Использование нейронных сетей для решения задачи безопасного расхождения группы автономных судов

В статье проанализирована эффективность использования нейронных сетей для решения задачи безопасного расхождения группы автономных судов в море. Выполнено сравнение эффективности двух алгоритмов расхождения групп автономных судов: традиционного (на основе геометрического анализа сближения судов и минимизации функции стоимости для вычисления безопасного манёвра) и алгоритма с нейронной сетью. Оба алгоритма предполагают внешнее управление группой судов в определенной акватории с помощью системы управления движением судов и совместное маневрирование опасно сближающихся судов. Приведено описание этих алгоритмов и даны их упрощенные блок-схемы. Для решения задачи безопасного расхождения группы судов предлагается выполнять последовательный анализ всех возможных пар судов в группе и изменение их курсов. Выполнено описание процесса создания трех тестовых наборов данных, два из которых составлены с помощью программы и включали по 100 сценариев, третий, составленный человеком, и включал по 30 сценариев для разных вариантов сближения групп судов. В ходе тестирования нейросетевого алгоритма были использованы две нейронных сети, обученные прогнозированию безопасных курсов для пар судов. Используемая в алгоритме нейронная сеть, обученная на 743 671 образце, позволила обработать тестовые сценарии сближения судов с точностью, сравнимой с традиционным алгоритмом. В зависимости от количества опасно сближающихся судов в акватории алгоритм с нейронной сетью справился с обработкой тестовых сценариев в 2–14 раз быстрее, чем традиционный. В работе отмечаются ограничения описанных алгоритмов, а также планируемые улучшения для последующих исследований, среди которых оптимизация методики выбора безопасных маневров, а также дообучение нейронной сети на основе более значительных объемов данных.

1. Gu Y. Autonomous vessels: state of the art and potential opportunities in logistics / Y. Gu, J. C. Goez, M. Guajardo, S. W. Wallace // International Transactions in Operational Research. — 2021. — Vol. 28. — Is. 4. — Pp. 1706– 1739. DOI: 10.1111/itor.12785.

2. Symposium on “Making headway on the IMO MASS Code”. IMO [Электронный ресурс] — Режим доступа: https://www.imo.org/en/MediaCentre/MeetingSummaries/Pages/Symposium-on-%CA%BAMaking-headwayon-the-IMO-MASS-Code%E2%80%9D-.aspx (Дата обращения 25.06.2024).

3. Autonomous shipping. IMO [Электронный ресурс] — Режим доступа: https://www.imo.org/en/MediaCentre/HotTopics/Pages/Autonomous-shipping.aspx (Дата обращения 25.06.2024).

4. Zhang X. Collision-avoidance navigation systems for Maritime Autonomous Surface Ships: A state of the art survey / X. Zhang, C. Wang, L. Jiang, L. An, R. Yang // Ocean Engineering. — 2021. — Vol. 235. — Pp. 109380. DOI: 10.1016/j.oceaneng.2021.109380.

5. Kim D. Development of ship collision avoidance system and sea trial test for autonomous ship / D. Kim, J. S. Kim, J. H. Kim, N. K. Im //Ocean Engineering. — 2022. — Vol. 266. — Pp. 113120. DOI: 10.1016/j.oceaneng.2022.113120.

6. Chun D. H. Deep reinforcement learning-based collision avoidance for an autonomous ship / D. H. Chun, M. I. Roh, H. W. Lee, J. Ha, D. Yu // Ocean Engineering. — 2021. — Vol. 234. — Pp. 109216. DOI: 10.1016/j.oceaneng.2021.109216.

7. Hu Y. A real-time collision avoidance system for autonomous surface vessel using fuzzy logic / Y. Hu, X. Meng, Q. Zhang, G. K. Park // IEEE Access. — 2020. — Vol. 8. — Pp. 108835-108846. DOI: 10.1109/ACCESS.2020.3001626.

8. 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.

9. Смоленцев С. В. Значение контекста в задаче кооперативного маневрирования безэкипажных судов / С. В. Смоленцев, А. Е. Сазонов, А. Е. Пелевин // Вестник Государственного университета морского и речного флота имени адмирала С. О. Макарова. — 2020. — Т. 12. — № 2. — С. 221-229. DOI: 10.21821/2309-5180-2020-12-2-221-229.

