內河渡船危險預警及避碰決策

郭 健，李麗娜，高建杰，李國定

(集美大學 航海學院， 福建 廈門 361021)

《中華人民共和國內河避碰規則》規定內河渡船有責任主動避讓順航道船舶。在長江流域繁忙的渡口水域，每天都會有大量的內河航運船舶經過，因此內河渡船面臨著一定的安全風險。為渡船的航行提供實時準確的碰撞危險預警和避碰輔助決策，提高渡船運營的智能化水平，是目前急需解決的科研難題。當前碰撞危險度模型研究主要有最近會遇距離(Distance to Close Point of Approaching,dCPA)和最近會遇時間(Time to Close Point of Approaching,tCPA)的加權評判法[1]、以模糊數學為基礎的模糊判斷法[2]和人工智能技術判斷法。[3]這些方法都是單獨計算危險度，沒有考慮避讓危險船舶的難易程度，即沒有與避讓決策相關聯。船舶擬人智能避碰決策(Personifying Intelligent Decision-Making for Vessel Collision Avoidance,PIDVCA)算法[4-7]能有效解決寬闊水域船舶輔助避碰決策問題,在受限水域初步實現港口水域的船舶碰撞與擱淺觸礁危險預警和避碰決策的仿真測試。[8-10]

為給內河渡船駕駛員提供與主觀感受一致的碰撞危險等級預警，安全有效且符合駕駛員避讓操縱習慣的避碰決策,本文基于PIDVCA基礎模型和算法，結合內河渡船駕駛員的經驗，對內河渡船的碰撞危險預警及避碰決策進行研究。

1 不同等級碰撞危險預警量化模型

1.1 碰撞危險預警等級量化依據

渡船通常采用改向加變速的方法避讓過往船舶，同時將避讓行動及時告訴來船。文獻[11]詳細闡述鎮揚汽渡船(鎮江來往揚州的汽車渡船)避讓操縱方法。在相同的會遇態勢下，當來船與渡船存在碰撞危險時，來船的大小會影響渡船駕駛員的避讓操縱,其大小根據當地的規定區分。當來船為大船時，一般危險情況下渡船駕駛員會選擇小角度改向加速通過大船的艏部,中等危險情況下渡船駕駛員會選擇中等角度改向減速通過艉部,較危險情況下渡船駕駛員會選擇大角度改向減速通過艉部。當來船為小船時，中等危險情況下渡船駕駛員會選擇中等角度改向通過艏部，其他情況與大船一致。

綜上所述，將危險等級劃分為一般危險(一級危險)、中等危險(二級危險)和較危險(三級危險)等3種等級。在不同會遇局面、不同碰撞危險等級情況下，渡船駕駛員會有不同的避讓操縱，以此為依據，采用相對運動幾何分析法建立碰撞危險預警等級量化模型，通過計算每種操縱方式的施舵時機確定會遇局面的危險等級。當來船與渡船形成危險態勢時:若小角度加速過艏部的施舵時機大于0，表明還有時間采取小角度改向加速的操縱方式通過來船的艏部，此時對應的危險等級為一級危險；若小角度加速過艏部的施舵時機小于0，中等角度變速的施舵時機大于0，表明還有時間采取中等角度改向和變速的操縱方式經過來船的艏部或艉部，此時對應的危險等級為二級危險；需通過大角度減速的操縱方式經過來船的艉部時對應的危險等級為三級危險。在各危險等級下改向角的大小由專家知識庫決定。

