馬文耀， 吳兆麟， 楊家軒， 李偉峰

(大連海事大學(xué) 航海學(xué)院，遼寧 大連 116026)

人工魚群算法的避碰路徑規(guī)劃決策支持

馬文耀， 吳兆麟， 楊家軒， 李偉峰

(大連海事大學(xué) 航海學(xué)院，遼寧 大連 116026)

為了能夠在海上交通出現(xiàn)復(fù)雜局面時(shí)及時(shí)提供預(yù)警，并給出碰撞決策，從而有效減輕值班人員的工作負(fù)擔(dān)、保證船舶航行安全，結(jié)合國際海上避碰規(guī)則和船舶安全領(lǐng)域相關(guān)知識(shí)，以本船避讓過程中前進(jìn)的距離為目標(biāo)函數(shù)，采用遺傳算法和人工魚群算法規(guī)劃船舶避碰路徑，提供最優(yōu)的避讓轉(zhuǎn)向時(shí)機(jī)、安全避讓角度、復(fù)航時(shí)間和復(fù)航角度。通過計(jì)算機(jī)仿真實(shí)驗(yàn)計(jì)算對遇、追越和交叉3種會(huì)遇態(tài)勢下的避碰路徑參數(shù)，并在ECDIS上進(jìn)行動(dòng)態(tài)顯示。結(jié)果表明，所得避碰路徑參數(shù)符合實(shí)際情況，規(guī)劃的路徑既安全又經(jīng)濟(jì)。運(yùn)用該算法可有效優(yōu)化避碰航路，并能給出最優(yōu)的避碰決策參數(shù)。

水路運(yùn)輸；船舶避碰；人工魚群算法；船舶安全領(lǐng)域；優(yōu)化

據(jù)調(diào)查，目前80%以上的碰撞事故都是由人為因素引起的。隨著航運(yùn)技術(shù)不斷進(jìn)步，駕駛臺(tái)上的航行設(shè)備能夠提供的航行信息越來越多，如果船員沒有得到充分訓(xùn)練，大量的航行信息交織在一起，可能會(huì)導(dǎo)致船員做出不正確的判斷和決策，這將導(dǎo)致巨大損失。有效減少人為因素導(dǎo)致的碰撞事故的方法是依靠科技技術(shù)提高船舶自動(dòng)化航行水平，以減少船員的主觀判斷，減輕駕駛員的負(fù)擔(dān)，并實(shí)現(xiàn)自動(dòng)避碰。因此，研究船舶自動(dòng)避碰決策系統(tǒng)對于保障船舶安全而言具有實(shí)際意義。

雖然自動(dòng)雷達(dá)標(biāo)繪儀能解決船舶避碰中信息處理的部分問題，但其不是一個(gè)完全的自動(dòng)避碰系統(tǒng)。使用該系統(tǒng)時(shí)，駕駛員必須依據(jù)自身經(jīng)驗(yàn)和專業(yè)技能進(jìn)行主觀判斷，容易發(fā)生嚴(yán)重的錯(cuò)誤。電子海圖顯示與信息系統(tǒng)(Electronic Chart Display and Information System, ECDIS)通過與其他設(shè)備(如雷達(dá)、羅經(jīng)、計(jì)程儀等)連接獲取航行信息并與之進(jìn)行數(shù)據(jù)和信息交流，現(xiàn)已成為一種船舶導(dǎo)航和輔助決策系統(tǒng)，并逐漸成為船舶駕駛臺(tái)的信息核心。船舶避碰策略是一個(gè)復(fù)雜的決策過程，包括有關(guān)航行數(shù)據(jù)的收集、數(shù)據(jù)的預(yù)處理、船舶會(huì)遇態(tài)勢的劃分、碰撞危險(xiǎn)度的計(jì)算、避碰方法的選擇、避碰行動(dòng)的優(yōu)化和復(fù)航選擇。[1]船舶避碰決策是一個(gè)復(fù)雜的系統(tǒng)工程問題[2]，很難用精確的數(shù)學(xué)模型來描述，即使有非常精確的數(shù)學(xué)模型，也不可能用于需要實(shí)時(shí)采取避碰決策的環(huán)境。近年來，學(xué)者們開始將人工智能的方法(如人工神經(jīng)網(wǎng)絡(luò)、模糊邏輯、基因算法、蟻群算法等算法[1-5])引入到船舶避碰領(lǐng)域，開啟了運(yùn)用軟計(jì)算代替純粹數(shù)學(xué)模型的研究領(lǐng)域。

