大數據在船舶自動避碰方面的應用

蔣海城

摘 要：近年來，隨著我國海洋事業范圍的建設和擴大，海洋事業也得到了迅速有效的發展。然而，由于海上許多不確定性和技術限制的嚴重影響，船舶在航行過程中仍會遇到各種碰撞事故，海上作業的高風險因素造成巨大損失。為了減少或避免人為失誤引起的碰撞事故，確保船舶安全航行，本文研究分析了船舶在航行過程中的自動避碰，并提出優化船舶避碰自動化技術。使用大數據技術導航。

關鍵詞：大數據 導航 自動防撞

近年來，隨著大海上面航行的船舶越來越多，船舶相互碰撞的幾率提高了不少，使得原本安全高效的航道變得充滿了風險，由于人本失誤的原因往往造成了不少事故，人力資源成本上升以及導航技術的不斷優化，船舶自動避碰的研究逐漸滲透到現代的核心。導航船是智能集成橋，自動防撞決策系統是綜合橋的關鍵部件。往往可靠的自動避碰決策預報系統需要滿足以下條件：避免危險，包括移動和不能移動的障礙物；當多艘船舶在同一個海域內航行時，完成自動避撞顯得尤為重要；避免碰撞后選擇安全經濟的路線（重新航行）；建立海域船舶運動數學模型應當具有足夠的精確度，以能更好的貼近實際航行狀況；考慮與船體相關外部條件；能夠在足夠短的時間內給出系統的反饋。

1.大數據技術的特點

大數據技術是近些年崛起的一項新技術。由于其大量數據的高效收集，處理和分析的特點，是最近學術界研究的熱點。并且可以與各大傳統或新興領域結合。面對現代社會信息化建設的不斷發展和完善，大規模數據聚合已成為一種常態。面對這種情況，傳統技術手段和軟件工具的使用無法在短時間內和廣泛范圍內實現有效的捕獲，管理和處理操作。利用大數據技術應對當前的技術發展形勢，是實現各行各業的產業發展。而不可或缺的創新手段。

2.導航大數據技術的基本組成和功能分析

根據實際應用功能的不同，導航自動化系統可以有效地劃分為不同的控制系統。能夠自動的接收對船舶航行駕駛權限的控制，能夠通過機器學習等先進的人工智能規劃出最優最安全的船舶航行路線，能夠與GPS實時取得信息從而得到航行軌跡以提供計算，還要能夠自主防撞最核心的功能需求，以及能夠實現組合導航管理等。例如，能夠通過機器學習等先進的人工智能規劃出最優最安全的船舶航行路線可以編制船舶設計的最佳路徑，適應當前運輸環境中的各種技術要求，并確保船舶路線設計的合理優化。它對航道的安全性和穩定性通航性提出了更高的要求，在安全性方面也發揮著越來越重要的作用。在對船舶航行安全方面的足夠考慮后，我們必須要有效可靠地掌握位置，速度，航向，風向，實際航行等重要航行數據。在導航自動化控制系統中，航行駕駛是實時的船機互動，實現實時控制，確保船舶始終可以按照預設的安全航行方向進行穩定狀態。在該系統中，能夠與GPS實時取得信息從而得到航行軌跡以提供計算需要被合理使用。在定位系統中，其工作是及時獲取船舶的基本位置，確保船舶的方向，避免船舶偏離航向，能夠自動的接收對船舶航行駕駛權限的控制。在船舶防撞系統中，確保船舶能夠在穩定航行過程中快速，及時地獲取其他船舶的基本位置和導航環境信息，分析，判斷和檢查相關的碰撞，礁石對船體的損壞和接地風險，然后制定完善的對策。在組合導航管理系統中，能夠自動的接收對船舶航行駕駛權限的控制各子系統的信息內容將進行全面整合，檢查和分析，并結合通信系統和安全系統的內容，制定出最佳的導航方案。這樣可以成功避免許多危險物體，提高船舶航行的安全性和穩定性。此外，系統的決策信息傳輸到船舶控制部門，以加強能夠自動的接收對船舶航行駕駛權限的控制船舶中央控制系統的合理有效決策。這些技術的綜合應用可以顯示船舶操作的更有效的數據信息，并為船舶航行者的船舶安全運行提供有利條件。

