经之路。