胡宴才 張強(qiáng) 吳恒濤

摘要：為解決大風(fēng)浪影響下船舶操縱能力降低、產(chǎn)生避碰脆弱性、碰撞事故發(fā)生概率增大的問(wèn)題，考慮船舶長(zhǎng)度，分析大風(fēng)浪因素，獲得船舶避碰脆弱性；選取船舶碰撞危險(xiǎn)度指標(biāo)進(jìn)行模糊推理得到基本的碰撞危險(xiǎn)度，提出考慮船舶綜合碰撞危險(xiǎn)度的多船避碰決策方法。利用多船會(huì)遇構(gòu)建避碰決策模糊案例庫(kù)，提供對(duì)應(yīng)的避碰決策，并利用仿真試驗(yàn)驗(yàn)證避碰決策方法的有效性。結(jié)果表明：多船避碰決策方法可準(zhǔn)確計(jì)算不同長(zhǎng)度船舶的避碰脆弱性，提供周?chē)暗木C合碰撞危險(xiǎn)度，進(jìn)行有效的多船避碰決策。此方法可為大風(fēng)浪條件下的船舶航行安全提供重要的理論依據(jù)和數(shù)據(jù)參考。

關(guān)鍵詞：多船避碰；模糊推理；案例推理；避碰脆弱性；碰撞危險(xiǎn)度

中圖分類(lèi)號(hào)：U692.2文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1672-0032（2023）01-0093-09

引用格式：胡宴才，張強(qiáng)，吳恒濤.大風(fēng)浪條件下考慮避碰脆弱性的多船避碰決策［J］.山東交通學(xué)院學(xué)報(bào)，2023，31（1）：93-101.

HU Yancai，ZHANG Qiang， WU Hengtao. Multi-vessels collision avoidance decisions considering the vulnerability of collision avoidance under heavy storm wave［J］.Journal of Shandong Jiaotong University，2023，31（1）：93-101.

0 引言

船舶避碰系統(tǒng)研究是提高船舶航行安全性的重要課題，對(duì)船舶進(jìn)行避碰決策可為避碰行動(dòng)提供依據(jù)。為減少人為避碰失誤，研究人員提出多種船舶碰撞危險(xiǎn)度評(píng)估方法。碰撞危險(xiǎn)度是描述航行船舶碰撞危險(xiǎn)程度的重要參數(shù)，在船舶自動(dòng)避碰系統(tǒng)中起承上啟下的作用，是船舶采取避碰決策的重要依據(jù)，研究碰撞危險(xiǎn)度可推動(dòng)智能船舶航行避碰決策水平的快速發(fā)展。

為構(gòu)建準(zhǔn)確可靠的碰撞危險(xiǎn)度評(píng)估系統(tǒng)，Tu等^[1]通過(guò)檢測(cè)侵犯他船船舶領(lǐng)域的可能性，將船舶領(lǐng)域評(píng)估船舶航行安全的標(biāo)準(zhǔn)結(jié)合最近會(huì)遇距離（distance to closest point of approach，DCPA）和到達(dá)最近會(huì)遇距離的時(shí)間（time to closest point of approach，TCPA）等危險(xiǎn)指數(shù)，計(jì)算碰撞危險(xiǎn)度。羅捷等^[2]采用遺傳極限學(xué)習(xí)計(jì)算法計(jì)算船舶碰撞危險(xiǎn)度，提高了船舶避碰的成功率。利用智能方法與傳統(tǒng)方法的差異性、互補(bǔ)性，將2類(lèi)方法相結(jié)合進(jìn)行避碰研究^[3]。Zhou等^[4]提出動(dòng)態(tài)模糊船舶領(lǐng)域的概念，考慮本船和他船相關(guān)因素確定船舶航行碰撞危險(xiǎn)度。但在評(píng)估碰撞危險(xiǎn)度時(shí)，上述方法未充分考慮環(huán)境條件，如風(fēng)、浪等外部因素的有效融合問(wèn)題，影響碰撞危險(xiǎn)度計(jì)算的準(zhǔn)確性^[5]。

