CN113032896A - 一种基于船舶驾驶员偏好的避碰辅助决策方法 - Google Patents

Abstract

本发明公开了一种基于船舶驾驶员偏好的避碰辅助决策方法，方案包括以下步骤：S1.获取本船及周围船舶的位置、航速、航向、船长信息；S2.根据驾驶员输入的船舶领域参数建立目标船船舶领域模型，通过解析几何，计算出目标船船舶领域的入侵程度和入侵时间，作为判断船舶潜在碰撞危险是否存在的依据；S3.当存在潜在碰撞危险，根据目标船舷角和本船相对于目标船的舷角判断会遇局面，生成避碰转向搜索范围，通过改进的NSGAⅡ多目标算法，解算出非劣解前沿；S4.通过本船的船舶控制模型和船舶运动模型，对非劣解前沿上的避碰方案进行试操，记录试操轨迹信息；S5.将避碰方案的试操轨迹和相关信息展现给驾驶员，为驾驶员选择避碰方案提供参考。

Description

一种基于船舶驾驶员偏好的避碰辅助决策方法

技术领域

本发明属于船舶避碰技术领域，尤其涉及一种基于船舶驾驶员偏好的避碰辅助决策方法。

背景技术

随着水路交通运输的发展，船舶向着大型化、快速化不断迈进，海上船舶数量与日俱增，水路交通环境愈加复杂，船舶碰撞事故时有发生。船舶驾驶员的避碰决策失误是导致船舶碰撞事故的重要因素。

为降低船舶驾驶员决策失误率，减轻船舶驾驶员工作压力，船舶避碰决策系统应运而生。当前船舶避碰决策系统大多采用通过计算来船的最小会遇距离(DCPA)和最小会遇时间(TCPA)，并与设置的阈值相比较以判断船舶是否存在避碰危险，忽略了船舶尺度和来船航向对驾驶员判别碰撞风险的影响，且TCPA无法准确反应本船和目标船运动至距离小于DCPA阈值的时刻。

同时，现有技术多数仅能产生单一的避碰决策方案，不足以应对复杂多变的海上交通环境。少有技术方案通过碰撞风险图、速度障碍等理论，将碰撞危险映射至船舶速度维度，生成无碰撞危险的速度集合，而非包括避碰行动开始时间、避碰行动幅度、复航时间的完整的避碰方案，在真实环境中难以执行。

船舶领域是对船舶不同方位所对应的安全距离的表述，根据模型参数的确定方法，主要分为基于理论分析的船舶领域模型，基于经验的船舶领域模型，基于专家知识的船舶领域模型。船舶领域模型的引入，较好的解决了通过最小会遇距离和最小会遇时间无法准确的判断碰撞危险的问题。

发明内容

本发明的目的是针对现有技术存在的问题，提供一种基于船舶驾驶员偏好的避碰辅助决策方法，本发明采用离心椭圆船舶领域模型，通过解析几何求解出船舶领域入侵程度和入侵时间，作为船舶碰撞风险判断依据。设置驾驶员在避碰行动中对船舶领域入侵程度的偏好分布函数，以引导多目标进化算法中个体的进化，获得在船舶领域入侵程度目标函数上符合上述分布的避碰方案非劣解集，为驾驶员避碰决策提供参考。

为实现上述目的，本发明采用的技术方案是：

一种基于船舶驾驶员偏好的避碰辅助决策方法，包括以下步骤：

S1，获取本船o和目标船i的船舶信息，所述船舶信息包括：目标船艏向H_i，目标船航向C_i，目标船航速v_i，目标船方位B_i，目标船距离d_i，目标船船长L_i；本船艏向H_o，本船航向C_o，本船航速v_o，本船方位B_o，本船距离d_o，本船船长L_o；

S2，根据本船和目标船的船舶信息以及驾驶员输入的船舶领域模型参数(Δb,Δa,b,a)，建立本船和目标船的船舶领域模型；通过解析几何，计算本船入侵目标船船舶领域的时间TDV和入侵目标船船舶领域的程度DDV；根据入侵时间TDV和入侵程度DDV判断目标船是否存在潜在碰撞风险；

