智能船舶的研究現狀可視化分析與發展趨勢*

張 笛 趙銀祥 崔一帆 萬程鵬▲

（1.武漢理工大學智能交通系統研究中心 武漢430063；2.武漢理工大學國家水運安全工程技術研究中心 武漢430063；3.武漢理工大學航運學院 武漢430063）

0 引 言

近年來，水上交通運輸的地位在交通運輸領域不斷提升，船舶作為水上交通運輸的主要工具，其安全、綠色以及高效運營受到社會各界的廣泛關注。人工智能、互聯網，以及大數據等新興技術的發展掀起了智能船的研究熱潮。在推動完善智能船舶的政策和規范方面，我國走在了世界前列[1]。2015年，中國船級社發布的《智能船舶規范》對智能船的6大功能提出了具體要求。2017 年，科技部聯合交通運輸部印發的《“十三五”交通領域科技創新專項規劃》明確了“十三五”交通領域發展的總體思路、發展目標、主要任務和重大舉措。2018 年，由工業和信息化部聯合交通運輸部、國防科工局編制印發的《智能船舶發展行動計劃（2019—2021年）》，旨在促進我國船舶工業高質量發展，使我國智能船舶的發展與世界先進水平保持同步。2019 年，交通運輸部等7 部門聯合印發的《智能航運發展指導意見》，提出的4 大戰略目標和10大任務，進一步深化了航運供給側結構性改革，提升了我國航運競爭力。

國際方面，國際海事組織（IMO）在第99屆海安會上提出水面自主船的概念。2016 年，英國航運協會發布了《關于MASS 的推薦性行業行為指南》，并在2018 年發布了其修訂版。2019 年，英國發布的《海事2050戰略》指出英國將立法建立1個國內的自主船框架，并對海事技術、人員培訓和基礎設施建設進行了概述。此外，挪威、日本、法國等船級社紛紛制定智能船規范，為智能船舶的發展營造了良好的環境。

隨著相關研究的深入，各個國家在智能船舶領域都取得了一定的成績。如2015年，中船集團發布了38 800 t 的iDO-LPHIN 智能船型設計。2017年，英國羅爾斯-羅伊斯公司與馬士基集團旗下拖輪公司Svitzer 共同完成了全球首次商船遠程操作。2018年，英國Rolls-Royce公司與芬蘭Finferries開發的世界上第一艘全自動渡船Falco載著80名乘客實現了自動航行測試；2019年，日本郵船宣布完成了全球首次智能船舶的海上試驗，完成了國際海事組織《自主駕駛船舶試驗暫行指南》的各項試驗項目。

智能船舶發展的核心是航行安全。船舶智能化雖然降低了人為因素對航行安全的影響，但是對其安全性的研究仍是目前船舶行業研究的重點。鑒于此，利用知識圖譜對近10年的相關研究進行了系統梳理，并從態勢感知、智能避碰、智能控制、網絡通信以及法律安全5 個方面總結了國內外研究熱點，對目前存在的問題進行了深入分析，同時提出了智能船舶未來研究的方向和趨勢，為進一步開展智能船舶研究提供參考。

1 數據來源與研究方法

1.1 數據來源和檢索策略

在中國知網（CNKI）、Web of Science（WOS）這2 個數據庫對近10 年（2010—2020 年）的智能船舶研究文獻進行檢索。共檢索到中文文獻961 篇，英文文獻329篇。文獻檢索信息如下。

1）檢索式。

CNKI：主題=（“智能船（舶）”）或者主題=（“自主船（舶）”）或者主題=（“無人船（舶）”），搜索范圍：學術期刊。

WOS：標題=（“intelligent ship”）或者標題=（“autonomous ship”）或者標題=（“unmanned ship”）或者標題=（“smart ship”），搜索范圍：WOS。

2）時間跨度。2010年1月—2020年12月。

1.2 文獻分析方法

基于CNKI的961篇中文文獻和WOS的329篇英文文獻從計量學的角度進行了統計分析，并使用Vosviewer[2]軟件生成高頻關鍵詞的聚類圖譜和趨勢演化圖譜，對2010—2020年智能船舶的研究熱點進行了可視化分析。