10. Wang S. A collaborative collision avoidance strategy for autonomous ships under mixed scenarios / S. Wang, Y. Zhang, F. Song, W. Mao // The Journal of Navigation. — 2023. — Vol. 76. — Is. 2–3. — Pp. 200-224. DOI: 10.1017/S0373463323000012.

11. Артемьев А. В. Численное исследование задачи безопасного расхождения групп морских автономных надводных судов / А. В. Артемьев, В. А. Петров, В. М. Гриняк // Территория новых возможностей. Вестник Владивостокского государственного университета экономики и сервиса. — 2023. — Т. 15. — № 3 (67). — С. 104-119. DOI: 10.24866/VVSU/2949-1258/2023-3/104-119.

12. Артемьев А. В. Имитационное моделирование безопасного расхождения групп морских судов / А. В. Артемьев, В. М. Гриняк, А. С. Девятисильный, В. А. Петров // Моделирование, оптимизация и информационные технологии. — 2023. — Т. 11. — № 3 (42). — С. 25–26. DOI: 10.26102/2310-6018/2023.42.3.011.

13. Li M. A novel cost function for decision-making strategies in automotive collision avoidance systems / M. Li, F. Straub, M. Kunert, R. Henze, F. Küçükay // 2018 IEEE International Conference on Vehicular Electronics and Safety (ICVES). — IEEE, 2018. — Pp. 1–8. DOI: 10.1109/ICVES.2018.8519591.

14. Liu C. Optimisation based control framework for autonomous vehicles: Algorithm and experiment / C. Liu, W. H. Chen, J. Andrews // 2010 IEEE International Conference on Mechatronics and Automation. — IEEE, 2010. — Pp. 1030-1035. DOI: 10.1109/ICMA.2010.5588100.

15. Бурмака И. А. Управление парой судов в ситуации опасного сближения / И. А. Бурмака, Г. Е. Калиниченко, М. А. Кулаков // Вестник Государственного университета морского и речного флота имени адмирала С. О. Макарова. — 2016. — № 3 (37). — С. 64–70. DOI: 10.21821/2309-5180-2016-7-3-64-70.

16. Головинов А. О. Преимущества нейронных сетей перед традиционными алгоритмами / А. О. Головинов, Е. Н. Климова // Экспериментальные и теоретические исследования в современной науке: сб. статей по материалам V междунар. науч.-практ. конф. — Новосибирск: Ассоциация научных сотрудников «Сибирская академическая книга», 2017. — С. 11–15.

17. Кононова Н. В. Преимущества нейронных сетей / Н. В. Кононова, Т. И. Авдеева, П. Е. Обласов, И. В. Григорьева // Актуальные проблемы информатизации образования: опыт, проблемы, перспективы развития: сб. материалов междунар. науч.-практ. конф. — Черкесск: Библиотечно- издательский центр Северо-Кавказской государственной академии, 2020. — С. 91–93.

18. Ahn J. H. A study on the collision avoidance of a ship using neural networks and fuzzy logic / J. H. Ahn, K. P. Rhee, Y. J. You // Applied Ocean Research. — 2012. — Vol. 37. — Pp. 162–173. DOI: 10.1016/j.apor.2012.05.008.

19. Триполец О. Ю. Расчет маневра расхождения двух безэкипажных судов путем минимизации функции стоимости в компьютерной среде MATLAB / О. Ю. Триполец // Вестник Государственного университета морского и речного флота имени адмирала С. О. Макарова. — 2023. — Т. 15. — № 5. — С. 876–884. DOI: 10.21821/2309-5180-2023-15-5-876-884.

20. Триполец О. Ю. Анализ эффективности применения нейронной сети в прогнозировании маневров расхождения двух судов / О. Ю. Триполец // Вестник Государственного университета морского и речного флота имени адмирала С. О. Макарова. — 2024. — Т. 16. — № 2. — С. 251–258. DOI: 10.21821/2309-5180-2024-16-2-251-258.