船舶自主航行關(guān)鍵技術(shù)研究現(xiàn)狀與展望

李永杰，張瑞，魏慕恒，張羽

震兌工業(yè)智能科技有限公司，北京 100094

0 引 言

航運作為一種運量大、成本低的運輸方式，在全球貿(mào)易貨物運輸中發(fā)揮著十分重要的作用。隨著船舶數(shù)量的增加和船舶大型化發(fā)展，航運業(yè)面臨著環(huán)境污染嚴(yán)重、人力成本增加、安全性不足等諸多挑戰(zhàn)[1]。近年來，為應(yīng)對上述挑戰(zhàn)而設(shè)計的智能船舶受到船舶與航運行業(yè)的歡迎。智能船舶利用先進(jìn)的感知、認(rèn)知、決策、控制技術(shù)，相比傳統(tǒng)船舶，在經(jīng)濟(jì)性、安全性、可靠性、環(huán)保性、高效性等方面具有顯著優(yōu)勢。

作為智能船舶最顯著的功能，智能航行的發(fā)展一直備受關(guān)注。近年來，國際海事組織和各大船級社相繼提出了關(guān)于智能航行的等級劃分，總體來看大致可分為5 個等級，依次為無自主、輔助決策、授權(quán)控制、監(jiān)督控制和完全自主航行。2020 年3 月1 日，中國船級社發(fā)布了《智能船舶規(guī)范（2020 年版）》，相比于2015 年版，新版本增加了遠(yuǎn)程控制操作（R）和自主操作（A）功能。

2006 年，國際海事組織提出了“電子航海”（e-Navigation）概念，這是智能航行概念的雛形，其利用船舶內(nèi)、外部通信網(wǎng)絡(luò)，實現(xiàn)船岸信息的采集、集成和顯示，實現(xiàn)船與船、船與岸、岸與岸之間的信息交互，以提升船舶的經(jīng)濟(jì)性、安全性和環(huán)保性[1]。此后，韓國、日本、歐洲和我國相繼開展智能航行研發(fā)，取得了積極進(jìn)展。

1 國內(nèi)外研究現(xiàn)狀

1.1 工程應(yīng)用現(xiàn)狀

我國智能船舶的發(fā)展遵循系統(tǒng)布局、創(chuàng)新驅(qū)動、梯次推進(jìn)、重點突破的原則，按照“輔助決策?遠(yuǎn)程控制?無人自主”的研發(fā)路徑有序開展，與表1 所示智能航行等級劃分基本一致。依托國家重大科研項目和“產(chǎn)學(xué)研用”專業(yè)化協(xié)作團(tuán)隊，經(jīng)過幾年的研究與探索，我國在智能船舶和船舶自主航行領(lǐng)域取得了較好的成果。

表1 智能航行等級劃分比較Table 1 Comparison of autonomous navigation levels

2017 年12 月，由我國自主研制的全球第一艘經(jīng)過中國船級社和英國勞氏船級社雙認(rèn)證的“大智”號智能散貨船在上海正式交付，該船安裝有智能航行系統(tǒng)，具有航行輔助決策功能。

2018 年11 月，我國智能船舶1.0 專項首艘大型礦砂船示范船“明遠(yuǎn)”號交付，該船分別獲得中國船級社和挪威船級社認(rèn)證，具有輔助自主航行功能。

2019 年5 月，國內(nèi)首艘無人駕駛自主航行系統(tǒng)小型試驗船“智騰”號完成航行測試，初步具備自主避碰、自主航行水下避碰、自主靠離泊、自主循跡和自主航行控制功能。

2019 年6 月，我國智能船舶1.0 研發(fā)專項首艘超大型油輪示范船“凱征”號交付，該船安裝有光電跟蹤系統(tǒng)和輔助避碰系統(tǒng)，具有輔助自主航行功能。

國外方面，歐洲、日本和韓國等國家（地區(qū)）在船舶自主航行領(lǐng)域也進(jìn)行了較多的探索，尤其是歐洲的羅爾斯·羅伊斯、瓦錫蘭、ABB 等公司在自主航行領(lǐng)域走在世界的前列[2]。

2017 年6 月，羅爾斯·羅伊斯公司與全球拖船運營商Svitzer 合作，在丹麥哥本哈根港對全球首艘遙控拖船進(jìn)行了航行試驗。該船利用動力定位系統(tǒng)和感知系統(tǒng)，完成了停靠、解鎖、360°旋轉(zhuǎn)等操控，具備遠(yuǎn)程遙控功能。

2018 年12 月，羅爾斯·羅伊斯公司與芬蘭Finferries 公司合作，對全球首艘無人駕駛渡輪Falco 號進(jìn)行了航行試驗。該船采用態(tài)勢感知技術(shù)和人工智能技術(shù)實現(xiàn)自主避碰、自動靠泊等功能，可以實現(xiàn)遠(yuǎn)程遙控和自主航行。

2018 年12 月，瓦錫蘭公司在Folgefonn 號渡輪上完成了港到港（dock-to-dock）測試，在完全無人干涉的情況下，在需要停靠的3 個港口之間實現(xiàn)了完全不間斷的自主航行。

2019 年1 月，Suomenlinna II 號 冰 級 客 渡 輪，在控制中心遠(yuǎn)程操控狀態(tài)下，成功穿越了赫爾辛基港附近的測試區(qū)域，通過了遠(yuǎn)程海試。

2019 年7 月，日本三井造船等單位，利用在開闊水域建立的虛擬碼頭，完成了Shioji Maru 號訓(xùn)練船自動靠泊和離泊安全性能的示范試驗。

此外，韓國政府計劃投資5 848 億韓元（約合人民幣34.4 億元）用于打造智能自航船舶及航運港口應(yīng)用服務(wù)。項目已于2019 年正式啟動，將持續(xù)6 年。項目包括智能自航船舶開發(fā)、智能自航船舶試航中心開發(fā)、智能自航船舶?試航連接系統(tǒng)開發(fā)、自航船舶?港口連接系統(tǒng)開發(fā)、港界內(nèi)自航船舶遠(yuǎn)程航行控制中心開發(fā)、自航船舶應(yīng)用服務(wù)及制度建設(shè)。

總體來看，目前船舶自主航行仍處于起步階段，遠(yuǎn)程遙控和自主航行僅在小型渡輪、拖輪、試驗船、訓(xùn)練船上開展了應(yīng)用探索與功能測試，而大型商船仍處于輔助決策階段。國內(nèi)外船舶自主航行的對比如表2 所示。