2 文獻統計結果及分析

2.1 文獻增長趨勢分析

國內外近10 年智能船舶領域發表成果情況及變化趨勢見圖1。2010—2020 年期間，論文發表數量整體呈上升趨勢。其中，2014 年以前文章發表增長趨勢較為平緩且總體數量較少，并且中文文獻的數量低于英文文獻的數量。隨著2015年《中國制造2025》白皮書以及2016 年《關于推進船舶智能制造指導意見》等文件的發布，國家進一步明確把高技術船舶的發展作為10大重點發展領域之一，從而大大推動了中國對于智能船舶的研究。從2015年開始，中國關于智能船舶研究發表文章的增長幅度在每年14篇以上，平均增長率達58%。

圖1 2010—2020年國內外智能船舶研究趨勢Fig. 1 Research trends of intelligent ship at home and abroad from 2010 to 2020

2.2 機構與作者分析

在國外研究機構中，發文量7 篇及以上的有4家，發文量4～6篇的有12家，表1中列出了國外文獻發表數量大于等于5篇的研究機構。在智能船舶研究領域比較突出的機構有挪威科技大學和荷蘭代爾夫特理工大學。在國內研究機構中，根據發文數量，主要研究機構有武漢理工大學、大連海事大學、上海交通大學、上海海事大學、中國船舶工業集團、中國船級社以及國家海洋局等。

在代表性作者方面，根據英文文獻分析的結果顯示K. Mansouri，J.B. Qbadou，M. Youssi 這3 位的文獻發表數量均為8 篇，J. Kim，I.B. Utne 發表的文章數量均為7 篇。國內研究的學者主要代表有武漢理工大學嚴新平、初秀民，國家海洋局金久才、張杰，中國船級社的蔡玉良，以及上海交通大學的王鴻東等。

表1 國外主要的研究機構Tab.1 Major foreign research institutions

2.3 研究關鍵詞分析

基于關鍵詞分析，選用關鍵詞聚類圖和演化趨勢圖對961 篇中文文獻和329 篇英文文獻的關鍵詞進行可視化展示，見圖2～3。圖中的節點和字體越大，則重要性越高；同時出現的2個節點之間的用線條連接，線條顏色的越深說明關聯的程度越大；圖中節點的顏色相同說明為同一類別，目前所開展的研究主要圍繞智能船舶和無人船開展。

英文文獻中的關鍵詞分為4類，分別如下。

Cluster 1（Intelligent Control）：ais，collision，collision avoidance，motion control，path planning，risk，preventing collisions

Cluster 2（Intelligent Technology）：big data，genetic algorithm，intelligent ship，neural network，ship motion，optimization

Cluster 3（Intelligent Equipment）：autonomous underwater vehicle，controller，propulsion system，satellite，and trajectory

Cluster 4（Intelligent Navigation）：autonomous ship，hu-man error，safe operation，autonomous ship， communication，autonomous vessel，unmanned autonomous ship

中文文獻中的關鍵詞分為了4類，分別如下。

Cluster 1（智能技術）：人工智能技術，大數據分析，態勢感知，無人系統，數字化，智能港口，無人駕駛，傳感器，物聯網，船連網

Cluster 2（智能航行）：智慧航運，智能機艙，智能系統，智能航行，智能集成平臺，能效管理，智能船舶，航行安全

Cluster 3（智能控制）：PID控制，人工勢場法，控制系統，激光雷達，航向控制，路徑規劃，避障，無人駕駛技術

Cluster 4（智能應用）：地形測量，無人測量船，水深測量，水質監測，海洋測量，環境監測，路徑跟蹤

根據中英文文獻的演化趨勢圖（見圖3）可以看出，最初智能船的研究主要是圍繞智能設備、智能航行開展。隨著研究的深入，避障、路徑規劃、避碰、collision、collision avoidance、path、risk 等關鍵詞不斷涌現，研究內容開始逐步側重于智能技術、智能控制等方面，并且隨著智能船舶的發展神經網絡、深度學習、人工勢場等智能算法被廣泛應用于智能避碰和控制的研究。

圖2 智能船舶研究關鍵詞聚類圖Fig.2 Cluster of keywords in intelligent ship studies

圖3 智能船舶研究關鍵詞演化趨勢圖Fig.3 Evolution trends of keywords in intelligent ship research

3 智能船舶研究熱點分析

為了進一步探索智能船未來研究的熱點和方向，在關鍵詞分析的基礎上，將智能船舶研究的熱點內容進一步歸納為智能船舶態勢感知、智能避碰、智能控制、網絡通信以及法律安全5個方面，分別進行詳細分析。

