CN113096446A - 混合航行场景下的多船避碰决策方法、存储介质及处理器 - Google Patents

Abstract

本发明公开一种混合航行场景下的多船避碰决策方法、存储介质及处理器，所述方法针对混合场景下多船避碰问题，首先，基于避碰规则行动条款和人类思维模式定义常规船舶避碰决策模型；其次，通过分级考虑船舶避碰安全程度、规则符合度、船舶偏航角度和偏航距离等构建智能船舶避碰决策模型；同时，根据常规船舶善于理解规则、智能船舶精于快速计算等特点对会遇船舶进行分级，从而形成避碰意图告知机制，并应用序贯决策实现船舶避碰方案实时更新。通过场景模拟实现证实，本发明能够使避碰船舶均能平稳操纵并以平滑轨迹在安全距离上通过，满足避碰行动关于安全和避碰规则的要求，且模型的有效性和对局面适应能力得到了验证。

Description

混合航行场景下的多船避碰决策方法、存储介质及处理器

技术领域

本发明涉及智能船舶技术领域，尤其涉及常规船舶和智能船舶混合航行场景，具体为一种混合航行场景下的多船避碰决策方法、存储介质及处理器。

背景技术

随着人工智能和大数据技术的发展，智能船舶技术受到国内外研究机构的高度关注，针对信息感知、通信导航、能效控制和航线规划等开展了一系列研究，使得智能船舶投入远洋货物运输成为可能。常规船舶和智能船舶混合航行将是未来最有可能出现的一种新型场景，混合航行场景下的多船避碰决策及常规/智能船舶之间的协同是保证船舶安全航行的重要组成部分和急需解决的关键问题。

在船舶避碰决策研究中，利用人工势场、速度障碍、遗传算法、蚁群算法和粒子群算法等制定的船舶避碰方案，船舶必须严格依照生成的方案才能安全驶过。智能避碰决策为适应船舶航行场景及避碰行动的不确定性，多采用分布式决策模型。杨神化等利用分布式的自动协商避碰决策方法来模拟群体智慧，提出了基于Multi-agent的船舶避碰决策。Li等提出了一个分布式协调策略，通过预测不同特定的舵角，基于船舶轨迹预测评估碰撞风险，再通过优化策略找到最有效的避碰方案，但研究中未考虑避碰规则；Kim等针对多船避碰问题，采用分布式随机搜索算法(DSSA)减少通信负担，缩短计算时间来为每艘船舶寻找最优航线，允许每艘船在收到其他船的会遇意图后立即随机地改变其意图，研究中未考虑船舶操纵性能及避碰规则；Zhang等针对避碰规则中让路船和直航船的行动要求，对决策算法进行设计，通过要求会遇船舶实时监控周围会遇来船，实时判断船舶是否应该采取避碰行动以及何种避碰行动，但研究中决策方案主要依据两船避碰场景，未考虑多船会遇中船舶间的协调行动。Zhao等提出基于深度强化学习的避碰决策算法，将船舶避碰风险降低程度、逼近目标点的程度综合考虑构建目标函数，从而确定最优决策，形成序贯避碰决策机制，为多船避碰决策研究提供新的研究思路。Huang等利用常规人为决策和机器智能决策的优势互补，为实现人机合作提出面向人-机交互的船舶避碰系统框架，该方法还处于理论研究阶段。