S3，当本船与目标船存在潜在碰撞风险时，根据目标船相对于本船的舷角和本船相对于目标船的舷角判断船舶会遇局面，作为寻优过程中避碰方案航向的限制条件；

S4，采用多目标进化算法，求解出符合驾驶员偏好分布的避碰方案的非劣解集；通过船舶控制模型和船舶运动模型对非劣解集中的决策方案进行试操，记录试操轨迹和目标船在试操中的最近会遇点CPA；

S5，将避碰方案的相关信息，展现给驾驶员，供驾驶员选择避碰决策方案。

具体地，步骤S1中，所述本船和目标船的船舶信息通过雷达、卫星定位系统、计程仪、罗经、AIS系统获取。

具体地，步骤S2中，所述船舶领域模型为离心椭圆船舶领域模型；所述船舶领域参数包括：船舶领域长半轴与船长之比a、船舶领域短半轴与船长之比b、船舶领域中心长半轴偏移与船长之比Δa以及船舶领域中心短半轴偏移与船长之比Δb。

定义：本船和目标船保速保向，当前时刻至本船位于目标船船舶领域边界时的时间为船舶领域入侵时间TDV；

根据离心椭圆初始参数(Δb，Δa,b，a)，以为目标船i位置为原点，目标船艏向为y轴正向，建立目标船离心椭圆船舶领域，目标船离心椭圆船舶领域中心o'坐标为(ΔbL_i,ΔaL_i)，边界为：

以本船o位置为原点，正北方向为y轴正向，建立直角坐标系xoy，在xoy坐标系中：

目标船离心船舶领域边界为：

目标船i相对本船o的速度为：

其中，v_ix为目标船相对本船的速度在x方向上的分量，v_iy为目标船相对本船的速度在y方向上的分量；

在t时刻，目标船i的坐标为：

在t时刻目标船船舶领域边界为：

计算船舶领域入侵时间：假设本船将会入侵目标船船舶领域，当本船入侵目标船船舶领域时，本船坐标点o(0,0)位于目标船船舶领域边界上，带入上式有：

上式可化简为关于t的多项式为：

A₁t²+B₁t+C₁＝0 (11)

当B₁ ²-4A₁C₁≥0时，解出：t₁和t₂；

其中t₁为本船入侵目标船船舶领域的时间，当t₁为负值时，说明本船在abs(t₁)时刻前，已经入侵目标船船舶领域；t₂为本船离开目标船船舶领域的时间，当t₂为负值时，说明本船在abs(t₂)时刻前，已经离开目标船船舶领域。

当B₁ ²-4A₁C₁<0时，说明本船不入侵目标船船舶领域。

计算船舶领域入侵程度：令目标船船长放大f倍(f为正实数)，使得本船刚好通过目标船船舶领域边界，则1-f为船舶领域入侵程度DDV，DDV∈(-∞,1]；若DDV大于0，则本船将入侵目标船舶领域，即存在碰撞风险；若DDV小于或等于0，则不存在碰撞风险；则t时刻目标船舶领域模型中心坐标为：

则有，

上式可化简为关于t的多项式为：

A₁t²+B₂t+C₂＝0

其中：

B₂＝B₂₁f+B₂₂

C₂＝C₂₁f²+C₂₂f+C₂₃

本船刚好通过目标船船舶领域边界时，t仅有一实数解，则

B₂ ²-4A₁C₂＝0

将上式化简为关于f的多项式为：

A₃f²+B₃f+C₃＝0

其中：

A₃＝B₂₁ ²-4A₁C₂₁

B₃＝2B₂₁B₂₂-4A₁C₂₂

C₃＝B₂₂ ²-4A₁C₂₃

解出f₁和f₂，f₁和f₂中较小的非负实数解即为方法倍数f，船舶领域入侵程度DDV＝1-f，DDV＝1时本船正好经过目标船船舶领域中心；DDV＝0时本船正好经过目标船船舶领域边界；DDV<0时本船不入侵目标船船舶领域。