船舶避碰路徑的決策是一個(gè)多指標(biāo)、非線性規(guī)劃問題，既要保證安全又要求經(jīng)濟(jì)消耗最小。因此，采用不同于數(shù)學(xué)模型的人工魚群混合優(yōu)化算法，模仿魚群的覓食、聚群及追尾行為，搜尋最優(yōu)解。結(jié)合國際海上避碰規(guī)則和船舶安全領(lǐng)域相關(guān)知識(shí)，利用該算法推薦合理的船舶避碰路徑。通過研究將該算法實(shí)現(xiàn)，并將其與電子海圖平臺(tái)相結(jié)合，實(shí)現(xiàn)船舶自動(dòng)避碰決策支持系統(tǒng)。

1 船舶領(lǐng)域和會(huì)遇態(tài)勢劃分

船舶領(lǐng)域?yàn)橐凰掖爸車挠行^(qū)域，該船駕駛員將其他船舶和靜止目標(biāo)保持在該區(qū)域外，并認(rèn)為此領(lǐng)域是任何一艘船舶保證航行安全所需的水域。船舶領(lǐng)域是海上交通工程中的一個(gè)重要概念，廣泛應(yīng)用于船舶避碰和危險(xiǎn)評估。藤井等、GOODWIN和吳兆麟等[6-8]都對船舶領(lǐng)域進(jìn)行了詳細(xì)研究。此處研究的避碰支持決策系統(tǒng)產(chǎn)生的避碰路徑需保證目標(biāo)船在本船的船舶領(lǐng)域外駛過。根據(jù)避碰規(guī)則，會(huì)遇態(tài)勢分為3種(見圖1)。

圖1 船舶會(huì)遇態(tài)勢劃分

1. 對遇：目標(biāo)船從圖1中F區(qū)接近。本船與目標(biāo)船在相反或接近相反的航向上相遇，有碰撞危險(xiǎn)時(shí)，雙方應(yīng)各自向右轉(zhuǎn)向，從他船的左舷駛過。

2. 交叉：目標(biāo)船從圖中A區(qū)、B區(qū)和E區(qū)接近。本船與目標(biāo)船交叉相遇，有碰撞危險(xiǎn)時(shí)，有他船在本船右舷者，本船應(yīng)給他船讓路。

3. 追越：目標(biāo)船從圖中C區(qū)和D區(qū)接近。當(dāng)一船正在從他船正橫后gt;22.5°的方向后接近，認(rèn)為正在追越他船。追越船給被追越船讓路。

2 避碰路徑規(guī)劃的決策模型

會(huì)遇開始時(shí)，本船與目標(biāo)船保持原航向和航速。當(dāng)目標(biāo)船進(jìn)入觀測距離內(nèi)時(shí)，相對運(yùn)動(dòng)方向、最近會(huì)遇距離(DCPA)和到達(dá)最近會(huì)遇距離的時(shí)間(TCPA)將開始被計(jì)算。根據(jù)國際海上避碰規(guī)則建立的知識(shí)庫判斷兩船會(huì)遇態(tài)勢，判定本船是否為讓路船。如果本船為讓路船，且與目標(biāo)船存在碰撞危險(xiǎn)，決策支持系統(tǒng)將執(zhí)行避碰路徑規(guī)劃，推薦一條安全且經(jīng)濟(jì)的路徑。實(shí)際上，路徑可能不是最可行的航路，但至少能保證理論上安全和經(jīng)濟(jì)，有助于預(yù)警和輔助決策。因此，駕駛員能將航路作為避碰方案的參考。根據(jù)不同的任務(wù)階段，避讓路徑被分為3個(gè)階段。

2.1預(yù)警階段

當(dāng)目標(biāo)船進(jìn)入觀測和跟蹤階段時(shí)，根據(jù)國際海上避碰規(guī)則判定本船與目標(biāo)船的會(huì)遇態(tài)勢。根據(jù)目標(biāo)船的DCPA是否小于本船的安全領(lǐng)域距離判斷是否存在碰撞危險(xiǎn)。如果存在碰撞危險(xiǎn)且本船為讓路船，避碰路徑規(guī)劃算法開始執(zhí)行。此階段，該算法將給出最遲的轉(zhuǎn)向避碰點(diǎn)、保持原航向和航速航行的可持續(xù)時(shí)間。駕駛員可將其作為制定避碰決策的參考。