表2 國內(nèi)外船舶自主航行比較Table 2 Comparison of ship autonomous navigation

1.2 理論研究現(xiàn)狀

我國船舶自主航行理論研究以高校、船舶行業(yè)研究院所為主力軍，提出了基于信息物理系統(tǒng)（cyber-physical systems, CPS）、物聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)的船舶自主航行設(shè)計[3]。嚴(yán)新平等[4]提出了由感知空間、認(rèn)知空間和決策執(zhí)行空間等功能空間組成的“航行腦”系統(tǒng)概念設(shè)計。“航行腦”系統(tǒng)的設(shè)計參考了人腦的工作機(jī)理，將系統(tǒng)分為相互關(guān)聯(lián)的工作模塊（空間），模塊之間相互協(xié)作，共同完成復(fù)雜任務(wù)。感知空間主要用于在航環(huán)境和船舶狀態(tài)信息的獲取；認(rèn)知空間從獲取的信息中抽取、加工與航行相關(guān)的要素，利用航行態(tài)勢分析、駕駛行為學(xué)習(xí)等技術(shù)形成知識；決策執(zhí)行空間利用航行決策與航行控制算法實現(xiàn)船舶航行狀態(tài)的控制。喬大雷等[5]提出了基于物聯(lián)網(wǎng)技術(shù)的航行控制系統(tǒng)設(shè)計，系統(tǒng)由船舶本體、蜂窩窄帶物聯(lián)網(wǎng)（NB-IoT）基站、岸基支持中心組成。系統(tǒng)硬件設(shè)計包括3 大模塊，即動力與轉(zhuǎn)型控制模塊，船舶自動識別、差分GPS、風(fēng)速風(fēng)向儀、激光雷達(dá)和船舶姿態(tài)傳感器模塊，NB-IoT 通信網(wǎng)絡(luò)模塊。系統(tǒng)軟件設(shè)計包括無人船控制軟件運動建模、航跡控制律設(shè)計和航跡控制軟件實現(xiàn)，其中航跡控制采用基于響應(yīng)式禁忌搜索的PID 參數(shù)自適應(yīng)整定航跡控制算法。通過真實環(huán)境試驗驗證了系統(tǒng)設(shè)計的可行性和航跡控制算法的有效性。Qiu 等[6]提出了以CPS為核心的“兩端+兩云”智能船舶體系架構(gòu)。“兩端”即感知與控制端、管理端，“兩云”即基于私有云和公有云的混合云架構(gòu)。感知與控制端利用船基傳感設(shè)備與系統(tǒng)獲取船舶與環(huán)境數(shù)據(jù)，并負(fù)責(zé)決策控制指令的執(zhí)行。管理端面向岸基管理人員提供航行態(tài)勢分析、航線優(yōu)化、航行保障等服務(wù)。在混合云中構(gòu)建計算環(huán)境、數(shù)據(jù)中心、認(rèn)知中心和決策中心，以支撐智能船舶智能航行系統(tǒng)、能效系統(tǒng)、運維系統(tǒng)等智能應(yīng)用。

國外方面，韓國、歐洲等國家（地區(qū)）提出了基于信息通信[7]、避碰[8]、導(dǎo)航與控制[9]、決策[10]、遠(yuǎn)程監(jiān)督[11]等技術(shù)的自主航行理論體系。Im 等[7]設(shè)計了一種智能自主船舶架構(gòu)，包括智能自主船舶和岸基數(shù)據(jù)中心兩部分，采用智能信息技術(shù)（即物聯(lián)網(wǎng)、云計算、大數(shù)據(jù)平臺、移動網(wǎng)絡(luò)、網(wǎng)絡(luò)安全、弱人工智能）和無人駕駛船舶操作與管理系統(tǒng)實現(xiàn)船舶自主航行。Perera 等[9]提出了一種面向自主水面艦艇的導(dǎo)航與控制平臺，硬件部分包括命令與監(jiān)視單元、通信與控制單元；軟件部分采用去中心化控制方式，由舵控制子系統(tǒng)和速度控制子系統(tǒng)組成。Lager 等[11]設(shè)計了一種在有限帶寬通信條件下的小型無人自主船遠(yuǎn)程監(jiān)督系統(tǒng)，其采用3D 建模與虛擬現(xiàn)實技術(shù)向用戶提供周圍環(huán)境態(tài)勢感知、碰撞檢測功能，降低了用戶的認(rèn)知負(fù)荷。Pedersen 等[12]針對實船測試次數(shù)十分有限的現(xiàn)狀，指出態(tài)勢感知系統(tǒng)與自主航行系統(tǒng)的研發(fā)與測試，需要大規(guī)模開展基于系統(tǒng)仿真的測試，以滿足自主航行系統(tǒng)安裝部署的安全性與可靠性要求。其設(shè)計思路為：采用數(shù)字孿生作為仿真測試的關(guān)鍵工具，即構(gòu)建包括所有傳感器和執(zhí)行器在內(nèi)的船舶及其設(shè)備的數(shù)據(jù)模型；構(gòu)建完善的運行環(huán)境，即包括風(fēng)、浪、流以及地理位置和目標(biāo)船舶等；測試管理系統(tǒng)包括場景管理和測試管理兩部分，前者負(fù)責(zé)測試環(huán)境條件、船舶、位置、通航等參數(shù)的配置，后者則負(fù)責(zé)測試評估；測試接口負(fù)責(zé)仿真環(huán)境與測試管理系統(tǒng)之間的交互，采用支持功能模型接口（FMI）的開放式仿真平臺。

2 自主航行關(guān)鍵技術(shù)

船舶具有體型巨大、設(shè)備眾多且種類繁雜、航行環(huán)境復(fù)雜多變等特點，因此，船舶的自主航行面臨著諸多挑戰(zhàn)。作為智能船舶的高級階段，船舶自主航行需要完備的技術(shù)體系作為支撐。船舶自主航行系統(tǒng)具有像人一樣獨立進(jìn)行感知、思考、決策、控制的能力，其技術(shù)體系可分為航行態(tài)勢感知、認(rèn)知計算、避碰決策、航行控制和賽博安全等5 類技術(shù)，如圖1 所示。

圖1 船舶自主航行技術(shù)體系Fig. 1 Ship autonomous navigation technology system

2.1 航行態(tài)勢感知技術(shù)

航行態(tài)勢感知是船舶自主航行的基礎(chǔ)。如果將智能船舶比作人，船舶自主航行比作人的行走，那么航行態(tài)勢感知相當(dāng)于綜合利用人的眼睛、耳朵和鼻子等感官對周圍環(huán)境進(jìn)行感知。航行態(tài)勢感知技術(shù)包括態(tài)勢感知傳感器、態(tài)勢感知數(shù)據(jù)融合等技術(shù)。