根据船舶领域入侵程度DDV判断当前航速航向本船是否入侵目标船舶领域，DDV>0时，本船和目标船保速保向，本船将入侵目标船船舶领域，存在潜在碰撞危险。

具体地，步骤S3中，判断船舶会遇局面的方法为：

国际海上避碰规则根据本船和目标船之间的舷角关系将两船会遇划分为追越、对遇、交叉三种局面。本发明通过目标船的舷角和本船相对于目标船的舷角两个指标，判断会遇局面和避让行动要求；

目标船艏向H_i，目标船方位B_i，本船艏向H₀，舷角采用半圆方位表示，负数表示左舷舷角，正数表示右舷舷角。

目标船相对于本船的舷角Q，计算方法为:

Q＝B_i-H_o

由于Q∈[-180,180)，则：

本船相对于目标船的舷角Q_i，计算方法为:

Q_i＝B_i+180-H_i

由于Q_i∈[-180,180)，则：

根据目标船位于本船的舷角Q和本船相对于目标船的舷角Q_i判断会遇局面以得到行动要求。

具体地，步骤S4中，船舶的避碰方案由(t_start,c_new,v_new,t_return)表示，其中：

t_start表示避碰开始时刻，取值范围为(0,TDV)；

c_new表示避碰行动改向幅度，在对遇和交叉相遇让路船情况下，c_new取值范围为[0,c_nax]，在其他情况下c_new取值范围为[-c_max,c_max]，c_max为避碰行动最大转向幅度；

v_new表示避碰行动时速度，取值为{v_Nfull,v_half,v_deadslow，0}，分别对应于全速，半速，微速，停车。

t_return表示从避碰开始行动到开始复航的时间，取值为(0，60min)。

本发明中，优化问题目标函数设置为避碰方案过程中本船对目标船舶领域最大入侵程度DDV_max和最大偏航程度E_max。

本发明中，采取改进的NSGAⅡ算法(non dominated sorting in geneticalgorithm)的多目标优化算法。NSGAⅡ算法具有寻优速度快，非支配前沿分布性良好等优点，广泛应用于解决工程领域多目标优化问题。

NSGAⅡ算法的步骤为：

a：随机生成m个个体的种群P；

b：计算适应度种群P中每个个体的目标函数值DDV_max和E_max；

c：根据目标函数值，采用快速非支配排序算法对种群P进行非支配排序，将种群个体按照支配关系划分为{R₀，R₁，R₂,…,R_t}层；

d：计算种群P中每个个体的聚集距离；

e：从种群P中选取n(n<m)个个体，放到P_parents种群中参与下一代进化

e1：按照支配排序结果，从R₀层开始依次将每层的种群放入P_parents种群；

e2：当P_parents∪R_i(0≤i≤t)后，P_parents中个体大于n时，将R_i层中的个体根据其聚集距离由大到小，依次放入P_parents中，直至P_parents个体等于n；

f：根据P_parents中的个体信息，通过交叉变异生成m个个体的种群P；

g：重复b至f步，直至达到终止条件，P_parents即为求解结果。

当前技术的解群体的分布性和多样性保持技术为经交叉变异产生m个个体的新群体，将优秀且分布性较好的n(n<m)个个体保留并参与下一代进化。

个体分布性由聚集距离确定，聚集距离表示为其相邻的两个个体在每个子目标上的距离之和。种群P中个体{P₁,P₂,…,P_m}的聚集距离分别为：

{Distance_P1,Distance_P2,…,Distance_Pm}

为更充分的利用驾驶员经验，生成符合驾驶员偏好分布的非支配解集，本发明对寻优算法的分布性保持技术进行改进。

驾驶员对于DDV的偏好函数设置为：

种群{P₁,P₂,…,P_n}的目标函数DDV_max值分别为：

{DDV_P1,DDV_P2,…,DDV_Pm}

则考虑驾驶员偏好的种群P中个体{P₁,P₂,…,P_m}的个体分布距离分别表示为：

{DDV_P1·f(DDV_P1；λ,k),DDV_P2·f(DDV_P2；λ,k),…,DDV_Pm·f(DDV_Pm；λ,k)}

船舶避碰方案主要为转向行动，在转向避让即可安全通过时极少采用减速行动。所以，首先令v_new＝v_Nfull，对(t_start,c_new,t_return)寻优，当寻优结果中非支配前沿的方案均存在领域入侵时，令v_new＝v_half，重新对(t_start,c_new,t_return)进行寻优，依次类推。

