船舶拟人智能避碰决策方法研究综述
李丽娜+陈国权+李国定+郑敏杰+孙洪波
摘要：回顾我校研发团队20年来在船舶自动避碰技术的研究历程，简要介绍了船舶拟人智能避碰决策（PIDVCA）方法，重点论述了《机器决策》的“拟人智能”特性，并借助船舶智能操控（SIHC）仿真平台，通过设计典型会遇态势加以验证。研究结果表明：基于PIDVCA方法的《机器决策》可以同时安全避让2～4个危险目标船，达到了预期的研究目标，最后指出PIDVCA方法尚存的问题及日后研究方向。
关键词：PIDVCA 机器决策 SIHC 仿真平台 模拟实验
0 引言
在航海技术高度发展的今天，船舶的碰撞、搁浅、触礁事故仍时有发生。这些海事事故不仅造成了重大的人员伤亡与巨额的财产损失，而且对海洋生态环境构成了严重的威胁。国际海事组织的调查研究表明，有 80%以上的海事事故是由于人为因素直接或者间接造成，而解决人为因素导致的船舶碰撞事故的重要途径之一是实现船舶智能避碰决策自动化，因此研究具有多目标船智能避碰辅助决策支持功能的综合船桥系统，对减少或者避免海事事故发生有着重要的现实意义。国内外学者近二十年来基于专家系统原理、模糊数学、神经网络技术和多Agent技术等方法展开了广泛的研究，其研究成果对PIDVCA研究方法颇有启发和帮助。本文针对从事船舶避碰决策研究的专家学者及船舶驾驶员关注的问题——如何确保机器自动提供合理有效的避碰决策，亦即如何确保《机器决策》具有“拟人智能”的特性，基于前期研究成果进一步凝练出PIDVCA的机器实施办法，使专家学者及船舶驾驶员能进一步认识和认可基于PIDVCA方法的《机器决策》，促使研究成果能尽快得到实际应用，使我国自主开发的综合船桥系统及关键设备的多目标船智能避碰辅助决策技术取得源头创新，并达到世界先进水平。
1 回顾20年的研究历程
在国家和福建省自然科学基金等项目资助下，近20年来经历了研究方法探索、PIDVCA方法论证与算法仿真验证及其应用研究以及系统软件开发三个阶段。
1.1 研究方法探索期（1996年以前）
上世纪90年代初，在陈聪贵教授引导下，研发团队开始涉足船舶自动避碰研究领域。受我国船舶自动避碰研究领域开拓者吴兆麟教授在海上避碰行动量化分析[1]的启发，针对船用雷达的ARPA功能只能进行危险判断而不能自动决策以及危险判据科学性存在的局限性，从平面解析几何分析入手，通过构建目标运动要素计算模型以及安全会遇距离（SDA）和紧迫局面距离、最晚施舵时机（Tln）以及避碰决策实施方案量化模型，基于雷达避碰示意图提供的避碰方法构建目标会遇局面划分模型及分类算法，运用C语言编程，初步实现了雾航开阔水域船舶避碰决策自动生成及自动避碰过程监控的单机简单仿真实验。1996年以前研究初期的主要成效是形成研究思路、基本模型和算法，实现单机的简单仿真。实验结果显示有部分成功避让的例子，但仿真结果部分态势存在无解等问题，离当时提出对12海里内的会遇目标（最多20个）自动提供安全避碰决策的研究目标距离较大，曾一度陷入困境和迷茫中……
1.2 研究方法形成期（1996～2006）
通过进一步研究，分析了研究初期存在问题的原因：一是避碰数学模型的单一性难以适应目标交会特征的多样性；二是时间搜索决策算法的单一性难以实现对海员通常做法及优良船艺的模拟；三是研究目标定位过高，既不切合实际，也加大了研究的难度。随后结合上世纪90年代期间研究者以 “雷达观测与ARPA实操训练”指导教师的身份参加航海雷达模拟器培训的教学实践，从受训学员中经验丰富的船长及高级驾驶员（以下简称优秀船员）的避让操船方法，进一步领会了多船会遇态势下海员的通常做法及优秀船员的优良船艺，并从典型的多船会遇避碰示例得到凝练。针对研究初期存在的问题，将人工智能的思想方法应用于总结梳理研究初期的船舶自动避碰方法[2，3]，提出了研究智能避碰决策自动化的策略是“拟人智能”的设计理念[4]，并对研发团队在上世纪90年代年研究成果作了总结[5] 。
为了更逼真地模拟海上的实际环境，2001年协同大连海事大学航海技术研究所，基于船舶操纵模拟器和电子海图技术联合创建了航行安全与自动避碰（NSACA）仿真测试平台，通过模拟实验，进一步对避碰模型及算法的适应性和稳定性问题进行改进、优化和完善。
这一阶段获得了2项学校科研基金和2项省自然科学基金项目的资助，研究工作取得丰硕成果，发表了【2】～【5】等二十多篇文章，逐步形成了船舶拟人智能避碰决策（PIDVCA）方法；创建了先进的NSACA仿真测试平台，开展了大量的仿真实验，从实验中发现已建数学模型仍还有缺陷，设计的算法尚不完备，同时发现了目标交会特征的内在规律对模型及算法产生的影响。
1.3 研究方法论证与应用系统开发阶段
2007年以来，利用国家自然科学基金项目“船用智能避碰导航仪的机理及其仿真研究”的契机，围绕实现“拟人智能”的理念和目标，通过理论分析和仿真实验，着重对PIDVCA数学模型和算法进行改进、优化和完善，初步形成PIDVCA理论雏形[6～14]，开发了PIDVCA应用软件，进行了大量的仿真模拟实验，同时逐步将研究形成的PIDVCA算法应用于自主研发的船舶智能操控仿真平台及游艇智能操控仿真训练系统的智能目标船及航行智能化及其自动控制模块[14]。
这一阶段获得国家和省自然科学基金项目、福建省交通厅科技重大项目的资助；研究工作得到进一步的深入【6～18】；计划外项目（1999～2009）“宽水域船舶拟人智能避碰决策（PIDVCA）理论的研究” 通过福建省教育厅组织的成果鉴定，成果达到国际先进、国内领先水平；研发团队基于DMI（丹麦航海技术研究所）开发的国际一流六自由度船模，开发了先进的船舶智能操控（SIHC）仿真平台，为船舶智能避碰决策及其自动控制的研究提供更便捷、更先进的测试环境；同时借助该平台对PIDVCA的完整性及算法的完备性进行测试，探讨了两船陷入紧迫危险下的协调避碰决策算法、受限水域的避浅避礁及综合避让决策算法以及初步实现了基于AIS短信功能自动播发本船操船意图的技术方案[ 15～18]。基于前期研究形成的PIDVCA理论基础，近期研发团队正在为863计划《现代交通技术领域船舶综合监测及操控系统开发》项目子课题“综合船桥系统及关键设备”开发多功能避碰辅助决策技术功能模块，项目已进入软件集成测试阶段。
2 船舶拟人智能避碰决策方法简介
2.1 PIDVCA的研究目标及内涵
当今船员队伍的年轻化造成优秀船员的数量日益减少的现象十分凸显，为了减少或杜绝由人为因素造成的碰撞事故，研究“PIDVCA”的目标，归根到底就是要解决“PIDVCA”的自动化问题。
