一種多智能體信息融合船舶避碰系統(tǒng)

劉芳武

(南通航運(yùn)職業(yè)技術(shù)學(xué)院 航海系，江蘇 南通226010)

0 引 言

在開放水域中，如何實(shí)現(xiàn)多船舶的自動(dòng)導(dǎo)航?jīng)Q策，是船舶導(dǎo)航及避免碰撞的關(guān)鍵問題之一。在文獻(xiàn)［1-5］中，學(xué)者提出了多種解決方案，然而卻在不同程度上難以應(yīng)用在實(shí)際應(yīng)用場景中。由于人腦決策的靈活性和動(dòng)態(tài)性，設(shè)計(jì)一種自動(dòng)化的決策系統(tǒng)模擬人類解決問題的過程十分困難。專家系統(tǒng)(Expert System，ES)通過領(lǐng)域知識(shí)和推理規(guī)則，能夠根據(jù)相應(yīng)的場景為船舶提供決策依據(jù)，然而在多艘船舶的情況下，建立知識(shí)庫的開銷較大，且使用效率較低。決策支持系統(tǒng)(Decision Support System，DDS)將知識(shí)推理和數(shù)值計(jì)算結(jié)合起來，相比于ES 能夠提供更強(qiáng)大的決策能力，同時(shí)能夠和神經(jīng)網(wǎng)絡(luò)、遺傳算法等經(jīng)典算法結(jié)合，提供更加精確和靈活的分析決策能力。然而，在實(shí)際使用過程中，不僅需要對于信息的分析和處理能力，同時(shí)還可能需要信息的交互、學(xué)習(xí)、預(yù)測等，因而DDS 仍需要進(jìn)一步改進(jìn)。

智能體是工作在特定環(huán)境中，擁有一定屬性和特征，能夠根據(jù)相應(yīng)指令，感知環(huán)境和執(zhí)行動(dòng)作的實(shí)體。多智能體系統(tǒng)(Multi-Agent System，MAS)是一種重要的軟件模型，用來解決分布式、異構(gòu)環(huán)境中的信息分析和決策問題。MAS的這一特性非常適合應(yīng)用于船舶碰撞避免領(lǐng)域。通過在不同船舶上部署MAS，則各個(gè)船舶能夠采集信息、感知變化、交換信息、判斷態(tài)勢及分析決策等。為實(shí)現(xiàn)以上功能，需要將不同類型、不同來源、不同層次之間的信息進(jìn)行融合，因而需要精確高效的信息融合方法。

本文提出一種基于多智能體信息融合的船舶碰撞避免系統(tǒng)。該系統(tǒng)包含船舶智能體和VTS 智能體。并擁有源數(shù)據(jù)融合層、多群組融合層及分布式融合層3個(gè)信息融合層次。通過對本文設(shè)計(jì)系統(tǒng)的分析與實(shí)驗(yàn)驗(yàn)證，證明本文提出方案的可行性和有效性。

1 系統(tǒng)框架

1.1 智能體間相互關(guān)系

本系統(tǒng)中包含2 種應(yīng)用智能體:船舶智能體和VTS 智能體;2 種控制智能體:系統(tǒng)智能體和群組智能體。幾種智能體間的相互關(guān)系如圖1所示。

圖1 智能體間關(guān)系圖Fig.1 Relationship between agents

如圖1所示，在系統(tǒng)中船舶和VTS 可以被建模為應(yīng)用智能體，應(yīng)用智能體自身具有一定的信息分析和處理能力，并能夠利用自身的知識(shí)庫和功能解決某些特定問題，而控制智能體則能夠?qū)?yīng)用智能體進(jìn)行控制。系統(tǒng)智能體能夠創(chuàng)建或刪除應(yīng)用船舶智能體，而群組智能體可以通過用戶接口交換信息、分配系統(tǒng)資源、消除沖突等。當(dāng)風(fēng)險(xiǎn)發(fā)生時(shí)，多個(gè)相關(guān)的船舶智能體自動(dòng)組成一個(gè)群組，同時(shí)每個(gè)形成的群組被分配一個(gè)群組智能體進(jìn)行統(tǒng)一管控。需要注意的是，一個(gè)群組可能包含多個(gè)船舶智能體，同時(shí)一個(gè)船舶智能體也可能屬于不同的群組。

1.2 船舶智能體類

利用面向?qū)ο蟮木幊谭椒ǎ爸悄荏w被定義為CA_Ship 類，其包含有若干屬性和操作，用來描述該智能體擁有的特征和執(zhí)行的動(dòng)作。CA_Ship的結(jié)構(gòu)如圖2所示。

