ОБЗОР СУЩЕСТВУЮЩИХ МЕТОДОВ РАСХОЖДЕНИЯ БЕЗЭКИПАЖНЫХ СУДОВ

В работе выполнен обзор различных методов расхождения безэкипажных судов, реализованных российскими и зарубежными специалистами. Авторы рассмотренных исследований для расхождения безэкипажных судов предлагают использование различных методов, среди которых методы искусственных потенциальных полей, методы оптимизации муравьиной колонии, подход скоростных препятствий, интервальное программирование, нечеткая логика, алгоритмы оптимального взаимного предотвращения столкновений, нейронные сети с различными методами оптимизации, комбинированные алгоритмы. Учет гидродинамических характеристик судна, соблюдение «Международных правил предупреждения столкновения судов в море» (МППСС-72) и обход статических препятствий рассматриваются не во всех исследованиях. В некоторых работах рассмотрены лишь ситуации расхождения двух судов, и кроме того, не все подходы позволяют использовать маневры скоростью. Обращается внимание, что во всех рассмотренных публикациях учет ветра, течений и морского волнения отсутствует. Многие из представленных исследований имеют результаты симуляций в компьютерной среде, но лишь в единичных случаях содержатсяданные о проведении натурных испытаний. Рассмотренные исследования разделены на три группы: подходы, рассматривающие расхождение со статическими и динамическими препятствиями, подходы, рассматривающие автоматизированное расхождение двух судов, и подходы, рассматривающие расхождение с группой судов. Составлена сводная таблица для наглядного сравнения приведенных методов. Отмечается, что целью дальнейших разработок в области беспилотных технологий должно явиться совершенствование уже существующих алгоритмов, устранение имеющихся недостатков и дополнение существующих алгоритмов для решения всего комплекса задач.

безэкипажное судовождение, автономные суда, предотвращение столкновений, расхождение морских судов, нейронные сети, безэкипажные суда, безэкипажные надводные суда

1. Chauvin C. Human and organisational factors in maritime accidents: Analysis of collisions at sea using the HFACS / C. Chauvin, S. Lardjane, G. Morel, J. P. Clostermann, B. Langard // Accident Analysis & Prevention. - 2013. - Vol. 59. - Pp. 26-37. DOI: 10.1016/j.aap.2013.05.006.

2. Autonomous shipping. IMO [Электронный ресурс] - Режим доступа: https://www.imo.org/en/MediaCentre/HotTopics/Pages/Autonomous-shipping.aspx (дата обращения 29.04.2021).

3. Naeem W. Collision avoidance of maritime vessels / W. Naeem, S. C. de Oliveira Henrique, M. Abu-Tair // Navigation and Control of Autonomous Marine Vehicles. - 2019. - Pp. 61-84. DOI: 10.1049/PBTR011E_ch3.

4. Lazarowska A. Ship’s Trajectory Planning for Collision Avoidance at Sea Based on Ant Colony Optimisation //The Journal of Navigation. - 2015. - Vol. 68. - Pp. 291-307. DOI: 10.1017/S0373463314000708.

5. Bonabeau E. Swarm Intelligence. From Natural to Artificial Systems / E. Bonabeau, M. Dorigo, G. Theraulaz.- Oxford University Press, 1999. - 307 p. DOI: 10.1093/oso/9780195131581.001.0001.

6. Kuwata Y. Safe Maritime Navigation with COLREGS Using Velocity Obstacles / Y. Kuwata, M. T. Wolf, D. Zarzhitsky, T. L. Huntsberger // 2011 IEEE/RSJ International Conference on Intelligent Robots and Systems. - IEEE, 2011. - Pp. 4728-4734. DOI: 10.1109/IROS.2011.6094677.

7. Fiorini P. Motion Planning in Dynamic Environments Using Velocity Obstacles / P. Fiorini, Z. Shiller //International Journal of Robotics Research. - 1998. - Vol. 17. - Is. 7. - Pp. 760-772. DOI: 10.1177/027836499801700706.

