對基于人工智能和軟計算的船舶自動避碰決策算法分析

聶鴻博

作為航運業發展的主要影響因素，船舶碰撞事故可引發一系列不良后果。船舶自動避碰決策是降低船舶碰撞風險的關鍵?；诖耍狙芯恐饕槍θ斯ぶ悄?、軟計算對船舶自動避碰決策的支持作用進行分析；并細化闡述了船舶自動避碰決策的要點；最后從知識儲備庫方面、遺傳算法方面等，闡述了基于人工智能和軟計算的船舶自動避碰決策算法。

目前，船舶自動避碰決策系統已經成為航運業應對船舶碰撞問題的主要方法。算法的選擇是影響船舶自動避碰決策系統建立的關鍵。相對于其他算法而言，人工智能及軟計算在構建船舶自動避碰決策系統方面具有一定優勢。因此，分析基于人工智能及軟計算的船舶自動避碰決策算法具有一定必要性。

一、人工智能及軟計算對船舶自動避碰決策的支持作用

人工智能及軟計算可為船舶自動避碰決策提供的支持作用具體體現為：

（一）整合避碰規則要素

船舶實現自動避碰的關鍵前提為：明確單船、多船的避碰規則，基于避碰規則確立避碰決策。相對于其他技術而言，人工智能、軟計算在整合避碰規則要素方面更具優勢。上述技術可綜合水域信息、天氣信息、避碰時機、避讓順序以及避碰方式等多種要素，確立避碰規則，并以上述分析結果為基礎，確立船舶自動避碰決策系統。

（二）收集、處理海量避碰信息

根據既往經驗，建立船舶自動避碰決策系統的主要難點在于：船舶避碰決策需通過海量避碰信息的整合、分析，確定可靠的避碰規律。運用人工智能及軟計算收集、處理海量避碰信息，可于較短時間內完成信息的收集、處理，該技術的智能化、綜合性特征，可保障所確定船舶避碰規律的準確性水平。

二、船舶自動避碰決策的要點

在建立船舶自動避碰決策系統期間，應加強對以下幾種要點的重視：

（一）碰撞風險評估

己船與目標船之間是否存在碰撞風險，是影響船舶自動避碰決策準確性的核心所在。目前對于碰撞風險的評估，主要采用如下標準：己船與目標船相遇<8海里時，且船舶的最近會遇距離低于安全會遇距離，提示己船與目標船之間存在碰撞風險。

（二）避讓義務分析

船舶航運中，船舶是否有避讓義務主要參照國際海上碰撞規則判定。以己船為中心，如目標船的來船區域處于67.5°-112.5°范圍內，即己船有避讓義務，而目標船則可執行；如目標船的來船區域處于5°-67.5°或355°-360°范圍內，則目標船無避讓義務，而己船需向右轉向避讓目標船。

三、基于人工智能和軟計算的船舶自動避碰決策算法

這里主要從以下幾方面入手，針對基于人工智能和軟計算的船舶自動避碰決策算法進行分析：

（一）船舶智能自動識別系統方面

實現船舶自動避碰的阻礙較多，其中一項主要原因在于：多船運行環境下，如何精確判定持續航行有無碰撞風險及是否需要避讓鄰近船舶。

基于人工智能的船舶智能自動識別系統主要利用船舶動態數據庫、知識儲備庫及推理機判斷碰撞風險的存在，并確定是否需要避讓。這種算法的運行模式為：動態數據庫自動收集當前水域信息、天氣信息及周圍船舶分布信息等，動態數據庫將所收集的信息與知識儲備庫實時交換，從知識儲備庫中調取與來自動態數據庫類似的信息資料，推理機則通過實時交換功能獲取上述信息，智能推理當前信息是否符合知識儲備庫中的避讓經驗。如經推理確定有碰撞風險，且有避讓義務，可自動提供避碰時機及避碰方式，以保障船舶的航運安全。

（二）知識儲備庫方面

相對于其他算法而言，知識儲備庫在船舶避碰領域的應用時間較長?；谥R儲備庫的船舶自動避碰決策算法原理與基于人工智能的船舶智能自動識別系統類似，均通過對動態數據庫、知識儲備庫、推理機之間的實時交互，確定避碰決策。二者的區別在于：前者的核心為動態數據庫，而后者的核心則為知識儲備庫，即基于知識儲備庫的自動避碰決策算法主要利用知識儲備庫中的數據信息，為推理機的推理決策提供支持。維持這種算法所確定決策準確性的關鍵在于：定期收集船舶駕駛員避碰經驗、國際海上避碰規則等相關信息資料，定期更新知識儲備庫中的專業知識、避碰規則及避碰經驗信息。