船舶導(dǎo)航系統(tǒng)一般配備有船舶自動識別系統(tǒng)（AIS）、GPS、船用雷達(dá)（S 波段和X 波段）、電子海圖等系統(tǒng)，在此基礎(chǔ)上，船舶航行態(tài)勢感知系統(tǒng)還需要配備激光雷達(dá)、全景視覺、全景紅外等傳感器，以提高感知精度、減少感知盲區(qū)等。

表3 對各類船用態(tài)勢感知傳感器進(jìn)行了比較，可供選擇航行態(tài)勢感知傳感器時參考。

表3 船用態(tài)勢感知傳感器比較Table 3 Comparison of marine situational awareness sensors

1） 激光雷達(dá)。

激光雷達(dá)是雷達(dá)技術(shù)與激光技術(shù)的結(jié)合。激光雷達(dá)以激光作為載波，由于激光本身具有單色性好、亮度高、分辨率高、靈敏度高等特點，激光雷達(dá)具有空間分辨率高、速度分辨率高、抗干擾能力強(qiáng)、不受無線電波干擾等優(yōu)勢[13]。

目前，激光雷達(dá)在汽車自動駕駛領(lǐng)域使用較為廣泛，而在船舶領(lǐng)域應(yīng)用較少，且其研究主要集中在內(nèi)河船舶上[14-15]。這主要是因為船舶在海上航行的環(huán)境復(fù)雜多變，而激光雷達(dá)工作時受氣象條件影響大。王貴槐等[14]利用激光雷達(dá)感知內(nèi)河無人船近距離障礙物，對激光數(shù)據(jù)進(jìn)行預(yù)處理與機(jī)器學(xué)習(xí)，在水池試驗環(huán)境下，對障礙物的識別率可達(dá)85%以上，具有較好的感知效果。李梓龍[15]研究了激光雷達(dá)對于船舶、橋墩和航標(biāo)等水池模擬障礙物的感知過程，提出了基于支持向量機(jī)的障礙物分類器，為內(nèi)河無人船自主航行提供了參考。李小毛等[16]基于“精海5 號”無人艇，以3D激光點云數(shù)據(jù)為基礎(chǔ)，利用關(guān)聯(lián)多幀激光數(shù)據(jù)，實現(xiàn)了海上目標(biāo)的動態(tài)跟蹤。

2） 全景視覺。

全景視覺系統(tǒng)是由全景視覺光學(xué)成像系統(tǒng)、圖像傳感器、圖像處理系統(tǒng)和輸出圖像顯示等組成的視覺感知系統(tǒng)，在環(huán)境感知、目標(biāo)監(jiān)控、虛擬游覽等民用或軍用領(lǐng)域已有較多應(yīng)用。全景視覺系統(tǒng)主要包括旋轉(zhuǎn)式、魚眼鏡頭式、多相機(jī)拼接式、反射式、折反式等類型。其中，旋轉(zhuǎn)式全景視覺系統(tǒng)具有組成簡單、圖像真實度高、成本低等優(yōu)點，但是需要配有精確的旋轉(zhuǎn)裝置，圖像數(shù)據(jù)量大、拼接難度較大[17]。近年來，隨著算力性能的提升和算法的優(yōu)化，全景視覺系統(tǒng)趨向于更高的圖像分辨率、更高的靈敏度、更好的實時性，以旋轉(zhuǎn)式、多相機(jī)拼接式為代表的高精度全景視覺系統(tǒng)有望在船舶航行態(tài)勢感知領(lǐng)域得到應(yīng)用[18]。

尹義松[19]、周娜[20]和燕妹[21]利用全景視覺系統(tǒng)對海上遠(yuǎn)景目標(biāo)、小目標(biāo)、弱小目標(biāo)檢測方法進(jìn)行了研究。利用全景視覺系統(tǒng)構(gòu)建海上全景圖像，然后對全景圖像進(jìn)行去霧處理、銳化處理、海天線提取和遠(yuǎn)景弱小目標(biāo)檢測，具有一定的實用性。

3） 全景紅外。

全景紅外系統(tǒng)兼有紅外成像和全景成像兩方面的優(yōu)勢，紅外成像因其波長特性，可以應(yīng)用在一切具有熱紅外輻射的環(huán)境中，有效應(yīng)對特殊復(fù)雜場景（如夜間航行場景、煙霧環(huán)境等）對光學(xué)成像儀器工作環(huán)境的挑戰(zhàn)。全景紅外系統(tǒng)是在全景視覺系統(tǒng)的基礎(chǔ)上發(fā)展而來的，主要應(yīng)用于軍事領(lǐng)域及特殊民用領(lǐng)域[22]。紅外成像存在噪聲大、對比度低、非均勻性大、空間分辨率低等缺點，一般從紅外探測器材料、制造工藝、成像電子學(xué)組件等角度對紅外成像系統(tǒng)進(jìn)行優(yōu)化。隨著計算機(jī)視覺技術(shù)的發(fā)展，從圖像處理算法角度進(jìn)行紅外成像的優(yōu)化已成為重要的發(fā)展趨勢[23]。

船舶航行態(tài)勢感知數(shù)據(jù)往往有多個數(shù)據(jù)源，為了充分發(fā)揮多源數(shù)據(jù)價值，確保態(tài)勢信息的正確性和全局性，需要對多源態(tài)勢感知數(shù)據(jù)進(jìn)行融合處理。數(shù)據(jù)融合方法包含貝葉斯網(wǎng)絡(luò)、D-S 證據(jù)理論、粗糙集理論、神經(jīng)網(wǎng)絡(luò)、隱馬爾可夫模型等[24]。數(shù)據(jù)融合處理的多源信息可能處于不同的信息層次，包括數(shù)據(jù)層（像素級）、特征層和決策層，相應(yīng)的數(shù)據(jù)融合也包括數(shù)據(jù)級、特征級和決策級融合3 種方式[25]。

在船舶領(lǐng)域，國內(nèi)外對于雷達(dá)、AIS、GPS 數(shù)據(jù)融合的研究較多，融合方法包括：貝葉斯網(wǎng)絡(luò)[26]、D-S 證據(jù)理論[27]、模糊理論[28]、灰色理論[29]、神經(jīng)網(wǎng)絡(luò)[30]等，但對于激光雷達(dá)、全景視覺等新型態(tài)勢感知系統(tǒng)的研究較少。

