物联网架构下智能航海避碰算法分析

曹扬

中国海警局直属第六局

摘要：为确保船舶航海过程中不会发生碰撞，提高航海安全性，在物联网架构下，对智能航海避碰算法进行研究。通过引入物联网架构技术，采集航海信息；对船舶实际航行环境进行分析，并确定环境影响因素的各项权重；对船舶位置预测，对其是否存在碰撞风险进行判断。通过对避碰效果分析得出，新的航海避碰算法可实现对船舶航海路径的求解，确保每一条航海路径均不会与其他船舶或障碍物发生碰撞，为最优航海路径规划提供重要依据。

关键词：物联网；船舶位置预测；航海避碰算法

中图分类号:TP391文献标识码:A

0引言

当前海上交通运输事业得到了快速的发展，在各个水域、港口出入的船舶数量急剧增加，海上作业人员的工作量进一步增加[1]。在这样的发展趋势下，即使具备丰富航海经验的驾驶人员在长时间高强度工作状态当中，尤其是在夜间航海的过程中，由于瞭望人员没有能够及时发现危险，极易出现碰撞事故，严重威胁船上人员的生命财产安全[2]。在当前物联网行业蓬勃发展的时代背景下，尝试将物联网架构技术引入到这一领域当中，针对其航海避碰问题，对其智能算法进行分析研究。

1 基于物联网架构技术的航海信息采集

当前我国经济发展十分迅速，世界航运中心逐渐向中国转移，而中国海运也在这一过程中迎来了全新的机遇和挑战。为确保航海避碰算法得出结果更符合实际，需要对航海相关的各项信息进行采集和记录。在这一过程中，引入物联网架构当中的RFID技术[3]。通过该项技术，将其运用到航海温湿度及光电传感器数据采集、超声波传感器数据采集、航海速度传感器数据采集的过程中。结合获取到的数据，通过物联网网络层中间件实现传输，并为PC机的避碰提供重要决策依据。在这一过程中，通过对RFID技术的运用，通过无线电信号识别，获取到目标数据，并通过扫描获取到船舶的RFID标签，实现对船舶静态数据的感知和识别[4]。针对两艘船舶之间的距离，在获取距离数据时，可将下述公式作为依据：

（1）

上述计算公式中，表示两艘船舶之间的距离；表示高电平时间；表示声速，的取值为340m/s。按照上述公式，完成对两艘船舶之间或船舶与障碍物之间距离的计算。在完成对航海中船舶本身静态数据的获取后，还需要结合物联网架构当中的Zigbee无线传感器网络实现对获取数据的通信传输，以此为后续避碰算法计算提供数据支撑。

2 确定环境因素权重

通过上述获取的航海信息数据，确定影响航海避碰的影响因素主要包括能见度、通航密度、天气情况、驾驶经验等。针对不同影响因素的影响程度，对其各项权重进行确定。按照九级标度法结合AHP层次分析的方式计算各环境因素权重数值。对环境因素的判断矩阵建立如下公式所示：

（2）

上述计算公式中：表示环境因素判断矩阵；表示为具体环境因素。在上述公式基础上，根据各个环境因素判断矩阵中的要素确定其评判数列，并完成对数列的归一化处理。假设某一环境因素的权重序列为，则存在=的关系，进一步按照下述公式，完成对未知的求解：

（3）

上述计算公式中：表示的最大特征值。根据上述公式，确定所有环境因素的权重数值。

3船舶位置预测与碰撞风险判定

针对不同航海条件，对船舶在航海过程中在T时的船舶位置进行预测。在这一过程中，需要综合考虑上述各个环境因素，因此，在预测过程中，首先需要确定环境因子，其表达式为：

（4）

上述计算公式中：表示环境因子；表示某一环境因子的评判值；表示环境因子数列长度；表示经过归一化处理后的环境因子。在确定环境因子后，计算得出船舶航海过程中可能出现避碰的时间，其表达式为：