2.2避碰航行階段

本船轉(zhuǎn)向避讓后進(jìn)入避碰航行階段，此時(shí)轉(zhuǎn)向避讓角度不能太小，如果太小，目標(biāo)船不能有效覺察本船的操縱意圖；如果太大，將導(dǎo)致本船偏離原航路太遠(yuǎn)。但是，該角度必須保證目標(biāo)船能在本船的安全領(lǐng)域外通過。當(dāng)本船轉(zhuǎn)向避讓后，應(yīng)在新的航向上航行一段時(shí)間后再開始復(fù)航航行階段。

2.3復(fù)航航行階段

復(fù)航時(shí)機(jī)和復(fù)航轉(zhuǎn)向角應(yīng)能保證在復(fù)航階段不會(huì)有新的危險(xiǎn)情形出現(xiàn)。同時(shí)，采用最優(yōu)的復(fù)航時(shí)間和角度，盡可能地減少船舶在偏航上的經(jīng)濟(jì)損失。

3 人工魚群算法的避碰路徑規(guī)劃

3.1人工魚群算法的原理

在一片水域中，魚能自行或尾隨其他魚找到營養(yǎng)物質(zhì)豐富的地方，因此魚生存數(shù)目最多的地方一般就是本水域中營養(yǎng)物質(zhì)最豐富的地方。人工魚群算法就是根據(jù)這一特點(diǎn)，通過構(gòu)造人工魚來模仿魚群的覓食、聚群和追尾以及魚群之間的相互協(xié)助等行為，從而達(dá)到全局尋優(yōu)的目的。

一般情況下，魚為了更大范圍地尋找食物點(diǎn)或身邊的伙伴，會(huì)在水中自由游動(dòng)；當(dāng)發(fā)現(xiàn)食物時(shí)，會(huì)向食物逐漸增多(即適應(yīng)值增大)的方向快速游去。其在游動(dòng)過程中，為保證生存和躲避危害會(huì)自然地聚集成群，向群體的中心游動(dòng)，此時(shí)不僅要盡量避免與鄰近伙伴過于擁擠，還要保持與鄰近伙伴的平均方向一致。當(dāng)魚群中的一條或幾條魚發(fā)現(xiàn)食物時(shí),其鄰近的伙伴會(huì)尾隨其快速到達(dá)食物點(diǎn)。因此，覓食是一種個(gè)體極值尋優(yōu)過程，屬于自學(xué)過程，而聚群與追尾是魚和外界環(huán)境相互交互的過程。

人工魚群算法通過人工魚個(gè)體的覓食、聚群以及追尾3種行為進(jìn)行迭代計(jì)算，最終獲取最優(yōu)解。[10-11]可見，其也是一種仿生智能全局優(yōu)化方法，每個(gè)人工魚能根據(jù)自身和周圍環(huán)境信息自適應(yīng)調(diào)整搜尋方向，最終使人工魚群體達(dá)到食物中心(即全局極值)。因此，與其他傳統(tǒng)優(yōu)化方法相比，該算法在解決復(fù)雜優(yōu)化問題時(shí)具有獨(dú)特的優(yōu)越性能。

3.2人工魚個(gè)體的編碼方案

避碰路徑規(guī)劃決策模型主要用于求解TS和ΔCO，Ta，ΔCb4個(gè)參數(shù)，具體含義為：

1)TS為本船從當(dāng)前位置航行到避讓轉(zhuǎn)向點(diǎn)所需時(shí)間。本船必須在TS時(shí)刻內(nèi)轉(zhuǎn)向，即船舶最遲要在避讓轉(zhuǎn)向點(diǎn)處進(jìn)行轉(zhuǎn)向，否則存在碰撞風(fēng)險(xiǎn)。

2)CO為避讓航向改變量，表示本船的船首向改變?chǔ)O后，能夠保持最小安全距離通過目標(biāo)船。實(shí)際避讓角度應(yīng)≥ΔCO，否則存在碰撞風(fēng)險(xiǎn)。