1） 基于貝葉斯網(wǎng)絡(luò)的數(shù)據(jù)融合。

貝葉斯網(wǎng)絡(luò)是一種有向無環(huán)圖模型，其基本思想源于概率和圖論，是一個賦值的復(fù)雜因果關(guān)系網(wǎng)絡(luò)圖。蘇芳等[31]將基于貝葉斯網(wǎng)絡(luò)的數(shù)據(jù)融合理論用于合成孔徑雷達(dá)（synthetic aperture radar，SAR）圖像分類，利用貝葉斯網(wǎng)絡(luò)模型，對多通道SAR 圖像進(jìn)行像素級的數(shù)據(jù)融合，相比單通道分類，可以更加充分地利用像素級數(shù)據(jù)的有效信息，從而保留各通道的有用信息，獲得更好的結(jié)果。毛偉等[32]對不同傳感器采集到的目標(biāo)數(shù)據(jù)首先進(jìn)行特征提取，再利用專家測評法對不同數(shù)據(jù)特征量的分類結(jié)果分別賦予不同的權(quán)重，然后利用貝葉斯網(wǎng)絡(luò)模型進(jìn)行決策級融合，從而得到比較準(zhǔn)確合理的結(jié)果。

2） 基于D-S 證據(jù)理論的數(shù)據(jù)融合。

D-S 證據(jù)理論允許每個傳感器提供可用于目標(biāo)檢測、目標(biāo)分類和識別的信息，其核心是使用概率分布值來定義不確定性區(qū)間，并使用不確定性區(qū)間來表示命題的支持度和似然度。D-S 理論的主要特點是滿足比貝葉斯概率理論更弱的條件，具有直接表達(dá)“不確定”和“不知道”的能力[33]。王力[34]基于國內(nèi)外學(xué)者的研究成果，對基于D-S證據(jù)理論的多傳感器數(shù)據(jù)融合算法進(jìn)行了兩種方法的改進(jìn)：一種是對數(shù)據(jù)模型的改進(jìn)，通過引入模擬理論貼近度的概念，分別計算各個證據(jù)對于不同目標(biāo)的貼近度，從而得到新的證據(jù)信息，再利用D-S 證據(jù)理論分析處理，這種方法具有收斂速度快、融合結(jié)果好等優(yōu)點；另一種是對合成法則的改進(jìn)，按照沖突程度對證據(jù)沖突進(jìn)行重新分配，充分考慮不同證據(jù)對同一目標(biāo)的一致性描述以及沖突性信息，這種方法具有操作簡單、收斂速度快、可靠性高等優(yōu)點。

3） 基于深度學(xué)習(xí)的數(shù)據(jù)融合。

近年來，隨著深度學(xué)習(xí)技術(shù)的發(fā)展，基于深度學(xué)習(xí)的數(shù)據(jù)融合方法逐漸受到人們的關(guān)注。深度學(xué)習(xí)的顯著特征是可以自動從數(shù)據(jù)中提取目標(biāo)特征，所提取的高層特征具有表征性強(qiáng)、語義性好的特點。因此，基于深度學(xué)習(xí)的數(shù)據(jù)融合是一種特征級數(shù)據(jù)融合。孫康[35]利用卷積神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)混合模型，對數(shù)據(jù)進(jìn)行特征融合，取得了較好的目標(biāo)檢測效果。惠國保[36]利用深度學(xué)習(xí)網(wǎng)絡(luò)對3 種影像數(shù)據(jù)（光學(xué)、SAR、紅外）分別進(jìn)行數(shù)據(jù)級、特征級和決策級融合，為構(gòu)建多源數(shù)據(jù)融合的深度學(xué)習(xí)模型提供了思路。這種方法在船舶航行態(tài)勢感知數(shù)據(jù)融合領(lǐng)域有較好的應(yīng)用前景。

2.2 認(rèn)知計算技術(shù)

認(rèn)知是人類特有的一種復(fù)雜行為過程，是人類在過去的經(jīng)驗及對有關(guān)線索進(jìn)行分析的基礎(chǔ)上形成的對信息的理解、分類、歸納、演繹和計算，人類的認(rèn)知活動包括思維、語言、定向和意識。認(rèn)知計算是利用計算機(jī)對人腦進(jìn)行模擬的技術(shù)。相對于傳統(tǒng)的計算技術(shù)，認(rèn)知計算更加注重對生物系統(tǒng)中不確定、不精確和部分真實問題的研究，以實現(xiàn)利用計算機(jī)模擬人類的感知、分析、思維、決策等過程[37]。

理想的認(rèn)知計算系統(tǒng)需要具備以下特性：一是輔助功能，即提供人們所需要的信息與知識，為人們的判斷與分析提供支撐；二是理解能力，即能夠?qū)π畔⑦M(jìn)行加工、處理與理解，幫助人們發(fā)現(xiàn)信息之間的關(guān)聯(lián)關(guān)系；三是決策能力，即能夠利用信息與知識做出決策的能力，幫助人們定量地分析各類因素對于決策的影響，確保決策的精準(zhǔn)性；四是洞察與發(fā)現(xiàn)，即可以從紛繁復(fù)雜的信息中總結(jié)、歸納、發(fā)現(xiàn)對人們有用的內(nèi)容和知識[37]。

近年來，以知識圖譜、數(shù)字孿生和深度學(xué)習(xí)為代表的認(rèn)知計算技術(shù)受到越來越多專家學(xué)者的關(guān)注，并取得了較好的效果。在船舶領(lǐng)域，認(rèn)知計算技術(shù)在船舶碰撞事故分析[38]、航運智能化[39]、海洋航行環(huán)境氣象預(yù)測[40]等方面得到了應(yīng)用。

1） 知識圖譜。

知識圖譜采用結(jié)構(gòu)化的形式來描述現(xiàn)實世界中的概念、實體及其關(guān)系，采用與人類認(rèn)知世界相似的形式來表示信息，能夠更好地組織、管理和理解現(xiàn)實世界中大量的信息。知識圖譜技術(shù)是指知識圖譜建立和應(yīng)用的技術(shù)，其融合了認(rèn)知計算、知識表示與推理、信息檢索與抽取、自然語言處理、數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)等方向的交叉研究，在知識融合、語義搜索和推薦、問答和對話系統(tǒng)、大數(shù)據(jù)分析與決策等領(lǐng)域有著重要應(yīng)用價值[41]。

知識圖譜技術(shù)可以分為3 個部分：構(gòu)建技術(shù)、查詢和推理技術(shù)、應(yīng)用技術(shù)。知識圖譜構(gòu)建包括知識表示與建模、知識表示學(xué)習(xí)、實體識別與鏈接、實體關(guān)系學(xué)習(xí)、事件知識學(xué)習(xí)等內(nèi)容；知識圖譜查詢和推理包括知識存儲和查詢、知識推理（基于符號的推理和基于統(tǒng)計的推理）；知識圖譜應(yīng)用包括通用和領(lǐng)域知識圖譜、語義集成、語義搜索、基于知識的問答等[42]。

