國內智能船舶的發展與展望

李日霞

（江蘇科技大學，江蘇 鎮江 212000）

0 引言

隨著大數據與人工智能技術在工業領域的逐漸成熟，以船員控制為主的傳統船舶將不再滿足航運業的發展需求，傳統船舶的改造升級，智能船舶的廣泛運用將會是未來發展的重要趨勢，筆者就國內近些年智能船舶的發展作出了闡述與展望。

1 國內智能船舶政策概況

為了給智能船舶提供良好的發展環境，近些年相關國家機關頒布一系列政策為智能船舶提供了相應保障（如圖1），也對智能船舶的發展做出了相應的規劃，同時表明了未來智能船舶在船舶行業的重要地位。

圖1 政策說明

2 船岸一體化

隨著互聯網的快速發展，IMO（International Maritime Organization）將ICT（Information and Communications Technology）技術融入航運業，船舶和港口因此從兩個獨立的結構變成數據交互的整體，即“船岸一體化”。

實現船岸一體化的三大難點是數據的集成，船岸的通信以及數據的存儲，針對通信問題，薛明剛等[1]將雙向通信系統INMARSAT-C用于船-岸數據傳遞，該系統獨有的增量數據傳遞方式保證了船端與岸端數據的一致性與同步性，從而實現了船岸之間的數據同步以及資源的共享，便于岸端船員掌握船舶設備運行情況。隨著北斗衛星的發展應用，李晶等[2]提出以北斗衛星導航系統為基礎，建立與船舶相對應的監控中心，達到更好監測船上設備信息的目的。龐林等[3]則利用海事衛星進行數據交換，實現船岸監控與管理。隨著網絡通訊技術也從最初的單機階段到局域網（LAN）、廣域網（WLAN）、移動互聯網到現今的物聯網階段，鄭宇平等[4]基于Zigbee技術，設計了無線網絡節點，和基于IOS移動端監控軟件，使用Xcode進行APP開發，既可以滿足船舶遠程監控的需求，同時也提高了便攜性。由于傳統監控數據處理的分散性，柳惠秋[5]提出基于物聯網的遠程監控的數據分類方法，利用動態數據映射的特點對監控數據進行標記，再轉化為權值向量對其進行判斷運算確定數據處理范圍，利用BP神經網絡構建分類算法，對采集到的數據進行分類計算，此方法提高了數據的處理速度，也增加監控數據的條理性。除了數據交互與船舶監控，船舶電力供應的快速與綠色化也尤為重要，丁鋒[6]指出我國港口目前采用的供電方式我國一般采用50Hz交流電，而國外一般采用60Hz交流電，為了滿足國際船只的需求，我國一部分港口已經實現50Hz到60Hz的單頻轉換，而國內外雙頻交流電的建立與發展還有待進一步探究，Jingjing等[7]也提出采用SSE代替傳統燃料為船提供能力，以此減少船用柴油機帶來的排放污染。

現目前我國船岸一體化系統實現了大部分設備自動控制，實時交互，代替了復雜的人工操作，減少了人力成本，已經達到充分利用現代網絡、通信、數據融合和信息集成技術手段，實現人機界面和諧、探測感知準確、指揮高效、信息傳輸實時、信息處理快速、遠程協同及時的信息系統構建，船岸一體化技術顯然已趨于成熟，但是于由船岸一體化系統的普及度不高，所以現目前的研究方向應該具體到不同的船，因船制宜，在船岸通訊方面，可將利用5G實現快速通訊，在岸端供電方面，將單頻轉換技術應用到各個港口的同時，加快研發雙頻供電技術，以此滿足國內外船只不同電力需求。

3 智能航行

智能航行作為智能船舶六大模塊之一，要求能根據航行任務，結合船體、海上環境等情況做出相應的航行優化與避碰處理。

3.1 避碰技術

隨著海上運輸業與人工智能技術的發展，研究船舶避碰對海上交通安全具有重要意義，與此同時，研究船舶的自動避碰則是未來船舶發展的必然趨勢。目前船舶避碰的方式主要有自動雷達標繪儀（APRA），自動識別系統（AIS）和電子海圖（ECDIS）等。APRA可以自動跟蹤船舶，計算相關數據，可以預測避讓結果的雷達系統，AIS主要由船臺設備、岸臺系統和轉發器組成，衛星通過搭載AIS接收機，接收鄰近船舶發出去的AIS信號，從而實現船舶的識別跟蹤處理，達到無盲區監控的效果，豐富了船舶避碰的信息，減少了碰撞的概率。ECDIS是一種船舶導航系統和輔助決策系統，它不僅可以連續給出船舶具體位置，也能結合航海信息，有效防范海上碰撞事故。APRA主要靠獲取目標信息得到預測結果，在天氣狀況不好時，APRA獲取信息的可靠性會降低，AIS信息的實時性無法保證，ECDIS只是作為輔助決策，實際作出應變的還是船員，因此有許多學者將現有的船舶避碰技術與工智能技術相結合，大大提高了避碰決策的準確性。哈爾濱工程大學學者結合專家系統，將AIS和APRA相融合，放入知識庫中，AIS補充了雷達受天氣狀況的局限性，豐富了專家數據庫的內容，提高了推理的準確性。熊海生[8]則對基于ECDIS的避碰專家系統進行了探討，如圖2：