3.1 智能船態勢感知

態勢感知是智能船安全航行的基礎。智能船的態勢感知不僅要感知自身數據（位置、航速、航向等動態數據和靜態數據），更要感知航行環境信息（風、浪、流等水文氣象信息）。安全可靠的感知系統包括3個部分：靈敏的傳感器、智能的感知算法、以及高精度的感知模型。航行態勢感知不足將會嚴重影響航行的安全，針對這一問題，楊坤等[3]通過相鄰幀差法和變換域法依次配合，實現對障礙物的識別和跟蹤顯示；王貴槐等[4]提出了1 種基于SVM 的內河典型障礙物識別方法，搭建了基于激光雷達的無人船環境感知系統；王華鮮等[5]把多目標主動感知場景建模為帶鄰域的多旅行商問題，然后使用自組織映射網絡規劃出旅行時間最短的閉環軌跡，并利用三階貝塞爾曲線對軌跡做平滑處理；雷進宇等[6]采用態勢感知理論與可視化分析技術設計了船舶航行風險態勢感知認知框架，為航行決策提供重要參考依據；Wang等[7]提出了1種快速準確的在線自組織精簡模糊神經網絡（FAOS-PFNN）辨識船舶域模型；Zhou等[8]首次提出了1 種基于遠程控制船舶系統安全控制結構的態勢感知定量模型。

隨著科技的不斷發展以及研究的不斷深入，固態雷達[9]、激光雷達[10]，以及人工智能等新技術被廣泛的應用于智能船舶研究領域，大大提高了航行環境的智能感知能力。例如，羅爾斯羅伊斯公司推出的用智能軟件融合多個傳感器的先進的態勢感知系統，降低了引航員在夜間、惡劣天氣條件下或在擁擠水道駕駛船舶面臨的安全風險。美國羅德岱堡推出的羅羅智能感知（IA）系統可以利用數據收集增強航行安全和運營效率的商用智能感知系統。我國啟動的“船舶（航行）態勢智能感知系統研制”項目，旨在利用雷達、全景紅外視覺、聲音識別、遙感及三維重構數字場景等新技術的高度融合及多媒體技術的應用，提高船舶航行環境態勢的智能感知能力，徹底解決船舶航行環境探測、感知乃至于認知的問題，將成為無人船自主航行的核心裝備之一。百度Apollo 3.5的感知系統已經成為國內自動駕駛的領頭羊。

智能船航行態勢感知需要多種數據源的融合，因此在船舶態勢感知研究領域中數據融合是保障精準感知的關鍵。目前國內外對于雷達、AIS 等數據融合的研究較多，對于全景視覺等新型的數據融合研究相對較少。全景視覺技術由于其具有高分辨率、高靈敏度、實時性好等特點有利于在智能船態勢感知領域應用。此外，隨著計算機視覺技術的成熟，利用圖像進行態勢感知已經是重要研究方向。目前感知系統的應用和開發已經進入了實踐階段，但是在智能感知方面仍然存在一定的問題，如：態勢感知的精度不夠、受環境影響大等。此外，單純的感知已經無法滿足現有智能船舶航行的需求，特別是涉及到內河復雜的航行環境以及錨泊、靠離泊等多個作業環節，目前的態勢感知尚無法達到精準識別感知的要求。從感知向認知的演進是未來智能性提升的重要研究方向。

3.2 船舶智能避碰

智能避碰是智能船安全航行的重點之一。智能船舶在航行過程中，尤其在復雜的內河航行環境中會面臨很多不確定性因素，對智能船安全性的研究帶來了很大的困難。研究表明：碰撞是智能船舶所面臨的最大風險。智能船舶在航行過程中主要面臨的碰撞風險包括智能船之間的碰撞、智能船與常規船之間的碰撞以及智能船與靜態障礙物之間的碰撞。因此，智能避碰可分為2 類：①智能避讓礁石、漂浮物或其他的靜態障礙物；②智能避讓船舶等其他動態障礙物。在船舶智能避碰研究中，多目標算法[11]、決策樹[12]、模糊邏輯[13]、遺傳算法[14]、博弈論[15]、速度避障法[16]、專家系統[17]等方法被廣泛應用，并且深度學習以及強化學習[18-20]等人工智能方法的引入大大降低了船舶碰撞的風險。表2列舉了部分關于智能船避碰的代表性研究工作。