考虑船舶会遇的复杂多变性以及避碰决策受多种因素的制约，定义了PIDVCA 的内涵：能自动根据物标（来船和碍航物）与本船的交会关系，模仿优秀船员对周围环境和危险局势的分析判断以及在避碰决策中的思维，自动产生超越避碰专家所能提出的既安全又经济的避碰决策，必要时还能模拟两船之间的协调避碰；当决策被驾驶员接受并实施时，只要启动相应设备功能键，就能自动向周围来船通报本船的操船意图。
2.2 PIDVCA的研究思路及研究方案
PIDVCA的研究思路：以理论和实际相结合的原则，以避碰决策的实用、有效、自适应性和科学性的“拟人智能”为目标；以“学习”、“推理”和“优化”为形成智能避碰决策实施方案的指导思路，以安全经济为决策实施方案优化准则；以创建PIDVCA理论为核心内容，以机器学习构建动态避碰知识库的机理为关键技术，基于多学科知识形成集成化的人工智能方法，在决策过程中不仅遵循《1972年国际海上避碰规则》（以下简称《规则》）和海员通常做法及模拟实现优秀船员的优良船艺，同时充分考虑本船处于最不利的情况，以确保避碰决策实施方案的安全性和有效性。
为了让机器（计算机）理解及模拟执行《规则》、学习并使用经验丰富的驾驶员（避碰专家）在形成避碰决策过程的直觉、思维、通常做法及良好船艺，满足决策的科学性和合理性要求，具体的研究方案如下：
（1）构建一套PIDVCA方法及其评价标准，确保形成的避碰决策实施方案满足科学性和合理有效性的要求；
（2）研究形成一套完整的PIDVCA数学模型，作为PIDVCA定量分析的基础；
（3）研究设计一系列PIDVCA算法，实现PIDVCA定性与定量分析的有机融合，以及实现模拟船员遵守《规则》和优秀船员在避碰过程中的通常做法和优良船艺；
（4）基于PIDVCA方法及其评价标准，研究形成避碰知识表示方法、机器自动学习策略和自动推理机制以及机器学习构建动态避碰知识库的机理；通过设计PIDVCA程序模型，在推理机的控制下，根据传感器获得的现场知识和原有的专家经验知识实施在线学习、分析、判断、推理和优化，最终自动生成PIDVCA实施方案；
（5）构建近似海试环境的船舶智能操控（SIHC）仿真测试平台，对研究形成的PIDVCA数学模型和算法提供有效的验证技术手段。
2.3 PIDVCA的实现原理
PIDVCA方法的具体实现是将数理分析、机器学习、专家系统原理和航海技术领域知识有机结合起来，以智能程序形式表示的PIDVCA程序模型来实现[11]，其框图如图1所示。PIDVCA程序采用集成推理（控制）策略，实现具有启发式知识指导下的自动推理，将构成智能避碰模型的机器学习模块、动态避碰知识模块、推理机，以及由定性推理的决策形成基本准则与定量计算的决策实施方案动态优化目标函数等构成的决策分析评价方法有机地融为一体，获得问题的求解。
3 《机器决策》的“拟人智能”特性分析
由于船舶环境与会遇态势千变万化，《规则》作为纲领性文件难以详尽阐述。因此，驾驶员在实际避碰中，不但应遵守《规则》的规定，更应当注意运用良好的船艺，尤其是针对多目标船会遇情况。对于多目标船会遇而言，实际并没有现成的《规则》可循，只有驾驶员在长期避让实践中形成并被普遍采纳的习惯做法，简称海员通常做法，例如对重点目标船（最危险目标船）的避让方法沿用两船的《规则》形成决策并实施；再就是优秀船员采取合理有效的避让决策所表现的优良船艺，即对碰撞危险的正确评估、避让时机、避让措施和复航时机的正确把握以及对复杂局面的灵活应变能力，如对不协调避让的二次决策及远近危险目标的分段决策方法。显然，PIDVCA方法必须能够实现对纲领性《规则》具体化及清晰化处理以及对优秀船员的优良船艺的模拟，才能使基于PIDVCA方法的《机器决策》具有“拟人智能”特性。为了让专家学者易于领悟《机器决策》的“拟人智能”特性，基于文献【12】构建的PIDVCA方法及其评价标准，进一步凝练出PIDVCA的机器实施办法。
3.1 PIDVCA机器实施办法
基于PIDVCA的研究目标，要求《机器决策》不但要应遵守《规则》，而且必须能实现对优秀船员的优良船艺的模拟。PIDVCA的机器实施办法考虑了以下原则：第一，遵循《规则》精神；第二，遵循海员通常做法及优秀船员的优良船艺；第三，体现对《规则》的合理延伸。上述原则是确保《机器决策》具有科学性、合理性和可靠性的根本保证。限于篇幅，这里仅介绍多船PIDVCA机器实施办法，主要汲取海员的通常做法及优秀船员的优良船艺，具体归纳为以下八条：
第一条：沿用两船的PIDVCA的实施办法第二条（关于《规则》模糊化概念的清晰化（量化）处理办法），以参与决策的目标船实施最佳改向幅度施舵时机用于衡量目标船碰撞危险度大小，并依此进行危险度排序，同时给出每个危险目标船的安全会遇距离SDA最大值SDAmax与最小值SDAmin以及紧迫局面距离Dcqs与紧迫危险距离Did。
第二条：遵循海员对重点目标船的避让方法沿用两船适用的《规则》要求，并沿用两船的PIDVCA机器实施办法第一条（根据《规则》定义的三种基本会遇局面确定目标船会遇属性以及根据PIDVCA量化需求定义目标船的交会特征（encounter Characteristic： EC），详见附录图1和表1）和第三条关于危险判据的模糊边界及其评判方法形成决策。本条仅适用所有目标船与本船均存在潜在碰撞危险的情况。
第三条：关于模拟优秀船员对危险局势正确评估、避让时机与避让幅度正确把握及复航时机正确把握的机器实施办法，通过如图2所示算法流程图中虚框部分加以体现。
第四条：关于最晚改向角界定的机器实施办法：通过深度解析相对运动几何规律，当本船采取向右改向且目标船的EC=1、10、3、50、6、7和70时，以改向Cm或90°（当Cm>90°时取90°）为其最晚改向角；当本船采取向左改向且目标船的EC=20、4、50、6、7、8和80时，以改向-Cm或-90°（当Cm<-90°时取-90°） 为其最晚改向角；当本船对于EC=1和EC=8且满足Cm<40°的目标船采取向右改向与EC=2和Tz=7且满足Cm<40°的目标船采取向左改向时，分别均有两个最晚改向角±Cm和±90°及其相应的两个最晚避让时机（Tln）。鉴于上述几何特征及规律，针对第三种情况，多目标船决策过程应先计算改向 ±Cm的第一个Tln，如果该时机已经错过，则进一步计算改向±90°的第二个Tln；如果第一个Tln>=0，本船改向避让目标船从本船艉驶过，否则，目标船从本船艏驶过。