圖2 基于ECDIS的專家系統概念圖

圖2 結合ECDIS數據給出船舶信息到推理機，推理機處理后給出避碰決策在ECDIS上顯示，由船長船員根據顯示效果確定是否采納決策，如不采納，反饋回專家系統，做出其它避碰決策。

除專家系統以外，也有學者借助模糊邏輯算法、神經網絡算法等研究避碰系統，甄榮[9]等人利用AIS信息的特點，構造船舶航行行為特征表達式，根據神經網絡原理，對BP神經網絡進行訓練，從而實現了對船舶航行行為預測。倪生科[10]等人利用混合遺傳算法建立避碰路徑規劃模型，該模型能夠對船舶航行于不同環境時進行避碰路徑規劃，不斷迭代尋求最優解，周雙林等人結合《COLREGS》，在充分理解的基礎上進行量化分析，綜合考慮航向跟隨，船舶避碰等因素，建立船舶智能避碰DQN算法獎勵函數，保證在滿足避碰規則的基礎上，避碰決策有效。

隨著人工智能的發展，許多算法在船舶避碰上的應用以及日益成熟，但大多方案存在適用環境的單一性、局限性和主觀性，并沒有完全的考慮到海上多變的態勢和不同種類、智能等級和數量的船會遇的不同態勢，而船舶避碰規則無法實時更新的局限性，造成缺少納入決策考量的因素，導致決策的準確性降低，并且目前的避碰決策還是以船長船員為主，智能決策為輔助，在未來研究方向上，對船舶避碰的不同態勢進行更細致的考量，同時結合不同態勢下船長船員的決策，對態勢與決策進行量化分析，從而對船長船員的心理決策進行智能學習，提高了船舶決策的自主性，大大降低了人員決策的誤判性。

3.2 航線規劃

海上運輸是當今智能物流的重要一環,如何縮短航運距離,降低航運成本,提高航運效率是研究的關鍵。張立華等[11]借助電子海圖得出可航行區域，根據海上障礙群及時調整，得出最優航線，陳超等[12]提出一種基于可視圖的A*算法，使用啟發式搜索算法，它具有快速收斂性的特點，從而減少了規劃時間。莊佳園等[13]把電子海圖應用于Dijkstra算法，優化了動態網絡模型，大大減少路徑規劃時間，提高規劃精度。范云生[14]將一種改進的遺傳算法，應用于USV全局路徑規劃中，加快路徑規劃的速度，然后在電子海圖中進行驗證，從而提高路徑規劃效率。由于內河水網復雜，周春輝[15]等對其復雜的情況建立了航行路徑選擇的多目標規劃模型，將總路程最小化、擁擠程度最小化、運行費用最小化，尋求最優路線規劃。謝懿[16]運用云計算遺傳特征計算算法與大數據蟻群擇優算法計算出船舶航行路徑最優解。還有很多專家學者采用蟻群算法，據螞蟻選擇的路徑散發出的不同數量信息素，隨著時間的增長，路徑含有的信息素數量與路徑螞蟻數量成正比，從而在正反饋作用下達到路徑優化的效果。

目前專家學者對航海路徑的規劃已經有了較成熟的研究，但海上航行仍處在一個船員決策為主，智能規劃算法為輔助決策，現研究方向可著力于結合可視化監控與海事衛星，對船體周遭環境進行提前評估預測，不斷更新規劃算法，從而得到最行之有效的路徑。

4 智能貨物管理

貨物的裝載和配送是商船運營不可或缺的步驟，確保貨物安全的同時，降低人力資源成本是保證企業收入的重要因素。

傳統的貨艙及貨物管理通過是安排人員來進行的，而大型的船只大部分擁有巨大的船艙以裝載大量的貨物，所以需要安排大量的人員來進行貨艙及貨物的監控與管理，因此對于通訊技術的研發尤為重要，表1即是貨物監管與通訊技術的結合發展。