8. Wang C. Research on intelligent collision avoidance decision-making of unmanned ship in unknown environments / C. Wang, X. Zhang, L. Cong, J. Li, J. Zhang // Evolving Systems. - 2019. - Vol. 10. - Is. 4. - Pp. 649-658. DOI: 10.1007/s12530-018-9253-9.

9. Fan Y. An autonomous dynamic collision avoidance control method for unmanned surface vehicle in unknown ocean environment / Y. Fan, X. Sun, G. Wang // International Journal of Advanced Robotic Systems. - 2019. - Vol. 16. - Is. 2. - Pp. 1729881419831581. DOI: 10.1177/1729881419831581.

10. Седова Н. А. Нейросетевое решение задачи расхождения двух судов в зоне чрезмерного сближения / Н. А. Седова, В. А. Седов // Перспективы развития информационных технологий. Труды Всероссийской молодежной научно-практической конференции. - Кемерово: Кузбасский государственный технический университет имени Т. Ф. Горбачева, 2014. - С. 278-279.

11. Седова Н. А. Метод расхождения морских судов в зоне чрезмерного сближения на основе нейронечетких технологий / Н. А. Седова, В. А. Седов // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. - 2018. - Т. 8. - № 4 (29). - С. 53-62.

12. Benjamin M. R. Navigation of Unmanned Marine Vehicles in Accordance with the Rules of the Road / M. R. Benjamin, J. A. Curcio, J. J. Leonard, P. M. Newman // Proceedings of the 2006 IEEE International Conference on Robotics and Automation, 2006. ICRA 2006. - IEEE, 2006. - Pp. 3581-3587. DOI: 10.1109/ROBOT.2006.1642249.

13. Perera L. P. Autonomous Guidance and Navigation based on the COLREGs rules and regulations of collision avoidance / L. P. Perera, J. P. Carvalho, C. G. Soares // Proceedings of the international workshop advanced ship design for pollution prevention. - London, UK: Taylor & Francis Group, 2010. - Pp. 205-216. DOI: 10.1201/b10565-26.

14. Смоленцев С. В. Кооперативное маневрирование безэкипажных судов для безопасного расхождения в море / С. В. Смоленцев, А. Е. Сазонов, Ю. М. Искандеров // Вестник Государственного университета морского и речного флота имени адмирала С. О. Макарова. - 2018. - Т. 10. - № 4. - С. 687-695. DOI: 10.21821/2309-5180-2018-10-4-687-695.

15. Rego F. C. Cooperative path-following control with logic-based communications: Theory and practice / F. C. Rego, N. T. Hung, C. N. Jones, A. M. Pascoal, A. P. Aguiar, S. Sharma, B. Subudhi // Navigation and Control of Autonomous Marine Vehicles. - 2019. - Pp. 187-224. DOI: 10.1049/PBTR011E_ch8.

16. Shen H. Automatic collision avoidance of multiple ships based on deep Q-learning / H. Shen, H. Hashimoto, A. Matsuda, Y. Taniguchi, D. Terada, C. Guo // Applied Ocean Research. - 2019. - Vol. 86. - Pp. 268-288. DOI: 10.1016/j.apor.2019.02.020.

17. Mnih V. Playing Atari with Deep Reinforcement Learning / V. Mnih, K. Kavukcuoglu, D. Silver, A. Graves, I. Antonoglou, D. Wierstra, M. Riedmiller // arXiv preprint arXiv:1312.5602. - 2013. - 9 p.

18. Fossen T. I. Guidance and control of ocean vehicles. Doctors Thesis; University of Trondheim, Norway / T. I. Fossen. - Chichester, England: John Wiley & Sons, 1999. - 494 p.

19. Hu Y. Multi-ship collision avoidance decision-making based on collision risk index / Y. Hu, A. Zhang, W. Tian, J. Zhang, Z. Hou // Journal of Marine Science and Engineering. - 2020. - Vol. 8. - Is. 9. - Pp. 640. DOI: 10.3390/jmse8090640.