第五条：关于优秀船员对SDA呈现的自适应性模拟的机器实施办法。SDA呈现的自适应性体现在优秀船员可根据船舶密度适度调整其值大小，《机器决策》的具体实施办法是通过设计的PIDVCA空间搜索算法，允许避碰决策方案生成所依据的SDA在其{SDAmax，SDAmin}范围内变化。
第六条：关于模拟优秀船员对复杂避碰问题呈现的灵活应变决策思想的机器实施办法。本条是对机器按照第一到第五条实施办法执行无结果情况下的基于PIDVCA时空搜索、目标信息实时监测的不协调二次避让和分段避让的决策生成以及决策不合理的优化处理办法。
图3 （a） EC=1
图3 （b） EC=2
图3 本船相对EC=1和EC=2的目标船存在两个最晚施舵点时
机其改向角的模拟实验结果
第七条：关于多船会遇紧迫危险的界定办法，机器按照第一到第六条实施办法执行无结果情况下的会遇局面界定为陷入紧迫危险状况。
第八条：关于智能避碰辅助决策方案的预测实施效果：以是否错过Tln_max与Tln_min及其决策方案所依据的SDA取值大小，给出当前会遇态势所处的局面属于一般危险局面、紧迫局面或紧迫危险局面，如附录表2所示。
3.2 《机器决策》的“拟人智能”特性典型案例模拟分析
借助搭建的船舶智能操控仿真平台SIHC桌面系统（如图4所示，系统由一台控制台、一台目标船服务器和三台本船计算机构成），通过设计典型案例进行模拟分析与验证。下面的测试用例主要利用控制台计算机及智能目标船服务器，测试用例中的目标船1设置为智能本船，其余目标船根据需要设置为智能目标船或非智能目标船。
图4 桌面版船舶智能操控仿真平台
3.2 .1 两船会遇《机器决策》的“拟人智能”特性典型案例模拟分析
典型示例1为对遇局面，双方互为让路船，图5（a）的两船均设置为智能船，双方按照建议的辅助决策方案执行的模拟实验，其结果会使两船比预计的SDA更宽的会遇距离CPAn上安全通过，并比预计的复航时间提前复航。图5（b）仅有一船为智能船，用于模拟目标船未能按照《规则》要求避让的实验结果。该例印证了假定目标船保向保速前提下的避碰辅助决策的合理有效性。
典型示例2为雾航情况对来自右正横附近会遇船舶的决策优化处理模拟实验。如图6所示的会遇态势，本船如果严格按照《规则》执行，应采取向左改向的避让方法。但是如果目标船没有及时采取避让行动，单靠本船改向，会导致改向后的相对运动速度太小而使复航时机太晚导致航迹偏移太大，如图6（a）为仅一船按照《规则》实施的避让效果，图6（b）为对《规则》实施优化处理的避让效果。可见实施优化处理后可避免因为本船早于来船采取措施，来船认为危险已经消失不予采取协调配合行动而导致避让复航时机太晚、航迹偏移太大的不合理避让效果。需要强调，上述两种情况如果双方按照《规则》执行，不会出现图6（a）的不合理实施效果。
图5 （a）目标船协调避让
图5 （b） 目标船保向不协调避让
图5 对遇局面的模拟实验结果
图6 （a）
图6（b）
图6 雾航情况对来自右正横附近目标船的决策方案优化效果对比图示
3.2.2 多船会遇《机器决策》的“拟人智能”特性典型案例模拟分析
示例1为机器按照第四条实施办法执行，模拟优秀船员对潜在碰撞危险局势的正确评估及复航时机正确把握的测试用例及模拟实验结果，如图7所示，通过该例给出第四条实施办法的执行过程：首先按照第一条和第二条实施办法形成初始避碰决策，再经过PIDVCA验证算法检验，如果验证结果出现新的潜在危险目标船，如图7（a）目标船3，在PIDVCA的实施办法指导下，先判断新危险目标船3的TCPA是否小于参考目标船的最晚施舵时机Tln？如果条件不成立，则进一步调用预测复航限制时间算法，计算出新危险目标船3的预测复航限制时间Tc（如果存在两个以上的新危险目标，则求出其Tc的最小值Tcc）。如果Tc比本船预测的复航时间Trr长，则判定原方案有效，表明按照原方案执行，并在预测复航时机复航可以让请所有目标，意味着新出现的潜在危险目标船3不会对本船构成真正的威胁，如图7（b）所示。
图7 模拟优秀船员优良船艺测试用例及其实验结果
示例2为机器按照第一至五条实施办法执行无果的情况下，执行第六条对较复杂的会遇态势的分段决策优化处理模拟实验结果，如图8所示。所谓分段决策问题是对于监测到的危险目标船，先避让近距离的危险目标船3，再处理远距离的危险目标船2。
（a）初始态势图 （b）本船避让与目标船航行的轨迹图
图8 多目标会遇分段决策处理测试用例模拟实验结果
4 结束语
回顾20年来的研究历程，经历了方法探索、方案形成、理论分析与仿真论证及应用研究三个阶段。避碰数学模型从各类单一的基本模型扩展到可适应各种交会特征的一整套较完整的PIDVCA数学模型；避碰决策算法从单一的时间搜索、机械的遍历算法，逐步演变到由一系列的PIDVCA算法构成；算法测试手段从单机简单仿真到近似海试环境的SIHC仿真测试平台；算法测试方法从最初的随意测试、到中期的有目的针对性的设计典型案例测试、到现阶段特定案例与随意案例相结合的算法完备性测试，仿真实验次数累计可达5位数。研究结果表明：开阔水域多目标智能避碰辅助决策可较好地实现对优秀船员在避碰决策过程所表现的优良船艺的模拟，可同时避让2～4个危险目标船，验证了基于PIDVCA方法形成的《机器决策》基本达到了“拟人智能”的效果。虽然研究已经取得了初步成效并进入应用系统开发阶段，但《机器决策》的“拟人智能”效果还有进一步提升的空间，例如，如何通过设计协调优化算法进一步确保直航船保向保速的权利以及在机器提供决策的同时给予必要的灯号型提示，这些问题有待日后逐步研究实现。
根据STCW2010MANILA公约的实施要求，船长、高级船员应进行船舶应急训练，国家海事局《海船船员适任评估规范》对船舶操纵、避碰与驾驶台资源管理项目中紧迫局面、特殊情况避碰评估内容作了规定。我们认为今后有必要继续深入研究紧迫危险下的智能避碰问题，以期在航海模拟器中实现应急避碰训练。
参考文献
[1] WuZhaolin. Quantification of action to avoid collision. The Journal of Navigation，1984，Vol.37（3），420～430
[2] Li lina， Chen cong-gui. Research On Multi-ship Anti-collision Intelligent Mathod （ACIM） At Widely Area[C]. The Proceedings of ANTI-COLLISION'96 CONFERENCE， Chiavari Publishing， 1996， Vol.2： 214-220.
