利用模糊逻辑优化海上导航的航线规划：一种确定横向偏离限制的混合方法

《Ocean Engineering》：Enhancing passage planning with fuzzy logic for sea navigation: A hybrid approach to cross track limit determination

本研究提出结合模糊扩展层次分析法（FE-AHP）与模糊推理系统（FIS）的混合模型，动态确定航海中的交叉轨道极限（XTL）。通过区分开放水域和封闭水域的不同影响因素，模型实现了数据驱动的决策支持，显著提高了XTL设定的客观性和一致性，为安全高效的航海规划提供了可靠工具。

　　本研究聚焦于船舶在航线规划过程中如何科学、系统地确定交叉航迹限（Cross Track Limit, XTL）值，以提升航行安全性与效率。XTL作为航线规划中的关键参数，决定了船舶在实际航行中偏离计划航线的最大允许距离。在复杂多变的海洋环境中，如何准确评估XTL值，成为保障航运安全的重要课题。传统方法主要依赖于公司政策、导航员经验以及主观的风险判断，这种依赖性往往导致XTL设置存在不一致性和主观偏差。为解决这一问题，本研究提出了一种结合模糊扩展层次分析法（Fuzzy Extended Analytic Hierarchy Process, FE-AHP）与 Mamdani 型模糊推理系统（Fuzzy Inference System, FIS）的结构化决策支持框架，旨在通过系统化的方法提升XTL确定的客观性与一致性。

船舶航行安全涉及诸多因素，包括但不限于船舶的机动性、尺寸、速度、交通状况以及环境条件。其中，XTL的设定在很大程度上决定了船舶在不同水域中的操作边界。在开阔海域，XTL的确定更多依赖于船舶本身的静态特性，如船舶的机动性（Maneuverability, MOS）、长度（Length, LOS）和宽度（Width, WOS）。而在受限水域，如狭窄航道、高交通密度区域等，XTL的设定则受到动态因素和环境变量的显著影响，如吃水深度（Draft, DOS）和信心区域类别（Category Zone of Confidence, CATZOC）。这些因素的差异性表明，XTL的确定不能一概而论，而应根据不同水域环境进行针对性调整。

本研究通过构建FE-AHP与FIS相结合的模型，系统地分析了影响XTL的各种因素，并为不同水域环境提供了具有情境敏感性的建议。FE-AHP被用于识别和排序影响XTL的关键因素，而FIS则用于生成基于具体情境的XTL值。通过这种方式，研究不仅能够提供更精确的XTL值，还能够增强航行决策的科学性与可解释性。研究结果表明，在不利条件下，XTL值在开阔海域的范围可能从1.46海里到4.54海里不等，而在受限水域，XTL值则相对较小，范围可能在0.12海里（高吃水深度、低CATZOC、缺乏经验的导航员）到0.85海里之间。这一结果凸显了在开阔海域中，船舶拥有更大的操作空间，而在受限水域中，航行安全受到环境与操作因素的更大限制。

在现代航运体系中，船舶的安全运行不仅关乎运输效率，还直接关系到人员安全、环境保护以及经济利益。因此，如何科学、系统地确定XTL值，成为提高航运安全的重要手段。传统的XTL确定方法往往缺乏对复杂因素的全面考量，导致决策过程主观性强，缺乏一致性。相比之下，本研究提出的FE-AHP + FIS框架通过整合专家知识与定量建模，能够更有效地识别和排序影响XTL的关键因素，从而减少对主观判断的依赖，提升决策的科学性与可靠性。

FE-AHP是一种改进的层次分析法，它通过引入模糊逻辑，能够更全面地处理不确定性和模糊性问题。在传统层次分析法中，各因素的权重通常以精确数值表示，这在面对复杂多变的航行环境时显得不够灵活。而FE-AHP则能够通过模糊化处理，更准确地反映导航员在实际操作中的主观判断和经验，从而为XTL的确定提供更合理的权重分配。同时，FIS作为一种基于规则的推理系统，能够根据输入变量的值，生成具有情境敏感性的输出结果，如XTL值。这种方法不仅能够提高决策的准确性，还能够增强对不同航行条件的适应能力。

本研究的模型开发过程分为三个主要阶段：初步阶段、评分阶段和FIS阶段。在初步阶段，通过文献回顾和专家访谈，确定了影响XTL的主要因素，并将其分为不同的类别。随后，在评分阶段，基于专家反馈，对各因素的重要性进行评分，并通过FE-AHP进行系统化的权重排序。最后，在FIS阶段，将排序后的因素作为输入变量，结合模糊推理规则，生成不同情境下的XTL值。这一过程不仅能够确保XTL值的科学性，还能够提高决策的透明度与可解释性。

