自主船舶与有人驾驶船舶动态博弈避碰决策

[目的]为实现船舶的高效避碰与安全航行,针对自主船舶与有人驾驶船舶混合航行环境下的交互避碰问题展开研究,提出一种多智能体交互的船舶动态博弈避碰决策方法。[方法]依据驾驶实践,理解并分析混行环境下的船舶避碰问题,基于《国际海上避碰规则》量化船舶会遇态势及碰撞危险,引入动态博弈理论,将存在碰撞危险的船舶个体建模为博弈中具有独立思想的参与者,并以船舶的航向改变量为博弈策略,在船舶安全性收益、社会性收益及经济性收益约束下求解船舶的最优行动序列,以及将船舶驾驶员风格的差异化引入仿真实验中以验证避碰决策的有效性。[结果]结果显示,所提方法能够在自主船舶与有人驾驶船舶混行场景下实现多船的安全会遇;各船在面对不同驾驶风格的目标船舶时均能类人地调整自身的行为策略,从而实现安全避让。[结论]所做研究可为自主船舶及有人驾驶船舶的避碰决策提供参考。     

基于驾驶实践的无人船智能避碰决策方法

[目的]为实现沿海无人驾驶船舶自主航行,充分考虑无人驾驶船舶智能避碰决策的合理性和实时性后,提出并建立一种基于驾驶实践的无人船智能避碰决策方法。[方法]首先,以本体论为基础,设计无人驾驶船舶航行态势本体概念模型,并结合《国际海上避碰规则》及良好的船艺将船舶航行态势量化划分为12种会遇场景;然后,从驾驶实践的角度改进影响碰撞危险度因子的模糊隶属度函数,提出一种多元碰撞危险度评估模型,实现船舶碰撞危险度的精确计算;最后,以船舶避碰总路径最短为目标函数,提出一种基于驾驶员视角(BOP)的智能避碰决策模型,在船舶操纵性、舵角限幅等约束下求解最优避碰策略,并在典型的会遇场景下进行仿真实验。[结果]结果表明,该方法可以准确判断驾驶航行态势,给出合理的转向策略,实现典型会遇场景下的有效避碰。[结论]所做研究可为实现船舶自主航行提供理论基础和方法参考。     

基于Q-Learning的无人驾驶船舶路径规划

为实现无人驾驶船舶在未知环境中自适应航行,建立一种基于Q-Learning的无人驾驶船舶路径规划模型。应用基于马尔科夫过程的Q学习算法,分别就环境模型、动作空间、激励函数及动作选择策略4大要素建立模型,设计激励函数,规划最优策略,使得无人驾驶船舶路径规划过程中所获奖赏最大;利用python和pygame平台建立仿真环境,仿真结果表明,该方法可有效地在未知环境中规划出较优路径及成功避让多个障碍物。