[3] 李丽娜，陈聪贵.“宽阔水域船舶避碰智能化方法的研究”中国交通研究与探索.北京：中国铁道学院出版社 ISBN 7-113-02806-3 1997，P164-167
[4] 李丽娜，曾华岚. 船舶避碰智能自动化策略及其模拟研究[C] 自动化理论、技术与应用——中国自动化学会第十四届青年学术会议论文集，西苑出版社，ISBN： 7-80180-250-8/TP02，1999.7： 376-379.
[5] 李丽娜，陈聪贵. 船舶自动避碰方法的研究. 中国航海，1999（1）： 20 -24.
[6] 李丽娜，熊振南，高岩松等. 单船智能避碰决策的生成与优化[J]. 中国航海，2002（2）：49-52.
[7] 李丽娜. 船舶自动避碰安全会遇距离等要素的确定[J]. 大连海事大学学报，2002（3）：23-26.
[8] 李丽娜，熊振南，任勤生. 多船智能避碰决策的生成与优化[J]. 信息与控制，2003（2）：189-192
[9] 李丽娜，杨神化，尹勇.船舶自动避碰仿真平台的构建与测试方法研究[J].中国航海.2006（3）：47-50. 2007年12月 获第五届中国科协期刊优秀学术论文奖.中国科学技术学会
[10]李丽娜，杨神化，熊振南，索永峰，陈国权，王俊玲. 船舶拟人智能避碰决策理论框架的研究[J]. 中国航海， 2009（6）：30-4.
[11] Li Lina， Chen Guoquan， Yang Shenhua1， Zhouwei. Mechanism for Constructing the Dynamic Collision Avoidance Knowledge-base by Machine Learning[J]. The proceeding of International Conference on Manufacturing Automation （ICMA 2010） pp 279 - 285 ，Hong Kong， December 13-15， 2010（EI收录：20110813695852）ISBN-13： 9780769542935 090111833369
[12] 李丽娜，陈国权，邵哲平，熊振南，杨神化，孙洪波. 船舶拟人智能避碰决策方法及其评价标准的构建[J].大连海事大学学报，2011，37（4）：1-6
[13] Chen Guoquan， Yinyong， Lillina， yangshenhua， suoyongfeng. Mechanism and Simulation of Personifying Intelligent Decision- making for Vessel Collision Avoidance[C]. The proceedings of 2010 International Conference on Computer Application and System Modeling， ICCASM 2010， pp V4681-V4686， 2010/10/22（EI：20104913452291） ISBN-13 978-3-03785-244-6
[14] Chen Guoquan， Yinyong， Lillina， yangshenhua， New design of intelligent navigational simulator[C]， Proceeding of 2011International Conference On Civil Engineering and Transportation， ICCET 2011. JiNan，2011. 10：896-902 ， ISSN 1660-9336，EI检索
[＼Shenhua Yang， Lina Li， Chaojian Shi. ECDIS Based Decision-
Making System for Vessel Automatic Collision Avoidance on Restricted Water Area. The Proceedings of The 6th World Congress on Intelligent Control and Automation，2006， Volume 9：7118-7122. （EI检索：071510543865）
[18]Li Guoding，Huangying，Chen guoquan，Li Lina. Vessel Imminent Collision Avoidance Decision-making （VICAD） and Its Application Research on simulation teaching[C]. The Proceedings of 17th International Navigation Simulator Lecturers Conference 2012.9： 3-7 Rostock， Germany
Sciences， Engineering and Technology， 2013
Making System for Vessel Automatic Collision Avoidance on Restricted Water Area. The Proceedings of The 6th World Congress on Intelligent Control and Automation，2006， Volume 9：7118-7122. （EI检索：071510543865）
[18]Li Guoding，Huangying，Chen guoquan，Li Lina. Vessel Imminent Collision Avoidance Decision-making （VICAD） and Its Application Research on simulation teaching[C]. The Proceedings of 17th International Navigation Simulator Lecturers Conference 2012.9： 3-7 Rostock， Germany
