综述:面向自主船舶时代的船舶航线规划

《Frontiers in Marine Science》:Survey on ship route planning towards autonomous ship era

【字体: 大 中 小 】 时间:2026年07月24日 来源:Frontiers in Marine Science 3.4

编辑推荐:

  随着全球贸易总额和航运船队规模的不断增长,海上事故频繁发生,其中大部分归因于人为失误。因此,海上自主水面船舶(Maritime Autonomous Surface Ships, MASS)引起了广泛关注。实现自主船舶自主决策的核心技术是航线规划算法;然而,目

  
随着全球贸易总额和航运船队规模的不断增长,海上事故频繁发生,其中大部分归因于人为失误。因此,海上自主水面船舶(Maritime Autonomous Surface Ships, MASS)引起了广泛关注。实现自主船舶自主决策的核心技术是航线规划算法;然而,目前缺乏一个统一的分类框架来阐明这些路径规划算法的演变过程。该研究呈现了一篇系统综述,重点关注自主船舶航线规划算法的演变历史和最新进展。首先,阐述了自主船舶航线规划的基本概念和发展背景。其次,将现有的主流规划算法分为三类:基准轨迹方法(baseline trajectory methods)、环境自适应方法(environment-adaptive methods)和多目标智能决策方法(multi-objective intelligent decision-making methods)。分析了这些算法在自主船舶路径规划中的应用和局限性,并对其关于国际海上避碰规则(International Regulations for Preventing Collisions at Sea, COLREGs)的编码方法及综合性能进行了系统比较。同时,阐述了每个类别的特点、优缺点及潜在未来趋势。该研究揭示,当前航线规划算法仍存在不足;多种算法的高效融合与深度跨学科交叉将成为未来趋势,而不确定性因素的纳入将成为主要研究热点。此外,COLREGs的细化和嵌入将有利于自主船舶的发展和全球贸易。该综述旨在为未来学术研究提供有价值的参考。
论文主体部分总结如下:

**1 引言**
海上运输在全球贸易中占据绝对主导地位,但船舶密度增加导致事故频发,约80-90%的事故归因于人为失误。海上自主水面船舶(Maritime Autonomous Surface Ships, MASS)因此受到关注,其自主决策核心是航线规划算法,该算法需动态解析感知数据、生成无碰撞路径,并内化国际海上避碰规则(International Regulations for Preventing Collisions at Sea, COLREGs)为数学约束。现有综述缺乏统一分类框架来反映算法从静态优化到动态智能的演变,且未系统比较不同算法的COLREGs编码方法及综合性能。本研究基于此建立分类框架,将现有算法分为三类:基准轨迹方法、环境自适应方法和多目标智能决策方法,并进行分析比较。

**2 船舶航线规划方法概述**
本文将船舶路径规划算法根据自主船舶路径规划算法的演变轨迹分为三类:基准轨迹方法、环境自适应方法和多目标智能决策方法。文献收集流程包括四个阶段:收集文献(从多个数据库检索2015年至2026年相关文章)、整理文献(去重后分类)、初步筛选(基于引用量、发表质量、新颖性和相关性)和精确筛选(通过泛读和精读保留126篇高质量文献,并补充关键参考文献,最终确定132篇)。

**3 主流船舶航线规划算法分析**

**3.1 基准轨迹方法**
基准轨迹规划方法利用静态环境信息解决路径可达性问题,通过建模静态海图环境实现满足最小距离或时间要求的点对点航线规划,是自主船舶路径规划发展的基础。本节系统回顾了图搜索方法、大圆航线法和人工势场(Artificial Potential Field, APF)算法三种代表性算法。

**3.1.1 图搜索方法**
图搜索方法(如A*和Dijkstra)用于在静态环境中构建最优基准轨迹。Dijkstra算法基于贪心策略保证全局最优解,但计算量大、路径平滑性差,且无法动态适应时变环境。优化方向包括数据结构改进(如斐波那契堆)和功能扩展(如贝塞尔曲线平滑、三维Dijkstra算法)。A*算法通过启发式函数提高搜索效率,但传统方法存在路径转向多、动态适应不足等问题。改进版本包括动态避碰A*(DAA*)、路径平滑改进及COLREGs约束集成等。图搜索方法在简单静态环境中易于获得全局最优,并向三维空间和复杂系统扩展。

**3.1.2 大圆航线法**
大圆航线(Great Circle Sailing, GCS)提供地球表面两点间的最短几何路径,是远洋自主导航的核心逻辑。基于球面三角学,大圆航线在墨卡托投影图上表现为曲线,实际常采用分段恒向线法。传统大圆航线不考虑风、浪、流、安全约束及COLREGs,难以满足现代绿色、安全、智能航运要求,其角色逐渐演变为初始参考轨迹。