2） 數(shù)字孿生。

數(shù)字孿生一般是指利用數(shù)字技術(shù)在賽博空間中對物理實體進(jìn)行描述、建模與同步的過程與方法。與傳統(tǒng)的仿真不同，數(shù)字孿生模型是與物理實體實時雙向交互的，即基于物理實體的屬性、特性和數(shù)據(jù)，在賽博空間中構(gòu)建起數(shù)字孿生模型，模型實時仿真、推演、預(yù)測、決策，并將結(jié)果實時反饋至物理實體，構(gòu)成一個閉環(huán)的數(shù)據(jù)流動過程。數(shù)字孿生是對物理實體對象的特征、行為、形成過程和性能等進(jìn)行描述和建模的過程和方法。其對未知世界的預(yù)測能力，為傳統(tǒng)制造業(yè)的創(chuàng)新和轉(zhuǎn)型升級提供了新的理念和工具[43]。

陶飛等[44]提出了數(shù)字孿生的五維模型，即包括物理實體、虛擬實體、孿生數(shù)據(jù)、服務(wù)和連接。其中的服務(wù)，即是將各類數(shù)據(jù)、模型、算法封裝為組件、中間件、模塊引擎等形式，用以支撐數(shù)字孿生各類功能的實現(xiàn)，并可應(yīng)用于應(yīng)用軟件和移動端應(yīng)用。在船舶自主航行領(lǐng)域，李凱等[45]基于數(shù)字孿生的基本理論，提出數(shù)字化艦船的總體框架，探索了基于數(shù)字孿生艦船作業(yè)任務(wù)全流程全要素輔助決策等問題。黃永軍等[39]針對水路運輸問題，提出了一種以數(shù)字孿生為核心的“云上港航”解決方案，其基本框架包括港口節(jié)點、岸基傳感器、數(shù)字孿生工具、數(shù)字孿生模型、人工智能服務(wù)和定制化應(yīng)用，能夠為船舶產(chǎn)業(yè)鏈用戶和航運企業(yè)提供精細(xì)化服務(wù)。Coraddu 等[46]利用船上傳感器收集的大量數(shù)據(jù)構(gòu)建了數(shù)據(jù)驅(qū)動的船舶數(shù)字孿生，并用于估算由于船舶污損而造成的速度損失，基于這種方法，可以減少由于結(jié)垢而引起的燃油消耗。

3） 深度學(xué)習(xí)。

近年來，得益于算力性能的提升和分布式計算、云計算技術(shù)的發(fā)展，深度學(xué)習(xí)已成為大數(shù)據(jù)時代認(rèn)知計算的研究熱點[47]。深度學(xué)習(xí)的基本思想是構(gòu)建多層神經(jīng)網(wǎng)絡(luò)模型，利用大量數(shù)據(jù)訓(xùn)練所構(gòu)建的模型，并且自動提取和選擇數(shù)據(jù)特征，來提高識別、回歸、分類、預(yù)測等問題的準(zhǔn)確性[48]。深度學(xué)習(xí)認(rèn)知計算過程主要包括3 個方面：數(shù)據(jù)表示、認(rèn)知模型、并行計算。深度學(xué)習(xí)數(shù)據(jù)表示包括基于多模態(tài)的數(shù)據(jù)表示、基于張量的數(shù)據(jù)表示，深度學(xué)習(xí)認(rèn)知模型包括深度學(xué)習(xí)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、棧式自編碼器、遞歸神經(jīng)網(wǎng)絡(luò)、基于張量的深度學(xué)習(xí)模型以及深度學(xué)習(xí)模型優(yōu)化，深度學(xué)習(xí)并行計算包括GPU 加速、數(shù)據(jù)與模型并行、深度學(xué)習(xí)計算集群及其并行應(yīng)用[49]。

權(quán)波等[50]針對船舶航跡多維度特點及其預(yù)測精度和實時性的要求，將深度學(xué)習(xí)的方法應(yīng)用到航跡預(yù)測，以AIS 系統(tǒng)中的經(jīng)度、緯度、航向、航速、時間間隔等作為RNN-LSTM 模型的訓(xùn)練數(shù)據(jù)特征，利用實船數(shù)據(jù)對模型進(jìn)行訓(xùn)練，實現(xiàn)對未來船舶航行軌跡進(jìn)行預(yù)測，預(yù)測精度比傳統(tǒng)方法高。王勝正等[40]針對預(yù)測海洋氣象條件對航速影響的問題，在稀疏自編碼（SAE）網(wǎng)絡(luò)模型的基礎(chǔ)上提出交替稀疏自編碼（ASAE）網(wǎng)絡(luò)模型，其核心思想是對每一個隱藏層進(jìn)行無監(jiān)督學(xué)習(xí)和有監(jiān)督學(xué)習(xí)的交替學(xué)習(xí)，使模型對底層參數(shù)更有效地學(xué)習(xí)。利用實船航行數(shù)據(jù)和氣象數(shù)據(jù)進(jìn)行訓(xùn)練與驗證，對比支持向量回歸（SVR）、反向傳播神經(jīng)網(wǎng)絡(luò)（BP）、深度信念網(wǎng)絡(luò)（DBN）、SAE 網(wǎng)絡(luò)模型的預(yù)測結(jié)果，證實ASAE 網(wǎng)絡(luò)模型的預(yù)測結(jié)果更符合實際海況，可以為基于海洋氣象條件的航線規(guī)劃、航速推薦等提供指導(dǎo)。

2.3 避碰決策技術(shù)

近年來，船舶正朝著大型化、快速化和專業(yè)化方向發(fā)展，海上交通環(huán)境日益復(fù)雜，船舶碰撞、擱淺觸礁事故時有發(fā)生。據(jù)統(tǒng)計，全世界每年失事的船舶約200 艘，總噸位數(shù)為120 萬t，相當(dāng)于每15 天失事1 艘5 萬t 的船舶。船舶碰撞事故調(diào)查結(jié)果顯示，80%以上的碰撞事故是由于人為因素造成的[51]。近年來，國內(nèi)外專家學(xué)者在船舶避碰決策方面，提出了模糊推理方法、神經(jīng)網(wǎng)絡(luò)方法、遺傳算法方法、專家智能方法和多種智能方法的組合方法。在求解船舶避碰這種復(fù)雜問題時，可以利用智能方法和傳統(tǒng)方法的差異性和互補(bǔ)性，將兩類方法混合使用，使得智能避碰決策系統(tǒng)具有更強(qiáng)的知識表達(dá)能力和推理能力、更高的運行效率和求解能力[52]。