3.大數據模擬的應用

3.1大數據模擬的準確性

在實際導航中，船舶和障礙物實際上在同一平面上，幾乎在同一水平線上，并且它們之間的潛在數據差異一般都處于不太大的線性比例中。因此，有必要使用也一定可以做到使用不太復雜的數學函數來模擬船舶起點處的數據描述和有可能影響安全的物體的數據描述，以實現起點處具有高數據模型的“數學模型”，低數據模型有可能影響安全的物體的和最終目的地的高數據模型。因此，基于數學公式的假設是一種大數據模擬。有許多數學函數可以模擬數據勢能場。為了使對象移動，一些方法直接將虛擬有勢力場計算和排斥計算寫入兩個函數并加以考慮。對于物體的每個位置，計算物體相對于有可能影響安全的物體位置的角度。同時，計算物體的虛擬有勢力場和安全附加排斥力，并獲得合力，使物體移動并獲得運動角度。該方法要求高精度并且相對復雜。它通常用于平面機器人的多障礙物避免路徑規劃。

3.2模擬決策模型

針對模糊避碰的決策模型，采用模糊邏輯的方法進行人工神經網絡的自學習，提出了一種動態模糊船舶域模型和能夠自動的接收對船舶航行駕駛權限的控制模型。在后來的研究中，考慮到人，船和環境的影響，建立了統一的領域模型。環境因子子模型的構建基于模糊集理論。但是，它只適用于兩艘船之間的防撞；必須改進設計系統，基于“模糊視覺”的避碰智能決策/執行模型依賴于模糊邏輯的并行多決策模塊，將決策轉化為基于連續避碰的動作。模糊邏輯和ARPA雷達通過貝葉斯網絡模型，由ARPA提供。信息的知識表示表明，雖然系統簡單可行，但在為單船提供智能防撞決策的可靠性有保障。

3.3模擬計算

模擬計算是通過仿照生物遺傳的特性提出的，一般主要是自適應概率搜索算法理論。它的本質是仿真算法，主要包括遺傳算法和仿真策略。它可以使用仿真規劃進行全局優化。它可以解決多種復雜系統的優化和機器學習問題。模擬計劃的兩個主要特征是群體搜索策略和群體中個體之間的信息交換。在能夠自動的接收對船舶航行駕駛權限的控制和智能碰撞避免中，有許多指定的路徑可供選擇。通過一系列交叉，變異和選擇過程，我們可以找到近似的最優路徑。仿真策略用于尋找船舶避碰的最佳路徑。能夠自動的接收對船舶航行駕駛權限的控制模型中的移動障礙物或移動船舶由ARPA識別，并且通過基于馬爾可夫過程模型計算預判，對算法計算模擬得到的結果進行更高一級的運算疊加，并去除其匯總的雜樣結果，使得其更加符合線性加權函數的取值要求。另外，以往研究中的模擬策略編碼方法僅以船舶位置（經度和緯度）為染色體基因，檢查測試數據不方便。單基因的模擬策略編碼方法由船舶位置，速度，潮汐，風速和海浪等干擾因素構成。染色體代表精心設計的路徑，其由基本的線序列和向基因組組成的轉變組成。起始基因代表當前位置，末端基因代表目標位置。如果船周圍有有可能影響安全的物體，船只的安全路徑是在起點和終點連接兩個基因的直線。如果航道周圍沒有有可能影響安全的物體，其他基因將在起始點和終點之間隨機分布。提出了一種改進的EP / N +算法，并將其算法的結果進行專家系統的自動數據模擬，可以在工程模擬的精度要求前提下實現更高效的決策支持，這是模擬計算的重要部分。在該算法中，設計了一個特殊的遺傳算子來修改過程，并使用另一個遺傳算子來改變過程速度。每個課程部分的變化可以伴隨著速度的變化，同時計算時間更短。該系統的主要特點是引入時間參數，變速和其他船舶的動態約束。

4.結論與展望

在人工智能和軟計算中，專家系統更早地應用于實船安裝和測試，關鍵是完成“防撞知識庫”。并考慮船速的影響；仿真策略及其改進方法可以更快，更準確地優化碰撞避免決策； SIA和MAS具有內在結構的相似性，前者參數選擇非常重要，后者多代理通信和協調是關鍵，更適合于協商智能避碰；灰色系統理論在處理傳感器不準確信息方面具有很高的實用價值。

參考文獻：

[1]柴遠斌.海上多船行駛自動避碰系統設計[J].艦船科學技術，2018， 40（14）： 40-42.

[2]張偉.基于AIS實態觀測的受限水域船舶領域模型研究[D].大連海事大學，2018.

[3]薛惠，何棟.船舶自動智能避碰數學模型及其計算機仿真研究[J].艦船科學技術，2017， 39（16）： 31-33.

[4]劉茂盛，張靖.基于新航海技術的船舶避碰自動化探討[J].科技創新與應用，2017（07）：20-21.

[5]劉明圓.基于Multi-agent船舶避碰方法研究[D].哈爾濱工程大學，2017.