《Applied Ocean Research》：Intelligent anti-collision in multi-vessel scenarios: a spatial DPAD decision-making model via accident data-driven
编辑推荐：
水上运输安全的核心技术之一是船舶智能避碰技术。尽管船舶智能避碰研究已取得显著进展，但复杂水域中的多船自适应避碰问题尚未得到充分探索。鉴于此，本文提出一种基于域预测危险区（Domain Predicted Area of Danger，DPAD）的多船避碰智能决
水上运输安全的核心技术之一是船舶智能避碰技术。尽管船舶智能避碰研究已取得显著进展，但复杂水域中的多船自适应避碰问题尚未得到充分探索。鉴于此，本文提出一种基于域预测危险区（Domain Predicted Area of Danger，DPAD）的多船避碰智能决策模型。首先，结合船舶碰撞机理以及《国际海上避碰规则》（International Regulations for Preventing Collisions at Sea，COLREGs）对船舶操纵行动的要求，构建基于DPAD的碰撞风险预测区（Predicted Collision Risk Area，PCRA）模型。随后，针对避碰后复航需求，提出基于潜在碰撞风险（Potential Collision Risk，PCR）的复航评价阈值。此外，采用灰狼优化（Grey Wolf Optimization，GWO）与Bézier曲线技术优化避碰后的复航路径方案。最后，结合代表性船舶碰撞案例，构建涉及单船与多船会遇的复杂场景，以验证基于DPAD的智能避碰决策模型，从而实现船舶避让操纵的自适应控制。应用结果表明，基于空间DPAD的避碰决策模型在多船会遇过程中具有可靠性，所产生的避让结果满足海上安全要求。该模型通过协同处理空间多船会遇中的自适应避碰问题，为船舶智能避碰提供了一种新途径。
论文主体解读
水上运输安全依赖于船舶智能避碰技术。事故统计显示，人为因素在导致碰撞、搁浅等事故的因素中占80%，可减少人为参与的自主船舶因此受到关注。智能避碰研究面临避碰对象选择与避碰方法决策两大问题。现有自主避碰多采用目标船避让或协同避让，安全距离依据船舶领域，但预测危险区（Predicted Area of Danger，PAD）这一重要避让对象被忽视。碰撞本质是两船同时到达同一空间，PAD可描述潜在碰撞区域；早期雷达标绘可划定潜在碰撞区，但过度依赖图形技术，难以转入电子海图，PAD避碰原理一度停滞。计算机技术发展使PAD可视化并可嵌入电子海图，为基于PAD的避碰研究提供基础。避碰决策方面，海上避碰原则为“以舵让为主、以车让为辅”，通常采取改向、加速或减速，COLREGs明确相关策略。船舶避让行为包括避让时机、动机、方式、幅度和效果五要素；传统几何方法与智能算法很少将五要素统一建模，且避让幅度需实时调整。现有研究缺口包括：多船复杂水域多目标多阶段避碰冗余问题；少数研究综合五要素；验证场景多来自人工设定或实时数据，少用真实碰撞事故验证。为此，研究人员提出基于DPAD的多船避碰智能决策模型。
研究人员以DPAD为空间避碰对象，构建碰撞风险预测区（Predicted Collision Risk Area，PCRA）决策模型，提出潜在碰撞风险（Potential Collision Risk，PCR）复航评价阈值，采用灰狼优化（Grey Wolf Optimization，GWO）与Bézier曲线优化复航路径，并用代表性碰撞事故案例构建单船和多船会遇场景验证。结论表明空间DPAD避碰决策模型在多船会遇中可靠，避让结果满足海上安全要求；该模型通过空间多船会遇自适应避碰的协同处理，为智能船舶避碰提供新途径，可为未来导航系统和海上自主水面船舶（Maritime Autonomous Surface Ships，MASS）智能决策提供理论支撑。
关键技术方法如下：样本事件来源于中国海事局网站公布的碰撞事故案例，涵盖四种不同会遇局面；通过雷达坐标系中碰撞前时间窗对齐和排列组合，基于事故案例反演与重构单船及多船会遇场景。构建基于DPAD的PCRA几何模型，以船舶领域安全边界扩展PAD，形成待避让空间对象；采用Monte Carlo方法计算船舶运动圆与DPAD交叠面积，得到PCR；依据COLREGs识别让路船与直航船责任，按PCR排序实施逐目标避碰；利用Nomoto模型完成舵角与航向转换；采用GWO优化复航路径，并用Bézier曲线平滑；建立航向与舵角映射的多模态自适应避碰方案。多船场景包含对遇—追越—交叉（Head-on & Overtaking & Crossing，HOC）、交叉—对遇—追越（Crossing & Head-on & Overtaking，CHO）和追越—交叉—对遇（Overtaking & Crossing & Head-on，OCH）三类组合。
4.1 双船会遇的避碰结果。研究人员以中国东部沿海碰撞事故作为单船会遇实验场景，从电子海图（Electronic Navigational Chart，ENC）和雷达（Radar，RAD）两个视角分析避碰过程。基于当前优先目标的DPAD由会遇几何计算，雷达窗口可直观感知目标船及DPAD，按黄色PCRA指示避让可避开目标船；虽然PCRA提示左侧也存在安全航行区，但依据COLREGs选择右侧安全航行区。避让时机设为最近会遇时间（Time to Closest Point of Approach，TCPA）=12 min，避让触发时两船距离3.5 nm；右转避让过程中目标船始终位于本船领域之外；通过PCR判断通过安全性后启动复航，DPAD失去意义；GWO轨迹经Bézier曲线优化后更平滑，整个避碰过程包括保向、避让和恢复原航向三个阶段。