1.2 碰撞危險預警等級量化幾何模型

在一般情況下，內河渡船與順航道航行的船舶形成的會遇局面都是交叉局面。以左交叉會遇局面為例，采用相對運動幾何分析法對渡船和來船會遇態勢進行建模，見圖1。

圖1 渡船預警幾何模型

臨界碰撞距離SDAmin為兩會遇船舶在不避讓的情況下安全通過的最小值，兩船會遇小于該值就會發生碰撞。臨界安全會遇距離SDAL為在SDAmin的基礎上加上專家知識庫中的安全富余量MS得到的數值，該值為渡船駕駛員對會遇局面是否存在危險的主觀感受值，將其作為危險判斷的閾值。將SDAL作為安全會遇距離SDA的內邊界。當tCPA≥0且|dCPA|≤SDAL時,表示渡船當前的會遇存在危險，之后才會進入危險等級的判斷。SDAL為渡船在中等危險時的兩船通過距離，其計算見式(1)。安全富余量需要根據當時的渡船與他船的會遇局面和他船的船速、大小、通過渡船艉部或艏部在專家知識庫中選取。最大安全會遇距離SDAmax是在SDAL的基礎上加上1次渡船操縱余量MS_c得到的，此距離為保證渡船避讓他船時仍有1次操縱的余地,使兩船能在SDAL外通過。將SDAmax作為安全會遇距離的外邊界，即SDA∈(SDAL,SDAmax)。SDAmax為渡船在一般危險時兩船通過的距離，其計算見式(2)。當渡船通過他船艏部時,MS_c的取值為渡船在一般危險時的操縱延遲量;當渡船通過他船艉部時,MS_c的取值為渡船在中等危險時的操縱延遲量。

SDAL=SDAmin+MS

(1)

SDAmax=SDAL+MS_c

(2)

在相對運動幾何模型中求解目標船相對于渡船的相關參數。定義相對運動航向為Cr，avO為變速之后的渡船航速,見式(3);改向幅度為AC，變速幅度為vAO，sign(vAO)為變速符合函數，加速時為1，減速時為-1。新的相對運動航速vrn見式(4),新的相對運動航向Crn見式(5)。

avO=vO+sign(vAO)×vAO

(3)

(4)

(5)

RML和NRML′的直線方程見式(6)，sign(SDA)為SDA的符號函數，該值與交匯特征相關聯。

(6)

將計算出的Crn代入式(5)中即可求出轉向點的坐標為b(xb,yb)。

(7)

考慮到渡船操縱的延遲，將該延遲轉化為目標船在相對運動中呈現出的相對位移SS。[10]首先計算出橫向x軸和縱向y軸上的位移分量為

(8)

式(8)中:t為渡船轉向所用的時間;dTm為旋回初徑;dAdm為旋回進距;Ct為目標船的真航向。對dTm、dAdm的計算暫時采取簡化處理，取渡船全速轉向小角度、中等角度和大角度等3種情況下的數值。

相對位移SS為

(9)

估計施舵點，在RML線上取點a(xa,ya)作為施舵點，由式(8)和式(9)可得出點a的計算式為

(10)

由此可計算出到達施舵點的時間為

(11)

將(6)和式(7)中的SDA替換為SDAmax、SDAL和SDAmin即可計算出施舵時機TL1、TL2和TL3。當計算出的各最晚施舵點的距離小于兩船之間的距離時，令對應的施舵時值負。

1.3 危險等級判斷閾值模型

為實時判斷渡船和危險來船所處的危險等級，對模型計算出的各施舵時機進行評判，建立危險等級判斷模型為

1) 1級預警(一般危險)：TL1≤alarm且TL1≥0。

2) 2級預警(中等危險)：TL2≥0且TL1<0。

3) 3級預警(較危險)：TL3≥0且TL2<0。

閾值alarm為預警提前量，即當模型計算出的TL1小于此值之后才開始預警，alarm的取值由渡船駕駛員設置。

1.4 碰撞危險預警算法設計

運用PIDVCA基礎模型和算法設計碰撞危險預警算法流程見圖2。渡船預警算法主要步驟如下。

圖2 渡船碰撞危險預警算法流程

1.4.1運動要素和避碰參數計算

計算每艘來船的tCPA、dCPA、Cr和vr等參數。

1.4.2典型會遇態勢的識別

由態勢識別算法根據每艘來船的船長、航向和本船航向可識別出渡船的運營方向和與來船的會遇態勢，船長主要識別過往船舶為大船或小船。

1.4.3計算渡船危險評判閾值

根據每艘來船與渡船的會遇關系計算來船與渡船的SDAmin，根據會遇態勢和dCPA符號判斷渡船過目標船的艏或艉，進而從專家知識庫中找到渡船對應每艘來船的安全富余量MS，并計算渡船與每艘來船的SDAL和SDAmax。