總體而言，目前國內外對于船舶智能避碰方面的研究相對較多，理論和模型趨于成熟。但是由于智能船舶造價昂貴、避碰試驗代價大等因素，目前大部分研究機構主要采用仿真模擬或者模型試驗的方式對理論進行驗證，研究成果的實際價值難以衡量，距離實用化存在一定距離。

3.3 船舶智能控制

智能控制是智能船安全航行的前提，如何安全有效的控制智能船的航行、一系列動作的完成，以及船岸協同控制[29]是目前研究的熱點。研究發現：智能船自主控制主要包括航行控制和設備控制。在航行控制方面，主要包括路徑規劃、航跡規劃[30]和航向[31]、航速的控制；在設備控制方面，主要是指對船上智能設備的自主控制，比如自動舵、智能機艙等。在智能船控制的研究中，模糊控制[32]、強化學習[33]、人工勢場（APF）[34]，以及模型預測控制等方法被廣泛應用，這些方法的應用一定程度上提高了智能船的自主控制能力。

隨著船舶智能化進程的加快，智能控制在智能船舶研究領域中正沿著輔助控制、協同控制、自主控制的路線發展，智能系統逐漸取代人在船上的工作，大大降低了人員工作的負荷，提高了工作的效率和安全性。目前，大部分的研究方法和模型主要基于某一特定的航行環境或者場景，對于復雜航行環境下（如內河連續橋區、分匯流口、交叉水域等）的適用性還有待驗證。此外，遠程駕控系統不同于常規的船舶駕駛，其運行機制、操作培訓、使用場景等需進一步研究。

表2 智能避碰相關文獻Tab.2 Literature on intelligent collision avoidance

表3 智能船智能控制相關文獻Tab.3 Literature on intelligent control of intelligent ship

3.4 智能船網絡通信安全

網絡通信安全是智能船安全航行的保障。無人船在航行過程中需要對周圍的環境信息進行采集、分析，需要與他船以及岸基之間進行通信和信息交換，接入網絡的數據、隱私、資料日益增加，受到網絡攻擊可能性也隨之增大。2013 年，新加坡船籍的貨船“Prabhu Daya”的1 名船員使用帶有病毒的存儲器蓄意破壞VDR上的數據，導致該船在喀拉拉邦海岸急速航行中撞翻了1艘漁船，造成2人喪生和1人失蹤；2017年，世界上最大的集裝箱承運公司馬士基（Maersk）旗下的17 個碼頭遭受NotPetya 勒索軟件攻擊，造成約3億美元的損失。因此，網絡通信安全在信息傳輸過程中至關重要，對于智能船的安全航行起著關鍵的作用。網絡通信安全包括通信設備與線路的安全、網絡協議的安全以及網絡入侵的防范等。智能船舶易受到網絡攻擊的系統包括船橋系統、貨物操作和管理系統、推進和機械設備管理系統、動力控制系統、乘客服務和管理系統、船員保障系統以及通信系統等。

當前針對船舶通信網絡進行攻擊的主要目的包括走私、盜竊貨物或重要資料、遠程惡意控制、恐怖主義活動等。不法分子或者黑客主要通過攻擊網絡系統來獲取船舶的控制權，從而實施不法行為，因此，在智能船網絡通信安全的研究中，應著重加強對船舶網絡安保系統的建設，提升船舶網絡防御能力和網絡環境穩定性。

3.5 智能船法律安全

法律安全是智能船安全航行的重要前提。智能船舶智能航行的實現必須在法律所允許的范圍內進行。2017 年，國際海事組織（IMO）設立國際工作組針對智能船舶的法律問題進行研究。隨后，歐洲、美國、英國等國家相繼出臺多項相關的報告。我國在發布的《新一代人工智能發展規劃》中，把人工智能的法律研究和發展目標上升到國家層面。

總體而言，智能船舶相應的法律研究相對于智能船舶關鍵技術的研究還比較滯后。為適應智能船舶發展趨勢，加強海事公約和法律等的修訂與完善極為必要[40]。要實現智能船舶的自主航行，需解決以下4個法律問題：智能船的權利、事故承擔的主體與責任分配、船長和船員的定義、現行航行規則等適用性。智能船法律的研究是1 個長期的過程，需要結合實際的發展情況，制定符合當下的具有適用性和實用性的法律法規。

