基于让路船意图推理的复杂会遇局面中直航船避碰决策方法研究

为解决复杂会遇局面中直航船避碰时机与策略选择的难题，研究人员创新性地提出融合Dempster-Shafer证据理论与改进非线性速度障碍法（NLVO）的决策框架。通过实时推断让路船合作意图，结合NSGA-II多目标优化算法，实现了安全性与航行效率的平衡。该方法显著提升直航船情境感知能力，为COLREGs规则下的自主避碰提供新思路。

　　

随着全球航运业快速发展，船舶会遇局面日益复杂化，避碰决策成为航海安全的核心挑战。国际海上避碰规则（COLREGs）虽明确划分让路船与直航船责任，但现实中让路船不履行义务的情况屡见不鲜，2018年SANCHI油轮与CF CRYSTAL散货船相撞事故便是典型案例。现有研究多聚焦让路船视角，而直航船如何在规则框架下精准判断干预时机、制定最优策略仍存在两大瓶颈：一是传统意图估计方法如贝叶斯网络（DBN）实时性差，指标法（如DCPA/TCPA）难以应对行为不确定性；二是避碰策略优化未充分考虑船舶操纵动力学与多目标权衡。针对这些问题，武汉理工大学的研究团队在《Ocean Engineering》发表论文，提出基于让路船意图推理的直航船避碰决策新范式。

研究采用三阶段技术路线：首先通过领域侵犯度（DDV）和时间侵犯度（TDV）动态评估碰撞风险；其次运用Dempster-Shafer证据理论融合多源数据，量化让路船合作意向；最后结合改进非线性速度障碍法（NLVO）生成Pareto最优策略集，采用NSGA-II算法实现安全距离、航效损失等目标的协同优化。

研究结果
Scenarios design
设计两船（合作/非合作让路船）与多船会遇场景，验证方法在TS1（目标船1）不同配合度下的适应性。仿真显示，非合作场景中系统能提前43%触发避碰预警。

Advantages and features
创新性将COLREGs Rule 17操作要求量化为四阶段决策模型（监控-预警-干预-恢复），证据理论使意图识别准确率提升28%。改进NLVO方法引入船舶操纵响应延迟约束，策略可行性提高35%。

Conclusion
该研究首次实现直航船自主避碰的时序-策略协同优化，NSGA-II算法使路径恢复时间缩短19%，航偏角减少22%。成果为智能航海系统提供符合法规的决策架构，尤其适用于高密度航道中的人机协同场景。

讨论
相比传统方法，证据理论克服了贝叶斯网络（DBN）对先验数据的依赖，但实时数据融合效率仍需提升。未来可结合深度强化学习（DRL）增强多船博弈场景下的策略泛化能力。研究获中国国家自然科学基金（52402389）和欧盟地平线计划（864724）支持，为自动驾驶船舶的规则兼容性提供重要技术储备。