1.4.4危險判斷

如果tCPA為正值且dCPA

1.4.5專家知識的關聯

根據每艘存在危險的來船與渡船的會遇態勢，從專家知識庫中給出渡船對應每艘危險來船一般危險下的專家決策。

1.4.6預警模型參數計算

首先計算每艘危險來船對應的TL1，并判斷TL1是否小于alarm，若大于alarm,則轉入第4.1.5節繼續計算TL1。反之，判斷TL1是否大于0，若大于0,則轉到第4.1.7節，反之轉到第4.1.5節，關聯渡船對應的每艘危險來船二級危險決策,并計算SDAL使用的安全富余量MS，計算每艘危險來船的TL2，判斷TL2是否大于0，若大于0,則轉到第4.1.7節，反之轉到第4.1.5節，關聯三級危險決策，計算TL3之后轉到第4.1.7節。

1.4.7危險等級判斷模型

將渡船對應每艘危險來船的TL1、TL2和TL3代入危險判斷，進行危險等級的判斷，轉到第4.1.1節繼續監控。

2 避碰決策算法設計

以PIDVCA算法為基礎，結合內河渡船駕駛員的專家避讓操縱知識庫，初步完成算法的設計與仿真。

2.1 PIDVCA算法

PIDVCA算法是以《國際海上避碰規則》為準則，綜合考慮船舶操縱性、海員的習慣做法和優良船藝，運用相對運動幾何原理建立船舶會遇態勢數學模型，并實現對船舶會遇態勢的定性分析和對目標船相關參數的定量計算，最終完成自動推理、決策評估和決策輸出。[4-7]

2.2 渡船避碰算法設計

基于PIDVCA基礎模型和算法設計內河渡船危險預警和避碰決策算法流程見圖3，該算法與開闊水域PIDVCA算法的主要區別在于：穿越航道的渡船為讓路船；初始避讓決策以航行區域典型會遇態勢下的專家避讓操縱決策庫為基本依據。該算法的主要步驟如下。

圖3 渡船危險預警和避碰決策算法流程圖

2.2.1碰撞危險等級的量化

利用渡船碰撞危險預警等級算法判斷各來船是否存在危險以及確定危險來船的危險預警等級。

2.2.2避讓重點船的確定

根據各危險來船的TL1的施舵時機確定重點避讓船，TL1越小越危險，當只有1艘船時,該來船為重點避讓船。

2.2.3與專家決策庫相關聯的初始避讓決策的確定

根據重點避讓船的會遇態勢和危險等級，在專家決策庫中找到對應的初始避讓決策。

2.2.4最終避讓決策的校驗與優化

以初始決策為基礎，效驗與優化生成最終的避讓決策，確定決策能安全避過周圍的所有船舶。

2.2.5方案輸出

輸出各危險來船的預警等級和避讓決策。

3 仿真及結果分析

以鎮揚汽渡水域為例，在SIHC平臺上模擬該水域的局部交通流，并將內河渡船危險預警和避碰決策算法集成到本船端。本船端集成鎮揚汽渡船的MMG(Mathematical Model Group)模型，使用模糊自動舵對船模控制。當危險等級為一級時,平臺上目標船的速度矢量線會變成藍色，二級時為橙色，三級時為紅色。

3.1 鎮揚汽渡船專家知識庫

鎮揚汽渡船水域位于長江流域的江蘇段，連接鎮江和揚州，主要擔任運輸車輛和旅客的任務，兩岸直線距離1.6 km，正常情況下1個班次用時約8 min，渡船由2個前后可360°旋轉的螺旋槳控制航向，操縱靈活。鎮揚汽渡船水域交通流見圖4,其中:標志符之間的連線為不同的航道;箭頭為航道的方向。第3.1節采用從B點(鎮江站)到A點(揚州站)方向的渡船，以與D2F航道運行的目標船形成的左交叉的會遇態勢為案例進行仿真研究。[11]根據《長江江蘇段船舶定線制規定(2013)》的規定：大型船舶是指船長80 m及以上的船舶、船隊(吊拖船隊除外)；小型船舶是指大型船舶之外的船舶、船隊。