摘要：回顾我校研发团队20年来在船舶自动避碰技术的研究历程，简要介绍了船舶拟人智能避碰决策（PIDVCA）方法，重点论述了《机器决策》的“拟人智能”特性，并借助船舶智能操控（SIHC）仿真平台，通过设计典型会遇态势加以验证。研究结果表明：基于PIDVCA方法的《机器决策》可以同时安全避让2～4个危险目标船，达到了预期的研究目标，最后指出PIDVCA方法尚存的问题及日后研究方向。
关键词：PIDVCA 机器决策 SIHC 仿真平台 模拟实验
0 引言
在航海技术高度发展的今天，船舶的碰撞、搁浅、触礁事故仍时有发生。这些海事事故不仅造成了重大的人员伤亡与巨额的财产损失，而且对海洋生态环境构成了严重的威胁。国际海事组织的调查研究表明，有 80%以上的海事事故是由于人为因素直接或者间接造成，而解决人为因素导致的船舶碰撞事故的重要途径之一是实现船舶智能避碰决策自动化，因此研究具有多目标船智能避碰辅助决策支持功能的综合船桥系统，对减少或者避免海事事故发生有着重要的现实意义。国内外学者近二十年来基于专家系统原理、模糊数学、神经网络技术和多Agent技术等方法展开了广泛的研究，其研究成果对PIDVCA研究方法颇有启发和帮助。本文针对从事船舶避碰决策研究的专家学者及船舶驾驶员关注的问题——如何确保机器自动提供合理有效的避碰决策，亦即如何确保《机器决策》具有“拟人智能”的特性，基于前期研究成果进一步凝练出PIDVCA的机器实施办法，使专家学者及船舶驾驶员能进一步认识和认可基于PIDVCA方法的《机器决策》，促使研究成果能尽快得到实际应用，使我国自主开发的综合船桥系统及关键设备的多目标船智能避碰辅助决策技术取得源头创新，并达到世界先进水平。
1 回顾20年的研究历程
在国家和福建省自然科学基金等项目资助下，近20年来经历了研究方法探索、PIDVCA方法论证与算法仿真验证及其应用研究以及系统软件开发三个阶段。
1.1 研究方法探索期（1996年以前）
上世纪90年代初，在陈聪贵教授引导下，研发团队开始涉足船舶自动避碰研究领域。受我国船舶自动避碰研究领域开拓者吴兆麟教授在海上避碰行动量化分析[1]的启发，针对船用雷达的ARPA功能只能进行危险判断而不能自动决策以及危险判据科学性存在的局限性，从平面解析几何分析入手，通过构建目标运动要素计算模型以及安全会遇距离（SDA）和紧迫局面距离、最晚施舵时机（Tln）以及避碰决策实施方案量化模型，基于雷达避碰示意图提供的避碰方法构建目标会遇局面划分模型及分类算法，运用C语言编程，初步实现了雾航开阔水域船舶避碰决策自动生成及自动避碰过程监控的单机简单仿真实验。1996年以前研究初期的主要成效是形成研究思路、基本模型和算法，实现单机的简单仿真。实验结果显示有部分成功避让的例子，但仿真结果部分态势存在无解等问题，离当时提出对12海里内的会遇目标（最多20个）自动提供安全避碰决策的研究目标距离较大，曾一度陷入困境和迷茫中……
1.2 研究方法形成期（1996～2006）
通过进一步研究，分析了研究初期存在问题的原因：一是避碰数学模型的单一性难以适应目标交会特征的多样性；二是时间搜索决策算法的单一性难以实现对海员通常做法及优良船艺的模拟；三是研究目标定位过高，既不切合实际，也加大了研究的难度。随后结合上世纪90年代期间研究者以 “雷达观测与ARPA实操训练”指导教师的身份参加航海雷达模拟器培训的教学实践，从受训学员中经验丰富的船长及高级驾驶员（以下简称优秀船员）的避让操船方法，进一步领会了多船会遇态势下海员的通常做法及优秀船员的优良船艺，并从典型的多船会遇避碰示例得到凝练。针对研究初期存在的问题，将人工智能的思想方法应用于总结梳理研究初期的船舶自动避碰方法[2，3]，提出了研究智能避碰决策自动化的策略是“拟人智能”的设计理念[4]，并对研发团队在上世纪90年代年研究成果作了总结[5] 。
为了更逼真地模拟海上的实际环境，2001年协同大连海事大学航海技术研究所，基于船舶操纵模拟器和电子海图技术联合创建了航行安全与自动避碰（NSACA）仿真测试平台，通过模拟实验，进一步对避碰模型及算法的适应性和稳定性问题进行改进、优化和完善。
这一阶段获得了2项学校科研基金和2项省自然科学基金项目的资助，研究工作取得丰硕成果，发表了【2】～【5】等二十多篇文章，逐步形成了船舶拟人智能避碰决策（PIDVCA）方法；创建了先进的NSACA仿真测试平台，开展了大量的仿真实验，从实验中发现已建数学模型仍还有缺陷，设计的算法尚不完备，同时发现了目标交会特征的内在规律对模型及算法产生的影响。
1.3 研究方法论证与应用系统开发阶段
2007年以来，利用国家自然科学基金项目“船用智能避碰导航仪的机理及其仿真研究”的契机，围绕实现“拟人智能”的理念和目标，通过理论分析和仿真实验，着重对PIDVCA数学模型和算法进行改进、优化和完善，初步形成PIDVCA理论雏形[6～14]，开发了PIDVCA应用软件，进行了大量的仿真模拟实验，同时逐步将研究形成的PIDVCA算法应用于自主研发的船舶智能操控仿真平台及游艇智能操控仿真训练系统的智能目标船及航行智能化及其自动控制模块[14]。
这一阶段获得国家和省自然科学基金项目、福建省交通厅科技重大项目的资助；研究工作得到进一步的深入【6～18】；计划外项目（1999～2009）“宽水域船舶拟人智能避碰决策（PIDVCA）理论的研究” 通过福建省教育厅组织的成果鉴定，成果达到国际先进、国内领先水平；研发团队基于DMI（丹麦航海技术研究所）开发的国际一流六自由度船模，开发了先进的船舶智能操控（SIHC）仿真平台，为船舶智能避碰决策及其自动控制的研究提供更便捷、更先进的测试环境；同时借助该平台对PIDVCA的完整性及算法的完备性进行测试，探讨了两船陷入紧迫危险下的协调避碰决策算法、受限水域的避浅避礁及综合避让决策算法以及初步实现了基于AIS短信功能自动播发本船操船意图的技术方案[ 15～18]。基于前期研究形成的PIDVCA理论基础，近期研发团队正在为863计划《现代交通技术领域船舶综合监测及操控系统开发》项目子课题“综合船桥系统及关键设备”开发多功能避碰辅助决策技术功能模块，项目已进入软件集成测试阶段。
2 船舶拟人智能避碰决策方法简介
2.1 PIDVCA的研究目标及内涵
当今船员队伍的年轻化造成优秀船员的数量日益减少的现象十分凸显，为了减少或杜绝由人为因素造成的碰撞事故，研究“PIDVCA”的目标，归根到底就是要解决“PIDVCA”的自动化问题。
