胥 文，胡江強(qiáng)，尹建川，李 可

(大連海事大學(xué) 航海學(xué)院，遼寧 大連 116026)

基于模糊理論的船舶復(fù)合碰撞危險(xiǎn)度計(jì)算

胥 文，胡江強(qiáng)，尹建川，李 可

(大連海事大學(xué) 航海學(xué)院，遼寧 大連 116026)

基于船舶領(lǐng)域和動(dòng)界的概念，在船舶碰撞幾何原理的基礎(chǔ)上，利用模糊規(guī)則和模糊綜合評(píng)價(jià)方法，本文提出一種船舶復(fù)合碰撞危險(xiǎn)度的計(jì)算方法。確定最近會(huì)遇距離（DCPA）、最近會(huì)遇時(shí)間（TCPA）、兩船距離、相對(duì)方位、船速比5個(gè)主要因素的隸屬度函數(shù)，并考慮航行區(qū)域狀況、能見度情況和船舶的操縱性能等對(duì)船舶碰撞危險(xiǎn)度的隸屬度函數(shù)修正。用原始數(shù)據(jù)對(duì) 3 種不同會(huì)遇態(tài)勢(shì)進(jìn)行仿真和對(duì) 3 種不同碰撞危險(xiǎn)度計(jì)算結(jié)果分析比較，結(jié)果表明該方法的有效性。

碰撞危險(xiǎn)度；模糊規(guī)則；模糊綜合評(píng)價(jià)；隸屬度函數(shù)

0 引 言

船舶安全航行需要自動(dòng)化的導(dǎo)航儀器和設(shè)備，盡管GPS定位精度變得越來越高，國(guó)際海事組織（IMO）決議要求船舶強(qiáng)制配備自動(dòng)識(shí)別系統(tǒng)（AIS），船舶防止碰撞的技術(shù)手段不斷提高，但船舶碰撞問題依然存在。使用這些設(shè)備，船舶能夠準(zhǔn)確獲取當(dāng)前船位，也很容易獲取他船的船位、航向、船速等信息[1]。但是由于地域結(jié)構(gòu)、水中擾動(dòng)、船舶的動(dòng)態(tài)特性和影響海上交通的惡劣天氣，船舶在航道中航行時(shí)仍然存在碰撞問題。為了減少船舶碰撞事故的發(fā)生，船舶碰撞危險(xiǎn)度的計(jì)算是避碰問題的重點(diǎn)。

船舶避碰從評(píng)價(jià)碰撞危險(xiǎn)開始，并有幾種不同的方法來定義船舶碰撞危險(xiǎn)。藤井彌平提出的船舶領(lǐng)域的概念和模型可用于評(píng)價(jià)碰撞危險(xiǎn)。Goodwin[2]研究了開闊水域的船舶領(lǐng)域模型，并將開闊水域的船舶領(lǐng)域分為幾個(gè)不同的扇形區(qū)，但是此模型不包括模型尺度大小的具體數(shù)據(jù)。

船舶碰撞危險(xiǎn)度計(jì)算是船舶航行系統(tǒng)中最重要的環(huán)節(jié)之一[3 – 4]。分為以下 4 階段：第 1 階段是利用船舶碰撞事故頻率和碰撞概率的交通流理論來計(jì)算特定水域的船舶碰撞危險(xiǎn)度；第 2 階段是船舶領(lǐng)域和基于船舶駕駛員的行為和心理考慮提出動(dòng)界的概念（為使船舶領(lǐng)域不受侵犯）。在參考文獻(xiàn)[5 – 6]中，專家學(xué)者使用不同的方法來計(jì)算船舶碰撞危險(xiǎn)度；第 3 階段是研究人員考慮采用參考文獻(xiàn)[4]中討論的用最近會(huì)遇距離（DCPA，Distance to Closet Point of Approach）和最近會(huì)遇時(shí)間（TCPA，Time to Closet Point of Approach）來計(jì)算船舶碰撞危險(xiǎn)度；第 4 個(gè)階段是綜合考慮DCPA和TCPA，開始采用加權(quán)法來計(jì)算船舶碰撞危險(xiǎn)度[7 – 8]。DCPA和TCPA是 2 個(gè)不同的變量，研究人員需采用模糊理論來綜合DCPA和TCPA。如今，大多數(shù)研究人員采用基于人工智能技術(shù)、模糊理論、專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)的方法來計(jì)算船舶碰撞危險(xiǎn)度[9 – 13]。為了計(jì)算船舶碰撞概率和避免船舶可能發(fā)生碰撞的情況，本文提出利用模糊和模糊綜合評(píng)價(jià)相結(jié)合的方法來計(jì)算船舶復(fù)合碰撞危險(xiǎn)度。

