基于雷达测量的多船交会情境下神经动态与博弈安全船舶控制方法研究

《Sensors》：Application of Radar Measurements in Neural-Dynamic and Game-Based Safe Ship Controls in Multi-Object Passing Situations

　　

雷达传感器能够识别航行态势并对碰撞风险进行初步评估，是船舶安全控制的基础。本文提出了在多船航行背景下定量评估碰撞风险的多种方法，并在此基础上综合了安全控制方法。作者提出了四种神经领域变体和三种碰撞风险数学模型，并展示了自主研发的方法：神经动态控制（NDC）和博弈控制（GC）。研究人员利用真实航行场景数据对这些控制方法进行了实验比较。结果表明，在交通条件有利的情况下，NDC方法最为有效，而GC方法在船舶交通受限的情境中能够有效实现合作与非合作管理。本研究提出的安全控制方法将有助于提高航行安全性，尤其是在船舶交通密度高和环境条件恶劣的情况下。

论文解读

一、研究背景与问题

船舶安全控制是船舶设计与建造中的核心任务之一，其关键在于开发能够保障船舶安全航行的算法与计算机程序。为此，船舶需配备计算机系统、测量传感器和导航设备，并将记录的参数处理后用于船舶控制。现有研究在传感技术方面已有较多探索，例如利用光学和雷达数据研究海上船舶活动模式、通过多光谱和多传感器技术分析海洋现象、以及基于雷达传感的避碰算法比较等。然而，已有研究多针对单一类型的传感任务，如船舶运动、碰撞风险和危险领域分别开展研究，较少涉及多船及博弈性质的船舶安全操纵过程。此外，现有方法在评估航行安全水平时，往往忽略了两个重要因素：一是引航员评估航行态势安全水平的主观性，这种主观性可通过神经网络生成随碰撞风险动态变化的船舶领域来体现；二是船舶间在避碰过程中的合作程度，这种合作程度可通过多人矩阵博弈模型来表征。

基于上述研究空白，本文提出一个核心论点：与常用的基于ARPA（自动雷达标绘仪）避碰系统的基础安全控制相比，在多船交会情境中应用神经动态控制和博弈控制能够提高航行安全性。

二、研究内容与结论

本研究旨在证明，通过ARPA雷达测量过程状态，并结合选定的人工智能和博弈论方法，能够在不同航行条件下多船交会的复杂情境中综合出安全控制方法。研究的主要贡献包括两个方面：一是综合了基于碰撞风险感知的神经动态控制以及合作与非合作博弈控制方法，以确保船舶安全；二是评估了海上能见度条件变化对安全船舶控制灵敏度的影响。

研究结果表明，在交通条件有利的情况下，NDC方法最为有效；而在船舶交通受限的情境中，GC方法能够实现有效的合作与非合作管理。仿真研究验证了安全船舶控制算法在复杂多船交通情境中的正确运行，充分考虑了环境能见度约束以及船舶间因COLREG（国际海上避碰规则）交通优先规则解释而产生的合作水平。与以往研究相比，本研究的创新之处在于将神经网络方法与博弈控制联合应用于真实航行场景，同时涵盖海上良好能见度和受限能见度条件。

三、关键技术方法

本研究采用的主要技术方法包括以下几类。第一，神经动态控制方法，利用人工神经网络生成随碰撞风险动态变化的船舶领域，结合动态规划算法求解时间最优安全轨迹。第二，博弈控制方法，构建多人矩阵博弈模型，通过混合策略纳什均衡求解最优避碰策略，并区分合作与非合作两种模式。第三，碰撞风险评估模型，提出了对数、均方和双曲三种数学模型来量化碰撞风险。第四，基础安全控制方法作为对比基准，采用线性规划确定允许的航向和航速改变集合。仿真数据来源于研究训练船r/v HORYZONT II在2025年9月斯凯厄拉克海峡和卡特加特海峡训练研究航行期间通过SAM Electronics ARPA雷达记录的三种真实航行情境，分别涉及交会1艘、3艘和12艘船舶。

四、研究结果

4.1 NDC算法计算机仿真

NDC方法的仿真测试在良好能见度（安全交会距离D_s = 1海里）和受限能见度（D_s = 3海里）条件下进行，采用了六边形、抛物线和椭圆形三种领域形状。研究结果表明，NDC_h方法（六边形领域）在交会J艘船舶时产生最大的最终轨迹偏差d，而NDC_e方法（椭圆形领域）产生最小的偏差。与BSC方法相比，在交会船舶数量较少时偏差较大，在交会船舶数量较多时偏差相当。灵敏度分析显示，NDC_h方法的灵敏度最高，NDC_e方法灵敏度最低，但在较小的安全距离值下，无论交会船舶数量如何，灵敏度均相当。此外，计算时间结果证实了NDC方法中动态规划方法的优势：过程状态约束（移动领域）越多，可用于确定船舶最优安全轨迹的可行网格节点越少，计算时间越短。

4.2 GC算法计算机仿真

GC方法的仿真实验在合作与非合作条件下进行，采用了对数、均方和双曲三种碰撞风险模型。研究结果表明，GC_log方法（对数碰撞风险模型）产生最小的最终轨迹偏差d，而GC_hyp方法（双曲模型）产生最大的偏差。由于海上能见度受限导致安全交会距离D_s增加三倍，船舶轨迹偏离预定航线的偏差也增加一倍。GCnc方法相比GCc算法使轨迹偏差增加30%至50%。在良好能见度条件和较低的安全交会距离要求下，GCnc方法最为有效，效率达80%；随着航行条件恶化和D_s值增大，GCc方法最为有效，效率为60%，NDC方法次之，效率为35%。

五、讨论与结论

讨论部分指出，碰撞风险灵敏度特性呈现不同程度的线性或非线性特征，反映了不同数学风险模型下潜在的船舶近距离遭遇情境。研究结果还表明，随着交会船舶数量的增加，安全控制的灵敏度从约70%增加到180%。在实际应用中，安全船舶控制的有效性可通过相对灵敏度指标来衡量。研究也存在一定局限性：NDC方法对交会船舶领域的形状极为敏感，GC方法则高度依赖于数学碰撞风险模型的形式。

结论部分强调，仿真研究验证了安全船舶控制算法在复杂多船交通情境中的正确运行，通过考虑环境能见度约束和船舶间合作水平，NDC和GC方法能够实时生成神经领域和风险博弈中的船舶均衡状态，为控制机制提供了更真实的表征，有望成为提高海上航行安全性的有效途径。未来研究应关注安全控制方法对传感器测量误差的灵敏度、神经网络和碰撞风险模型参数变化的灵敏度分析、动态规划网格分辨率和博弈策略离散步长的变化影响，以及开发在ARPA避碰系统显示器上可视化安全船舶轨迹的方法。