1） 擬人智能避碰決策。

圖2 船舶擬人智能避碰決策理論框架Fig. 2 Theoretical framework of PIDVCA

李麗娜等[53-54]提出了船舶擬人智能避碰決策（PIDVCA）理論，如圖2 所示。PIDVCA 理論的內(nèi)涵是自動根據(jù)避碰目標(biāo)與本船的會遇關(guān)系，模仿經(jīng)驗豐富的船長對周圍環(huán)境和會遇危險局勢的分析判斷和在避碰決策中的思維方式，自動生成安全性和經(jīng)濟(jì)性不低于避碰專家的避碰策略，必要時模擬兩船避碰的協(xié)商過程，與周圍船舶互通操縱意圖。PIDVCA 理論體系包括通過物標(biāo)認(rèn)知過程、目標(biāo)態(tài)勢分析、目標(biāo)危險判斷、避碰決策生成、決策方案優(yōu)化與校驗以及決策協(xié)商與通報的一系列學(xué)習(xí)、推理和優(yōu)化的自動化方法，模擬人工避碰決策的全過程，最終實現(xiàn)“船舶擬人智能避碰決策”的自動生成與優(yōu)化。

PIDVCA 是將數(shù)理分析、機(jī)器學(xué)習(xí)、專家系統(tǒng)、模糊數(shù)學(xué)和航海知識有效融合形成的智能集成避碰方法[55]。其模型框架包括動態(tài)避碰知識庫、機(jī)器學(xué)習(xí)模塊、推理機(jī)、決策分析評價體系、智能避碰決策實施方案等。其中，動態(tài)避碰知識庫是整個模型框架的核心，包括數(shù)據(jù)庫、模型庫、動態(tài)信息庫、規(guī)則庫、智能避碰決策庫等，并與機(jī)器學(xué)習(xí)模塊和推理機(jī)交互作用，從歷史數(shù)據(jù)、實時數(shù)據(jù)和信息中學(xué)習(xí)發(fā)現(xiàn)新的避碰模型和避碰知識，實現(xiàn)避碰知識庫的動態(tài)更新。大量仿真結(jié)果表明，PIDVCA 集成避碰方法能夠構(gòu)建動態(tài)避碰知識庫，在解決復(fù)雜多變避碰問題時具有優(yōu)勢。

2） 模糊推理避碰決策。

模糊推理是在模糊幾何理論的基礎(chǔ)上創(chuàng)立和發(fā)展而來的，在解決實際工程問題中發(fā)揮著重要的作用。遺傳算法的思想源于對生物進(jìn)化機(jī)制的模擬，是一類自組織、自適應(yīng)的過程搜索最優(yōu)解算法。模糊推理與遺傳算法可以單獨使用，也可以相互結(jié)合形成遺傳模糊方法。遺傳模糊方法的核心思想是在模糊推理的基礎(chǔ)上加上遺傳算法這種自組織、自適應(yīng)優(yōu)化算法，在保留模糊推理系統(tǒng)可解釋性、強(qiáng)魯棒性等優(yōu)勢的基礎(chǔ)上，降低了系統(tǒng)構(gòu)建的難度、提高了推理的可靠性。

Perera 等[56]針對遠(yuǎn)洋船舶提出了一種基于模糊邏輯的智能避碰決策系統(tǒng)，在仿真條件下能夠?qū)崿F(xiàn)船舶的自動避碰決策。Lee 等[57]提出了一種基于國際海上避碰規(guī)則的模糊邏輯自主導(dǎo)航方法，具有處理靜態(tài)障礙物和動態(tài)障礙物的能力。Tsou等[58]提出了一種基于遺傳模糊算法的船舶避碰決策支持系統(tǒng)，將船舶安全域、避碰規(guī)則與本船及障礙物相關(guān)參數(shù)融入遺傳模糊算法，能夠提供最佳的安全避讓轉(zhuǎn)彎角度、復(fù)航時間和復(fù)航角度等決策支持。

3） 神經(jīng)網(wǎng)絡(luò)避碰決策。

神經(jīng)網(wǎng)絡(luò)是模擬人形象思維的方法，其利用功能簡單的神經(jīng)元組成復(fù)雜的神經(jīng)網(wǎng)絡(luò)，在優(yōu)化、模式識別、智能控制、故障診斷等領(lǐng)域有著廣泛的應(yīng)用前景。基于神經(jīng)網(wǎng)路的避碰決策系統(tǒng)利用神經(jīng)網(wǎng)絡(luò)記憶經(jīng)過大量數(shù)據(jù)訓(xùn)練后的樣本形成的經(jīng)驗和模型，并在避碰過程中使用這些經(jīng)驗和模型。在船舶避碰決策系統(tǒng)中，神經(jīng)網(wǎng)絡(luò)常與模糊推理、專家系統(tǒng)、遺傳算法等方法結(jié)合使用。

陳雪娟[59]提出了一種基于BP 神經(jīng)網(wǎng)絡(luò)的船舶避碰理論和方法，利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)、自適應(yīng)、自組織性以及處理非線性問題的獨特功能，設(shè)計或優(yōu)化避碰系統(tǒng)，以最近會遇距離（distance to closest point of approach，DCPA）、最近會遇時間（time to closest point of approach，TCPA）等會遇參數(shù)為輸入，利用BP 神經(jīng)網(wǎng)絡(luò)，得到碰撞危險度等級，為船舶避碰提供了有力支撐。唐穗欣[60]提出了一種基于改進(jìn)BP 神經(jīng)網(wǎng)絡(luò)和模糊理論相結(jié)合的船舶避碰方法，將動量?自適應(yīng)學(xué)習(xí)速率算法融入BP 神經(jīng)網(wǎng)絡(luò)避碰模型，并將模糊推理與神經(jīng)網(wǎng)絡(luò)相結(jié)合，構(gòu)建船舶碰撞危險度評判模型，發(fā)揮神經(jīng)網(wǎng)絡(luò)和模糊理論各自的優(yōu)勢，為船舶避碰提供了新的思路。楊國賓[61]針對BP 神經(jīng)網(wǎng)絡(luò)收斂速度較慢、易陷入局部極值點等缺點，提出了用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的GA-BP 算法。由遺傳算法優(yōu)化確定BP 神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值，確定一個較好的搜索空間，搜索出最優(yōu)解或者近似最優(yōu)解。將此算法用于確定船舶碰撞危險度，計算精度、收斂速度均有較大的提升。

2.4 航行控制技術(shù)

船舶運動自動控制可分為3 種情況：一是開闊水域航行自動導(dǎo)航問題，包括航向控制、航跡控制、航速控制等；二是擁擠水道航行或開闊水域航行時的自動避碰問題，包括兩船會遇、多船會遇、危險度評估、多目標(biāo)決策等；三是進(jìn)出港航行和自動靠離泊問題，涉及岸壁效應(yīng)、淺水效應(yīng)以及風(fēng)、浪、流的影響，操縱和控制更加困難[62]。航向與航跡控制是船舶自主航行的重要環(huán)節(jié)。為了保證船舶航行的經(jīng)濟(jì)性與安全性，船員必須時刻掌握船舶的準(zhǔn)確位置和航向，根據(jù)船舶當(dāng)前的位置、航向和給定的計劃航線，計算航向和航跡誤差，并據(jù)此換算出舵角指令，使船舶沿預(yù)定的計劃航線航行。本質(zhì)上講，避碰和靠離泊也是對船舶航向與航跡的控制。