3)Ta為本船從采取避讓轉(zhuǎn)向措施到復(fù)航開始時(shí)所經(jīng)歷的時(shí)間，本船轉(zhuǎn)向后至少沿新航向航行Ta時(shí)間后才可以再啟動(dòng)復(fù)航行動(dòng)。

4)ΔCb為復(fù)航時(shí)航向改變量，為返回計(jì)劃航線，本船轉(zhuǎn)向角應(yīng)≤ΔCb，以防新的危險(xiǎn)情況出現(xiàn)。

基于人工魚群算法的避碰航路優(yōu)化決策的4個(gè)參數(shù)變量可以使用人工魚個(gè)體進(jìn)行編碼，其中θi對應(yīng)第i個(gè)人工魚個(gè)體，θi=[TS，ΔCO，Ta，ΔCb]。

3.3決策目標(biāo)函數(shù)

從采取轉(zhuǎn)向避讓措施開始，到復(fù)航至初始航線，本船航行的距離可衡量避碰路徑規(guī)劃的優(yōu)劣，因此可將其作為決策目標(biāo)函數(shù)(也稱自適應(yīng)函數(shù))。采用人工魚群優(yōu)化算法獲取最短的避碰路徑，并使其滿足目標(biāo)函數(shù)和相應(yīng)約束條件。為此，本船應(yīng)滿足：

1)避碰航行距離應(yīng)是最小的。

2)碰撞危險(xiǎn)最小且目標(biāo)船保持在本船避碰安全領(lǐng)域以外。

3)在保證目標(biāo)船在安全領(lǐng)域外通過的情況下，避讓角度應(yīng)是最小的。

4)在最少時(shí)間的迂回航行后，本船返回到初始航線上。

5)當(dāng)不會(huì)出現(xiàn)新的會(huì)遇態(tài)勢或其他緊迫局面時(shí)，轉(zhuǎn)向角度應(yīng)是最小的。

J=min{ds+dr}

(1)

式(1)中：ds為采取避讓行動(dòng)后本船的航行距離；dr為復(fù)航階段本船的航行距離。

ds=TaVO

(2)

(3)

模型的約束條件為

(4)

圖3 本船轉(zhuǎn)向后避碰決策模型

最近會(huì)遇距離dCPA和最近會(huì)遇時(shí)間TCPA是滿足目標(biāo)函數(shù)限制條件的關(guān)鍵因素，其計(jì)算方法參照文獻(xiàn)[12]中提到計(jì)算方法。圖3避讓轉(zhuǎn)向后新的dCPA1和TCPA1可用下面方法計(jì)算

(5)

(6)

(7)

(8)

(9)

dG表示安全通過距離圈的半徑，即新的dCPA應(yīng)至少大于安全通過距離圈的半徑。該值的大小取決于海上交通環(huán)境和船型。

3.4算法步驟

3.4.1初始化人工魚群體

在變量可行域內(nèi)隨機(jī)生成N條人工魚，形成初始魚群。人工魚的可視域設(shè)定為Visual，魚個(gè)體的最大游動(dòng)步長設(shè)為step，擁擠度因子為δ，魚個(gè)體每次移動(dòng)時(shí)的最大試探次數(shù)為trynumber，初始公告板中人工魚群最優(yōu)狀態(tài)連續(xù)不變化或變化極小時(shí)的迭代次數(shù)Beststep設(shè)為0，初始迭代次數(shù)Num設(shè)為0。

3.4.2公告板賦初值

計(jì)算初始魚群各人工魚的目標(biāo)函數(shù)值并比較大小，取最優(yōu)的人工魚狀態(tài)及其值傳遞給公告板。

3.4.3行為選擇

為選擇最優(yōu)的仿生行為，對人工魚個(gè)體分別執(zhí)行追尾行為和聚群行為的模擬計(jì)算，并比較目標(biāo)函數(shù)，缺省為覓食行為。

3.4.4更新公告板

每條人工魚將自身的目標(biāo)函數(shù)值與公告板的值進(jìn)行比較，如優(yōu)于公告板的值則取代之，否則公告板的值不變。

3.4.5引入遺傳算法的條件判斷

若Beststep已達(dá)到預(yù)先設(shè)定的連續(xù)不變化次數(shù)的閾值Maxbest，則執(zhí)行“3.4.6”遺傳算法的交叉、變異操作，否則轉(zhuǎn)到“3.4.7”。