基于船舶領(lǐng)域和動(dòng)界的概念，在船舶碰撞幾何原理的基礎(chǔ)上，利用模糊理論通過DCPA和TCPA兩者的綜合考慮，計(jì)算其船舶碰撞危險(xiǎn)度（C1）。因?yàn)橛绊懘芭鲎参ｋU(xiǎn)度的因素很多，通過最近會(huì)遇距離（DCPA）、最近會(huì)遇時(shí)間（TCPA）、兩船距離、相對(duì)方位、船速比5個(gè)主要因素的隸屬度函數(shù)，考慮人、船、環(huán)境因素的誤差修正，計(jì)算船舶的碰撞危險(xiǎn)度C2。在模糊系統(tǒng)中再次利用C1和C2得到船舶的復(fù)合碰撞危險(xiǎn)度HCR。

1 船舶復(fù)合碰撞危險(xiǎn)度計(jì)算方法

本文研究基于開闊水域的兩船碰撞危險(xiǎn)度計(jì)算，通過碰撞幾何原理分析可知，影響船舶碰撞危險(xiǎn)度大小的因素很多，且互相制約，判斷船舶是否存在碰撞危險(xiǎn)度的主要依據(jù)是基于船舶領(lǐng)域和動(dòng)界的概念，對(duì)DCPA和TCPA進(jìn)行綜合考慮。確定了最近會(huì)遇距離（DCPA）、最近會(huì)遇時(shí)間（TCPA）、兩船距離、相對(duì)方位、船速比5個(gè)主要影響因素的隸屬度函數(shù)，并考慮航行區(qū)域狀況、能見度情況和船舶的操縱性能等對(duì)船舶碰撞危險(xiǎn)度的隸屬度函數(shù)修正，利用模糊規(guī)則和模糊綜合評(píng)價(jià)方法進(jìn)行船舶復(fù)合碰撞危險(xiǎn)度的計(jì)算，考慮了船舶微觀和主觀碰撞危險(xiǎn)度因素。

1.1 DCPA和TCPA的計(jì)算

圖1表明了任意時(shí)刻船舶碰撞危險(xiǎn)度計(jì)算流程，通過該模型可計(jì)算船舶任意時(shí)刻的碰撞危險(xiǎn)度大小。通過VTS雷達(dá)掃描到的船舶實(shí)時(shí)動(dòng)態(tài)信息，基于船位和航向計(jì)算船舶的DCPA和TCPA。將DCPA和TCPA輸入模糊邏輯系統(tǒng)并基于船舶航向、船舶間的距離、DCPA和TCPA的隸屬度函數(shù)計(jì)算碰撞危險(xiǎn)度C1和C2。最后，再次利用模糊理論計(jì)算船舶的復(fù)合碰撞危險(xiǎn)度HCR。

根據(jù)船舶碰撞幾何模型對(duì)船舶運(yùn)動(dòng)狀態(tài)參數(shù)進(jìn)行分析。圖2表述了兩船運(yùn)動(dòng)狀態(tài)，分別為船O（本船）和船T（目標(biāo)船）。兩船都以不同的航速和航向運(yùn)動(dòng)。粗體黑色箭頭表示船O和船T間的DCPA，以此來精確計(jì)算船舶間的碰撞危險(xiǎn)度。

圖3表明了船舶所有的會(huì)遇局面情況。當(dāng)目標(biāo)船向西北航行時(shí)，本船向東北航行。兩船都以不同的航速和航向航行。利用式（1）來計(jì)算本船相對(duì)于目標(biāo)船的相對(duì)速度，求得本船和目標(biāo)船之間的DCPA和TCPA。圖3描繪了一條過本船位置作目標(biāo)船位置平行線的垂直線交于P點(diǎn)。在目標(biāo)船位置平行線和本船位置之間的距離就是DCPA，它的計(jì)算如式（5）所述。