4 現狀分析與展望

4.1 當前存在的問題

通過對智能船態勢感知、智能避碰、智能控制、網絡通信以及法律安全的發展現狀分析可知，雖然國內外智能船舶的研究取得了一些進展和成果，但仍然存在以下3個方面的問題。

1）避碰算法、控制算法等實用性和適應性問題。通過對近10年相關研究文獻進行綜述，可以看出目前大部分的研究仍停留在理論模型和仿真階段，在現實的航行環境中能否適用，能否適應復雜多變的航行環境，還有待驗證。

2）感知系統的穩定性以及感知精度問題。在真實航行環境中，受水面反射、風、浪、流等影響，很容易造成智能船信息感知錯誤，給航行安全帶來隱患。其次，目前大部分的研究主要是通過仿真對系統的感知精度進行判斷，但是在復雜的環境中，能否保證足夠的感知精度還需要進一步研究。

3）網絡通信的穩定性以及覆蓋能力問題。智能船在自主航行的過程中，需要通過網絡與外界進行通信和交互。偏遠水域對網絡通信的穩定性要求更高，且山體、惡劣的天氣等環境對于網絡穩定性影響極大。另外，網絡覆蓋的水域關系到智能船所能航行的范圍，因此，在網絡穩定性方面仍然需要開展進一步的研究。

4.2 展望

基于上述知識圖譜對智能船未來研究趨勢以及研究熱點的分析，可以看出，現階段智能船舶的技術距離真正實現內河智能船的自主航行，仍然有較長的一段距離。針對智能船舶所面臨的問題和未來發展需求，提出以下3個重點研究方向。

1）智能船人機共融及決策技術的研究。盡管船舶的智能化和自動化在不斷提高，但是人為因素仍然是影響智能船舶安全的典型風險因素[41]，并且船舶要實現完全自主航行，需從現階段的人駕模式，過渡到人機混合模式（半自主），且可能長期處于該模式，最終逐漸實現機駕模式。人機混合是船舶智能化中的必經階段，人機共融是在人機混合模式下保障智能航行的關鍵，也將會是未來船舶智能化發展的常態。人機共融的理念和技術促使人與機器在協作領域內進行交互和協同工作[42]。針對智能船人機共融的研究，可以圍繞智能航行人機共融的風險分析、人機共融的混合決策與協同控制等方面開展，從而構建智能航行中人與機器交互關系模型，辨識不同人機交互關系下智能航行風險的致因機理，構建不同人機交互關系中智能航行風險的評價方法，提出安全的智能航行人機共融模式。

2）智能船舶編隊航行及控制研究。在面對復雜的救援、探測等任務時，單個智能船舶的執行能力有限，需要多個智能船共同協作完成特定的作業任務，在智能船共同協作的過程中，船與船之間的隊形、間隔等都是影響安全的關鍵因素。因此，為了使智能船滿足任務的需求，開展智能船的編隊研究具有重大的社會價值和研究意義。針對智能船編隊的研究，可以圍繞智能船之間的編隊航行風險分析、智能船之間的交互以及協同避碰等方面開展，從而辨識智能船編隊之間的風險致因機理，構建不同智能等級的智能船舶之間的協同避碰模型以及編隊駕駛策略。

3）傳統/智能船混行場景風險評價研究。智能船的發展是1個漫長的過程，在此過程中，部分傳統船舶將被取代，航道內會出現智能船和傳統船共同航行的混合場景，并且這種混合場景將會長期存在。鑒于此，如何保障混合場景下船舶之間的信息共享、實現船舶的自主避碰，以及保障智能船和傳統船安全航行等關鍵問題還有待進一步研究。如何建立更為精細的船舶領域，并對其在航行過程中的行為進行充分的理解，將船舶避碰規則和船舶操縱性能融合到風險評估中，從而避免出現險情的誤預警，是傳統/智能船舶混合航行風險評價的重要問題。針對混合場景下智能船舶風險的研究，可以在對比分析傳統船舶與智能船舶航行安全特性的基礎上，分別構建船舶運動模型，描述傳統船與智能船之間交互的關系模型，辨識混合場景下傳統船和智能船航行風險的致因機理，提出適用于混合場景下的船舶航行風險評價方法。

5 結束語

本文基于知識圖譜對近10 年智能船舶相關研究進行了統計分析，在此基礎上，針對智能船舶的態勢感知、智能避碰、智能控制、網絡通信與法律規則5個研究熱點進行了詳細分析，并分析了當前面臨的主要問題。最后，從智能船人機共融及決策技術、智能船編隊航行及控制以及傳統/智能船舶混行場景風險評價3個方面進行了展望。