3.4.6遺傳算法的交叉、變異操作

除公告板中最優(yōu)人工魚個(gè)體除外，對其他所有人工魚執(zhí)行以下操作：

(1) 根據(jù)交叉概率Pc隨機(jī)從人工魚群中選擇出若干個(gè)體，然后將其分組，并對兩兩人工魚個(gè)體執(zhí)行交叉操作，計(jì)算形成的新個(gè)體的目標(biāo)函數(shù)值后與公告板中的最優(yōu)值相比，若比公告板中的值更優(yōu)，則將其取代，并以新個(gè)體取代舊個(gè)體；

(2) 根據(jù)變異概率Pm隨機(jī)從魚群中選擇若干人工魚個(gè)體，并對其進(jìn)行變異操作。計(jì)算新形成的魚群中各人工魚的目標(biāo)函數(shù)值，并與公告板中的最優(yōu)值相比，若優(yōu)于公告板中的值，則以自身取代之；

(3) 置Beststep=0。

3.4.7終止條件判斷

重復(fù)步驟“3.4.3～3.4.6”，直到公告板上的最優(yōu)解達(dá)到滿意的誤差界內(nèi)為止。

3.4.8算法終止

輸出最優(yōu)解，即公告板上的人工魚狀態(tài)及其目標(biāo)函數(shù)值。

4 仿真實(shí)驗(yàn)結(jié)果

該算法的決策支持系統(tǒng)設(shè)置和結(jié)果見圖4。船舶動(dòng)態(tài)信息來自AIS，本船速度設(shè)為14 kn，初始航向?yàn)?00°，僅在需執(zhí)行避碰決策時(shí)才改變航向；目標(biāo)船速度設(shè)定為15 kn。根據(jù)避碰規(guī)則，船舶避碰分為對遇、追越和交叉3種會(huì)遇態(tài)勢。通過下面3種典型案例對算法進(jìn)行模擬：

圖4 避碰路徑規(guī)劃的決策支持系統(tǒng)

1. 本船與右前方目標(biāo)船交叉會(huì)遇。

2. 本船與右后方目標(biāo)船交叉會(huì)遇。

3. 船舶對遇。

表1為上述3個(gè)案例的模擬結(jié)果和路徑規(guī)劃數(shù)據(jù)。其中，dCPA和tCPA為初始狀態(tài)下，本船與目標(biāo)船的最近會(huì)遇距離和最近會(huì)遇時(shí)間。dCPAgt;0，目標(biāo)船通過本船船首；dCPAlt;0，目標(biāo)船通過本船船尾。T1為轉(zhuǎn)向時(shí)機(jī)，表示從觀測時(shí)刻開始計(jì)算，當(dāng)?shù)竭_(dá)T1時(shí)轉(zhuǎn)向；C1為向右避讓轉(zhuǎn)向角，其限制在[30°，60°]范圍內(nèi)，如果避讓角度lt;C1，則存在碰撞危險(xiǎn)；T2表示避讓轉(zhuǎn)向后至少按新航向航行T2min，才能保證目標(biāo)船安全通過；C2為復(fù)航時(shí)轉(zhuǎn)向角度，如果復(fù)航轉(zhuǎn)向角太大，將會(huì)引起新的目標(biāo)船靠近危險(xiǎn)。

仿真實(shí)例說明，運(yùn)用基于改進(jìn)的人工魚群算法解決船舶避碰路徑規(guī)劃問題時(shí)，能給出最優(yōu)的避碰路徑，該路徑既安全又經(jīng)濟(jì)。與ECDIS連接后，能在電子海圖平臺(tái)上動(dòng)態(tài)顯示避碰參數(shù)，為ECDIS提供避免碰撞的決策支持，可有效減輕值班人員的工作負(fù)擔(dān)、提高海上交通安全。

表1 人工魚群算法提供優(yōu)化避碰路徑參數(shù)

5 結(jié) 語

將船舶安全領(lǐng)域和國際海上避碰規(guī)則相結(jié)合，采用人工魚群優(yōu)化模型，對避碰決策模型中關(guān)鍵參數(shù)進(jìn)行優(yōu)化，并開發(fā)避碰決策支持系統(tǒng)。該系統(tǒng)能快速為駕駛員提供一條安全、經(jīng)濟(jì)的避碰路徑。一旦與駕駛臺(tái)航海儀器及ECDIS相結(jié)合，將給海上船舶避讓和水域VTS(Vessel Traffic Services)監(jiān)控提供一定的安全保障和支持。

[1] 白一鳴，韓新潔，孟憲堯.危險(xiǎn)模式免疫控制算法優(yōu)化船舶避碰策略[J].中國航海，2012,35(2):29-32.