寻优得到的避碰决策方案非劣解集为Archive；

假设目标船保速保向，采用本船的船舶控制模型和船舶运动模型，对Archive集中的方案进行试操，并记录试操中目标船和本船的轨迹。记录本船和目标船每个时刻位置，直至驶过让请。在本船和目标船每个时刻位置记录中，找出两船距离最近时本船位置即为最近会遇点CPA，对应时刻即为TCPA。

具体地，步骤S5中，展示给驾驶员的信息包括：目标船的船舶信息、帕累托前沿和驾驶员偏好函数形状、船舶领域参数和驾驶员偏好函数参数、驾驶员选中的避碰方案信息、本船避碰方案试操轨迹和目标船预测轨迹。

与现有技术相比，本发明的有益效果是：本发明采用离心椭圆船舶领域入侵程度替代DCPA和TCPA作为碰撞风险地判断依据，在目标船艏、目标船右舷方向留有更大地安全距离，符合驾驶员的习惯，同时解决了TCPA不能准确反应当前时刻到两船形成碰撞危险地时间的问题；对NSGAⅡ的种群多样性和分布性保持技术进行改进，采用船舶历史避碰行动轨迹对目标船船舶领域入侵程度分布函数的种群进化进行引导，生成符合船舶驾驶员偏好分布的非劣解集，避免种群在“绝对安全”和“绝对危险”区域过度搜索，提高了算法的效率；采用本船船舶控制模型和船舶运动模型对非劣解集中的避碰方案进行试操，验证了避碰方案的可行性，并将试操结果提供给驾驶员为驾驶员选择避碰方案提供参考。本方法可以降低船舶驾驶员工作强度，减少驾驶员的错误判断，失误决策的概率，同时也避免他船对本船避让行动产生误判，有效的避免因人为原因的水上交通事故的发生。

附图说明

图1为本发明实施例一种基于船舶驾驶员偏好的避碰辅助决策方法的流程示意框图；

图2为本发明实施例中船舶领域示意图；

图3为本发明实施例中船舶舷角计算方法示意图；

图4为本发明实施例中会遇局面判断方法示意图；

图5为本发明实施例中驾驶员偏好函数图；

图6为本发明实施例中寻优结果前沿分布示意图；

图7为本发明实施例中避碰辅助决策结果展示图。

具体实施方式

下面将结合本发明中的附图，对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动条件下所获得的所有其它实施例，都属于本发明保护的范围。

如图1所示，本实施例提供了一种基于船舶驾驶员偏好的避碰辅助决策方法，包括以下步骤：

S1，获取本船o和目标船i的船舶信息，所述船舶信息包括：目标船艏向H_i，目标船航向C_i，目标船航速v_i，目标船方位B_i，目标船距离d_i，目标船船长L_i；本船艏向H_o，本船航向C_o，本船航速v_o，本船方位B_o，本船距离d_o，本船船长L_o；

本船和目标船的船舶信息如下表1所示：

表1本船和目标船的船舶信息

目标船的方位为357.1°，距离6.01海里，相对速度为23.98节，DCPA为0.038海里，TCPA为15.03分钟，两船构成潜在碰撞危险，且处于对遇局面，根据避碰规则两船应右转避让。

S2，根据本船和目标船的船舶信息以及驾驶员输入的船舶领域模型参数(Δb,Δa,b,a)，建立本船和目标船的船舶领域模型；通过解析几何，计算本船入侵目标船船舶领域的时间TDV和入侵目标船船舶领域的程度DDV；根据入侵时间TDV和入侵程度DDV判断目标船是否存在潜在碰撞风险；