总体来说，目前研究者对多船避碰研究对避碰规则的融入、船舶间避碰协调行动及混合航行场景常规/智能船舶之间的协同相对薄弱。

发明内容

为克服上述现有技术的不足，本发明提供一种混合航行场景下的多船避碰决策方法、存储介质及处理器，解决常规/智能船舶混合航行场景下的多船避碰决策问题。

根据本发明说明书的一方面，提供了一种混合航行场景下的多船避碰决策方法，应用于常规船舶和智能船舶混合航行场景，包括：

建立常规船舶避碰决策模型和智能船舶避碰决策模型；

划分会遇船舶的优先级，确定常规船舶的避碰决策优先级高于智能船舶；

常规船舶优先进行避碰决策，并将形成的避碰意图告知智能船舶；

智能船舶基于常规船舶的避碰意图进行避碰决策；

常规船舶和智能船舶以预定周期，根据实时船舶会遇场景更新避碰决策，直到船舶驶过让清。

上述技术方案针对混合场景下多船避碰问题，首先，基于避碰规则行动条款和人类思维模式定义常规船舶避碰决策模型；其次，通过分级考虑船舶避碰安全程度、规则符合度、船舶偏航角度和偏航距离等构建智能船舶避碰决策模型；同时，根据常规船舶善于理解规则、智能船舶精于快速计算等特点对会遇船舶进行分级，从而形成避碰意图告知机制，并应用序贯决策实现船舶避碰方案实时更新。通过场景模拟实现证实，该技术方案能够使避碰船舶均能平稳操纵并以平滑轨迹在安全距离上通过，满足避碰行动关于安全和避碰规则的要求，满足对模型的有效性和对局面适应能力的要求。

作为进一步的技术方案，构建智能船舶避碰决策模型的步骤进一步包括：构建船舶操纵集合；建立评价指标；基于建立的评价指标对船舶操纵集合中的元素进行评价，得到最优决策。

作为进一步的技术方案，构建船舶操纵集合的步骤包括：

假设本船S_i在t时刻舵角为γ_i(t)，其中-RudMax≤γ_i(t)≤RudMax，t+1时刻本船S_i的操纵集合为：

Dγ_i(t+1)＝[γ_i(t)-aγ_i(t)γ_i(t)+b]

其中，a和b由不同阶段的行动及最大舵角的限制确定，RudMax表示船舶转向避碰的最大舵角。

作为进一步的技术方案，将船舶避碰过程划分为避碰行动阶段和复航行动阶段，在避碰行动阶段，a和b的取值为：

在复航行动阶段，a和b的取值为：

其中：CourseDev_i(t)表示t时刻S_i的偏航角，RudStep表示单位时间舵角变化量。

作为进一步的技术方案，建立评价指标的步骤包括：依据最近会遇距离和会遇安全距离建立安全性评价指标；依据COLREGs要求建立规则符合度评价指标；依据初始船舶位置、目标点位置、t时刻船舶位置和航向确定偏航距离并依据该偏航距离建立偏航距离评价指标；依据船舶相对方位计算方法计算偏航角并依据该偏航角建立偏航角评价指标。

作为进一步的技术方案，基于建立的评价指标对船舶操纵集合中的元素进行评价，得到最优决策的步骤进一步包括：在多船会遇局面下，建立目标船舶重要程度评价函数；依据避碰安全性评价指标、规则符合度评价指标、船偏航距离评价指标、偏航角评价指标建立分层评价模型，得到本船对于来船的决策评价函数；依据该决策评价函数和目标船舶重要程度评价函数，得到多船会遇下本船的避碰决策评价函数，确定最优决策。

作为进一步的技术方案，所述方法进一步包括：常规船舶根据会遇场景制定本船避碰决策，形成常规船舶初始避碰方案并向会遇场景中的智能船舶进行避碰意图告知；智能船舶依据常规船舶告知的避碰意图制定本船避碰决策，形成智能船舶初始避碰方案；常规船舶和智能船舶分别执行各自制定的初始避碰方案，并更新船舶位置；间隔预定周期后，常规船舶和智能船舶重复前述步骤，直至船舶驶过让清。