在船舶航跡控制過程中最重要的工作是設(shè)計出性能良好的航跡自動舵。航跡自動舵是以自動舵為基礎(chǔ)發(fā)展而來的航行控制系統(tǒng)。它以計算機(jī)為核心，融入綜合導(dǎo)航系統(tǒng)（AIS 及GPS、計程儀、羅經(jīng)等）數(shù)據(jù)、航路數(shù)據(jù)、位置偏移數(shù)據(jù)，通過計算機(jī)軟件進(jìn)行計算、分析與處理，并將結(jié)果輸出至控制系統(tǒng)，在預(yù)定的轉(zhuǎn)向點自動完成轉(zhuǎn)向，從而實現(xiàn)船舶航行的自動控制[62]。

1） 基于連續(xù)信號的控制策略。

航跡控制大多采用基于連續(xù)信號的控制策略，一般采用狀態(tài)反饋法、輸出反饋法等方法，實現(xiàn)實時的航向與航跡控制。狀態(tài)反饋法將期望航向角表示為航跡偏差的函數(shù)，使得航向角的指數(shù)收斂；輸出反饋法利用反饋線性化和反步法，實現(xiàn)全局指數(shù)跟蹤軌跡控制[63]。

隨著智能技術(shù)的發(fā)展，基于神經(jīng)網(wǎng)絡(luò)、模糊邏輯等智能技術(shù)及其組合技術(shù)的控制方法也取得了較好的控制效果[64]。段海慶等[65]提出了一種將自適應(yīng)神經(jīng)網(wǎng)絡(luò)和反步法相結(jié)合的船舶穩(wěn)速軌跡跟蹤控制算法。利用神經(jīng)網(wǎng)絡(luò)的函數(shù)逼近特性實現(xiàn)了控制器非線性部分的在線估計，具有較強(qiáng)的魯棒性和跟蹤精度。

2） 基于事件觸發(fā)的控制策略。

王薇等[66]針對基于連續(xù)信號的控制策略存在的控制信號復(fù)雜、執(zhí)行機(jī)構(gòu)執(zhí)行難度大、執(zhí)行效率低等缺點，提出了基于事件觸發(fā)的航向控制策略。充分考慮系統(tǒng)具有未知常數(shù)參數(shù)，從執(zhí)行機(jī)構(gòu)實際出發(fā)構(gòu)造觸發(fā)事件并基于反步法設(shè)計控制器輸入信號，提出了基于事件觸發(fā)的自適應(yīng)控制器設(shè)計方法，系統(tǒng)輸出對指令信號具有良好、快速的跟蹤效果，提高了執(zhí)行機(jī)構(gòu)的執(zhí)行效率。湯佳奇[67]利用領(lǐng)航船?跟蹤船思想，提出一種基于事件觸發(fā)的多動力定位船控制策略，包括全局式事件觸發(fā)控制和局部式事件觸發(fā)控制兩種控制模式，實現(xiàn)了多艘動力定位船舶的同步控制。

2.5 賽博安全技術(shù)

賽博安全（cyber security）[68]既包含實體物理空間的安全，也包含虛擬數(shù)字空間的安全，其內(nèi)涵包括通信安全、網(wǎng)絡(luò)安全、信息安全等。

賽博安全是船舶自主航行不可忽視的重要組成部分。隨著船舶智能化的發(fā)展，船舶的通信導(dǎo)航信息系統(tǒng)、控制系統(tǒng)及船用設(shè)備越來越多地通過網(wǎng)絡(luò)實現(xiàn)互通，船舶與外界連接交互也日益頻繁，而船舶信息網(wǎng)絡(luò)與工控網(wǎng)絡(luò)的安全等級相對較低，綜合船橋和電子海圖系統(tǒng)、配載儀和船舶維修保養(yǎng)系統(tǒng)、主機(jī)遙控和能效系統(tǒng)、保安限制區(qū)域閉路電視系統(tǒng)、船岸網(wǎng)絡(luò)通信系統(tǒng)、計算機(jī)操作系統(tǒng)及常見軟件均為易受攻擊的系統(tǒng)[69]，這給船舶及船員生命財產(chǎn)安全帶來了巨大挑戰(zhàn)。近年來，隨著賽博安全體系框架的深入研究和密碼技術(shù)的進(jìn)步，賽博安全問題有望得以解決。

1） 賽博安全體系框架。

美國國家標(biāo)準(zhǔn)技術(shù)研究所（NIST）發(fā)布的賽博安全框架包括5 個核心功能，即識別、防護(hù)、檢測、響應(yīng)、恢復(fù)，如圖3 所示[70-71]。

圖3 NIST 賽博安全框架Fig. 3 NIST cyber security framework

識別功能是有效使用賽博安全框架的基礎(chǔ)。其內(nèi)涵是指了解業(yè)務(wù)背景、支持關(guān)鍵功能的資源以及相關(guān)的賽博安全風(fēng)險，使組織能夠集中精力并優(yōu)先考慮其工作，使其與風(fēng)險管理策略和業(yè)務(wù)需求保持一致。

防護(hù)功能是指限制或控制潛在賽博安全事件影響的能力。

檢測功能是指及時發(fā)現(xiàn)賽博安全事件的能力。

響應(yīng)功能是指制定并實施適當(dāng)?shù)幕顒樱刂茲撛谫惒┌踩录绊懙哪芰Α?/p>

恢復(fù)是指制定并實施適當(dāng)?shù)幕顒樱謴?fù)因賽博安全事件而受損的功能或服務(wù)，以減少賽博安全事件的影響。

2） 密碼技術(shù)。

密碼技術(shù)中應(yīng)用最廣泛的算法包括對稱、非對稱和哈希密碼算法。對稱算法中應(yīng)用較多的包括DES，3DES，AES 等；非對稱算法中應(yīng)用較多的包括RSA，DSA，DH，ECC 等[72]。哈希算法是將任意長的輸入消息串轉(zhuǎn)換成固定長度的輸出串，主要用于完整性校驗和提高數(shù)字簽名的有效性。我國密碼標(biāo)準(zhǔn)中，SM1，SM4，SM7 密碼屬于對稱算法，SM2，SM9 屬于非對稱算法，SM3 屬于哈希算法。