圖2 CA_Ship 類結(jié)構(gòu)圖Fig.2 The structure of CA_Ship class

CA_Ship的操作由5 部分組成:Ship_Calculation包含，地理位置分析計(jì)算、碰撞風(fēng)險(xiǎn)計(jì)算及轉(zhuǎn)向效果計(jì)算等基本計(jì)算功能;通過預(yù)先制定的推理規(guī)則，Ship_Reasoning 可以根據(jù)已有知識(shí)作出判斷或得出結(jié)論;通過特定的方案策略，Ship_Planning可以根據(jù)當(dāng)前碰撞風(fēng)險(xiǎn)作出調(diào)整航向的規(guī)劃;Ship_Communication 用來實(shí)現(xiàn)不同船舶間的通信，而Ship_Learning 則通過多種機(jī)器學(xué)習(xí)算法，提高系統(tǒng)的分析決策能力。

1.3 VTS 智能體類

與船舶智能體類的定義方法類似，VTS 智能體被定義為CA_VTS 類，該類的基本結(jié)構(gòu)如圖3所示。

圖3 CA_VTS 類結(jié)構(gòu)圖Fig.3 The structure of CA_VTS class

CA_VTS 與CA_Ship 有以下不同:

首先，CA_Ship 類中的某些屬性同樣包含在CA_VTS 類中，因此VTS 智能體擁有船舶智能體的所有信息;同時(shí)，CA_VTS 類也含有一些CA_Ship所不具有的信息，并將這些信息分別存儲(chǔ)在VTS_Data和VTS_Knowledge 中。

其次，VTS_Computation 包含了更多的計(jì)算功能;通過信息融合算法，VTS_Planning 能夠?yàn)槿航M中的船舶提供碰撞避免方案，減少群組中船舶碰撞風(fēng)險(xiǎn);同時(shí)，VTS 智能體也具備更加豐富的信息管理和學(xué)習(xí)機(jī)制，從而能夠?qū)崿F(xiàn)更加復(fù)雜的業(yè)務(wù)。

2 多智能體信息融合模型

對于船舶智能體和VTS 智能體來說，在決策各個(gè)階段需要對不同類型和來源的信息進(jìn)行綜合分析，因而信息的融合非常必要。

2.1 信息融合模型基本結(jié)構(gòu)

如圖4所示，多智能體信息融合模型包含3個(gè)融合層次，并且在每個(gè)層次中使用不同的融合方法。

1.池塘準(zhǔn)備 3月初，池塘施用75kg/畝生石灰進(jìn)行干法清塘，3天后排干池水曬塘。放苗前10天左右，池塘水位加至10cm，以4～5m的行距、2～3m的株距種植輪葉黑藻。種植一周后提高水位至50cm左右，根據(jù)池塘肥力，放苗前7天左右使用一次生物肥，培育生物餌料。池塘進(jìn)水用100目長筒狀篩絹網(wǎng)過濾，防止敵害進(jìn)入。前期保持較低水位，有利于輪葉黑藻生長和水體升溫。

圖4 信息融合模型結(jié)構(gòu)圖Fig.4 The structure of information fusionmodel

2.2 源數(shù)據(jù)融合層次

通過源數(shù)據(jù)融合層次的信息融合，船舶智能體能夠?qū)@取的其他船舶智能體的屬性值與自身的屬性值結(jié)合起來，從而做出一些重要的判斷和決策。因此，源數(shù)據(jù)融合層次可分為多周期融合和多對象融合2個(gè)步驟。其中，多周期融合可以用來跟蹤和識(shí)別其他船舶智能體。

定義1:對每個(gè)船舶智能體，定義其自身的屬性集為WOj={latitude，longitude，course，speed，risk，……}，由船舶智能體i 發(fā)送的屬性集定義為WTij={latitude，longitude，course，speed，……}，同時(shí)定義兩者在第j個(gè)周期內(nèi)的相對屬性集為WRij={distance，bearing，course，speed，DCPA，TCPA，risk，……}。

則WRij由WOi和WTij計(jì)算可得:

式中:f(WOk，WTjk)為利用WO和WT 計(jì)算WR的函數(shù);N 為工作周期數(shù)量。

多對象融合過程用來估計(jì)當(dāng)前情況下，本船舶與其他船舶智能體發(fā)生碰撞的危險(xiǎn)程度。

定義2:對于每個(gè)船舶智能體，在第j個(gè)工作周期內(nèi)，其與船舶智能體i 發(fā)生碰撞的風(fēng)險(xiǎn)如下:

其中λ 為在不同條件下DCPA的門限值。

定義3:對于每個(gè)船舶智能體，在第j個(gè)工作周期內(nèi)，與其他M 各船舶智能體碰撞的風(fēng)險(xiǎn)為:

2.3 多群組融合層次

對每個(gè)船舶智能體來說，在制定碰撞避免方案時(shí)，需要知道哪些船舶智能體的航線需要被分析和考慮。因而，需要形成相應(yīng)的群組，實(shí)現(xiàn)多個(gè)船舶智能體之間的信息交換和協(xié)商。群組的形成包括2個(gè)步驟:

步驟1:創(chuàng)建群組。對于船舶智能體k 來說，在第j個(gè)周期創(chuàng)建群組NUk的規(guī)則如下:

其中Dist_min 為船舶之間可能發(fā)生碰撞的距離門限。因而在系統(tǒng)中所有的群組可以記為NU={NU1，NU2，…，NUM}，其中M 為系統(tǒng)中船舶智能體的總數(shù)。

步驟2:群組結(jié)合。若對于任意2個(gè)NUi∈NU，NUj∈NU，若存在NUi?NUj，則從NU 中刪除NUi。

重復(fù)步驟2 可知，在NU 中，任意2個(gè)NUk間沒有包含關(guān)系。存在NU={NU1，NU2，NU3，NU4}，其中

由于NU2?NU1，且NU4?NU3，則最終經(jīng)過融合的NU={{Ship_Agent1，Ship_Agent2，Ship_Agent3}，{Ship_Agent1，Ship_Agent3，Ship_Agent4}}。

2.4 方案融合層次

通過以上層次的信息融合，每個(gè)Ship_Agent 均能夠得出在本UN 內(nèi)，如何降低和其他船舶碰撞風(fēng)險(xiǎn)的方案。一種典型的方案如圖5所示。

圖5 碰撞避免方案示意圖Fig.5 Collision avoidance plan

在碰撞避免方案中，共有3 種動(dòng)作被使用，即保持、轉(zhuǎn)向和回復(fù)。在3 種動(dòng)作的執(zhí)行過程中，最重要的3個(gè)參數(shù)是:操作類型(O_Type)、操作幅度(O_Size)及操作時(shí)間(O_Time)，因此，一個(gè)碰撞避免方案能夠被描述為以下形式:

不同船舶制定的碰撞避免方案，可能存在一定程度的不一致，為了消除這種不一致，需要由VTS_Agent 執(zhí)行方案融合算法，如下所示:

其中方法PlanEvaluation的作用是計(jì)算方案的優(yōu)先級(jí)，優(yōu)先級(jí)越大方案越優(yōu)。

3 實(shí)驗(yàn)分析

為了驗(yàn)證本文提出方案的可行性，在仿真環(huán)境中實(shí)現(xiàn)并測試本文提出的方法，如圖6所示，為2艘船舶相遇的場景。

對于Ship_ Agent1 來說，其自身計(jì)算得出的方案為:

該方案在圖6 中標(biāo)出，同時(shí)被選為優(yōu)先級(jí)最高的方案。由于產(chǎn)生的方案個(gè)數(shù)非常多，因此僅僅標(biāo)識(shí)出VTS_Agent 挑選出的最優(yōu)方案Plan2，該P(yáng)lan的內(nèi)容為:Ship_Agent1 向右轉(zhuǎn)40°，然后航行8 min，Ship_Agent2 向右轉(zhuǎn)10°，然后航行8 min，該方案的優(yōu)先級(jí)為13.67，大于2 艘船舶自身計(jì)算的方案的優(yōu)先級(jí)之和12.40 (兩者分別為4.42和7.98)。

4 結(jié) 語

本文提出了一種應(yīng)用于船舶碰撞避免的信息融合模型，該模型包含源數(shù)據(jù)融合、多群組融合及方案融合3個(gè)融合層次。每個(gè)Ship_Agent 能夠通過源數(shù)據(jù)融合過程計(jì)算出多個(gè)碰撞避免方案，從而減少碰撞的風(fēng)險(xiǎn)。同時(shí)不同的群組被創(chuàng)建，包含了不同的船舶和方案，VTS_Agent 能夠?qū)⑻幱谕蝗航M的方案進(jìn)行集成和修改，并選出最優(yōu)的方案分發(fā)給相應(yīng)的Ship_Agent。最后，本文采用實(shí)驗(yàn)仿真，驗(yàn)證了本文提出方案的可行性和高效性。

［1］HARA K，HAMMER.A safe way of collision avoidance maneuver based onmaneuvering standard using fuzzy reasoning model［J］.MARSIM，1993(3):163-170.

［2］YANG Chun-sheng.An expert system for collision avoidance and its application［D］.Japan:Hiroshima University，1995.

［3］SATO Y，ISHII H.Study of collision-avoidance system for ships［J］.Control Engineering Practice，1998(6):1141-1149.

［4］HWANG C.The integrated design of fuzzy collision avoidance and autopilots on ships ［J］.The Journal of Navigation，2002(55):117-136.

［5］余建星，張謙，馬維林.穿梭游輪與浮筒碰撞的有限元分析［J］.艦船科學(xué)技術(shù)，2014，36(1):89-96.

［6］陳建華，陳衛(wèi)紅，劉科.基于模糊神經(jīng)網(wǎng)絡(luò)的一種船舶碰撞危險(xiǎn)度計(jì)算方法［J］.艦船科學(xué)技術(shù)，2008，30(2):121-126.