目標(biāo)船相對(duì)于本船的相對(duì)運(yùn)動(dòng)速度計(jì)算如下：

從數(shù)學(xué)角度分析，在任意時(shí)刻船O和船T間的DCPA可通過下列方程計(jì)算得出：

從數(shù)學(xué)角度分析，在任意時(shí)刻船O和船T間的TCPA可通過下列方程計(jì)算得出，

1.2 基于模糊規(guī)則的碰撞危險(xiǎn)度計(jì)算

根據(jù)船舶海上避碰實(shí)踐經(jīng)驗(yàn)和國(guó)際海上安全避碰規(guī)則可知，當(dāng)DCPA小于SDA（安全會(huì)遇距離）和TCPA較小時(shí)，船舶存在碰撞危險(xiǎn)[14]。船舶碰撞危險(xiǎn)的影響因素有很多，文獻(xiàn)[15]中將影響因素歸納為：DCPA和TCPA，DCPA和TCPA的誤差、目標(biāo)船方位和舷角、兩船航速比等。但DCPA和TCPA兩個(gè)因素反映了船舶間距離、方位和速度的變化，可以表征其會(huì)遇態(tài)勢(shì)，本文采用DCPA和TCPA進(jìn)行模糊推理。表1給出了變量TCPA，DCPA和C1的5個(gè)語(yǔ)言值。對(duì)碰撞危險(xiǎn)度進(jìn)行定性分析，并劃分等級(jí)。用模糊語(yǔ)言變量“S（?。?、“MS（中?。?、“M（中）”、“MB（中大）”、“B（大）”來表示DCPA、DCPA。用模糊語(yǔ)言變量“L（危險(xiǎn)最小）”、“ML（危險(xiǎn)較小）”、“M（危險(xiǎn)中等）”、“MH（危險(xiǎn)較大）”、“H（危險(xiǎn)極大）”來表示碰撞危險(xiǎn)度。

表 1 隸屬度函數(shù)規(guī)則表Tab. 1 Rules of membership function

表2給出了C1的模糊推理規(guī)則，當(dāng)TCPA和DCPA都是S時(shí)，C1則為H。

本文中用 2 個(gè)輸入 1 個(gè)輸出系統(tǒng)的語(yǔ)言值來表述推理規(guī)則。DCPA和TCPA是過程狀態(tài)變量，C1是控制變量，確定了上述系統(tǒng)中25個(gè)C1的規(guī)則。

1.3 基于模糊綜合評(píng)價(jià)的碰撞危險(xiǎn)度計(jì)算

基于模糊綜合評(píng)價(jià)的碰撞危險(xiǎn)度C2的計(jì)算結(jié)果可以作為主觀和客觀評(píng)價(jià)，通過減小其影響因素來得到最佳的計(jì)算結(jié)果。所以，本文不采用DCPA和TCPA加權(quán)的方法計(jì)算碰撞危險(xiǎn)度，而是采用模糊綜合評(píng)價(jià)的方法計(jì)算C2。文獻(xiàn)[16]中把DCPA、TCPA、兩船距離、相對(duì)方位、船速比5個(gè)因素作為基本評(píng)判參數(shù)，并考慮航行區(qū)域狀況、能見度情況和船舶的操縱性能等對(duì)船危險(xiǎn)度的隸屬度函數(shù)修正。為了更加符合海上避碰行動(dòng)實(shí)際，主要考慮以下5個(gè)影響因素：任意時(shí)刻目標(biāo)船和本船的距離、目標(biāo)船的方位、船速比、DCPA和TCPA。所以，目標(biāo)影響因素的論域是：

表 2C1的隸屬度函數(shù)規(guī)則表Tab. 2 Rules of membership function ofC1

目標(biāo)影響因素的模糊權(quán)重分配如下，權(quán)重值根據(jù)文獻(xiàn)[16]，取為：wd=0.14，wθ=0.10，wk=0.08，wdCPA=0.36，wtCPA=0.32。

目標(biāo)評(píng)價(jià)矩陣如下，其中rd，rθ，rdCPA，rtCPA是目標(biāo)危險(xiǎn)隸屬度。

由文獻(xiàn)[17]可知，船舶間距離越小，船舶間碰撞危險(xiǎn)度越大。任意時(shí)刻船舶間距離的隸屬度函數(shù)如下：

d1和d2的大小取決于航行區(qū)域的狀況、能見度以及人為因素的影響。動(dòng)界是以駕駛員開始采取行動(dòng)以避碰緊迫局面時(shí)與他船的距離為基礎(chǔ)的超級(jí)領(lǐng)域。英國(guó)學(xué)者Davis等通過大量的調(diào)查統(tǒng)計(jì)得到了動(dòng)界模型的具體數(shù)據(jù)，在進(jìn)行平滑其邊界后，得到了 1 個(gè)半徑為2.7 n mile的圓的數(shù)學(xué)模型。令其區(qū)域半徑為R，可以得到其表達(dá)式：

