论文部分内容阅读
随着当今科学技术的飞速发展，人工智能逐渐渗透到人类生活当中，而无人驾驶技术作为其发展的一个重要分支，对社会经济发展、国防安全建设等方面产生了重大影响。近年来，随着自动化控制、物联网、大数据等技术的发展，与船舶有关的环境感知技术、通信导航技术等也得到广泛的应用，均为自主船舶的开发提供了广阔的技术可行性。人工智能已经成为未来科学技术发展的一个重要方向，船舶领域正在开启一场智能化革命，人工智能技术和船舶领域的研究结合越来越紧密。自主驾驶的成功实现将会从根本上改变传统的“人-船舶-航道”作用方式，形成“船舶-航道”的直接作用方式，从而大大提高航运系统的效率和安全性。内河船舶运输在中国发挥着极其重要的作用，由于内河具有过往船舶密集，内河航道狭窄等特殊性，使得内河航行安全事故时有发生。鉴于自主船舶操纵方面的优势，将自主船舶运用于内河运输是否可以提高内河运输的安全性，使得内河自主船舶航行安全性的研究迫在眉睫。
从国内外研究来看，目前的研究主要集中在无人船避碰和路径规划方面，对于自主船舶的航行安全的研究多是从定性的角度单一考虑人员因素对自主船舶的影响，还有一些研究从定性角度对自主船舶进行了系统性的风险分析；但是对于内河自主船舶航行安全策略的研究几乎没有文献涉及。对内河自主船舶航行安全策略的研究能够为内河自主船舶航行安全研究提供一定的理论依据。论文的主要内容和结论如下：
1）通过分析自主船舶特征，进一步对自主船舶的航行安全风险进行分析，在此基础上阐述自主船舶航行安全风险的构成。首先通过文献归纳的方式归纳总结影响传统船舶航行安全的因素，以常见船舶事故中碰撞、搁浅、触礁、火灾爆炸以及自沉典型事故场景对自主船舶航行安全影响因素进行分析。探究因船岸一体化带来的影响内河自主船舶航行安全的因素，最终建立了基于船舶-环境-管控系统的自主船舶航行安全影响因素框架，为内河自主船舶航行安全性评估提供了思路。
2）以船舶属性、环境属性、管控属性中涉及到的影响因素构建坐标轴，从坐标系的角度出发构建自主船舶航行场景分类模型。提出了一种基于距离评价函数的模糊C均值（Fuzzy C-means,FCM）聚类算法，并选取专门用于测试分类、聚类算法的国际通用的UCI数据库中的wine数据集进行算法的检验，验证算法的合理性与适用性。通过对所选取的数据进行特征聚类，实现了内河自主船舶航行场景的聚类。聚类结果表明，该算法是切实有效的，不但可以自适应的给出最佳的聚类数，而且可以验证聚类的有效性，还可以快速达到最佳聚类的目的。
3）以航行环境变化、与它船会遇和船舶靠离泊三种典型航行状况为例，阐述了该状况下的安全操纵策略。对于会遇状况下的操纵策略分析，鉴于船舶在航道会遇时涉及到船舶避碰问题，首先对会遇态势进行划分，然后通过DCPA（distance to closest point of approach）、TCPA（time to closest point of approach）和安全会遇距离等指标来衡量船舶碰撞危险度，基于内河避碰规则与船舶会遇态势，系统分析了两船会遇与多船会遇态势下自主船舶所应采取的避碰策略。对于靠泊状况下的操纵策略分析，依次对船舶靠泊过程、靠泊注意事项进行了分析，最后系统分析了自主船舶靠离泊操纵策略。
4）以传统船舶事故案例为例，计算对应场景下采取多种策略时，每种策略所对应的安全指数，并结合差异系数CRITIC（Criteria Importance Though Intercrieria Correlation）赋权法TOPSIS（Technique for Order Preference by Similarity to Ideal Solution）模型对各种操纵策略进行评估，展示了船舶航行安全操纵策略集的构建流程。结果表明该评估模型能直观、准确的反映船舶航行安全操纵策略的优劣，为构建内河自主船舶航行安全策略集提供了思路。