作为进一步的技术方案，依据避让方向、避碰幅度以及结束避碰时刻构建常规船舶避碰决策模型。

根据本发明说明书的一方面，提供一种存储介质，其上存储有程序指令，所述程序指令被处理器执行时实现所述的多船避碰决策方法。

根据本发明说明书的一方面，提供一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述的多船避碰决策方法。

与现有技术相比，本发明的有益效果在于：

(1)本发明方法针对混合场景下多船避碰问题，首先，基于避碰规则行动条款和人类思维模式定义常规船舶避碰决策模型，同时，通过分级考虑船舶避碰安全程度、规则符合度、船舶偏航角度和偏航距离等构建智能船舶避碰决策模型；其次，根据常规船舶善于理解规则、智能船舶精于快速计算等特点对会遇船舶进行分级，确定常规船舶的避碰决策优先级高于智能船舶，并形成避碰意图告知机制，智能船舶基于常规船舶上一时刻的避碰意图制定避碰决策；最后，常规船舶和智能船舶随着时间变化，应用序贯决策实现船舶避碰方案实时更新，直至船舶驶过让清。本发明方法能够使避碰船舶均能平稳操纵并以平滑轨迹在安全距离上通过，满足避碰行动关于安全和避碰规则的要求。

(2)本发明针对混合航行场景下，常规船舶避碰意图告知机制的应用，提升了智能船舶操纵舵角的复杂性、避碰幅度及航行稳定性。

附图说明

图1为本发明混合航行场景下的多船避碰决策方法的流程示意图。

图2为本发明构建常规船舶避碰决策模型时各会遇局面下两船避碰行动示意图。

图3为本发明构建智能船舶避碰决策模型时的偏航距离和偏航角示意图。

图4为本发明多船会遇分布式序贯避碰决策示意图。

图5为根据本发明实施例的船舶初始会遇场景示意图。

图6(a)为根据本发明实施例基于常规船舶决策模型的船舶避碰轨迹图。

图6(b)为根据本发明实施例基于常规船舶决策模型的船舶间距离变化曲线示意图。

图6(c)为根据本发明实施例基于常规船舶决策模型的舵角随时间变化曲线示意图。

图6(d)为根据本发明实施例基于常规船舶决策模型的船舶航向变化曲线示意图。

图7(a)为根据本发明实施例基于智能船舶决策模型的船舶避碰轨迹图。

图7(b)为根据本发明实施例基于智能船舶决策模型的船舶间距离变化曲线示意图。

图7(c)为根据本发明实施例基于智能船舶决策模型的舵角随时间变化曲线示意图。

图7(d)为根据本发明实施例基于智能船舶决策模型的船舶航向变化曲线示意图。

图8(a)为根据本发明实施例混合航行场景下船舶避碰轨迹示意图。

图8(b)为根据本发明实施例混合航行场景下船舶间距离变化曲线示意图。

图8(c)为根据本发明实施例混合航行场景下舵角随时间变化曲线示意图。

图8(d)为根据本发明实施例混合航行场景下船舶航向变化曲线示意图。

具体实施方式

以下将结合附图对本发明各实施例的技术方案进行清楚、完整的描述，显然，所描述发实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例，都属于本发明所保护的范围。

本发明针对混合场景下多船避碰问题，提出了一种混合航行场景下的多船避碰决策方法，应用于常规船舶和智能船舶混合航行场景，包括：建立常规船舶避碰决策模型和智能船舶避碰决策模型；划分会遇船舶的优先级，确定常规船舶的避碰决策优先级高于智能船舶；常规船舶优先进行避碰决策，并将形成的避碰意图告知智能船舶；智能船舶基于常规船舶的避碰意图进行避碰决策；常规船舶和智能船舶以预定周期，根据实时船舶会遇场景更新避碰决策，直到船舶驶过让清。

步骤一，构建常规船舶避碰决策模型。

常规船舶避碰决策主要基于避碰规则解析、历史经验及船舶驾驶人员操船习惯等形成避碰方案，方案由避让方向、幅度以及结束避碰时刻组成。

步骤1.1，避让方向确定

目前大多数针对多船会遇局面的研究仅考虑存在碰撞风险的目标船，采取“重点船”算法进行避让。当本船附近(6nmile)存在多艘(n>1)船舶时，可能仅部分船舶与本船存在碰撞危险(DCPA<SDA)，本船在避让时应避免形成新的碰撞危险；同时针对“重点船”避让时，应避免与其他危险船舶间的碰撞危险加剧。由COLREGs可知，除对遇局面明确要求向右转向外，其他条款并未明确避让方向。

