嚴(yán)新平, 吳 超, 馬 楓
(1.武漢理工大學(xué) 智能交通系統(tǒng)研究中心, 武漢 430063;2.國(guó)家水運(yùn)安全工程技術(shù)研究中心, 武漢 430063; 3.武漢理工大學(xué) 物流工程學(xué)院, 武漢 430063;4.長(zhǎng)江大學(xué) 電子與信息學(xué)院, 湖北 荊州 434023)
20世紀(jì)70年代之后,國(guó)際上開始將“機(jī)器人”技術(shù)與運(yùn)載工具相結(jié)合,生產(chǎn)出“無(wú)人機(jī)”“無(wú)人車”和“ 無(wú)人艇”等特種機(jī)器人,其核心在于建立一套輔助的可替代人工的智能“駕控”系統(tǒng)(比如“無(wú)人車”的“駕駛腦”[1]系統(tǒng))。此后,相關(guān)研究機(jī)構(gòu)針對(duì)船舶開發(fā)出駕駛[2]、機(jī)艙管理、貨物管理及船體等方面的智能輔助系統(tǒng)[3],包括綜合船橋系統(tǒng)(IBS)、航線控制系統(tǒng)及機(jī)艙故障診斷系統(tǒng)等,大大降低船員的工作強(qiáng)度,減少船舶配員,但在這些設(shè)備支持下的船舶與“智能船舶”仍有差距。
長(zhǎng)期以來,船舶安全一直是航運(yùn)界關(guān)注的重點(diǎn),世界上各海運(yùn)國(guó)家已在航運(yùn)安全領(lǐng)域做出大量努力來保證遠(yuǎn)洋貨運(yùn)船舶的貨物和人員安全,其中威脅遠(yuǎn)洋船舶貨物安全的因素主要是船舶碰撞、擱淺等事故。據(jù)統(tǒng)計(jì),在船舶碰撞事故中,有89%~96%的事故是人為因素導(dǎo)致的。[4]為保障航行安全,要求各型船舶配備多種感知[5]、交互和求救工具。伴隨著航海技術(shù)的數(shù)字化發(fā)展,諸多技術(shù)裝備逐步被應(yīng)用到船舶航行領(lǐng)域中。[6]以萬(wàn)噸級(jí)遠(yuǎn)洋貨船為例,其感知工具包括2部以上的雷達(dá)、自動(dòng)識(shí)別系統(tǒng)(Automatic Identification System,AIS)[7]和聲吶;信息交互工具包括甚高頻(Very High Frequency, VHF)對(duì)講機(jī)、甚高頻數(shù)字交換系統(tǒng)(VHF Data Exchange Sytem, VDES)和各頻段電臺(tái)。然而,這些助航設(shè)備的應(yīng)用和改進(jìn)并沒有徹底解決船舶安全問題,船舶碰撞和擱淺事故時(shí)有發(fā)生,因助航設(shè)備增加而導(dǎo)致船舶駕駛?cè)藛T操作負(fù)擔(dān)激增也是不爭(zhēng)的現(xiàn)實(shí)。因此,發(fā)展智能貨船,將船舶運(yùn)行中的部分工作交給人工智能程序完成,可在很大程度上解決人為操作失誤帶來的安全問題。
遠(yuǎn)洋貨運(yùn)量占全球貿(mào)易貨運(yùn)總量的90%,年市場(chǎng)盈收高達(dá)3 750億美元。近10 a來,波羅的海干散貨指數(shù)(Baltic Dry Index, BDI)一直在低位徘徊,導(dǎo)致許多航運(yùn)企業(yè)運(yùn)營(yíng)困難,降本增效成為該行業(yè)當(dāng)前的核心訴求。在航運(yùn)企業(yè)成本中,人力成本占據(jù)較大比例。據(jù)統(tǒng)計(jì),一艘配員約10人的貨船在遠(yuǎn)洋運(yùn)輸過程中的工資支出高達(dá)5 000美元/d,約占其總運(yùn)營(yíng)成本的44%。