5）在对已有的深度强化学习方法模型的分析基础上，将深度学习和确定性策略梯度算法结合，建立基于DDPG（Deep Deterministic Policy Gradient）算法的自主船舶航行操纵策略框架。结合内河船舶航行安全事故实际情况，从内河自主船舶航行过程中遇到的典型场景-避障的视角，选取内河航道具有代表性的航段（包括内河顺直航道、弯曲航道、桥区航道以及航道交汇口四种），运用Python软件进行仿真研究，实现了自主船舶航行策略学习更新过程。结果表明，通过一段时间的自学习，自主船舶能够学习到优秀的操纵策略，及时更新船舶航行安全操纵策略，并且在测试环境中表现良好。
从国内外研究来看，目前的研究主要集中在无人船避碰和路径规划方面，对于自主船舶的航行安全的研究多是从定性的角度单一考虑人员因素对自主船舶的影响，还有一些研究从定性角度对自主船舶进行了系统性的风险分析；但是对于内河自主船舶航行安全策略的研究几乎没有文献涉及。对内河自主船舶航行安全策略的研究能够为内河自主船舶航行安全研究提供一定的理论依据。论文的主要内容和结论如下：
1）通过分析自主船舶特征，进一步对自主船舶的航行安全风险进行分析，在此基础上阐述自主船舶航行安全风险的构成。首先通过文献归纳的方式归纳总结影响传统船舶航行安全的因素，以常见船舶事故中碰撞、搁浅、触礁、火灾爆炸以及自沉典型事故场景对自主船舶航行安全影响因素进行分析。探究因船岸一体化带来的影响内河自主船舶航行安全的因素，最终建立了基于船舶-环境-管控系统的自主船舶航行安全影响因素框架，为内河自主船舶航行安全性评估提供了思路。
2）以船舶属性、环境属性、管控属性中涉及到的影响因素构建坐标轴，从坐标系的角度出发构建自主船舶航行场景分类模型。提出了一种基于距离评价函数的模糊C均值（Fuzzy C-means,FCM）聚类算法，并选取专门用于测试分类、聚类算法的国际通用的UCI数据库中的wine数据集进行算法的检验，验证算法的合理性与适用性。通过对所选取的数据进行特征聚类，实现了内河自主船舶航行场景的聚类。聚类结果表明，该算法是切实有效的，不但可以自适应的给出最佳的聚类数，而且可以验证聚类的有效性，还可以快速达到最佳聚类的目的。
3）以航行环境变化、与它船会遇和船舶靠离泊三种典型航行状况为例，阐述了该状况下的安全操纵策略。对于会遇状况下的操纵策略分析，鉴于船舶在航道会遇时涉及到船舶避碰问题，首先对会遇态势进行划分，然后通过DCPA（distance to closest point of approach）、TCPA（time to closest point of approach）和安全会遇距离等指标来衡量船舶碰撞危险度，基于内河避碰规则与船舶会遇态势，系统分析了两船会遇与多船会遇态势下自主船舶所应采取的避碰策略。对于靠泊状况下的操纵策略分析，依次对船舶靠泊过程、靠泊注意事项进行了分析，最后系统分析了自主船舶靠离泊操纵策略。
4）以传统船舶事故案例为例，计算对应场景下采取多种策略时，每种策略所对应的安全指数，并结合差异系数CRITIC（Criteria Importance Though Intercrieria Correlation）赋权法TOPSIS（Technique for Order Preference by Similarity to Ideal Solution）模型对各种操纵策略进行评估，展示了船舶航行安全操纵策略集的构建流程。结果表明该评估模型能直观、准确的反映船舶航行安全操纵策略的优劣，为构建内河自主船舶航行安全策略集提供了思路。
5）在对已有的深度强化学习方法模型的分析基础上，将深度学习和确定性策略梯度算法结合，建立基于DDPG（Deep Deterministic Policy Gradient）算法的自主船舶航行操纵策略框架。结合内河船舶航行安全事故实际情况，从内河自主船舶航行过程中遇到的典型场景-避障的视角，选取内河航道具有代表性的航段（包括内河顺直航道、弯曲航道、桥区航道以及航道交汇口四种），运用Python软件进行仿真研究，实现了自主船舶航行策略学习更新过程。结果表明，通过一段时间的自学习，自主船舶能够学习到优秀的操纵策略，及时更新船舶航行安全操纵策略，并且在测试环境中表现良好。