在实际应用中，本研究通过数值实验验证了模型的可行性。实验结果显示，在不同航行条件下，XTL值的变化范围较大，尤其是在受限水域中，XTL值的波动更加显著。这表明，在受限水域中，航行安全受到更多外部因素的限制，如水流、风力、船舶吃水深度等。因此，XTL的确定需要综合考虑这些因素，并结合实际航行环境进行动态调整。通过这种方式，研究不仅能够提升XTL值的准确性，还能够增强航行决策的科学性与合理性。

此外，本研究还对不同水域环境下的XTL因素进行了分类和排序。在开阔海域中，静态因素如船舶的机动性、长度和宽度占据主导地位，而在受限水域中，动态因素如吃水深度和信心区域类别则更加重要。这种分类和排序不仅有助于更好地理解XTL值的影响因素，还能够为不同水域环境下的航行决策提供更有针对性的建议。例如，在开阔海域中，船舶可以拥有更大的操作空间，因此XTL值可以设置得相对较大；而在受限水域中，由于外部环境和操作条件的限制，XTL值则需要设置得更小，以确保航行安全。

本研究的成果不仅为XTL值的确定提供了科学依据，还为提高航行安全性与效率提供了新的思路。通过FE-AHP + FIS框架，研究能够更系统地分析影响XTL的各种因素，并为不同水域环境下的航行决策提供更具情境敏感性的建议。这种结构化的方法不仅能够减少对主观判断的依赖，还能够提高决策的一致性与可靠性。因此，本研究提出的模型具有重要的实践意义，能够为航运业提供更安全、更高效的航线规划方案。

在航运实践中，XTL的确定需要综合考虑多种因素，包括但不限于船舶的特性、航行环境、交通状况以及导航员的经验。这些因素的复杂性使得传统的XTL确定方法难以满足实际需求。因此，本研究提出的FE-AHP + FIS框架能够更有效地整合这些因素，提供更科学、更系统的决策支持。此外，本研究还强调了在受限水域中，由于环境因素的不确定性，XTL值的确定需要更加谨慎，以避免潜在的安全风险。

本研究的模型开发不仅提升了XTL值的确定能力，还为航运业提供了新的研究视角。通过将FE-AHP与FIS相结合，研究能够更全面地考虑影响XTL的各种因素，并为不同水域环境下的航行决策提供更具针对性的建议。这种结构化的方法不仅能够提高决策的科学性与可靠性，还能够增强航行安全的保障能力。因此，本研究提出的模型具有重要的应用价值，能够为航运业提供更安全、更高效的航线规划方案。

在航运安全领域，XTL的确定是确保船舶在复杂水域中安全航行的关键环节。通过本研究提出的FE-AHP + FIS框架，研究能够更系统地分析影响XTL的因素，并为不同水域环境下的航行决策提供更具情境敏感性的建议。这种方法不仅能够提高决策的科学性与可靠性，还能够增强航行安全的保障能力。因此，本研究提出的模型具有重要的实践意义，能够为航运业提供更安全、更高效的航线规划方案。

此外，本研究还对不同水域环境下的XTL因素进行了深入分析。在开阔海域中，船舶的机动性、长度和宽度等静态因素对XTL值的影响更为显著；而在受限水域中，吃水深度和信心区域类别等动态因素则占据了更重要的位置。这种差异性表明，XTL的确定不能一概而论，而应根据不同水域环境进行针对性调整。通过这种方式，研究不仅能够提高XTL值的准确性，还能够增强航行决策的科学性与合理性。

在实际应用中，本研究提出的FE-AHP + FIS框架能够为不同水域环境下的航行决策提供更全面的支持。通过系统化的方法，研究能够更准确地识别和排序影响XTL的关键因素，并为不同情境下的航行提供更具针对性的建议。这种方法不仅能够提高决策的科学性与可靠性，还能够增强航行安全的保障能力。因此，本研究提出的模型具有重要的应用价值，能够为航运业提供更安全、更高效的航线规划方案。

综上所述，本研究提出的FE-AHP + FIS框架能够更有效地整合影响XTL的各种因素，为不同水域环境下的航行决策提供更具情境敏感性的建议。这种方法不仅能够提高决策的科学性与可靠性，还能够增强航行安全的保障能力。因此，本研究提出的模型具有重要的实践意义，能够为航运业提供更安全、更高效的航线规划方案。通过这种方式，研究不仅能够提升XTL值的确定能力，还能够为航运安全提供新的研究视角，推动航运业向更加科学、系统和高效的管理模式发展。