表1 通訊技術的應用

與此同時，貨物裝載時如何將空間利用率達到最大化也是貨物管理技術之一，張鈞等[17]提出了以集裝箱體積利用率最大化為目標，體積、重量、重心和方向這四大方面作為約束條件，建立三維裝載模型，然后使用三空間分割啟發式算法計算出良好的初步裝載方案，再同時使用兩段式編碼方式、混合遺傳和模擬退火算法來解決三位裝箱問題，對裝載方案進行尋優，從而得出三維裝載圖與目標函數值，大大提高了空間的利用率。李偉等[18]就多規格貨物裝載效率低下的問題，提出一種融合啟發式搜索的改進極快決策樹智能裝箱算法,再保證較高集裝箱利用率的情況下提高了裝箱的速度。

貨物裝載空間利用率除了考慮貨物規格大小，還要考慮貨物的種類及危害程度，最終利用算法，進行智能裝箱，而貨物種類規格大小的識別可利用RFID射頻識別技術，從而減輕船員分辨貨物的工作量，貨物裝載效率與空間利用率的最大化仍然會是未來研究發展重點。

5 智能船舶平臺測試

隨著智能船舶技術的快速發展，國外率先投入無人船技術的研發，2016年，挪威建成了全球首個無人船試驗場Trondheims fjorden，試驗場將通過建設導航及技術支持、布置雷達等相關裝置最后形成一個綜合海上試驗場，2017年，芬蘭建成Jaakonmeri試驗場，憑借著埃烏拉約基市海域的復雜多變，可以模擬海上很多復雜場景。2018年，相關政策明確指出要加強智能船舶的測試測量能力。同年，在珠海萬山建立了無人船海上測試場，該測試場可針對不同會遇態勢下在不同的場景區域進行測試，岸端配備了測試中心，并且配備的測試碼頭服務范圍面向整個測試場。日照無人艇測試場同樣配備海上試驗區和岸基指揮站，該測試場主要解決無人艇的自主控制，圖像識別等問題。

由于海上形勢錯綜復雜，需要搭建不同的船舶場景，高昂的成本以及現有的測試平臺無法滿足這一測試條件，專家就提出了用虛擬仿真平臺代替下水實測，2011年，楊素軍[19]首次提出將模擬器技術與虛擬測試技術應用于船舶測試，2013年，張國慶[20]開發了一套船舶自動舵控制算法仿真測試平臺。該平臺為研發人員對船舶運動控制的研究帶來了便利，2015年，武漢理工大學開展了智能船舶功能測試的研究，研發出了一種虛實融合的船舶智能控制系統測試平臺，涵蓋了真實航行數據庫、實時仿真、視景仿真、智能控制和船舶模擬這五大系統，該集成平臺的測試環境來自于真實環境數據的采集，實驗過程基于數值模擬，大大降低了試驗的風險與成本。2020年祝添權[21]提出一種基于虛擬現實交互的智能船舶測試系統，該系統分為四個模塊，對應采集真實環境的數據與虛擬環境的數據，應用到虛擬環境測試、仿真中，并且結合虛擬環境測試的數據與真實環境的數據進行評估，得到智能船舶的智能水平、環境認知能力等相關參數，使其在專家的指導下進行自動自我升級的認知機制。

智能船舶測試平臺的發展在國外已日漸成熟，而我國無論是真實試驗場還是虛擬試驗場都處在初級發展階段，對于真實的試驗場，相比于國外試驗場，國內試驗場規模相對較小，地域分散，功能單一，應該結合國家海洋規劃，建設一個符合測試需求的綜合性海上試驗場，與此同時，隨著海、陸、空參數的改變，試驗場是否能做到協同通信至關重要。針對虛擬實驗場，智能船舶性能測試的好壞與虛擬環境的還原度密切相關，因此，對于復雜海上環境的數據測量，應該提高其精度，最大還原現實環境，以此提高智能船舶的測試性能。

6 智能船舶的展望

智能船舶實際上是一個智能的海上運輸工具，從人工航行到半自主航行，許多專家學者在智能船舶不同的模塊中也作出了自己的貢獻，而我國的無人船發展還處在初級階段。根據現有的研究，可以看出，船舶的數據挖掘技術，對現有數據的預知和評測，以及對傳感器所收集數據的處理集成，對多變環境的人工智能學習還有待進一步的攻克。

7 結語

總而言之，我國對智能船舶的研究還處在初級階段。但是由于智能船舶相關技術發展速度之快，同時大數據智能化應用也日益成熟，在未來，智能船舶必定成為決定船舶行業的發展的重要因子。除了已經付諸應用的智能通訊、航線規劃、智能貨物管理等關鍵技術，無人駕駛，自主維修等功能同樣會在智能船舶技術的不斷發展中得到實現，最終實現高效航行、綠色安全、自主思考的智能船舶。