基于改进人工势场算法的智能船舶路径规划方法

《Sensors》：A Path Planning Method for Intelligent Ships Based on the Improved Artificial Potential Field Algorithm

　　

近年来，无人船的路径规划已成为一个重要研究课题。为提升航行安全并降低碰撞风险，研究人员提出了一种改进人工势场（Improved Artificial Potential Field, IAPF）方法。引入路径引力以引导船舶在避碰后返回计划航线，同时优化斥力以提高路径平滑性和避碰稳定性。进一步开发了基于碰撞风险指数（Collision Risk Index, CRI）的斥力用于动态避碰，并根据《国际海上避碰规则》（COLREGs）修改其方向。此外，提出了一种融合人工势场（APF）和速度障碍物（Velocity Obstacle, VO）算法的时间序列滚动路径规划框架，以抑制路径振荡并适应目标船机动。该方法在头对头、交叉和多障碍物场景中进行了验证。最小通过距离分别为1064.07 m、1072.98 m和1109.66 m，最大决策时间为148 ms。结果表明，所提出的方法能够生成平滑、符合COLREGs的路径，避免局部最小值，适应动态遭遇，并满足实时避碰要求。

**论文解读：基于改进人工势场法的智能船舶路径规划方法**

**研究背景与问题**
随着人工智能技术的快速发展，海事行业正全面向智能化转型。智能船舶不仅能提升航行安全，还能降低运营成本并保护海洋环境。路径规划作为智能船舶的关键技术，旨在设计避免碰撞的航线，且必须符合《国际海上避碰规则》（COLREGs）。传统路径规划算法中，人工势场（APF）算法因计算复杂度低、实时性好而广泛应用。然而，传统APF存在局部最小值问题，即引力和斥力平衡导致船舶无法移动或有效避障；动态障碍物处理不足，多未考虑避碰时机或目标船机动变化；路径平滑性差，不符合船舶动力学特性。现有改进方法如扰动策略、引入全局规划算法或修改势场函数，虽有所进展，但仍有局限：扰动策略未充分考虑避碰规则且增加计算量；全局规划算法实时性差；势场函数改进对策略要求高。此外，部分研究假设目标船固定航向和速度，难以适应动态变化。因此，本研究旨在解决上述问题，提出一种改进人工势场（IAPF）方法，以提升避碰效率、路径平滑性和实时性。论文发表在《Sensors》。

**主要技术方法**
研究人员采用的关键技术方法包括：（1）改进APF算法：引入路径引力引导船舶在避碰后返回计划航线；优化斥力函数，引入船舶领域和碰撞风险指数（CRI）模型，使斥力仅在存在碰撞风险时作用，并采用平滑增长方式避免轨迹不稳定；增加基于碰撞风险指数的斥力，考虑相对运动；根据COLREGs调整动态和静态障碍物的斥力方向（如对遇局面右转、交叉局面右转等）。（2）速度障碍物（VO）算法：用于判断避碰后能否安全复航，抑制路径振荡。（3）时间序列滚动路径规划框架：每1秒更新一次决策，结合APF和VO算法，适应目标船随机机动。（4）响应型非线性船舶运动模型：模拟船舶对舵角的响应，并采用增量PID控制计算所需舵角。所有仿真实验在Qt5平台进行，计算机配置为Intel Core i7-13700H处理器和16 GB RAM。

**研究结果**
**场景1：对遇局面（Head-On Situation）**
通过仿真设置典型对遇场景，初始时本船（OS）与目标船（TS）距离8721.55 m，碰撞风险指数（CRI）为0.57，形成对遇局面。OS作为让路船，根据COLREGs向右调整航向12.86°。在避碰过程中，OS识别最危险障碍物（OB3），并维持航向等待复航时机，最终在593 s后开始复航。最小通过距离为1064.07 m，表明路径有效防止目标船侵入OS领域。

**场景2：交叉局面（Crossing Situation）**
设置交叉场景，OS与TS距离5621.74 m，CRI为0.66，形成右舷交叉局面。OS作为让路船，向右调整航向27.93°。避碰后识别最危险障碍物（OB4），维持航向等待190 s后复航。最小通过距离为1072.98 m，路径平滑且符合COLREGs。

**场景3：多动态障碍物（Multiple Dynamic Obstacles）**
设置复杂多船遭遇场景，包括三艘目标船（TS1、TS2、TS3）和一艘机动目标船（TS4）。初始时刻OS与TS1形成追越局面，OS向右调整航向11.22°。随后TS3改变航向，OS识别与TS3形成交叉局面，再次向右调整航向14.33°。整个过程OS能识别最危险船舶并适应目标船机动，最小通过距离为1109.66 m。最大决策时间仅148 ms，满足实时性要求。

**对比实验**
将本方法与传统不考虑COLREGs的APF方法对比。在右舷交叉局面中，传统方法未遵守COLREGs，而本方法正确执行右转避让，有效降低碰撞风险。

**讨论与结论**
讨论部分总结了本研究的局限性：方法仅通过仿真验证，未在真实海事环境中测试；未考虑风、浪、流等环境干扰；未纳入速度调整策略。未来工作将进行实船实验、引入环境干扰，并支持航向与速度协同机动。
研究结论翻译如下：本研究提出了一种结合速度障碍物（VO）算法的改进人工势场（APF）路径规划方法，用于自主船舶避碰。通过三组仿真实验验证了该方法在不同遭遇场景下的性能。结果表明，本方法能使本船生成符合COLREGs的避碰路径，并成功到达计划目的地。与传统APF方法相比，本方法路径平滑性更好，有效避免局部最小值，在仿真场景中提供更优的避碰性能。此外，通过将VO算法融入APF框架，本方法在保持良好实时性的同时，提高了避碰决策的可行性。