式中：d1為船舶最晚避讓距離；d2為船舶協(xié)調(diào)避讓的距離；K1取決于能見度；K2取決于水域情況，K3取決于人為因素；DL為最晚施舵距離，一般取12倍船長(zhǎng)[18]；R為任意時(shí)刻船舶動(dòng)界的半徑。

不同方位的目標(biāo)船對(duì)本船所構(gòu)成的危險(xiǎn)程度不同，一般來說右舷大于左舷，正橫前大于正橫后。

如果其他參數(shù)相同，船速比不同時(shí)，其碰撞危險(xiǎn)度也不相同。船速比越大，船舶碰撞危險(xiǎn)度越大，令K≥0，W=2，0°≤C＜180°，船速比的隸屬度函數(shù)為：

DCPA小于船舶安全會(huì)遇距離時(shí)，船舶存在碰撞危險(xiǎn)，該值越小，碰撞危險(xiǎn)程度越大。任意時(shí)刻DCPA的隸屬度函數(shù)為[21]：

適用于開闊水域的基于船舶領(lǐng)域的船舶安全會(huì)遇距離計(jì)算時(shí)，需要考慮船舶領(lǐng)域存在的模糊邊界FBD[19]，船舶領(lǐng)域進(jìn)行平滑連續(xù)后大小和模糊邊界值的計(jì)算如下[20]：

1）當(dāng)能見度不良時(shí)，dCPA0應(yīng)該增大來擴(kuò)大危險(xiǎn)預(yù)報(bào)范圍；在復(fù)雜水域航行時(shí)，航行水域受限，dCPA0應(yīng)該減小。這里取為：

TCPA值大小與碰撞危險(xiǎn)度的關(guān)系與DCPA類似，任意時(shí)刻TCPA的隸屬度函數(shù)為：

根據(jù)模糊綜合評(píng)價(jià)方法得到目標(biāo)危險(xiǎn)度所有因素的綜合評(píng)判結(jié)果：

任意時(shí)刻的碰撞危險(xiǎn)度C2為：

經(jīng)過計(jì)算可以得到目標(biāo)船的碰撞危險(xiǎn)度大小。如果C2=0，船舶間不存在碰撞危險(xiǎn)；如果C2=1，船舶間一定存在最大碰撞危險(xiǎn)；如果C2∈[0，1]，C2越大，船舶碰撞危險(xiǎn)性越大。

2 合成碰撞危險(xiǎn)度計(jì)算方法

利用C1和C2的合成得到的復(fù)合碰撞危險(xiǎn)度HCR來優(yōu)化結(jié)果，該計(jì)算方法是基于圖1中的碰撞危險(xiǎn)度計(jì)算流程來展開。表3描述了該模糊函數(shù)規(guī)則，更有利于通過C1和C2得到模糊函數(shù)來計(jì)算船舶復(fù)合碰撞危險(xiǎn)度HCR。

如表3所示，本文為變量HCR設(shè)計(jì)5個(gè)語(yǔ)言值。通過輸入C1和C2得到復(fù)合碰撞危險(xiǎn)度HCR。推理規(guī)則可以表述為 2 個(gè)輸入一個(gè)輸出的系統(tǒng)的語(yǔ)言規(guī)則。C1和C2是過程狀態(tài)變量，HCR是控制變量。

為了計(jì)算船舶的復(fù)合碰撞危險(xiǎn)度，在所提出的計(jì)算方法中構(gòu)建了任意時(shí)刻的C1、C2和合成碰撞危險(xiǎn)度的隸屬度函數(shù)。圖4和圖5分別表述了C1和C2的隸屬度函數(shù)。圖6表述了合成碰撞危險(xiǎn)度的隸屬度函數(shù)。表4表明了C1的隸屬度函數(shù)。通過利用隸屬度函數(shù)的5個(gè)語(yǔ)言值來定義C1，C1在0～1之間。