表1会遇态势划分

根据表1会遇态势的划分，各会遇局面下两船避碰行动如图2所示。针对多船会遇局面的特点，对多船会遇局面下的船舶避让方向进行设计，本船S_i在t时刻避让方向δ_i(t)的算法如表2所示。

表2多船会遇船舶避让方向算法

其中：head-on和overtaken分别表示对遇和被追越局面；RC_ir(t)、TC_ir(t)和RVC_ir(t)分别表示t时刻船舶r相对本船S_i的相对方位、真方位和运动方向。

步骤1.2，避碰幅度的确定

在确定避让方向后，需要进一步计算避碰幅度δc_i(t)。为尽量符合船舶驾驶员决策习惯，选取以10°为转向幅度步长的避让幅度集合；为避免船舶轨迹过分偏离规划航线，将候选最大幅度设置为60°，因此船舶避碰幅度候选集合ΔC＝{0°，10°，20°，30°，40°，50°，60°}。

当本船周围有多艘危险船舶，避碰幅度选择策略如下(以本船S_i为例)：

①当能够让清所有来船时，对于任意来船S_j，

②如无法让清所有来船时，应尽可能让清本船附近6n mile以内来船，即对于任意船舶S_j(d_ij(t)<6n mile)，

③如仍无法让清6n mile以内来船，应保证避让方案能够最大程度保证安全，避免更为紧迫的碰撞危险，即：

其中：

表示本船S_i避碰角度C后与来船S_j的DCPA。

一般来说，操舵角越大稳定后的角速度越大，达到某一避碰幅度所需的时间越短，实际操作中应根据避碰幅度大小控制船舶角速度。一般船舶最大舵角在30°-35°，用于船舶紧急操纵；船舶转向避碰的最大舵角RudMax一般取20°，因此针对避碰幅度候选集合ΔC相应构建船舶避碰操纵舵角集合Δδ＝{0°，4°，8°，12°，16°，20°，20°}。根据“SOLAS公约要求，船舶自任意一舷35°转至另一舷30°的时间应不超过28s”，研究中对舵角变化做简化处理，舵角变化量RudStep取2°/s。同时，根据避碰行动应“大幅度地”要求，“让路船”初次避碰的幅度应不小于30°，即：

∑r_t≥30°

步骤1.3，结束避让时刻确定

当采取避碰行动一段时间后，船舶偏离原目标点，船舶在保证安全的前提下应尽快向原目标点驶去，结束整个避碰过程。结束整个避碰过程的条件(以S_i为例)为：

①S_i朝原目标点航行后与任意来船S_j不存在碰撞危险，即

或者

且d_ij(t)>SDA}。

②或者对于任意来船S_j，与S_i距离d_ij(t)均大于8n mile。

其中：

分别表示本船S_i朝原目标点航行后与来船S_j的DCPA和TCPA值。

步骤2，建立智能船舶避碰决策模型

与常规船舶不同，智能船舶决策是基于船舶能够做出的操纵集合，在保证安全的情况下综合考虑规则符合度、船舶偏航角度和偏航距离等指标，对操纵集合中的元素进行评价，得到最优决策。

步骤2.1船舶操纵集合构建

船舶避碰过程可以划分为避碰行动和复航行动两个阶段。前者是为了避免船舶碰撞，船舶避碰方向尚不确定；后者是为了缩短船舶航程，因此操纵集合仅为直航和朝目标点变向。假设本船S_i在t时刻舵角为γ_i(t)，其中-RudMax≤γ_i(t)≤RudMax，t+1时刻本船S_i的操纵集合为：

Dγ_i(t+1)＝[γ_i(t)-a γ_i(t) γ_i(t)+b]

其中，a和b由不同阶段的行动及最大舵角的限制确定。避碰行动阶段取值如下：

复航行动阶段取值如下：

其中：CourseDev_i(t)表示t时刻S_i的偏航角。

步骤2.2评价指标及决策评价模型

1.安全性指标

DCPA是衡量目前避碰决策是否成功的最直接指标。t时刻，本船S_i与附近任意船舶来船S_j形成的最近会遇距离为DCPA_ij(t)，则安全性指标Rsafe_ij(t)如下：