考虑船舶会遇的复杂多变性以及避碰决策受多种因素的制约，定义了PIDVCA 的内涵：能自动根据物标（来船和碍航物）与本船的交会关系，模仿优秀船员对周围环境和危险局势的分析判断以及在避碰决策中的思维，自动产生超越避碰专家所能提出的既安全又经济的避碰决策，必要时还能模拟两船之间的协调避碰；当决策被驾驶员接受并实施时，只要启动相应设备功能键，就能自动向周围来船通报本船的操船意图。
2.2 PIDVCA的研究思路及研究方案
PIDVCA的研究思路：以理论和实际相结合的原则，以避碰决策的实用、有效、自适应性和科学性的“拟人智能”为目标；以“学习”、“推理”和“优化”为形成智能避碰决策实施方案的指导思路，以安全经济为决策实施方案优化准则；以创建PIDVCA理论为核心内容，以机器学习构建动态避碰知识库的机理为关键技术，基于多学科知识形成集成化的人工智能方法，在决策过程中不仅遵循《1972年国际海上避碰规则》（以下简称《规则》）和海员通常做法及模拟实现优秀船员的优良船艺，同时充分考虑本船处于最不利的情况，以确保避碰决策实施方案的安全性和有效性。
为了让机器（计算机）理解及模拟执行《规则》、学习并使用经验丰富的驾驶员（避碰专家）在形成避碰决策过程的直觉、思维、通常做法及良好船艺，满足决策的科学性和合理性要求，具体的研究方案如下：
（1）构建一套PIDVCA方法及其评价标准，确保形成的避碰决策实施方案满足科学性和合理有效性的要求；
（2）研究形成一套完整的PIDVCA数学模型，作为PIDVCA定量分析的基础；
（3）研究设计一系列PIDVCA算法，实现PIDVCA定性与定量分析的有机融合，以及实现模拟船员遵守《规则》和优秀船员在避碰过程中的通常做法和优良船艺；
（4）基于PIDVCA方法及其评价标准，研究形成避碰知识表示方法、机器自动学习策略和自动推理机制以及机器学习构建动态避碰知识库的机理；通过设计PIDVCA程序模型，在推理机的控制下，根据传感器获得的现场知识和原有的专家经验知识实施在线学习、分析、判断、推理和优化，最终自动生成PIDVCA实施方案；
（5）构建近似海试环境的船舶智能操控（SIHC）仿真测试平台，对研究形成的PIDVCA数学模型和算法提供有效的验证技术手段。
2.3 PIDVCA的实现原理
PIDVCA方法的具体实现是将数理分析、机器学习、专家系统原理和航海技术领域知识有机结合起来，以智能程序形式表示的PIDVCA程序模型来实现[11]，其框图如图1所示。PIDVCA程序采用集成推理（控制）策略，实现具有启发式知识指导下的自动推理，将构成智能避碰模型的机器学习模块、动态避碰知识模块、推理机，以及由定性推理的决策形成基本准则与定量计算的决策实施方案动态优化目标函数等构成的决策分析评价方法有机地融为一体，获得问题的求解。
3 《机器决策》的“拟人智能”特性分析
由于船舶环境与会遇态势千变万化，《规则》作为纲领性文件难以详尽阐述。因此，驾驶员在实际避碰中，不但应遵守《规则》的规定，更应当注意运用良好的船艺，尤其是针对多目标船会遇情况。对于多目标船会遇而言，实际并没有现成的《规则》可循，只有驾驶员在长期避让实践中形成并被普遍采纳的习惯做法，简称海员通常做法，例如对重点目标船（最危险目标船）的避让方法沿用两船的《规则》形成决策并实施；再就是优秀船员采取合理有效的避让决策所表现的优良船艺，即对碰撞危险的正确评估、避让时机、避让措施和复航时机的正确把握以及对复杂局面的灵活应变能力，如对不协调避让的二次决策及远近危险目标的分段决策方法。显然，PIDVCA方法必须能够实现对纲领性《规则》具体化及清晰化处理以及对优秀船员的优良船艺的模拟，才能使基于PIDVCA方法的《机器决策》具有“拟人智能”特性。为了让专家学者易于领悟《机器决策》的“拟人智能”特性，基于文献【12】构建的PIDVCA方法及其评价标准，进一步凝练出PIDVCA的机器实施办法。
3.1 PIDVCA机器实施办法
基于PIDVCA的研究目标，要求《机器决策》不但要应遵守《规则》，而且必须能实现对优秀船员的优良船艺的模拟。PIDVCA的机器实施办法考虑了以下原则：第一，遵循《规则》精神；第二，遵循海员通常做法及优秀船员的优良船艺；第三，体现对《规则》的合理延伸。上述原则是确保《机器决策》具有科学性、合理性和可靠性的根本保证。限于篇幅，这里仅介绍多船PIDVCA机器实施办法，主要汲取海员的通常做法及优秀船员的优良船艺，具体归纳为以下八条：
第一条：沿用两船的PIDVCA的实施办法第二条（关于《规则》模糊化概念的清晰化（量化）处理办法），以参与决策的目标船实施最佳改向幅度施舵时机用于衡量目标船碰撞危险度大小，并依此进行危险度排序，同时给出每个危险目标船的安全会遇距离SDA最大值SDAmax与最小值SDAmin以及紧迫局面距离Dcqs与紧迫危险距离Did。
第二条：遵循海员对重点目标船的避让方法沿用两船适用的《规则》要求，并沿用两船的PIDVCA机器实施办法第一条（根据《规则》定义的三种基本会遇局面确定目标船会遇属性以及根据PIDVCA量化需求定义目标船的交会特征（encounter Characteristic： EC），详见附录图1和表1）和第三条关于危险判据的模糊边界及其评判方法形成决策。本条仅适用所有目标船与本船均存在潜在碰撞危险的情况。
第三条：关于模拟优秀船员对危险局势正确评估、避让时机与避让幅度正确把握及复航时机正确把握的机器实施办法，通过如图2所示算法流程图中虚框部分加以体现。
第四条：关于最晚改向角界定的机器实施办法：通过深度解析相对运动几何规律，当本船采取向右改向且目标船的EC=1、10、3、50、6、7和70时，以改向Cm或90°（当Cm>90°时取90°）为其最晚改向角；当本船采取向左改向且目标船的EC=20、4、50、6、7、8和80时，以改向-Cm或-90°（当Cm<-90°时取-90°） 为其最晚改向角；当本船对于EC=1和EC=8且满足Cm<40°的目标船采取向右改向与EC=2和Tz=7且满足Cm<40°的目标船采取向左改向时，分别均有两个最晚改向角±Cm和±90°及其相应的两个最晚避让时机（Tln）。鉴于上述几何特征及规律，针对第三种情况，多目标船决策过程应先计算改向 ±Cm的第一个Tln，如果该时机已经错过，则进一步计算改向±90°的第二个Tln；如果第一个Tln>=0，本船改向避让目标船从本船艉驶过，否则，目标船从本船艏驶过。