**3.1.3 人工势场法**
人工势场(Artificial Potential Field, APF)方法通过构建虚拟引力和斥力场,为从几何规划到动态响应提供初步框架。APF具有局部极小值、振荡和目标不可达等经典缺陷。改进方法包括优化斥力函数以符合COLREGs、多子目标人工势场(MTAPF)以及结合速度、位置参数的动态APF。APF方法正从单一避碰机制向集成规则约束、分层控制和智能优化的方向发展,常作为局部反应模块嵌入混合路径规划架构。

**3.2 环境自适应方法**
环境自适应优化方法主要解决自主船舶长航时运行需求及对环境扰动的快速响应。本节介绍传统天气航线方法和模型预测控制(Model Predictive Control, MPC)两种代表性算法。

**3.2.1 传统天气航线方法**
传统天气航线方法主要包括等时线法和动态规划(Dynamic Programming, DP)算法。等时线法通过离散化时间步长,动态构建航行前端,优化航程时间与能耗的权衡,但存在“等时线环”问题。DP算法基于数学状态空间优化,将长航程任务分解为多阶段决策子问题,保证离散网格上的全局最优解,但面临“维度灾难”和对气象数据依赖的挑战。两种方法最初均未考虑COLREGs,近年来才逐步嵌入规则约束。

**3.2.2 基于模型预测控制**
模型预测控制(Model Predictive Control, MPC)采用“预测+优化+反馈”策略,利用船舶动力学预测模型实现路径偏差的实时修正。MPC在约束处理方面具有优势,但计算负担较大。改进方向包括:结合大语言模型(Large Language Models, LLMs)估计残差动力学、引入事件触发机制降低计算频率、设置自适应约束缩小搜索空间,以及将COLREGs作为约束嵌入预规划结果或决策框架。

**3.3 多目标智能决策方法**
多目标智能决策方法同时考虑航行安全、时间效率、能效约束及COLREGs合规性。本节系统阐述NSGA-II算法、强化学习(Deep Q-Network, DQN和Proximal Policy Optimization, PPO)以及混合算法。

**3.3.1 NSGA-II算法**
NSGA-II(Non-dominated Sorting Genetic Algorithm II)通过快速非支配排序、拥挤距离和精英保留策略搜索帕累托(Pareto)最优解集。在自主船舶路径规划中,NSGA-II用于经济性、环保性和安全性的多目标协同优化。局限性包括缺乏船舶运动学约束、避碰性能差及计算时间较长。改进方法包括与A*算法结合、引入混沌机制和船舶领域概念。COLREGs嵌入常采用惩罚机制,但可能存在合规性牺牲。

**3.3.2 强化学习(DQN和PPO)**
深度强化学习(Deep Reinforcement Learning, DRL)使自主船舶通过与动态环境交互学习端到端避碰策略。DQN(Deep Q-Network)是值离策略算法,适用于离散动作空间;PPO(Proximal Policy Optimization)是策略在线算法,适用于连续动作空间。当前研究多集中于仿真阶段,面临安全保证不足、训练样本分布偏差及稀疏奖励探索困难等问题。

**3.3.3 混合算法**
混合算法有机组合多种计算技术以发挥各自优势。早期混合算法多为简单串并联,现已发展为深度算法融合。示例包括:遗传算法与Frank-Wolfe算法结合、粒子群优化与动态控制策略融合、双向A*与改进动态窗口法(Dynamic Window Approach, DWA)结合、遗传算法-蚁群优化-BP神经网络(GA-ACO-BP)等。COLREGs的编码方法在不同算法中各异:硬约束(如图搜索、MPC)、软约束/惩罚函数(如APF、进化算法)、奖励函数(如强化学习)以及层次化编码(如混合算法)。当前挑战包括规则覆盖碎片化、术语模糊性量化困难、多船会遇场景规则冲突等。

**3.4 算法综合评估与分析**
对各类算法从典型应用场景、实时性、计算负担、动态避障性能和COLREGs合规性五个维度进行比较。图搜索和天气航线方法适用于开阔水域全局规划,但动态障碍响应有限;MPC和APF在COLREGs合规性方面表现突出,但分别受限于计算负担和局部最优;进化算法和强化学习在处理多目标优化和高维状态空间方面潜力显著,但计算负担重;混合算法通过分层架构集成多种方法,是当前工程应用最有前景的方向,但算法复杂度增加挑战实时性。

**4 结论**
本文从自主水面船舶算法演变视角综述了现有航线规划算法,将其分为三类。研究发现,算法演变经历了从空间可达性、几何最优性到环境适应性,再到多维智能决策的转变,即从静态离线点对点规划到动态变化规划,再到综合考量与集成决策。当前研究在实时重规划、不确定性、多船会遇、规则合规和实际部署五个方面存在局限性。未来趋势包括:多种算法的高效融合与集成、不确定性量化与传播机制的纳入、法规合规性成为基准标准、深层次多学科交叉融合,以及硬件材料突破可能解除实际算力约束。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号