Andrew等^[6]構(gòu)建了可分析已識(shí)別危險(xiǎn)度因素的特定模型。Dang等^[7]、Szlapczynski等^[8]、Jo等^[9]、Zhang等^[10]針對(duì)海上航行時(shí)的惡劣天氣因素進(jìn)行研究?？紤]船舶的運(yùn)動(dòng)特性， 謝鴻偉等^[11]針對(duì)開(kāi)闊水域多船會(huì)遇情況，提出一種考慮船舶運(yùn)動(dòng)數(shù)學(xué)模型的自主避碰方法。針對(duì)避碰路徑規(guī)劃問(wèn)題，賈立校等^[12]提出綜合考慮速度和安全性的船舶智能避碰方法。周鳳杰^[13]、曾勇等^[14]采用粒子群-遺傳混合優(yōu)化算法的船舶避碰決策方法，取得了較好的避碰決策和規(guī)劃效果。也有學(xué)者提出了碰撞危險(xiǎn)度模糊評(píng)估、自主水面船舶實(shí)時(shí)避碰和不確定危險(xiǎn)度回歸模型等方法，解決考慮避碰脆弱性的船舶避碰問(wèn)題^[15-16]。船舶碰撞危險(xiǎn)度被視為宏觀的危險(xiǎn)度，是指發(fā)生海上事故的可能性或海上事故的危險(xiǎn)程度，而避碰脆弱性是指發(fā)生碰撞事故的可能性或發(fā)生碰撞事故的風(fēng)險(xiǎn)程度，避碰脆弱性增大意味著發(fā)生海上碰撞事故的可能性增大。

但考慮船員駕駛經(jīng)驗(yàn)案例，解決基于案例庫(kù)推理的大風(fēng)浪因素影響的多船避碰問(wèn)題的文獻(xiàn)較少。為提升船舶避碰決策的智能化和精確性，本文在大風(fēng)浪下船舶避碰脆弱性評(píng)估的基礎(chǔ)上研究避碰決策，考慮避碰脆弱性，提出一種多船避碰模糊決策避碰方法。

1 大風(fēng)浪條件下船舶碰撞危險(xiǎn)度評(píng)估

大風(fēng)浪條件下易造成船舶碰撞危險(xiǎn)度評(píng)估不當(dāng)而錯(cuò)過(guò)避碰時(shí)機(jī)，極易引發(fā)碰撞事故。采用考慮避碰脆弱性因素的船舶碰撞危險(xiǎn)度模糊評(píng)估方法，結(jié)合基本的碰撞危險(xiǎn)度和大風(fēng)浪下不同類(lèi)型船舶的避碰脆弱性，計(jì)算綜合碰撞危險(xiǎn)度，如圖1所示。

1.1 船舶基本碰撞危險(xiǎn)度

在船舶碰撞危險(xiǎn)度評(píng)估方法中，最近會(huì)遇距離和到達(dá)最近會(huì)遇距離的時(shí)間是確定船舶是否存在碰撞危險(xiǎn)的根本因素。最近會(huì)遇距離l_DCPA通?？紤]絕對(duì)值，本文將以l_DCPA（－）或l_DCPA（+）的形式區(qū)分本船左、右兩舷的船舶，繪圖顯示本船、目標(biāo)船的位置關(guān)系，相對(duì)運(yùn)動(dòng)線(xiàn)朝向本船的方向，如圖2所示。