当DCPA_ij(t)＜SDA，安全性指标小于1，并随着数据增大而变大；当DCPA_ij(t)＞SDA时，安全性指标等于1。

2.规则符合度

符合COLREGs要求是智能船舶避碰决策性能评价的重要参考。对遇局面中，规则明确要求向右转向。追越局面中，规则仅明确追越船舶为“让路船”，可以根据船舶会遇状态情景，选择避让方向。对于交叉相遇局面，规则明确居左船舶为“让路船”，且应避免横越来船船首。由于小角度交叉向左转向易从来船船首驶过，降低小角度交叉左转评价取值；大角度交叉根据会遇场景，选择合适的避让方向。

为避免紧迫局面或紧迫危险“直航船”应采取合适的避碰行动。被追越船无避让方向限制；居右交叉船舶，如条件允许不向左转向；对于特殊会遇局面，对左转、直航和右转均无避让方向限制。

各局面/阶段下船舶避碰方向规则符合度矩阵Rreg_ij(t)如下：

①对遇局面评价矩阵为：[0 0 1]。

②追越船评价矩阵为：[1 0 1]；被追越船在紧迫局面前后分别为[0 1 0]和[1 01]。

③小角度和大角度交叉船舶评价矩阵分别为：[0.7 0 1]和[1 0 1]；居右交叉相遇船舶在紧迫局面前后分别为[0 1 0]和[0.5 0 1]。

④特殊会遇局面下评价矩阵为：[1 1 1]。

3.偏航距离及偏航角

船舶与原航线的垂直距离为偏航距离，船舶与目标点连线与航向的夹角为船舶偏航角。船位应保持在预定航线两侧附近，偏航距离应尽可能小。在复航行动阶段，船舶根据偏航角确定操纵方案，并尽快稳定在目标航向上。

如图3所示，初始船舶位置为(x(0)，y(0))，目标点坐标为(x_g，y_g)，t时刻船舶位置为(x(t)，y(t))，航向为c(t)，则偏航距离DistDev(t)为：

其中A＝y_g-y(0)，B＝x_g-x(0)，C＝x_g·y(0)-y_gx(0)。偏航角CourseDev(t)可根据船舶相对方位计算方法进行计算。

基于船舶偏航距离及偏航角的评价指标Rdist(t)和Rcourse(t)分别为：

Rcourse(t)＝e^{-CourseDev(t)/30}

Rdist(t)＝e^{-DistSev(t)/5}

4.目标船重要程度评价

当本船S_i附近存在多艘碰撞危险船舶时，不同船舶对避碰决策制定的重要程度不完全相同。一般距离S_i越近，重要度越大，因此对于存在碰撞危险的船舶j的距离评价指标为：

在多船会遇局面下，各个船舶对于避碰决策的重要程度为：

5.决策评价模型

基于避碰安全性、规则符合度、船舶偏航距离和偏航角等评价指标建立分层评价模型，本船S_i对于来船S_j的决策评价函数R_ij(t)为：

R_ij(t)＝Rsafe_ij(t)+k₁×Rreg_ij(t)+k₂×Rdist(t)+k₃×Rcourse(t)

k₁、k₂和k₃为权重系数，当行动对应的DCPA＞SDA时，k₁、k₂和k₃分别对应0.7、0.15和0.15；否则k₁、k₂和k₃均为0。多船会遇下本船S_i的避碰决策评价函数R_i(t)为：

