一種輔助船舶進行避碰決策的方法
【技術領域】
[0001] 本發(fā)明涉及一種避碰決策的方法，特別是關于一種輔助船舶駕駛員進行避碰決策 的方法。
【背景技術】
[0002] 船舶碰撞是危害船舶海上安全的嚴重事故，往往會造成海上人命、貨物和船舶的 巨大損失，對于危險品船舶，還會造成嚴重的環(huán)境污染，所以，船舶避碰一直是海上交通領 域內研究的熱點問題。
[0003] 據《2013水上交通事故情況年報》全國共發(fā)生運輸船舶水上交通事故262件，死亡 失蹤265人，沉船142艘，直接經濟損失3. 84億元；據《2014水上交通事故情況年報》全年 共發(fā)生運輸船舶水上交通事故255件、死亡失蹤236人、沉船139艘、直接經濟損失2. 48億 元；《2015水上交通事故情況年報》未出。在水上交通事故中至少有50%是碰撞事故，所以 解決避碰問題帶來的經濟效益非常可觀。
[0004] 隨著航?？萍嫉倪M步，雷達、AIS (Automatic Identification System，船舶自動 識別系統(tǒng)）和電子海圖系統(tǒng)等設備和技術手段被廣泛應用，通過它們能夠非常方便地獲取 目標船的動靜態(tài)信息，包括船名、MMSI (Maritime Mobile Service Identify，水上移動通信 業(yè)務標識碼）、經度、煒度、航速、航向、航行狀態(tài)、船舶類型、船長、船寬、吃水等信息，為船舶 導航和避碰提供了精確的數據支持。
[0005] 雷達、AIS等通導設備的使用，為船舶避碰的實時性和準確性提供了數據基礎。目 前航海界一直沿用的方法就是通過這些通導設備獲取目標船的動態(tài)信息，然后計算本船和 目標船的DCPA (Distance to Closest Point of Approach，最小會遇距離）、TCPA (Time to Closest Point of Approach，最小會遇時間），駕駛員在此基礎上再結合自己的實際經驗 以及當時的海況來采取避碰措施。這種"DCPA\TCPA+經驗"方法最大的弊端是依賴于駕駛 員的操船經驗和技能；此外就是受人為因素影響大，比如駕駛員的疲勞、疏忽、責任心、心理 素質、習慣等，都會為船舶航行安全帶來隱患。
[0006] 美國海岸警衛(wèi)隊對近年發(fā)生的279起海上事故分析表明：約16%的海上重大事故 和33%的人身傷亡事故與船員疲勞有關。國際海事組織根據多年的調查和統(tǒng)計發(fā)現(xiàn)，海上 事故80%是人為因素造成，所以，降低人為因素的影響是解決船舶碰撞事故發(fā)生的一種重 要途徑。
[0007] 多船會遇局面中的避碰決策是船舶駕駛中經常遇到的問題，建立一種受人為因素 影響小的避碰算法是非常必要的，也是現(xiàn)實中迫切需要的。
[0008] 遺傳算法是一種基于生物進化原理的搜索算法，適應于大型復雜非線型問題的尋 優(yōu)。基于遺傳算法建立一種新的避碰決策方法，可以最大限度降低主觀因素的影響，為駕駛 員操船提供決策支持，使其科學、合理地采取避讓措施，以減少海上碰撞事故的發(fā)生。
[0009] 目前，對于解決多船會遇避碰問題主要采用層次分析法（Analytic Hierarchy Process，ΑΗΡ)。如建立多層次多目標重點避讓船模糊優(yōu)選函數（劉德新，吳兆麟，賈傳 熒.多層次多目標重點避讓船模糊優(yōu)選模型[J]，交通運輸工程學報，2005,5(1) :50-51.), 通過分析碰撞危險度和避讓難易程度對船船避讓的影響，利用多目標模糊優(yōu)選理論，從多 目標中確定重點避讓船；還有通過建立多船避碰決策層次結構圖，采用標度對影響因數進 行量化，然后使用AHP法對避碰方案進行排序選優(yōu)（朱沁，劉祖源.AHP法在多船避碰決策 中的應用與研究[J]，武漢理工大學學報（交通科學與工程版），2004, 28 (4) :488-491.)。 [0010] 這些方法在一定條件下為船舶避碰提供了輔助作用，但不足之處是：前者只確定 了重點避讓船，沒有給出最終安全避讓結果；后者在確定避碰決策指標評判體系時完全依 賴于專家和有經驗的駕駛員，不同的人會得出不同的結果。所以，建立一種完全量化的，并 盡可能減少人為因素影響的避碰決策輔助方法是非常必要的。