圖5表明了C2的隸屬度函數(shù)。通過利用隸屬度函數(shù)的5個(gè)語(yǔ)言值來定義C2，C2在0～1之間。圖6表明了HCR的隸屬度函數(shù)。通過利用模糊推理表中的C1和C2來確定HCR，HCR的值在0～1之間。

表 3 隸屬度函數(shù)規(guī)則Tab. 3 Rules of membership function

圖7 為C1和C2作為控制變量，HCR作為狀態(tài)變量對(duì)應(yīng)的三維曲面圖。從圖7可知，當(dāng)C1和C2逐漸增大時(shí)，HCR基本上呈現(xiàn)相對(duì)增大狀態(tài)，基本符合船舶實(shí)際情況。在增大過程中，存在一段減小的范圍。本文認(rèn)為，造成這種結(jié)果主要是無法排除C1計(jì)算中存在的“專家判斷”和C2中存在的人為因素等不具統(tǒng)計(jì)意義的數(shù)據(jù)。

表 4 復(fù)合碰撞危險(xiǎn)度函數(shù)隸屬度的推理規(guī)則Tab. 4 Reasoning rules of composite collision risk

3 仿真和結(jié)果分析

3.1 仿真結(jié)果的實(shí)現(xiàn)

在實(shí)際船舶航行中，主要有 3 種會(huì)遇態(tài)勢(shì)：對(duì)遇、追越和交叉相遇。本文對(duì)對(duì)遇、追越和交叉相遇3 種局面進(jìn)行實(shí)驗(yàn)驗(yàn)證。已知本船為“育鯤”輪在開闊水域，以航向000°，航速15 kn航行。本船船長(zhǎng)116 m，船舶滿載排水量為5 778.8 t，此時(shí)海上能見度良好，船舶操縱者駕駛狀況良好（取K1=1，K2=1，K3=1）。他船船長(zhǎng)152 m，船舶滿載排水量為9 879.6 t。與他船在圖8～圖10三種不同會(huì)遇態(tài)勢(shì)下，計(jì)算了模糊碰撞危險(xiǎn)度和本文所提出復(fù)合碰撞危險(xiǎn)度。

圖11～圖13分別表明了圖8～圖10 中3種會(huì)遇態(tài)勢(shì)下的復(fù)合碰撞危險(xiǎn)度、基于模糊的碰撞危險(xiǎn)度和基于模糊綜合評(píng)價(jià)的碰撞危險(xiǎn)度。通過利用本文所提出的方法來計(jì)算每種會(huì)遇態(tài)勢(shì)下的碰撞危險(xiǎn)度結(jié)果和顯示比較分析。鑒于現(xiàn)有方法只是研究了兩船的碰撞危險(xiǎn)度，本文進(jìn)行了船舶密集區(qū)的仿真實(shí)驗(yàn)并計(jì)算了本船附近一定范圍內(nèi)的船舶碰撞危險(xiǎn)度。為了更好地比較，本文也計(jì)算了船舶的復(fù)合碰撞危險(xiǎn)度。

3.2 仿真結(jié)果和性能分析

圖11表明了在對(duì)遇局面下，船舶合成碰撞危險(xiǎn)度、基于模糊的碰撞危險(xiǎn)度和基于模糊綜合評(píng)價(jià)的碰撞危險(xiǎn)度的變化。在該會(huì)遇態(tài)勢(shì)中，兩船在一定距離內(nèi)相互通過。當(dāng)船舶開始相互對(duì)駛時(shí)，兩船距離足夠長(zhǎng)，DCPA和TCPA也足夠大，這表明船舶間碰撞危險(xiǎn)度很小。隨著船舶相互接近時(shí)，兩船距離減小，船舶碰撞危險(xiǎn)度線性增加。當(dāng)某一時(shí)刻兩船相互接近并且距離為常量（保持不變）時(shí)，碰撞危

險(xiǎn)度在該時(shí)段是保持不變的。然而，當(dāng)兩船間距繼續(xù)增大時(shí)，船舶碰撞危險(xiǎn)度線性減小。結(jié)果表明復(fù)合碰撞危險(xiǎn)度性能優(yōu)于其他方法，因?yàn)閺?fù)合碰撞危險(xiǎn)度計(jì)算方法比其他計(jì)算方法在危險(xiǎn)度計(jì)算中更有效。此外，復(fù)合碰撞危險(xiǎn)度計(jì)算方法是通過預(yù)測(cè)下一個(gè)位置來計(jì)算危險(xiǎn)度。實(shí)驗(yàn)結(jié)果表明C1和C2的比較對(duì)船舶碰撞危險(xiǎn)度計(jì)算的輸出有較大影響。