本船驾驶员对船舶领域和经验偏好参数设置如下表2所示：

表2本船驾驶员对船舶领域和经验偏好参数设置

以为目标船i位置为原点，目标船艏向为y轴正向，建立目标船离心椭圆船舶领域，如图2左图所示。

以本船位置为原点，正北方向为y轴正向，建立直角坐标系xoy，如图2右图所示。

将目标船信息和本船驾驶员设置的船舶领域参数带入：

解出：

则两船保速保向下，本船入侵目标船船舶领域的时刻TDV为11.89分钟，本船离开目标船船舶领域的时间为16.77分钟。相较于TCPA早3.14分钟。

进一步地，将目标船信息和本船驾驶员设置的船舶领域参数带入：

解算出实数解：

f＝0.096

即船舶领域参数缩小至原参数的0.096倍，本船正好从目标船船舶领域边缘通过。则船舶领域入侵程度DDV为0.904。DDV>0，本船于目标船存在潜在碰撞危险。

S3，当本船与目标船存在潜在碰撞风险时，根据目标船相对于本船的舷角和本船相对于目标船的舷角判断船舶会遇局面，作为寻优过程中避碰方案航向的限制条件；

目标船艏向H_i，目标船方位B_i，本船艏向H_o，舷角采用半圆方位表示，如图3所示，负数表示左舷舷角，正数表示右舷舷角。

进一步地，将本船和目标船的艏向和目标船的方位带入：

Q＝B_i-H_o

Q_i＝B_i+180-H_i

计算得：

Q＝-2.9

Q_i＝2.1

即目标船地舷角为左舷2.9°，本船位于目标船的舷角为右舷2.1°，如图4所示，判断出目标船与本船处于对遇局面。

S4，采用多目标进化算法，求解出符合驾驶员偏好分布的避碰方案的非劣解集；通过船舶控制模型和船舶运动模型对非劣解集中的决策方案进行试操，记录试操轨迹和目标船在试操中的最近会遇点CPA；

进一步地，在寻优过程中，设置种群大小为40，交叉概率0.3，变异概率为0.5，最大迭代次数设置为30代。

采用实数编码方法对种群个体编码为(t_start,c_new,v_new,t_return)

其中：t_start取值范围为(0,11.89)，c_new取值范围为[0°,60°]，v_new取值为{12kn,6kn,3kn,0kn}，t_return取值为(0,60min)。

驾驶员对船舶领域入侵程度偏好函数为：

偏好函数如图5所示。

经过30代循环，前沿分布如图6所示。

进一步地，通过本船地船舶控制模型和船舶运动模型对前沿非劣解集中的避碰方案进行试操，记录本船的每个避碰方案的试操轨迹。

S5，将避碰方案的相关信息，展现给驾驶员，供驾驶员选择避碰决策方案。

进一步地，根据试操结果，标绘出驾驶员选中的避碰方案下的目标船DCPA和TCPA、避碰行动点、预计到达避碰行动点的时间、转向角度和采取的速度信息。如图7所示。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (7)

1.一种基于船舶驾驶员偏好的避碰辅助决策方法，其特征在于，包括以下步骤：

S1，获取本船和目标船的船舶信息，所述船舶信息包括：目标船艏向H_i，目标船航向C_i，目标船航速v_i，目标船方位B_i，目标船距离d_i，目标船船长L_i；本船艏向H_o，本船航向C_o，本船航速v_o，本船方位B_o，本船距离d_o，本船船长L_o；

S2，根据本船和目标船的船舶信息以及驾驶员输入的船舶领域模型参数(Δb，Δa，b，a)，建立本船和目标船的船舶领域模型；通过解析几何，计算本船入侵目标船船舶领域的时间TDV和入侵目标船船舶领域的程度DDV；根据入侵时间TDV和入侵程度DDV判断目标船是否存在潜在碰撞风险；

S3，当本船与目标船存在潜在碰撞风险时，根据目标船相对于本船的舷角和本船相对于目标船的舷角判断船舶会遇局面，作为寻优过程中避碰方案航向的限制条件；

S4，采用多目标进化算法，求解出符合驾驶员偏好分布的避碰方案的非劣解集；通过船舶控制模型和船舶运动模型对非劣解集中的决策方案进行试操，记录试操轨迹和目标船在试操中的最近会遇点CPA；