如果目標(biāo)船相對(duì)運(yùn)動(dòng)或明顯向本船左側(cè)移動(dòng)，則l_DCPA為負(fù)；若目標(biāo)船明顯向右運(yùn)動(dòng)，則l_DCPA為正。根據(jù)目標(biāo)船距離確定從本船到危險(xiǎn)船舶的距離；目標(biāo)船相對(duì)方位 （target relative bearing，TRB） 確定危險(xiǎn)船舶的接近類(lèi)型及根據(jù)案例庫(kù)的相似性進(jìn)行調(diào)整，尋求適用的解決方案；l_DCPA確定碰撞危險(xiǎn)度模糊規(guī)則的輸入和生成，調(diào)整新航向的輸出；到達(dá)最近會(huì)遇距離的時(shí)間t_TCPA確定危險(xiǎn)區(qū)域內(nèi)每艘船的碰撞危險(xiǎn)度，并通過(guò)調(diào)整查詢(xún)到的來(lái)自案例庫(kù)中相似的解決方案，提供避碰決策。

基本碰撞危險(xiǎn)度與避碰脆弱性概念不同，不能在數(shù)學(xué)上對(duì)二者簡(jiǎn)單求和。本文采用模糊推理的方法將基本碰撞危險(xiǎn)度和避碰脆弱性融合計(jì)算綜合碰撞危險(xiǎn)度，采用改進(jìn)的l_DCPA和t_TCPA方法提供更合理和適用的碰撞危險(xiǎn)度評(píng)估。用于求解基本碰撞危險(xiǎn)度模糊規(guī)則的輸入變量為l_DCPA和t_TCPA，輸出變量為基本安全指數(shù)S_index和基本碰撞危險(xiǎn)度C_r，形式為

（l_DCPA，t_TCPA）→ S_index→C_r。

采用簡(jiǎn)潔的模糊推理模型，將l_DCPA、t_TCPA和S_index的隸屬度函數(shù)分別分為5、8、8個(gè)語(yǔ)言值。計(jì)算C_r時(shí)有2個(gè)輸入和1個(gè)輸出，可由推理規(guī)則確定。根據(jù)模糊邏輯推理規(guī)則，采用危險(xiǎn)度指標(biāo)l_DCPA和t_TCPA作為模糊推理輸入，得到C_r。模糊規(guī)則的輸出變量S_index可用于求解C_r，計(jì)算公式為

l_DCPA、t_TCPA和S_index的模糊隸屬度函數(shù)如圖3所示。

1.2 大風(fēng)浪脆弱性危險(xiǎn)度評(píng)估

評(píng)估小型船舶實(shí)際航行中大風(fēng)浪因素影響碰撞危險(xiǎn)度的程度，需考慮碰撞危險(xiǎn)因素和避碰脆弱性因素。

采用模糊推理方法，通過(guò)模糊隸屬函數(shù)和推理規(guī)則，結(jié)合風(fēng)速v和浪高h(yuǎn)推算大風(fēng)浪造成的避碰脆弱性V_w，推理關(guān)系為：

（v，h）→V_w。

根據(jù)Beaufort風(fēng)浪標(biāo)準(zhǔn)^[17]和專(zhuān)家們提出的意見(jiàn)，考慮船長(zhǎng)度，確定大風(fēng)浪條件下v和h等2個(gè)重要變量的隸屬度函數(shù)。以小型船舶為基準(zhǔn)，設(shè)置v和h的3種語(yǔ)言值為小、中、大。根據(jù)專(zhuān)家和船長(zhǎng)的問(wèn)卷，為模糊引擎設(shè)計(jì)模糊規(guī)則，如表1所示。

采用三角隸屬度函數(shù)的模糊邏輯描述大風(fēng)浪，大風(fēng)浪脆弱性為0～1。如果脆弱性接近0，表明發(fā)生事故的可能性較??；脆弱性接近1，表明發(fā)生事故的可能性較大，如圖4所示。

船長(zhǎng)采用非常小、小、中等、大、非常大5個(gè)語(yǔ)言值標(biāo)示，如圖5a）所示。通常認(rèn)定長(zhǎng)約18 m的船為小型船舶，船長(zhǎng)超過(guò)160 m為大型船?？紤]到船長(zhǎng)，采用模糊校正修改值調(diào)整V_w，如圖5b）所示。