20. Zhao Y. A real-time collision avoidance learning system for Unmanned Surface Vessels / Y. Zhao, W. Li, P. Shi // Neurocomputing. - 2016. - Vol. 182. - Pp. 255-266. DOI: 182.10.1016/j.neucom.2015.12.028.

21. Wang Y. M. Environmental impact assessment using the evidential reasoning approach / Y. M. Wang, J. B. Yang, D. L. Xu // European Journal of Operational Research. - 2006. - Vol. 174. - Is. 3. - Pp. 1885-1913. DOI: 10.1016/j.ejor.2004.09.059.

22. Praczyk T. Neural anti-collision system for Autonomous Surface Vehicle / T. Praczyk // Neurocomputing. - 2015. - Vol. 149. - Pp. 559-572. DOI: 10.1016/j.neucom.2014.08.018.

23. Xie S. Ship predictive collision avoidance method based on an improved beetle antennae search algorithm / S. Xie, X. Chu, M. Zheng, C. Liu // Ocean Engineering. - 2019. - Vol. 192. - Pp. 106542. DOI: 10.1016/j.oceaneng.2019.106542.

24. Jiang X. BAS: Beetle antennae search algorithm for optimization problems / X. Jiang, S. Li // International Journal of Robotics and Control. - 2018. - Vol. 1. - No. 1. DOI: 10.5430/ijrc.v1n1p1.

25. Zhang J. A distributed anti-collision decision support formulation in multi-ship encounter situations under COLREGs / J. Zhang, D. Zhang, X. Yan, S. Haugen, C. G. Soares // Ocean Engineering. - 2015. - Vol. 105. - Pp. 336-348. DOI: 10.1016/j.oceaneng.2015.06.054.

26. Zhang J. F. Ship trajectory control optimization on anti-collision maneuvering / J. F. Zhang, D. Yang, D. Zhang, S. Haugen // TransNav: International Journal on Marine Navigation and Safety of Sea Transportation. - 2013. - Vol. 7. - Nr. 1. - Pp. 89-93. DOI: 10.12716/1001.07.01.11.

27. Szlapczynski R. On evolutionary computing in multi-ship trajectory planning / R. Szlapczynski, J. Szlapczynska // Applied Intelligence. - 2012. - Vol. 37. - Is. 2. - Pp. 155-174. DOI: 10.1007/s10489-011-0319-7.

28. Sawada R. Automatic ship collision avoidance using deep reinforcement learning with LSTM in continuous action spaces / R. Sawada, K. Sato, T. Majima // Journal of Marine Science and Technology. - 2020. - Pp. 1-16. DOI: 10.1007/s00773-020-00755-0.

29. Li Y. Deep learning structure for collision avoidance planning of unmanned surface vessel / Y. Li, J. Zheng // Proceedings of the Institution of Mechanical Engineers, Part M: Journal of Engineering for the Maritime Environment. - 2021. - Vol. 235. - Is. 2. - Pp. 511-520. DOI: 10.1177/1475090220970102.

30. Kingma D. P. A method for stochastic optimization / D. P. Kingma, J. Ba // The 3rd-International Conference for Learning Representations, San Diego, 2015. - ICLR, 2015.

31. Guo S. An autonomous path planning model for unmanned ships based on deep reinforcement learning / S. Guo, X. Zhang, Y. Zheng, Y. Du // Sensors. - 2020. - Vol. 20. - Is. 2. - Pp. 426. DOI: 10.3390/s20020426.

32. Xie S. A composite learning method for multi-ship collision avoidance based on reinforcement learning and inverse control / S. Xie, X. Chu, M. Zheng, C. Liu // Neurocomputing. - 2020. - Vol. 411. - Pp. 375-392. DOI: 10.1016/j.neucom.2020.05.089.

33. Abkowitz M. A. Measurement of hydrodynamic characteristics from ship maneuvering trials by system identification / M. A. Abkowitz // Transactions of Society of Naval Architects and Marine Engineers. - 1981. - Vol. 88. - Pp. 283-318.