步骤3船舶优先级划分

常规船舶主要模拟实际航行中值班驾驶员制定船舶避碰决策，值班驾驶员经过了专门的理论学习和实践练习后才能独立驾驶船舶，对避碰规则具有系统的了解和掌握，但通常会对船舶会遇局面及碰撞危险有着感性的认识；智能船舶提前接入船舶的各种导助航设备信号，根据设置好的船舶避碰流程和算法，基于会遇参数对船舶会遇场景及碰撞危险有着准确的了解，并更够快速制定船舶避碰决策方案。两者各有优势并各有侧重，前者对避碰规则有着充分的理解和全面的掌握，决策方案符合规则要求；后者则具有快速准确的计算能力，能够适应会遇场景的动态变化。基于此，为保证船舶避碰符合避碰规则，并能对会遇场景变化快速制定应对策略，对两类船舶进行优先级划分。常规船舶优先级高于智能船舶，以能够达到在会遇过程中，常规船舶在依据规则制定避碰决策方案后，智能船舶能够根据常规船舶避碰决策快速准确的制定避碰方案，以保证船舶在安全距离上通过。

步骤4常规船舶避碰意图告知机制

由于海上避碰行动实施时船舶间距离比较大，且由于船舶运动特性及导助航设备精度的限制，船舶避碰行动探测需要一定的时间和距离，所以船舶避碰意图的探测存在滞后性。常规船舶海上航行，如对来船航行状态及避碰行动存在疑问可通过无线电设备进行询问与沟通，以保证双方的相互了解。基于常规船舶优先级高于智能船舶的优先级划分，智能船舶适应常规船舶进行决策的特点，建立常规船舶避碰意图告知智能船舶的协调机制。通过建立常规船舶避碰意图告知机制，可以使船舶尽早进一步掌握来船避碰行动；同时如来船由于某种原因无法依据规则避碰，如船舶失控等航行故障，智能船舶能够及时采取避碰行动，避免紧迫局面的发生；另一方面，船舶避碰意图告知是船舶拟人思维的体现和良好船艺的应用。

步骤5船舶序贯避碰决策

船舶避碰决策过程是实时变化的，特别是对于复杂的多船会遇场景，集中式决策无法适应。智能船舶避碰决策算法应采用分布式避碰，即每艘船舶单独作出避碰决策。因此采取序贯模式，即避碰决策方案以特定时间步长Δt，根据实时船舶会遇场景更新避碰方案，直到船舶驶过让清，如图4所示。

会遇船舶在随着时间变化时均以迭代的方式更新船舶位置，在每个周期内独立决策，形成/更新船舶避碰决策方案。由于智能船舶需要根据常规船舶避碰意图制定策略，为体现避碰决策相对独立性，智能船舶基于常规船舶上一时刻的避碰行动进行决策。虽然在决策时使用来船的数据具有一定的延迟，但是通过对数据和决策的及时更新能够降低误差的累积，实现船舶避碰方案的实时更新与动态优化。

根据本发明说明书的一方面，提供一种存储介质，其上存储有程序指令，所述程序指令被处理器执行时实现所述的多船避碰决策方法。

根据本发明说明书的一方面，提供一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述的多船避碰决策方法。

实施例

本实施例提供一种常规/智能船舶混合航行场景下的多船会遇避碰方法，为验证常规船舶决策模型、智能船舶决策模型及混合场景下避碰决策机制的有效性，设置包含4条船舶的会遇场景，分别在以上三种模式下进行仿真试验。

(1)初始会遇场景

图5所示为设置的多船会遇场景，具体运动参数见表3。其中：S1与S4存在碰撞危险，两者为大角度交叉局面；S2与S3存在碰撞危险，并构成右对右的特殊会遇局面，且S3与S4构成小角度交叉局面。仿真试验中船舶操纵性参数设置为K＝0.0579，T＝69.9784。