（5）

上述计算公式中：表示专家评价打分给出结果的反应时间，即对时间预测T的补偿；表示船舶A的航行速度；表示船舶B（障碍物B）的航行速度；表示船舶A的航行方向；表示船舶B（障碍物B）的航行方向。根据上述公式，确定传播A与船舶B（障碍物B）发生碰撞的时间。为确保最终碰撞风险判定结果的精度，引入BP神经网络，结合船舶历史航行记录中的数据，完成迭代训练[5]。在完成训练后，神经网络预测船舶在T时间时能够达到某一航海位置P，针对P点是否存在碰撞风险进行判断。在判断过程中，将航行信息进行量化处理，并从中选取完整的一次往返或两侧往返航行记录，将其作为BP神经网络的输入和输出，在神经网络基本结构当中完成迭代训练和学习。为实现更准确判定，将船舶航海碰撞危险进行量化，针对其碰撞风险值进行计算，公式为：

（6）

上述计算公式中：表示为传播A与船舶B（障碍物B）之间发生碰撞的风险数值；表示碰撞距离；表示最小碰撞距离。按照上述公式，得到值，并将值按照安全、有危险、中度危险和高度危险，共四个等级进行划分。当的取值大于或等于2时，此时认为传播A与船舶B（障碍物B）之间不存在碰撞危险，属于安全等级；当的取值在1.5~2之间时，此时认为传播A与船舶B（障碍物B）之间存在碰撞危险，属于有危险等级；当

的取值在1~1.5之间时，此时认为传播A与船舶B（障碍物B）之间存在碰撞危险，且属于中度危险等级；当的取值在0~1之间时，此时认为传播A与船舶B（障碍物B）之间存在碰撞危险，且属于高度危险等级，以此实现对船舶航海碰撞风险的判定。

4避碰效果分析

综合上述论述，从实践角度出发，将上述提出的避碰算法应用到具体传播航海当中，对其避碰效果进行分析，并根据结果对该算法可行性进行检验。按照图1所示的内容，设置四艘船只，其中一艘为本船，即运用航海避碰算法的船只。对另外三艘船只分别编号为目标船1、目标船2和目标船3。

图1船舶航海俯视图

按照图1所示的位置，引入上述避碰算法，对其行进航线进行确定，并从众多路径当中选择出最优路径。在行进过程中保证船只的航行速度不发生改变，在此基础上，对利用本文避碰算法得到的多条路径进行分析，并得到如表1所示的分析结果。

表1本文算法避碰分析

序号	路径	是否发生碰撞	路径长度
（1）	路径1	否	285.25m
（2）	路径2	否	298.52m
（3）	路径3	否	325.36m
（4）	路径4	否	363.25m
（5）	最优路径	否	225.36m

通过本文上述论述可知，船只在行进的过程中速度不发生改变，因此路径长度最短且不发生碰撞即可看作是最优路径，从表1中得到的规划结果可以看出，按照本文避碰算法计算可以找出本船的最优路径，且规划的其他路径也均会与其他目标船只发生碰撞。因此，综合上述结果证明，本文避碰算法具有可行性。

5结束语

在物联网架构提供的便利条件下，本文提出了一种全新的针对船舶航海避碰的智能算法，并结合对避碰效果的分析，验证该算法的可行性。在实际应用中，由于不同时间段、不同环境下的航海要求不同，周围环境中的影响因素也不同，因此需要结合具体情况进行具体分析，从而确保航海避碰效果能够更理想，保障航海人员安全。

参考文献

[1]窦强,马金伟,韩昱. 无人作战艇在未知海域避碰规划算法研究[J]. 指挥控制与仿真,2022,44(03):7-13.

[2]苗鹏,刘克中,辛旭日,等. 基于改进NSGA-Ⅱ的船舶避碰决策辅助算法[J]. 大连海事大学学报,2021,47(04):10-18.

[3]楼建坤,王鸿东,王检耀,等. 基于机器学习的实海域无人艇避碰算法智能演进方法[J]. 中国舰船研究,2021,16(01):65-73.

[4]翁建军,胡冲,李龙浩,等. 改进粒子群算法在水上飞机与多目标船避碰决策中的应用[J]. 武汉理工大学学报(交通科学与工程版),2021,45(04):799-804.

[5]杨洋,张建敏,刘艺林,等. 基于改进蚁群算法的无人仓的多AGV避碰路径优化策略[J]. 数学的实践与认识,2020,50(16):1-9.