（三）遺傳算法方面

遺傳算法作為一種經典技術，其可滿足分析海量船舶航運信息的要求。運用遺傳算法建立船舶自動避碰決策系統的流程為：

第一，選擇編碼方式。結合航運安全保障需要、確定船舶可行駛空間（探索空間）等信息來看，可采用實值編碼方式進行編碼，即利用基因代表航線中的具體節點坐標，以染色體表示航線。第二，確定目標函數。安全問題的優化可借助安全性衡量函數實現，該函數的確立流程為：選定航線中各小路線中與己船碰撞風險最高的目標船；計算各目標船與己船的最距離（該小路線的安全性）；疊加各小路線的安全性參數，即獲得整條航線的安全性。而經濟問題的處理則通過衡量航線平滑度、航程消耗狀況，確定船舶的經濟性衡量函數。第三，確定適應度函數。逐一解碼染色體，以目標函數為基礎，將個體數學表現形式轉化為船舶避碰決策待優化問題的實際表現形式，參照問題需求確定目標函數值，最后將其轉化成準確的適應度值。第四，確立決策系統的基本參數。逐一確定變異概率、交叉概率、種群規模等基本參數。第五，確立決策模型的初始種群。于可行航線范圍內，隨機產生坐標參數作為系統的個體基因，以個體基因為基礎，形成初始種群，以保障最終決策優化結果的準確性。第六，確定決策模型的基本操作。當上述計算工作完成后，可利用交叉操作、變異操作等基本操作，增強遺傳算法的收斂性，并提升其效率。

（四）改進遺傳算法方面

隨著遺傳算法在船舶碰撞領域應用經驗的不斷豐富，這種算法逐漸暴露出了一些問題，如計算流程冗長、效率偏低等。在此基礎上，改進遺傳算法逐漸開始被應用于該領域中。

基于改進遺傳算法的船舶自動避碰決策分析流程為：第一，確定避碰決策模型。利用復航時機、避碰時機、避碰角度以及復航角度，建立避碰決策模型。第二，確定目標函數。在這一環節中，與遺傳算法類似，通過對船舶航運避碰經濟性及安全性的分析，確定最優解及目標函數。第三，確定多目標優化算法。將該環節作為改進重點，于多目標優化計算中引入改進權值算子處理模式，以確保船舶航運自動避碰決策的安全性及經濟性。改進權值算子處理模式的要點為：利用經濟性評價函數的數學期望、安全性評價函數的數學期望及固定常整數構成目標函數的權值系數。

（五）模糊邏輯方面

模糊邏輯在船舶自動避碰決策算法中的應用原理為：參照船舶航運規則，利用模糊-貝葉斯、ARPA雷達等建立多決策模塊，并構建避碰決策系統。

以模糊-貝葉斯算法為例，其功能體現為：可借助貝葉斯網絡將來源于模糊邏輯平行多決策模塊中的決策信息，轉化為具有連續性特征的避碰行動，進而保障船舶航運的安全性。

（六）人工免疫算法方面

這種算法的原理為：利用抗體代表待優化問題，建立抗體種群，利用迭代過程確定船舶避讓策略的最優解。

以目前船舶避讓領域常用的混沌危險模式人工免疫算法為例，運用該算法確定最優碰撞決策的流程為：選用抗體編碼空間替代航運中碰撞問題的參數空間，將親和度函數作為評價依據，動態更新抗體種群中的相關個體位串操作，并以上述信息為依據，建立迭代過程，通過對相關數據的持續性迭代，確定船舶避讓決策的最優解，以此為船舶航運安全管理工作提供可靠的支持。

結論：綜上所述，于船舶自動避碰決策系統構建中引入人工智能及軟計算具有一定的現實意義。為了提升船舶自動避碰決策的準確性，可根據既往船舶碰撞管理經驗，收集有價值的信息，合理選擇人工智能及軟計算算法，確立具有智能化、準確性特征的自動避碰決策系統。此外，還應注意結合人工智能及軟計算技術的發展，不斷嘗試引入新算法，以保障船舶自動避碰決策的可靠性。

作者單位：大連海事大學