表3船舶初始会遇参数及船舶间关系

(2)船舶避碰模拟试验1

在试验1中，S1～S4均使用常规决策模型，试验结果如图6(a)-(d)所示。由图6(a)可知，各船舶避碰行动的方向均与图2一致，符合COLREGs要求。根据图6(b)，船舶间距离变化均先减小后增大，最小值为1.26n mile，大于安全会遇距离1.20n mile。根据图6(c)和(d)，船舶避碰分为3个阶段：避碰、复航和稳定航向。S1在t＝670s时向右转向，转向幅度为35.9°，航向稳定在320.9°；在t＝1571s时，船舶调整航向并稳定在316°；在t＝2292s船舶开始复航，最后稳定在281.3°。S2与S3构成特殊的右对右局面，模型中规定两船同时在t＝630s向右转向。S2转向到204.2°后立即复航；S3转向到33.6°，在t＝1527s时复航，航向最终稳定在357.6°。S2为满足COLREGs关于大幅度避让的要求，在满足安全的前提下尽早复航，所以在避碰幅度满足大幅度要求后立即开始复航；S4在整个避碰中均为直航船，当其他船舶都遵守COLREGs时，不需要采取避让行动。

(3)船舶避碰模拟试验2

在模拟试验2中，S1～S4均设置为智能决策模型，结果如图7(a)-(d)所示。图7(a)相比图6(a)，船舶避碰角度和偏航较小，船舶操纵更加平稳，避碰轨迹更为平滑。船舶间距离变化先减小后增大，最小值为1.20n mile。S1在t＝670s时首先向左转向5°后，随着会遇态势的变化开始向右转向并稳定在337.6°，避碰幅度为52.6°；在t＝1902s时开始复航，最后稳定在282.5°。S2与S3在t＝630s同时向右转向避碰。S2航向最大为179.0°，避碰幅度为9°；S3向右转向到7°后开始向左调整航向，最大到349.6°，最终稳定在0.23°。在会遇过程中，S4与航向变化的其他来船在某一时刻存在危险，但随着船舶运动的动态变化，危险随即消除，所以对航向做了部分调整。

(4)船舶避碰模拟试验3

在模拟试验3中，设置S1和S2使用常规避碰决策模型，S3和S4使用智能避碰决策模型，结果如图8(a)-(d)所示。在整个试验过程中船舶最近会遇距离为1.25n mile。S1在t＝670s时采取避碰行动，随后稳定在320.9°航向上，在t＝1571s时复航，随后以航向283.3°朝目标点驶去。S2与S3在t＝630s同时进行避碰，S2向右转向至航向203.5°，在t＝1176s复航，最后稳定在169.2°；S3稍向右转向后与S1形成大角度交叉局面，根据智能决策模型选择向左转向避碰，在航向349.6°上航行至t＝1613s复航，最后航向稳定在0.23°。S4在整个避碰中未进行避碰。

针对船舶避碰模拟试验1和2，模拟试验1中船舶舵角在避让阶段比模拟试验2大，最大船舶转向速率均为S1，分别为0.43°/s和0.26°/s，表明船舶避让过程中模拟试验2运动轨迹更为平稳；模拟试验1舵角变化集中，模拟试验2舵角变化频繁，模拟试验1航向稳定性好。

对比模拟试验1、3中的S1、S2，船舶避让幅度基本相同，试验3中船舶航向变化复杂程度降低，S1操纵次数由3次降为2次，S2也在新航行上航行一段时间。对比模拟试验中2、3的S3、S4，试验3船舶所操舵角减小，操舵频率降低，航向稳定性提高。

综合图6～8可知，船舶在以上避碰场景中最近会遇距离均不小于设置的安全距离，模型能够满足避碰行动关于安全的要求。船舶在避碰过程中，完全常规避碰模型与完全智能避碰模型下的避碰行动基本相同，存在差异的场景均为规则中的笼统或者未定义的特殊场景，模型制定的避碰行动符合规则对避碰行动的要求。在混合航行场景下，常规船舶避碰意图告知机制的应用，提升了智能船舶操纵舵角的复杂性、避碰幅度及航行稳定性。

常规船舶和智能船舶混合航行是未来最有可能出现的船舶会遇场景，本发明对混合场景下常规/智能船舶避碰决策和协调机制进行研究，形成了多船会遇场景下常规船舶避碰决策模型和智能船舶避碰决策模型；根据两种模型的特点，建立避碰意图告知机制。通过设置不同的模拟试验场景，避碰船舶均能平稳操纵并以平滑轨迹在安全距离上通过，模型能够满足避碰行动关于安全和避碰规则的要求，从而对模型的有效性和对局面适应能力进行了验证。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案。