2 船舶綜合碰撞危險(xiǎn)度評(píng)估與避碰決策

采用具有模糊案例庫(kù)的避碰決策方案求解最佳的避碰航向，船舶避碰決策流程如圖6所示。在案例庫(kù)中存儲(chǔ)了經(jīng)典決策案例。根據(jù)當(dāng)前遇到的情況，從案例庫(kù)中檢索相似案例，獲得與經(jīng)驗(yàn)豐富的船員處置相似情況的避碰決策措施，再進(jìn)行相似度調(diào)整獲得合適避碰方案。該避碰決策方法包含大風(fēng)浪條件下避碰脆弱性危險(xiǎn)度評(píng)估模塊（模塊1）、綜合危險(xiǎn)度評(píng)估與新案例索引模塊（模塊2）和案例檢索決策模塊（模塊3）3個(gè)模塊。

在模塊1中評(píng)估脆弱性危險(xiǎn)度指標(biāo)和C_r指標(biāo)，模塊2融合模塊1的2個(gè)評(píng)估結(jié)果，獲得綜合碰撞危險(xiǎn)度，根據(jù)綜合碰撞危險(xiǎn)度的模糊推理規(guī)則確定在大風(fēng)浪影響下最危險(xiǎn)的會(huì)遇船舶，如表2所示。

在模塊3避碰案例庫(kù)中檢索新案例的相似案例，根據(jù)案例會(huì)遇情況的相似度優(yōu)化避碰決策，獲得合適的避碰方案。

在避碰決策前進(jìn)行案例檢索，船舶避碰模糊推理庫(kù)結(jié)構(gòu)如圖7所示，A、B為目標(biāo)船。根據(jù)t_TCPA、目標(biāo)船相對(duì)方位θ_TRB和l_DCPA檢索避碰決策系統(tǒng)案例庫(kù)中的案例。當(dāng)檢索到類(lèi)似情況時(shí)，將l_DCPA作為輸入?yún)⒘?，求解本船為避免碰撞采用的輸出航向H_output。在考慮碰撞規(guī)則的基礎(chǔ)上，根據(jù)檢索的t_TCPA、θ_TRB調(diào)整轉(zhuǎn)向，獲得輸出決策航向。

采用t_TCPA和θ_TRB作為相似度調(diào)整的輸入?yún)?shù)，與案例庫(kù)中的案例參數(shù)比較，計(jì)算參數(shù)間的相似度，調(diào)整所選案例的解決方案，相似度

式中：ω為重要性加權(quán)，f為相似性函數(shù)，T、S分別為輸入?yún)?shù)和檢索案例參數(shù)，T_i、S_i分別為第i個(gè)案例的輸入?yún)?shù)和檢索案例參數(shù)。

采用參數(shù)T_i與S_i之差作為相似性模糊推理計(jì)算的輸入變量，即求解相似度的模糊規(guī)則的輸入、輸出變量為

（T_i－S_i）→S_im。

由H_output和案例相似度計(jì)算獲得決策航向H_new，即

H_output·S_im→H_new。

3 仿真應(yīng)用

為驗(yàn)證模糊避碰決策方案的有效性，在仿真試驗(yàn)中設(shè)置會(huì)遇情況，識(shí)別最危險(xiǎn)的2艘船舶，并根據(jù)案例庫(kù)中存儲(chǔ)的案例進(jìn)行推理和調(diào)整，采取安全的航向，避免與區(qū)域中的其他船舶相撞。

本船周?chē)?0 n mile范圍內(nèi)探測(cè)到6艘目標(biāo)船，分別為A～F，如圖8所示，詳細(xì)信息如表3所示。采用模糊推理方法，以t_TCPA、l_DCPA和θ_TRB作為重要風(fēng)險(xiǎn)指數(shù)確定碰撞危險(xiǎn)度。

風(fēng)浪脆弱性條件（v，h）為V₁（14 m/s，3 m）、V₂（10 m/s，2 m）、V₃（6 m/s，1.5 m）、V₄（4 m/s，1 m）。船長(zhǎng)分別為5、10、20、50、80、100、120、150、170、200 m的10種船舶在4種風(fēng)浪脆弱性條件下的避碰脆弱性仿真結(jié)果如表4所示。