【發(fā)明內容】

[0011] 針對上述問題，本發(fā)明的目的是提供一種基于遺傳算法的船舶避碰決策新方法， 該方法減少了人為因素的影響，其目的是為船舶駕駛員采用正確的避讓措施提供輔助和支 持，以減少海上碰撞事故的發(fā)生。
[0012] 為實現(xiàn)上述目的，本發(fā)明采取以下技術方案：一種輔助船舶進行避碰決策的方法， 它包括以下步驟：1)針對船舶本身的每一航向和航速進行編碼，并將每一航向和航速的編 碼串聯(lián)在一起形成一個染色體X 1，該染色體共Q位，形成η條染色體作為該船舶的初始種群 Φ = (X^X2,...，Xn}，i = 1，2，...，η;2)計算初始種群中每個染色體X1的適應度值HX1), 利用該適應度值f (X1)計算該染色體被選中的概率P1，利用隨機數生成器隨機產生[0,1]內 的隨機數r p，并判斷二者的大小關系：若rp< P ^X1被保留，否則X i被淘汰，且種群中剩余 染色體的數量為M ;3)求出種群中染色體的最大適應值f_和平均適應值f avg，并根據二者 計算交叉概率h;4)從[1，M]中產生2個隨機數i和j，且i辛j，決定兩個進行交叉的染 色體XjP X ^從[1，Q]中產生一個隨機數k決定染色體的交叉位；利用隨機數生成器隨機 產生[0, 1]內的隨機數r。，并判斷該隨機數r。與交叉概率P。的大?。喝魊?！簇埃瑒t將XjP X j 從第1位至交叉位k之間的編碼互換，組成2條新的染色體；否則，不變；5)求出上一步形 成的種群中的最大適應值和平均適應值，并根據二者計算變異概率P n^)從[1，M]中產生 一個隨機數i決定進行變異的染色體&;從[1，Q]中產生一個隨機數k決定染色體的變異 位；從[0,1]中產生一個隨機數，并判斷r"和P "的大小關系：若r，則執(zhí)行變異：設X1 上的第k位為Xik，對Xik進行補運算，8卩令心=?，_ Xik'為Xi上的第k位上的新值；7)判斷 種群中染色體的數量是否為1，若為1，則該染色體為最優(yōu)解，即得到本船舶安全的航向和 航速，算法終止；否則返回步驟2)直到得到最優(yōu)解。
[0013] 所述步驟2)中，適應度函數
，其中R(X)為碰撞危險度函數，且 ? =馬《) &，其中，Rs為空間碰撞危險度函數，1^為時間碰撞危險度函數，且叕算子定義 為：（1)右 Rs= 〇,則 R = 〇 ; (2)右 Rs# 0，RT= 0,則 R = 0 ; (3)右 Rs# O，!?·]·# 0,則 R = max [Rs，Rt] 〇 CN 105137971 A m ~P 3/8 頁
[0014] 空間碰撞危險度函數馬為：
其中，dd_為本船 與他船的DCPA，(I1為本船與他船間的最小安全會遇距離，d 2為確定空間碰撞危險度零邊界。
[0015] 時間碰撞危險度函數心為：
且
，其中，ttepa為本船與他船的TCPA，D i為本船最晚施舵距 離，^為他船相對運動速度。
[0016] 所述步驟2)中，染色體X1被選中的概率P1:
其中，是所有 目標船的適應值的總和
>是種群中所有染色體的適應值之和，f, (X1)為染色體X1 對于第j條目標船的適應度函數，且共有m條目標船，I < j SnuX1為第（I < i Sn)染色 體對應的染色體串。
[0017] 所述步驟1)中Q為18,且航向和航速的碼數相同。
[0018] 所述步驟3)中，
，其中，Pcl、Pcl為調整系數，且 Pcl= 0. 5, Pe2= 0. 85,匕及種群的最大適應值，favg是種群的平均適應值，f。是進行交叉 的兩個染色體串中適應值較大者，t是進行變異的染色體的適應值。
[0019] 所述步驟5)中，
其中，Pl^Pni2為調整系數，且 Pnil= 0. 02, Pni2= 0. 1，匕及種群的最大適應值，favg是種群的平均適應值，f。是進行交叉 的兩個染色體串中適應值較大者，t是進行變異的染色體的適應值。
[0020] 本發(fā)明由于采取以上技術方案，其具有以下優(yōu)點：1、本發(fā)明由于針對船舶本身 的每一航向和航速進行編碼，并將每一航向和航速的編碼串聯(lián)在一起形成一個染色體X 1, 該染色體共Q位，形成η條染色體作為該船舶的初始種群Φ = (X1, X2, . . .，Xn}，i = 1，2,. . .，η ;計算初始種群中每個染