4.2 多船会遇的避碰结果。研究人员基于事故案例库构建HOC、CHO、OCH三个复杂会遇场景，每个场景包含对遇、交叉和追越三类局面。以PCR确定最危险目标并优先避让：在HOC中，尽管TS2距离本船最近，但DPAD位置关系和PCR显示TS1最危险并优先避让；避让推进后与TS1危险下降、与TS2危险上升并超过TS1，本船转而避让TS2；随后与TS3形成交叉局面且TS3为让路船，本船按同一DPAD避碰策略保持航向和速度，PCRA未直接出现在本船正前方，说明保向保速策略合理。其余两个场景的避碰轨迹在完成后以虚线表示并退出当前避碰考虑。结果表明所提方法可处理上述三类复杂场景。
4.3 模型的敏感性与有效性。研究人员从避碰动机、时机、幅度、方式和效果五要素评价多船会遇避碰效果。三个场景中本船与目标船距离始终保持在1 nm安全距离之外；TCPA在[?12,12] min区间作为避碰触发机制；舵角始终位于左舵15°至右舵15°之间；PCR最大值分别为0.45、0.43和0.44，整个避碰过程中两船碰撞风险始终处于非碰撞风险（non-collision risk，NCR）和碰撞风险（risk of collision，CR）阶段，未进入临界局面（Critical Situation，CS）和紧迫危险（Imminent Danger，ID）。这说明避碰时机与多模态自适应幅度调整有效。
4.4 不同避碰目标下避碰效果比较。研究人员将DPAD避碰与以目标船为避碰目标、以及同时考虑本船与目标船相互作用的协同避碰进行比较。DPAD在整个过程中保持不变，直至危险消除后消失；传统方法将目标船转化为移动避碰目标，协同方法要求两船领域不接触。结果显示协同方案用时最短，DPAD方法仅多1 min，传统人工势场（Artificial Potential Field，APF）方法用时最长；协同方案贴近船舶领域，安全性和航程缩短但碰撞危险过高并导致临界局面；DPAD方法最小距离超过2 nm，最大碰撞风险为0.39，全过程未进入临界局面。DPAD优势在于雷达窗口下可直接给出所需避让幅度和舵角，并将两船属性与运动关系置于固定障碍上，便于快速判断碰撞危险和首要避让对象。
讨论部分围绕避碰参数和复航时机展开。5.1.1 避碰时机与幅度：研究人员比较TCPA=12 min与9 min，以及计划舵角的0.8、1和1.2倍。TCPA=12 min避让更早，PCR全过程不进入CS，符合COLREGs“早”原则；TCPA=9 min会使船舶进入CS。三种避让幅度下轨迹均未侵入本船领域，PCR仅呈小幅差异，说明PCRA与舵角映射关系合理。5.1.2 复航时间确定依据：比较TCPA>12 min、最近会遇距离（Distance at Closest Point of Approach，DCPA）>2 nm和PCR=0三种依据。TCPA>12 min复航最早且发生在船间距离最小时；DCPA>2 nm复航最晚且船间距离最大；PCR=0介于二者之间。TCPA或DCPA依据或过早或过晚，只有PCR=0时目标船恰好位于本船正横后方，因此危险形成后PCR首次降为0的时间点是复航最佳时机。方法优势：以DPAD表示碰撞危险，将目标船避碰转为危险区域避碰，在多船会遇中提供更稳定决策对象，减少反复小角度改向；PCRA在本船运动模型下生成自适应舵令，PCR全过程低于0.44，DPAD既是风险感知指标也是连接风险评估、操纵选择和执行的决策约束；框架将避碰与复航分离，GWO-Bézier模块平滑回归计划航线；雷达窗口DPAD避碰与ENC航线导航切换提高决策支持适用性。局限：受限航道、分道通航制（Traffic Separation Schemes，TSS）、拥挤港口等多样受限场景未充分验证，未纳入风、流、浪扰动；PCRA虽提供自适应舵角，但舵角未进一步智能优化，舵效和执行器动力学简化，舵令更新间隔设为3 min且每个避让阶段DPAD固定；多船场景主要按PCR和COLREGs依次处理本船与单个目标船，未显式考虑目标船之间运动关系和相互影响。未来将扩展事故场景生成、耦合目标船交互、引入更先进操纵模型和智能优化方法。
研究结论翻译：本研究提出一种包含DPAD的多船会遇船舶避碰智能决策模型，以解决复杂会遇情况下的智能船舶避碰问题。主要工作包括：基于已有船舶碰撞事故案例反演结果，从代表性会遇类型构建单船会遇和多船会遇场景，多船会遇场景覆盖代表性会遇局面；考虑船舶碰撞机理，基于DPAD构建PCRA模型；根据PCRA模型提供的避让舵角和Nomoto模型实现船舶自主避碰；最后提出GWO-Bézier曲线组合路径优化方法用于复航过程。结果表明，该模型可适应复杂场景，DPAD成为智能船舶避碰研究中新的考虑对象。本研究提出的以DPAD为避让对象的避碰理念可为未来导航系统和MASS智能决策提供重要理论支撑。未来工作将把框架扩展到更复杂水域，包括受限航道、密集交通环境以及受风、流、浪影响的场景；还将纳入更先进的船舶操纵模型以提高避碰仿真真实性；并将PCRA模型与智能优化、基于学习的方法和基于模型预测控制（Model Predictive Control，MPC）的避碰方法集成，在统一实验条件下评估其有效性、鲁棒性和实际适用性。