根據(jù)求解得到的碰撞危險(xiǎn)度和相關(guān)參數(shù)，對(duì)目標(biāo)船進(jìn)行分類(lèi)，結(jié)果如表5所示。在碰撞危險(xiǎn)度相同時(shí)，先比較l_DCPA，若l_DCPA也相同，再比較t_TCPA判斷船舶碰撞危險(xiǎn)度的大小。

由表5可知：船舶F、E是最危險(xiǎn)的目標(biāo)。這2艘船的詳細(xì)信息將用于編制索引。根據(jù)案例庫(kù)檢索推理得到轉(zhuǎn)向避碰解決方案，轉(zhuǎn)向系統(tǒng)執(zhí)行航向。通過(guò)調(diào)整新航向的避碰措施可獲得目標(biāo)船l_DCPA的變化。

在不考慮避碰脆弱性時(shí)，船F(xiàn)、A為最危險(xiǎn)目標(biāo)，船E、A的C_r相同，但船A的l_DCPA更小；在考慮避碰脆弱性危險(xiǎn)度后，船E長(zhǎng)度較短，受風(fēng)浪影響較大，避碰脆弱性危險(xiǎn)度較大，綜合碰撞危險(xiǎn)度比船A大，因此優(yōu)先考慮船F(xiàn)、E。

自動(dòng)避碰系統(tǒng)連續(xù)獲取周?chē)哪繕?biāo)船舶信息，如圖8所示，計(jì)算新的l_DCPA、t_TCPA和θ_TRB用作檢索案例庫(kù)的輸入，獲得解決方案后連續(xù)調(diào)整航向，直到獲得低碰撞危險(xiǎn)度為止。對(duì)6艘目標(biāo)船測(cè)試避碰方法，本船航向、目標(biāo)船的綜合碰撞危險(xiǎn)度、目標(biāo)船的l_DCPA和t_TCPA、目標(biāo)船與本船的距離的避碰仿真結(jié)果如圖9～13所示。

由圖9可知：根據(jù)本船當(dāng)前會(huì)遇情況推薦避碰航向，將初始階段航向010°調(diào)整到030°，然后輸出航向095°，達(dá)到避讓危險(xiǎn)目標(biāo)船的效果，59 min后本船恢復(fù)初始航向。

由圖10可知：隨航向的調(diào)整，目標(biāo)船的綜合碰撞危險(xiǎn)度逐漸減小，目標(biāo)船F(xiàn)的綜合碰撞危險(xiǎn)度最先減小到安全范圍，所有船舶的碰撞危險(xiǎn)度變負(fù)。

由圖11可知：在本船執(zhí)行避碰航向后，l_DCPA立刻增大，A船航向在相對(duì)運(yùn)動(dòng)線(xiàn)右側(cè)，其他船的航向在相對(duì)運(yùn)動(dòng)線(xiàn)左側(cè)。

由圖12、13可知：目標(biāo)船的t_TCPA逐漸減小，先遇到船B，后遇到船F(xiàn)。會(huì)遇后，t_TCPA變負(fù)，絕對(duì)值增大。在案例庫(kù)中檢索到類(lèi)似情況，采用新航向并應(yīng)用在船舶會(huì)遇實(shí)例時(shí)，新l_DCPA比原l_DCPA明顯改善，驗(yàn)證了算法的有效性。在避碰初期，系統(tǒng)輸出是本船變化較大的新航向角，避碰效果良好。與僅考慮基本碰撞危險(xiǎn)度方法相比，本文采用的研究方法優(yōu)先考慮了避碰脆弱性大的船E。經(jīng)過(guò)避讓后，危險(xiǎn)目標(biāo)船的碰撞危險(xiǎn)度逐漸減少，本船沿安全航線(xiàn)航行，避免與附近的目標(biāo)船發(fā)生碰撞。最后，在確定沒(méi)有碰撞危險(xiǎn)時(shí)，本船將恢復(fù)原定航向。