在追越局面下，當(dāng)兩船以不同航速航行時(shí)，驗(yàn)證了復(fù)合碰撞危險(xiǎn)度的算法。圖9顯示了本船和目標(biāo)船的路徑。本文假定本船和目標(biāo)船分別以15 kn和12 kn的船速航行，仿真結(jié)果如圖12所示。圖12表明了合成碰撞危險(xiǎn)度、基于模糊的碰撞危險(xiǎn)度和基于模糊綜合評(píng)價(jià)的碰撞危險(xiǎn)度的變化。當(dāng)目標(biāo)船從遠(yuǎn)距離追越本船到相互接近時(shí)，船舶碰撞危險(xiǎn)度線性增加。在目標(biāo)船接近本船的過程中，船舶碰撞危險(xiǎn)度在一段時(shí)間內(nèi)是保持不變的。然而，當(dāng)追越局面過去時(shí)，船舶碰撞危險(xiǎn)度線性減小。結(jié)果說明復(fù)合碰撞危險(xiǎn)度計(jì)算方法比其他計(jì)算方法在危險(xiǎn)度計(jì)算中更有效。

在交叉相遇局面下，當(dāng)兩船以相同航速，不同航向航行時(shí)，驗(yàn)證了復(fù)合碰撞危險(xiǎn)度的算法。圖9顯示了本船和目標(biāo)船的路徑。假定本船和目標(biāo)船分別以15 kn和12 kn的船速航行，仿真結(jié)果如圖12所示。圖12表明了合成碰撞危險(xiǎn)度、基于模糊的碰撞危險(xiǎn)度和基于模糊綜合評(píng)價(jià)的碰撞危險(xiǎn)度的變化。當(dāng)目標(biāo)船從遠(yuǎn)距離追越本船到相互接近時(shí)，船舶碰撞危險(xiǎn)度線性增加。在目標(biāo)船接近本船的過程中，船舶碰撞危險(xiǎn)度在一段時(shí)間是保持不變。然而，當(dāng)交叉相遇局面過去時(shí)，船舶碰撞危險(xiǎn)度線性減小。結(jié)果說明復(fù)合碰撞危險(xiǎn)度計(jì)算方法比其他計(jì)算方法在危險(xiǎn)度計(jì)算中更有效。

4 結(jié) 語(yǔ)

為了提高現(xiàn)有船舶碰撞危險(xiǎn)度研究的準(zhǔn)確性，本文提出了一種復(fù)合碰撞危險(xiǎn)度的計(jì)算方法，該方法結(jié)合了模糊邏輯理論、模糊綜合評(píng)價(jià)和傳統(tǒng)的碰撞危險(xiǎn)度計(jì)算方法。用原始數(shù)據(jù)進(jìn)行 3 種不同的會(huì)遇態(tài)勢(shì)仿真，并通過對(duì) 3 種不同會(huì)遇局面下的碰撞危險(xiǎn)度結(jié)果分別進(jìn)行比較分析，說明了復(fù)合碰撞危險(xiǎn)度計(jì)算方法的可靠性和有效性。該算法易于實(shí)現(xiàn)并適用于包括復(fù)雜航行環(huán)境下的船舶避碰操縱。

[ 1 ]AHNA Jin-Hyeong, RHEE Key-Pyo, YOU Young-jun. A study on the collision avoidance of a ship using neural networks and fuzzy logic [J]. Applied Ocean Research, 2012(37): 162–173.

[ 2 ]GOODWIN E M. A statistical study of ship domains [J]. The Journal of Navigation, 1975, 28(3): 328–344.

[ 3 ]XU Q, MENG X, WANG N. Intelligent evaluation system of ship management [J]. International Journal on Marine Navigation and Safety of Sea Transportation, 2010, 4(4): 479–482.

[ 4 ]史國(guó)友, 賈傳熒. 航海模擬器中DCPA TCPA的算法[J]. 大連海事大學(xué)學(xué)報(bào), 1999(3): 17–20.

[ 5 ]BUKHARI A C, TUSSEYEVA I, LEE Byung-gli, KIM Yong-Gi. An intelligent real-time multi-vessel collision risk assessment system from VTS view point based on fuzzy inference system [J]. Expert Systems with Applications, 2013: 1220–1230.