3 問題分析與展望

目前，船舶自主航行在工程應(yīng)用和技術(shù)研究方面雖取得了不少突破，但仍處于起步階段，依然存在很多問題。主要包括：

1） 一些核心關(guān)鍵技術(shù)尚未突破。

作為模擬人類的感知、分析、思維、決策等過程的核心技術(shù)，認(rèn)知計算與真正的人類認(rèn)知還相去甚遠(yuǎn)。以深度學(xué)習(xí)為代表的認(rèn)知計算技術(shù)，在圖像識別、文本理解等方面取得了積極進(jìn)展，但是必須以海量的圖片、文本等數(shù)據(jù)為基礎(chǔ)；以知識圖譜為代表的認(rèn)知計算技術(shù)，在知識表示與推理等方面具有優(yōu)勢，但是需要事先獲取大量的知識。對于船舶而言，船舶種類多樣、所處航行環(huán)境復(fù)雜多變，難以獲取全部航行場景所需的海量數(shù)據(jù)；而船舶自身設(shè)備與系統(tǒng)眾多、結(jié)構(gòu)復(fù)雜，想要獲得所有設(shè)備與系統(tǒng)的機(jī)理知識幾乎不可能。

2） 工程應(yīng)用與理論研究存在差距。

由于船舶建造與運營成本昂貴，船舶的自主航行技術(shù)大多難以在實船上得到試驗驗證。以船舶避碰決策技術(shù)為例，考慮到船舶避碰試驗的危險性，高校和研究院所大多采用仿真或模型試驗的方式開展技術(shù)研究，研究成果的實用價值難以衡量。出于安全性考慮，實際工程應(yīng)用中往往采用簡單可靠而又通過試驗驗證的技術(shù)，這在一定程度上也限制了船舶自主航行技術(shù)的發(fā)展。

3） 公約、規(guī)范等法規(guī)限制。

船舶作為全球80%以上貨物貿(mào)易運輸?shù)妮d體，在國民經(jīng)濟(jì)發(fā)展中起到重要作用。船舶及所載貨物價值昂貴，一旦發(fā)生事故將造成巨大經(jīng)濟(jì)損失。目前，國際海事組織正在研究制定與海上水面自主船舶相關(guān)的公約、規(guī)范，但其實施還很遙遠(yuǎn)。如果自主航行船舶擅自出海，一旦與其他船舶發(fā)生碰撞等事故，可能會產(chǎn)生嚴(yán)重的糾紛。

船舶自主航行的發(fā)展首先要解決數(shù)據(jù)的互聯(lián)互通和系統(tǒng)整合，即實現(xiàn)傳感器和通信系統(tǒng)的發(fā)展；然后是在岸基控制中心實現(xiàn)船舶遠(yuǎn)程操控；在此基礎(chǔ)上，進(jìn)一步提升船舶自主性，方可實現(xiàn)無人自主航行。因此，基于技術(shù)現(xiàn)狀和研究任務(wù)，對船舶自主航行技術(shù)的未來發(fā)展做如下展望：

1） 態(tài)勢感知。

為了保證船舶航行安全，需要對船舶在航環(huán)境和航行狀態(tài)實施全面的感知和掌控。對于未來的遠(yuǎn)程控制與無人自主航行階段，需要對更多數(shù)量和種類的傳感器進(jìn)行感知，以覆蓋船舶全部盲區(qū)，同時，需通過船岸一體化通信系統(tǒng)，為船舶自主航行提供更多的信息來源。借助不同傳感器的組合和先進(jìn)的通信系統(tǒng)，實現(xiàn)信息采集的多樣化和立體化，將帶來多源異構(gòu)數(shù)據(jù)融合、交互工作量的增加，需要處理和傳輸更大的數(shù)據(jù)量。因此，要發(fā)展適用于海量數(shù)據(jù)處理的硬件算力，同時提升數(shù)據(jù)處理和傳輸?shù)男剩瑢崿F(xiàn)感知體系的優(yōu)化，更好地為智能認(rèn)知和決策環(huán)節(jié)提供服務(wù)。

2） 認(rèn)知與決策。

船舶自主航行的智能認(rèn)知環(huán)節(jié)是在感知環(huán)節(jié)獲取的環(huán)境信息、自身狀態(tài)監(jiān)控信息的基礎(chǔ)上進(jìn)行分析識別，通過智能認(rèn)知系統(tǒng)將相關(guān)航路設(shè)計優(yōu)化與航行避碰的知識以數(shù)字化形式沉淀在船舶智能系統(tǒng)中，通過反復(fù)迭代優(yōu)化形成可靠的智能航行系統(tǒng)認(rèn)知空間，支持自身狀態(tài)及目標(biāo)船舶態(tài)勢辨識以及航路環(huán)境的認(rèn)知，基于歷史航行記錄、駕駛行為和大數(shù)據(jù)機(jī)器學(xué)習(xí)建立船舶智能航行的認(rèn)知過程，形成船舶行為和航行態(tài)勢的認(rèn)知。未來，智能化算法、模型的可解釋性是其能否被采信并應(yīng)用于智能航行自主控制和決策的關(guān)鍵。因此，以統(tǒng)計模型為基礎(chǔ)的深度學(xué)習(xí)技術(shù)與符號化知識的知識圖譜技術(shù)及數(shù)字孿生技術(shù)相結(jié)合的模式將成為未來船舶自主航行的實現(xiàn)途徑。

3） 控制與安全。

隨著智能化程度不斷提高、決策能力不斷提升，船舶駕駛中人類的工作將逐步被取代。智能船舶將沿著降低人員工作負(fù)荷的輔助駕駛、少量減員的船端人船協(xié)同、大量減員的岸端人船協(xié)同、無人化的遠(yuǎn)程控制、無人自主航行的路徑逐步發(fā)展。在這一過程中，需要重點研究的問題包括自生長的知識庫構(gòu)建和運用，穩(wěn)定、可靠、高效的船岸通信技術(shù)，以及船岸一體的賽博安全技術(shù)等。

4 結(jié) 語

本文分析了國內(nèi)外船舶智能航行技術(shù)的工程應(yīng)用與理論研究現(xiàn)狀，針對航行態(tài)勢感知、認(rèn)知計算、避碰決策、航行控制、賽博安全等船舶智能航行關(guān)鍵技術(shù)，進(jìn)行了技術(shù)內(nèi)涵剖析和研究現(xiàn)狀分析。在關(guān)鍵技術(shù)分析的基礎(chǔ)上，提出了當(dāng)前船舶自主航行面臨的問題，并針對這些問題進(jìn)行了未來發(fā)展展望。當(dāng)前，船舶自主航行仍處于起步階段，關(guān)鍵技術(shù)研究依然面臨不少挑戰(zhàn)，關(guān)鍵技術(shù)的集成應(yīng)用還有很長的路要走，船舶自主航行研究任重道遠(yuǎn)。