4 結(jié)語(yǔ)

針對(duì)多船會(huì)遇的船舶碰撞危險(xiǎn)度綜合評(píng)估避碰決策問(wèn)題，考慮大風(fēng)浪的影響，提出了船舶避碰脆弱性的概念，提出一種考慮避碰脆弱性的模糊推理避碰方法，采用模糊推理校正測(cè)量風(fēng)浪脆弱性對(duì)不同船長(zhǎng)的影響。將船舶避碰脆弱性與基本碰撞危險(xiǎn)度結(jié)合，得到綜合碰撞危險(xiǎn)度，結(jié)合碰撞參數(shù)檢索模糊案例庫(kù)，尋找相似案例，制定避碰決策航向。仿真試驗(yàn)結(jié)果驗(yàn)證了考慮脆弱性避碰策略的有效性，提高了危險(xiǎn)度評(píng)估和避碰決策的準(zhǔn)確性。

未來(lái)可針對(duì)復(fù)雜環(huán)境借助模擬器進(jìn)行試驗(yàn)，完善案例庫(kù)提高獲得最佳決策輸出的效率。將數(shù)學(xué)船舶模型融入避碰系統(tǒng)，提升避碰系統(tǒng)的準(zhǔn)確性，以便適應(yīng)不同船舶的運(yùn)動(dòng)特性。

參考文獻(xiàn)：

[1]TU E， ZHANG G H， RACHMAWATI L， et al. Exploiting AIS data for intelligent maritime navigation：a comprehensive survey from data tomethodology[J].IEEE Transactions on Intelligent Transportation Systems， 2018，19（5）：1559-1582.

[2]羅捷，王德嶺.遺傳極限學(xué)習(xí)計(jì)算法在船舶碰撞危險(xiǎn)度確定中的應(yīng)用[J].艦船科學(xué)技術(shù)，2021，43（9A）：34-36.

LUO Jie， WANG Deling， Application of genetic limit learning algorithm in determination of ship collision risk[J].Ship Science and Technology， 2021，43（9A）：34-36.

[3]李永杰，張瑞，魏慕恒，等.船舶自主航行關(guān)鍵技術(shù)研究現(xiàn)狀與展望[J].中國(guó)艦船研究，2021，16（1）：32-44.

LI Yongjie， ZHANG Rui， WEI Muheng， et al. State-of-the-art research and prospects of key technologies for ship autonomous navigation[J].Chinese Journal of Ship Research， 2021，16（1）：32-44.

[4]ZHOU Dan， ZHENG Zhongyi. Dynamic fuzzy ship domain considering the factors of own ship and other ships[J].The Journal of Navigation， 2019，72（2）：467-482.

[5]HU Y C， ZHANG Q， PARK G K， et al. Automatic identification of ship navigation risk for collision accidents using uncertain regression model[C/OL]//2020 Chinese Automation Congress （CAC） proceedings， November 06-08，2020，Shanghai.[S.l.]：IEEE，2020 Chinese Automation Congress （CAC）：3111-3116[2022-01-30].https：//ieeexplore.ieee.org/document/9326693.

[6]ANDREW J， JOHNSON O U. Collision riskmodelling of supply vessels and offshore platforms under uncertainty[J].The Journal of Navigation， 2017，70（4）：870-886.

[7]DANG X K， LE A H， HO V D， et al. Analyzing the sea weather effects to the ship maneuvering in Vietnam′s sea fromBinhThuan province to Ca Mau province based on fuzzy control method[J].Telecommunication Computing Electronics and Control， 2018，16（2）：533-543.

[8]SZLAPCZYNSKI R， KRATA P. Determining and visualizing safe motion parameters of a ship navigating in severe weather conditions[J].Ocean Engineering， 2018，158（1）：263-274.