[ 6 ]HASEGAWA K, FUKUTO J. An intelligent ship handling simulator with automatic collision avoidance function of target ships [C]// INSLC 17-International Navigation Simulator Lecturers’ Conference. Rostock, Germany, 2012: F23–1-10.

[ 7 ]FENG Ming-kui, LI Yong-jin. Ship intelligent collision avoidance based on maritime police warships simulation system [C]// IEEE Symposium on Electrical & Electronics Engineering (EEESYM). Kuala Lumpur, Malaysia, 2012: 293–296.

[ 8 ]KOIKE T, OKAZAKI T. Development of ship simulator system for designing auto-pilot [C]// World Automation Congress (WAC). Kobe, Japan, 2010: 1–5.

[ 9 ]SUI Jiang-hua. An AND-OR fuzzy neural network, ant colony optimization-methods and applications [C]// IEEE International Conference on Robotics and Biomimetic. Sanya, China, 2007: 1194–1199.

[10]XUE Yan-zhuo, CLELLAND D. Automatic simulation of ship navigation [J]. Ocean Engineering, 2011, 38(17/18): 2290–2305.

[11]李麗娜, 楊神化, 曹寶根, 等. 船舶避碰智能決策自動(dòng)化研究[J]. 集美大學(xué)學(xué)報(bào)(自然科學(xué)版), 2006(2): 188–192.

[12]HASEGAWA K. Automatic collision avoidance system for ship using fuzzy control [C]// Proc Eighth Ship Control Systems Symposium (SCSS). The Hague, Netherlands, 1987: 34–58.

[13]FUKUTO J, HASEGAWA K, MIYAKE R, YAMAZAKI M. Ship handling simulator for assessing onboard advanced navigation support systems and services [C]// Introduction of Intelligent Ship Handling Simulator, Proc MARSIM 2012. Singapore, 2012: 159–166.

[14]吳兆麟. 船舶避碰與值班[M]. 大連: 大連海事大學(xué)出版社, 1998: 60–66

[15]范少勇. 影響船舶碰撞危險(xiǎn)度的因素[J]. 天津航海, 2006(1): 1–2, 20.

[16]周江華, 吳春杰. 船舶碰撞危險(xiǎn)度模型的構(gòu)建[J]. 寧波大學(xué)學(xué)報(bào)(理工版), 2004(1): 61–65.

[17]鄭中義, 吳兆麟. 船舶避碰決策[M]. 大連: 大連海事大學(xué)出版社, 2000

[18]大連海運(yùn)學(xué)院船藝教研室. 船藝[M]. 北京: 人民交通出版社, 1980.

[19]趙勁松, 王逢辰. 確定避碰時(shí)機(jī)的模型[J]. 大連海運(yùn)學(xué)院學(xué)報(bào), 1989, 15(5): 1–6.

[20]李萬壘. 開闊水域單船避碰智能決策研究[D]. 大連: 大連海事大學(xué), 2013.

[21]劉宇宏, 陳洪波, 郝燕玲. 一種基于模糊原理的碰撞危險(xiǎn)度模型[J]. 中國(guó)航海, 1998(2): 23–29.

Composite evaluation of ship collision risk index based on fuzzy theory

XU Wen, HU Jiang-qiang, YIN Jian-chuan, LI Ke
(Navigation College, Dalian Maritime University, Dalian 116026, China)

From the concepts of ship domain and arena, a composite evaluation of ship collision risk index is proposed by applying fuzzy theory and fuzzy comprehensive assessment based on the principles of geometry in ship collision in this paper. Membership function is determined by five main factors such as distance of closest point of approach (DCPA), time to the closest point of approach (TCPA), distance between ships, relative bearing and speed ratio in the consideration of correction to navigational surroundings, visibility and maneuverability etc. Three different encounter situations are simulated by using original data and three different results of collision risk index evaluation are compared with each other, the results prove the validity and efficiency of composite evaluation.

collision risk index；fuzzy theory；fuzzy comprehensive assessment；membership function

文獻(xiàn)標(biāo)識(shí)碼：A

1672 – 7649(2017)07 – 0078 – 07

10.3404/j.issn.1672 – 7649.2017.07.016

2016 – 08 – 24

胥文(1992 – )，男，碩士研究生，研究方向?yàn)橹悄軆?yōu)化算法，船舶運(yùn)動(dòng)控制。