S5，将避碰方案的相关信息，展现给驾驶员，供驾驶员选择避碰决策方案。

2.根据权利要求1所述的一种基于船舶驾驶员偏好的避碰辅助决策方法，其特征在于，步骤S1中，所述本船和目标船的船舶信息通过雷达、卫星定位系统、计程仪、罗经、AIS系统获取。

3.根据权利要求1所述的一种基于船舶驾驶员偏好的避碰辅助决策方法，其特征在于，步骤S2中，所述船舶领域模型为离心椭圆船舶领域模型；所述船舶领域参数包括：船舶领域长半轴与船长之比a、船舶领域短半轴与船长之比b、船舶领域中心长半轴偏移与船长之比Δa以及船舶领域中心短半轴偏移与船长之比Δb。

4.根据权利要求3所述的一种基于船舶驾驶员偏好的避碰辅助决策方法，其特征在于，步骤S2中，计算本船入侵目标船船舶领域的时间TDV和入侵目标船船舶领域的程度DDV的方法为：

定义：本船和目标船保速保向，当前时刻至本船位于目标船船舶领域边界时的时间为船舶领域入侵时间TDV；

将船舶领域所有参数放大f倍，f为正实数，使得本船恰好从目标船船舶领域的边界通过，则1-f为船舶领域入侵程度DDV，DDV∈(-∞，1]；若DDV大于0，则本船将入侵目标船舶领域，即存在碰撞风险；若DDV小于或等于0，则不存在碰撞风险；

入侵时间TDV的计算方法为：

将目标船船舶领域边界表示为时间t的函数：

当目标船船舶领域边界经过本船坐标原点时，函数为：

其中，x_io′(t)、y_i0′(t)分别为目标船船舶领域中心在t时刻的坐标，α_i为极坐标下的目标船艏向，L_i为目标船船长；

解算出时间t，当t有两解时，两解中较小的非负解即为船舶领域入侵时间TDV；

入侵程度DDV的计算方法为：

当目标船船舶领域边界经过本船坐标原点时，将船舶领域参数放大f倍，船舶领域边界关于时间t的函数为：

其中，x_i0(t)，y_i0(t)分别为目标船在t时刻的坐标，g、h分别为当前坐标系下目标船船舶领域中心相对于船舶位置x轴和y轴方向的偏移量；

化简为t的多项式：

A₁t²+B₂t+C₂＝0

其中：

B₂＝B₂₁f+B₂₂

C₂＝C₂₁f²+C₂₂f+C₂₃

当本船恰好从目标船船舶领域边界通过时，t有且仅有一解；

根据一元二次方程解的判断式，当t仅存在一解时：

B₂ ²-4A₁C₂＝0

化简为关于f的多项式：

A₃f²+B₃f+C₃＝0

其中：

A₃＝B₂₁ ²-4A₁C₂₁

B₃＝2B₂₁B₂₂-4A₁C₂₂

C₃＝B₂₂ ²-4A₁C₂₃

解出f，当存在多解时，取较小的非负实数解；1-f即为入侵程度DDV。

5.根据权利要求1所述的一种基于船舶驾驶员偏好的避碰辅助决策方法，其特征在于，步骤S3中，所述舷角采用半圆方位法表示。

6.根据权利要求1所述的一种基于船舶驾驶员偏好的避碰辅助决策方法，其特征在于，步骤S4中，所述多目标进化算法采用改进的NSGAII算法；

本船驾驶员在避碰行动中对船舶领域入侵程度的偏好分布由比例参数为λ，形状参数为k的函数表示，偏好分布函数表示为：

改进的NSGAII算法采用指定的分布函数引导种群个体进化，使得寻优结束后非劣解前沿种群个体的密度分布符合指定的分布函数。

7.根据权利要求1所述的一种基于船舶驾驶员偏好的避碰辅助决策方法，其特征在于，步骤S5中，展示给驾驶员的信息包括：目标船的船舶信息、帕累托前沿和驾驶员偏好函数形状、船舶领域参数和驾驶员偏好函数参数、驾驶员选中的避碰方案信息、本船避碰方案试操轨迹和目标船预测轨迹。

Images