第五条：关于优秀船员对SDA呈现的自适应性模拟的机器实施办法。SDA呈现的自适应性体现在优秀船员可根据船舶密度适度调整其值大小，《机器决策》的具体实施办法是通过设计的PIDVCA空间搜索算法，允许避碰决策方案生成所依据的SDA在其{SDAmax，SDAmin}范围内变化。
第六条：关于模拟优秀船员对复杂避碰问题呈现的灵活应变决策思想的机器实施办法。本条是对机器按照第一到第五条实施办法执行无结果情况下的基于PIDVCA时空搜索、目标信息实时监测的不协调二次避让和分段避让的决策生成以及决策不合理的优化处理办法。
图3 （a） EC=1
图3 （b） EC=2
图3 本船相对EC=1和EC=2的目标船存在两个最晚施舵点时
机其改向角的模拟实验结果
第七条：关于多船会遇紧迫危险的界定办法，机器按照第一到第六条实施办法执行无结果情况下的会遇局面界定为陷入紧迫危险状况。
第八条：关于智能避碰辅助决策方案的预测实施效果：以是否错过Tln_max与Tln_min及其决策方案所依据的SDA取值大小，给出当前会遇态势所处的局面属于一般危险局面、紧迫局面或紧迫危险局面，如附录表2所示。
3.2 《机器决策》的“拟人智能”特性典型案例模拟分析
借助搭建的船舶智能操控仿真平台SIHC桌面系统（如图4所示，系统由一台控制台、一台目标船服务器和三台本船计算机构成），通过设计典型案例进行模拟分析与验证。下面的测试用例主要利用控制台计算机及智能目标船服务器，测试用例中的目标船1设置为智能本船，其余目标船根据需要设置为智能目标船或非智能目标船。
图4 桌面版船舶智能操控仿真平台
3.2 .1 两船会遇《机器决策》的“拟人智能”特性典型案例模拟分析
典型示例1为对遇局面，双方互为让路船，图5（a）的两船均设置为智能船，双方按照建议的辅助决策方案执行的模拟实验，其结果会使两船比预计的SDA更宽的会遇距离CPAn上安全通过，并比预计的复航时间提前复航。图5（b）仅有一船为智能船，用于模拟目标船未能按照《规则》要求避让的实验结果。该例印证了假定目标船保向保速前提下的避碰辅助决策的合理有效性。
典型示例2为雾航情况对来自右正横附近会遇船舶的决策优化处理模拟实验。如图6所示的会遇态势，本船如果严格按照《规则》执行，应采取向左改向的避让方法。但是如果目标船没有及时采取避让行动，单靠本船改向，会导致改向后的相对运动速度太小而使复航时机太晚导致航迹偏移太大，如图6（a）为仅一船按照《规则》实施的避让效果，图6（b）为对《规则》实施优化处理的避让效果。可见实施优化处理后可避免因为本船早于来船采取措施，来船认为危险已经消失不予采取协调配合行动而导致避让复航时机太晚、航迹偏移太大的不合理避让效果。需要强调，上述两种情况如果双方按照《规则》执行，不会出现图6（a）的不合理实施效果。
图5 （a）目标船协调避让
图5 （b） 目标船保向不协调避让
图5 对遇局面的模拟实验结果
图6 （a）
图6（b）
图6 雾航情况对来自右正横附近目标船的决策方案优化效果对比图示
3.2.2 多船会遇《机器决策》的“拟人智能”特性典型案例模拟分析
示例1为机器按照第四条实施办法执行，模拟优秀船员对潜在碰撞危险局势的正确评估及复航时机正确把握的测试用例及模拟实验结果，如图7所示，通过该例给出第四条实施办法的执行过程：首先按照第一条和第二条实施办法形成初始避碰决策，再经过PIDVCA验证算法检验，如果验证结果出现新的潜在危险目标船，如图7（a）目标船3，在PIDVCA的实施办法指导下，先判断新危险目标船3的TCPA是否小于参考目标船的最晚施舵时机Tln？如果条件不成立，则进一步调用预测复航限制时间算法，计算出新危险目标船3的预测复航限制时间Tc（如果存在两个以上的新危险目标，则求出其Tc的最小值Tcc）。如果Tc比本船预测的复航时间Trr长，则判定原方案有效，表明按照原方案执行，并在预测复航时机复航可以让请所有目标，意味着新出现的潜在危险目标船3不会对本船构成真正的威胁，如图7（b）所示。
图7 模拟优秀船员优良船艺测试用例及其实验结果
示例2为机器按照第一至五条实施办法执行无果的情况下，执行第六条对较复杂的会遇态势的分段决策优化处理模拟实验结果，如图8所示。所谓分段决策问题是对于监测到的危险目标船，先避让近距离的危险目标船3，再处理远距离的危险目标船2。
（a）初始态势图 （b）本船避让与目标船航行的轨迹图
图8 多目标会遇分段决策处理测试用例模拟实验结果
4 结束语
回顾20年来的研究历程，经历了方法探索、方案形成、理论分析与仿真论证及应用研究三个阶段。避碰数学模型从各类单一的基本模型扩展到可适应各种交会特征的一整套较完整的PIDVCA数学模型；避碰决策算法从单一的时间搜索、机械的遍历算法，逐步演变到由一系列的PIDVCA算法构成；算法测试手段从单机简单仿真到近似海试环境的SIHC仿真测试平台；算法测试方法从最初的随意测试、到中期的有目的针对性的设计典型案例测试、到现阶段特定案例与随意案例相结合的算法完备性测试，仿真实验次数累计可达5位数。研究结果表明：开阔水域多目标智能避碰辅助决策可较好地实现对优秀船员在避碰决策过程所表现的优良船艺的模拟，可同时避让2～4个危险目标船，验证了基于PIDVCA方法形成的《机器决策》基本达到了“拟人智能”的效果。虽然研究已经取得了初步成效并进入应用系统开发阶段，但《机器决策》的“拟人智能”效果还有进一步提升的空间，例如，如何通过设计协调优化算法进一步确保直航船保向保速的权利以及在机器提供决策的同时给予必要的灯号型提示，这些问题有待日后逐步研究实现。
根据STCW2010MANILA公约的实施要求，船长、高级船员应进行船舶应急训练，国家海事局《海船船员适任评估规范》对船舶操纵、避碰与驾驶台资源管理项目中紧迫局面、特殊情况避碰评估内容作了规定。我们认为今后有必要继续深入研究紧迫危险下的智能避碰问题，以期在航海模拟器中实现应急避碰训练。
参考文献
[1] WuZhaolin. Quantification of action to avoid collision. The Journal of Navigation，1984，Vol.37（3），420～430
[2] Li lina， Chen cong-gui. Research On Multi-ship Anti-collision Intelligent Mathod （ACIM） At Widely Area[C]. The Proceedings of ANTI-COLLISION'96 CONFERENCE， Chiavari Publishing， 1996， Vol.2： 214-220.