Claims (10)

1.混合航行场景下的多船避碰决策方法，应用于常规船舶和智能船舶混合航行场景，其特征在于，包括：

建立常规船舶避碰决策模型和智能船舶避碰决策模型；

划分会遇船舶的优先级，确定常规船舶的避碰决策优先级高于智能船舶；

常规船舶优先进行避碰决策，并将形成的避碰意图告知智能船舶；

智能船舶基于常规船舶的避碰意图进行避碰决策；

常规船舶和智能船舶以预定周期，根据实时船舶会遇场景更新避碰决策，直到船舶驶过让清。

2.根据权利要求1所述混合航行场景下的多船避碰决策方法，其特征在于，构建智能船舶避碰决策模型的步骤进一步包括：构建船舶操纵集合；建立评价指标；基于建立的评价指标对船舶操纵集合中的元素进行评价，得到最优决策。

3.根据权利要求2所述混合航行场景下的多船避碰决策方法，其特征在于，构建船舶操纵集合的步骤包括：

假设本船S_i在t时刻舵角为γ_i(t)，其中-RudMax≤γ_i(t)≤RudMax，t+1时刻本船S_i的操纵集合为：

Dγ_i(t+1)＝[γ_i(t)-a γ_i(t) γ_i(t)+b]

其中，a和b由不同阶段的行动及最大舵角的限制确定，RudMax表示船舶转向避碰的最大舵角。

4.根据权利要求3所述混合航行场景下的多船避碰决策方法，其特征在于，将船舶避碰过程划分为避碰行动阶段和复航行动阶段，在避碰行动阶段，a和b的取值为：

在复航行动阶段，a和b的取值为：

其中：CourseDev_i(t)表示t时刻S_i的偏航角，RudStep表示单位时间舵角变化量。

5.根据权利要求4所述混合航行场景下的多船避碰决策方法，其特征在于，建立评价指标的步骤包括：依据最近会遇距离和会遇安全距离建立安全性评价指标；依据COLREGs要求建立规则符合度评价指标；依据初始船舶位置、目标点位置、t时刻船舶位置和航向确定偏航距离并依据该偏航距离建立偏航距离评价指标；依据船舶相对方位计算方法计算偏航角并依据该偏航角建立偏航角评价指标。

6.根据权利要求5所述混合航行场景下的多船避碰决策方法，其特征在于，基于建立的评价指标对船舶操纵集合中的元素进行评价，得到最优决策的步骤进一步包括：在多船会遇局面下，建立目标船舶重要程度评价函数；依据避碰安全性评价指标、规则符合度评价指标、船偏航距离评价指标、偏航角评价指标建立分层评价模型，得到本船对于来船的决策评价函数；依据该决策评价函数和目标船舶重要程度评价函数，得到多船会遇下本船的避碰决策评价函数，确定最优决策。

7.根据权利要求1所述混合航行场景下的多船避碰决策方法，其特征在于，所述方法进一步包括：常规船舶根据会遇场景制定本船避碰决策，形成常规船舶初始避碰方案并向会遇场景中的智能船舶进行避碰意图告知；智能船舶依据常规船舶告知的避碰意图制定本船避碰决策，形成智能船舶初始避碰方案；常规船舶和智能船舶分别执行各自制定的初始避碰方案，并更新船舶位置；间隔预定周期后，常规船舶和智能船舶重复前述步骤，直至船舶驶过让清。

8.根据权利要求1所述混合航行场景下的多船避碰决策方法，其特征在于，所述方法进一步包括：依据避让方向、避碰幅度以及结束避碰时刻构建常规船舶避碰决策模型。

9.一种存储介质，其特征在于，其上存储有程序指令，所述程序指令被处理器执行时实现如权利要求1-8中任一项所述的多船避碰决策方法。

10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1-8中任一项所述的多船避碰决策方法。

Images