[2] LEE S.M., KWON K Y, JOH J. A Fuzzy Logic for Autonomous Navigation of Marine Vehicles Satisfying COLREG Guidelines[J]. International Journal of Control Automation And Systems, 2004(2)：171-181.

[3] GEMEINDER M, GERKE M. GA-Based Path Planning for Mobile Robot System Employing an Active Search Algorithm [J]. Applied Soft Computing, 2003(3):149-158.

[4] TSOU Mingcheng，KAO Shenglong，SU Chienmin. Decision Support from Genetic Algorithms for Ship Collision Avoidance Route Planning and Alerts[J]. Journal of Navigation, 2010, 63(1): 1-16.

[5] TSOU Mingcheng, HSUEH Chaokuang. The Study of Ship Collision Avoidance Route Planning by Ant Colony Algorithm[J]. Journal of Marine Science and Technology, 2010,18(5):746-756.

[6] FUJII Y, TANNAKA K. Traffic Capacity[J]. Journal of Navigation, 1971, 28(3): 328-344.

[7] GOODWIN E M. A Statistical Study of Ship Domains[J]. Journal of Navigation, 1975, 28(3): 328-344.

[8] 吳兆麟,朱軍.海上交通工程[M].大連:大連海事出版社,2004.

[9] 江銘炎,袁東風(fēng).人工魚群算法及其應(yīng)用[M].北京:科學(xué)出版社,2011.

[10] 張梅鳳. 人工魚群智能優(yōu)化算法的改進(jìn)及應(yīng)用研究 [D].大連:大連理工大學(xué)，2008.

[11] 姜山，季業(yè)飛. 改進(jìn)的人工魚群混合算法在交通分配中的應(yīng)用[J].計(jì)算機(jī)仿真，2011,28(6):326-329.

[12] 劉德新，吳兆麟，賈傳熒. 目標(biāo)船運(yùn)動(dòng)參數(shù)及dCPA、tCPA決策模型[J].大連海事大學(xué)學(xué)報(bào)，2004,30(1)：22-25.

[13] 畢修穎,賈傳熒,吳兆麟，等.船舶避碰行動(dòng)領(lǐng)域模型的研究[J].大連海事大學(xué)學(xué)報(bào),2003,29(1):9-12.

DecisionSupportfromArtificialFishSwarmAlgorithmforShipCollisionAvoidanceRoutePlanning

MAWenyao，WUZhaolin，YANGJiaxuan,LIWeifeng

(Navigation College, Dalian Maritime University, Dalian 116026, China)

When an complicated traffic situation happens on the sea, the early warning and collision avoidance decision support are needed to reduce the pressure on the Officer On the Watch (OOW) and improve the safety of marine traffic. This research integrates the genetic algorithm and the Artificial fish swarm algorithm used in artificial intelligence to find a theoretical safety-critical recommendation for the shortest distance of collision avoidance from an economic viewpoint with the consideration of the International Regulations for Preventing Collisions at Sea (COLREGS) and the safety domain of a ship. Such an optimal safe avoidance turning angle, navigation restoration time and navigational restoration angle was obtained. The results from the simulations of head-on situation, overtaking situation and crossing situation based on ECDIS platform show that the algorithm can be used to optimize collision avoidance route effectively and gives an optimal collision avoidance route parameter. It is proved to suite to make decisions for collision avoidance.

waterway transportation; collision avoidance; artificial fish swarm algorithm; safety domain of ship; optimization

2014-04-18

國家自然科學(xué)基金(51109020)；中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金(3132013015)

馬文耀(1980—)，男，湖北潛江人，副教授，博士生，從事海上交通工程、航海安全保障研究。E-mail：wenyaoma1980@163.com

1000-4653(2014)03-0063-05

TP18；U675.9

A