[3] 李丽娜，陈聪贵.“宽阔水域船舶避碰智能化方法的研究”中国交通研究与探索.北京：中国铁道学院出版社 ISBN 7-113-02806-3 1997，P164-167
[4] 李丽娜，曾华岚. 船舶避碰智能自动化策略及其模拟研究[C] 自动化理论、技术与应用——中国自动化学会第十四届青年学术会议论文集，西苑出版社，ISBN： 7-80180-250-8/TP02，1999.7： 376-379.
[5] 李丽娜，陈聪贵. 船舶自动避碰方法的研究. 中国航海，1999（1）： 20 -24.
[6] 李丽娜，熊振南，高岩松等. 单船智能避碰决策的生成与优化[J]. 中国航海，2002（2）：49-52.
[7] 李丽娜. 船舶自动避碰安全会遇距离等要素的确定[J]. 大连海事大学学报，2002（3）：23-26.
[8] 李丽娜，熊振南，任勤生. 多船智能避碰决策的生成与优化[J]. 信息与控制，2003（2）：189-192
[9] 李丽娜，杨神化，尹勇.船舶自动避碰仿真平台的构建与测试方法研究[J].中国航海.2006（3）：47-50. 2007年12月 获第五届中国科协期刊优秀学术论文奖.中国科学技术学会
[10]李丽娜，杨神化，熊振南，索永峰，陈国权，王俊玲. 船舶拟人智能避碰决策理论框架的研究[J]. 中国航海， 2009（6）：30-4.
[11] Li Lina， Chen Guoquan， Yang Shenhua1， Zhouwei. Mechanism for Constructing the Dynamic Collision Avoidance Knowledge-base by Machine Learning[J]. The proceeding of International Conference on Manufacturing Automation （ICMA 2010） pp 279 - 285 ，Hong Kong， December 13-15， 2010（EI收录：20110813695852）ISBN-13： 9780769542935 090111833369
[12] 李丽娜，陈国权，邵哲平，熊振南，杨神化，孙洪波. 船舶拟人智能避碰决策方法及其评价标准的构建[J].大连海事大学学报，2011，37（4）：1-6
[13] Chen Guoquan， Yinyong， Lillina， yangshenhua， suoyongfeng. Mechanism and Simulation of Personifying Intelligent Decision- making for Vessel Collision Avoidance[C]. The proceedings of 2010 International Conference on Computer Application and System Modeling， ICCASM 2010， pp V4681-V4686， 2010/10/22（EI：20104913452291） ISBN-13 978-3-03785-244-6
[14] Chen Guoquan， Yinyong， Lillina， yangshenhua， New design of intelligent navigational simulator[C]， Proceeding of 2011International Conference On Civil Engineering and Transportation， ICCET 2011. JiNan，2011. 10：896-902 ， ISSN 1660-9336，EI检索
[＼Shenhua Yang， Lina Li， Chaojian Shi. ECDIS Based Decision-
Making System for Vessel Automatic Collision Avoidance on Restricted Water Area. The Proceedings of The 6th World Congress on Intelligent Control and Automation，2006， Volume 9：7118-7122. （EI检索：071510543865）
[18]Li Guoding，Huangying，Chen guoquan，Li Lina. Vessel Imminent Collision Avoidance Decision-making （VICAD） and Its Application Research on simulation teaching[C]. The Proceedings of 17th International Navigation Simulator Lecturers Conference 2012.9： 3-7 Rostock， Germany
Sciences， Engineering and Technology， 2013
Making System for Vessel Automatic Collision Avoidance on Restricted Water Area. The Proceedings of The 6th World Congress on Intelligent Control and Automation，2006， Volume 9：7118-7122. （EI检索：071510543865）
[18]Li Guoding，Huangying，Chen guoquan，Li Lina. Vessel Imminent Collision Avoidance Decision-making （VICAD） and Its Application Research on simulation teaching[C]. The Proceedings of 17th International Navigation Simulator Lecturers Conference 2012.9： 3-7 Rostock， Germany