通過咨詢豐富經驗的鎮揚汽渡船船長和調查問卷，得出不同會遇態勢下的安全富余量和避讓操縱決策庫。避讓操縱決策庫和左交叉D2F會遇態勢時的知識庫分別見表1和表2。

圖4 鎮揚汽渡水域交通流

表1 避讓操縱專家知識庫相關內容

表2 MS專家知識庫相關內容

由表1可知:鎮揚汽渡船改向的小角度為15°，中等角度為30°，大角度為50°，施舵時機分別對應TL15、TL30和TL50，通過“鎮揚汽渡船監控系統”實船觀測渡船航速的變化，發現渡船在避讓減速時其航速在大多數情況下降到1～2 kn，加速時可上升到8～10 kn。通過咨詢渡船駕駛員，alarm的值設置為30 s。

3.2 渡船預警和避碰仿真

3.2.1單目標船避碰仿真

渡船參數：航向340°，航速4 kn，船長76.5 m。

目標船：航向37.5°，航速7 kn，船長135 m，兩船距離為483 m。

渡船與來船初始態勢和預警效果見圖5，初始位置時兩船的預警和避讓決策參數見圖6。此時|dCPA|0，存在危險，一級危險下對應的決策施舵時機TL15(TL1)=27.6 s，小于alarm(30 s)，開始預警顯示，渡船的避讓決策為施舵時機為0.47 min(28 s)，改向角CA為15°并加速5 kn，US為加速標志符，值為1時為加速，復航時機為1.57 min。渡船采取避讓決策之后的效果見圖7，渡船的實時dCPA變化曲線見圖8，dCPA的穩定值大于過大船艏部時的碰撞危險預警閾值SDAL，兩船處于安全態勢。

圖5 單目標船會遇初始狀態和預警效果

3.2.2多目標船避碰仿真

渡船參數為：航向340°;航速5 kn。目標船參數見表3。

渡船初始態勢圖見圖9，4艘目標船從左下角開始,依次為TS4、TS1、TS2和TS3。預警參數是重點避讓船TS1的相關參數見圖10，所有目標船的初始狀態下的危險預警參數見表4。

圖6 預警和避讓決策參數

圖7 單目標船安全避讓效果圖

圖8 渡船實時dCPA變化曲線

圖9 多目標船會遇初始狀態和預警效果

由表3和表4可知：存在危險的目標船為TS1和TS4，他們的TL15均小于0，TL30均大于0，兩船和渡船處于二級危險狀態，根據TL30的值可確定重點避讓船為TS1。TS2和TS3的dCPA均大于其臨界安全會遇距離SDAL，故不存在危險。此時針對重點船為大船的初始避讓決策為改向30°并減速通過艉部，最終給出的優化決策方案參數見圖10。方案為立即施舵，向右改向45°并減速4 kn，DS為減速標識符，復航時機為2.5 min。渡船采取避讓決策之后的效果見圖11。渡船對各目標船的實時dCPA和tCPA的變化曲線見圖12。圖11中只有dCPA的數值一直是在TL50的,這是因為渡船以TS1為重點目標船自動生成決策。100 s之后,除了TS4之外,所有目標船的tCPA都小于0。由圖11可知:此時渡船與目標船TS4變為TS4追越渡船的態勢，兩船的dCPA在50 m附近波動，通過在“鎮揚汽渡船監控系統”平臺上進行實船觀測，此距離在安全范圍之內。

表3 試驗場景參數設置

表4 船舶預警參數

圖10 重點避讓船預警和決策參數

圖11 多目標船安全避讓效果圖

a) dCPA變化曲線

2個試驗仿真結果證明:本文建立的與專家知識相關聯的危險等級量化模型和避碰決策算法能實現渡船與危險來船的危險等級預警功能，并能為危險渡船提供符合渡船駕駛員避讓操縱行為習慣的避讓方案。

4 結速語

本文建立與專家知識相關聯的渡船碰撞危險預警等級量化幾何模型，并基于PIDVCA基礎算法，初步實現與專家知識相關聯的渡船避碰決策算法的設計。通過在SIHC上模擬鎮揚汽渡水域的局部交通流，對算法進行仿真測試。結果表明：該算法能實現與專家避讓決策相關聯的危險等級預警功能，并自動生成與渡船駕駛員避讓操縱習慣一致的避碰決策。該研究為后續渡船避碰避險復合算法的研究和最終的實船應用提供了理論支持，算法的完備性有待后續進一步完善和仿真驗證。