[9]JO G J， HU Y C， PARK G K. Building of an algorithm to generate ship′s collision risk based on accident vulnerability under bad weather using fuzzylogic[J].Journal of Korean Institute of Intelligent Systems， 2018，28（4）：369-374.

[10]ZHANG Qiang， ZHANG Meijuan， HU Yancai， et al. Error-driven-based adaptive nonlinear feedback control of course-keeping for ships[J].Journal of Marine Science and Technology， 2020，26（5）：201-212.

[11]謝鴻偉，張英俊，邢勝偉.基于模型預(yù)測(cè)控制的船舶自主避碰方法[J].船舶工程， 2021， 43（8）： 23-28.

XIE Hongwei， ZHANG Yingjun， XING Shengwei. A method for ship autonomous collision avoidance based on model predictive control[J].Ship Engineering， 2021，43（8）：23-28.

[12]賈立校，王建濤.綜合考慮速度和安全的船舶智能避碰研究[J].艦船科學(xué)技術(shù)， 2021， 43（5A）： 22-24.

JIA Lixiao， WANG Jiantao. Research on ship intelligent collision avoidance considering speed and safety[J].Ship Science and Technology， 2021，43（5A）：22-24.

[13]周鳳杰.船舶避碰的粒子群-遺傳（PSO-GA）的混合優(yōu)化算法研究[J].船舶力學(xué)， 2021， 25（7）： 909-916.

ZHOU Fengjie. Research on hybrid optimization algorithm of particle swarm-genetic （PSO-GA） for ship collision avoidance[J].Journal of Ship Mechanics， 2021，25（7）：909-916.

[14]曾勇，張金奮，張明陽(yáng).基于粒子群-遺傳優(yōu)化算法的船舶避碰決策[J].中國(guó)航海， 2020， 43（1）： 1-6.

ZENG Yong， ZHANG Jinfen， ZHANG Mingyang. Collision avoidance decision-making based on particle swarm optimization and genetic algorithm[J].Navigation of China， 2020，43（1）：1-6.

[15]HU Y C， PARK G K， HONG T. Collision risk assessment based on the vulnerability of marine accidents using fuzzy logic[J].International Journal of Naval Architecture and Ocean Engineering， 2020，12（1）：541-551.

[16]HU Y C， MENG X F， ZHANG Q， et al. A real-time collision avoidance system for autonomous surface vessel using fuzzy logic[J].IEEE Access， 2020，8（1）：835-846.

[17] 麻辣GIS.關(guān)于蒲福風(fēng)力等級(jí)表[EB/OL].（2013-11-09）[2022-01-28].https：//malagis.com/about-beaufort-scale-table-2.html.

Multi-vessels collision avoidance decisions considering the vulnerability

of collision avoidance under heavy storm wave

HU Yancai， ZHANG Qiang， WU Hengtao

Shipping College，Shandong Jiaotong University，Weihai 264209，China

Abstract：In order to solve the problem that the ship′s maneuvering ability is reduced， and the collision avoidance vulnerability is generated and the collision accident probability is increased under the influence of heavy storm waves， the ship′s collision avoidance vulnerability is obtained by analyzing the factors of heavy storm waves and the ship′s length. The basic collision risk is obtained by fuzzy reasoning and a multi-ship collision avoidance decision method considering the comprehensive collision risk is proposed. The fuzzy case base of collision avoidance decision is constructed by using multi-ship collision， the corresponding collision avoidance decision is provided， and the effectiveness of the collision avoidance decision method is verified by simulation experiments. The results show that the multi-ship collision avoidance decision-making method can accurately calculate the collision avoidance vulnerability of ships of different lengths， provide the comprehensive collision risk of surrounding ships， and make effective multi-ship collision avoidance decision. This method can provide important theoretical basis and data reference for ship navigation safety under heavy storm wave conditions.

Keywords：multi-vessels collision avoidance; fuzzy reasoning; case-based reasoning; collision prevention vulnerability；risk of collision

（責(zé)任編輯：王惠）