[8]國(guó)際會(huì)計(jì)兼航運(yùn)顧問公司Moore Stephen最新發(fā)布的航運(yùn)調(diào)查報(bào)告[9]顯示,2014年和2015年船舶運(yùn)營(yíng)成本上漲3%,其中船員工資和維修成本提高是主要因素。因此,減少船舶配員對(duì)提升航運(yùn)企業(yè)效益而言具有重要的現(xiàn)實(shí)意義。未來,進(jìn)一步減少船舶配員(乃至實(shí)現(xiàn)“無(wú)人化”)將成為航運(yùn)業(yè)發(fā)展的重要趨勢(shì)。[10]
隨著全球碳排放交易機(jī)制、船舶能效設(shè)計(jì)指數(shù)(Energy Efficiency Design Index, EEDI)和船舶營(yíng)運(yùn)能效指數(shù)(Energy Efficiency Operational Index, EEOI)的有序推進(jìn),航運(yùn)業(yè)減少溫室氣體排放已成為必然趨勢(shì)。逐步嚴(yán)格的排放要求迫使船舶作出各種改進(jìn),進(jìn)一步降低排放、提高效率。除了改進(jìn)動(dòng)力系統(tǒng)和船舶自身線型之外,優(yōu)化航線和航行模式、減少配員也是降低排放的有效手段。事實(shí)上,與船員生活相關(guān)的艙位約占運(yùn)輸船舶有效艙位的1/3。減少配員,甚至實(shí)現(xiàn)“無(wú)人”駕駛,將縮減(甚至取消)駕駛臺(tái)、船員休息區(qū)及食品倉(cāng)庫(kù)等設(shè)施,進(jìn)而空出艙位用于載貨,從而大幅度降低單位運(yùn)輸能耗。有研究表明,若采用無(wú)人駕駛技術(shù),則一艘貨船的運(yùn)行效率有望提高20%,同時(shí)有望減少20%的碳排放。
當(dāng)前船舶運(yùn)輸業(yè)仍處于低谷,發(fā)展遠(yuǎn)洋智能貨運(yùn)船舶,不僅可提高船舶航行的安全性,而且能降低運(yùn)營(yíng)成本和減少碳排放,這對(duì)保證航運(yùn)企業(yè)穩(wěn)定持續(xù)發(fā)展具有重要的現(xiàn)實(shí)意義。然而,船舶的“智能”不能僅停留在各型先進(jìn)助航設(shè)備的使用上,智能化的核心是使船舶擁有如同人一樣的觀察、思考和處理問題的能力。在船舶智能化研究過程中,可參考“人腦”處理事務(wù)的模式,設(shè)計(jì)構(gòu)造一套替代“人腦”的“人工智能”系統(tǒng),完成船舶航行的“感知、認(rèn)知、決策與控制”全過程。該系統(tǒng)稱為“航行腦”系統(tǒng)(Navigation Brain System,NBS)。
構(gòu)建一套功能完善的“航行腦”系統(tǒng),在明確該系統(tǒng)具體組成模塊的同時(shí),必須定義各模塊所具備的功能及各模塊之間的相互聯(lián)系。在現(xiàn)代醫(yī)學(xué)領(lǐng)域,醫(yī)療學(xué)者已在“人腦”研究方面取得豐碩成果。德國(guó)神經(jīng)外科醫(yī)生科比尼安·布羅德曼在研究人腦的過程中率先提出分區(qū)系統(tǒng)的概念,認(rèn)為“人腦是一個(gè)層級(jí)結(jié)構(gòu),具有許多不同功能的模塊(布羅德曼分區(qū)),這些模塊相互協(xié)作,模塊間擁有復(fù)雜的連接”。[11]參考“人腦”工作機(jī)理構(gòu)建的“航行腦”系統(tǒng)需考慮航行環(huán)境感知、航行態(tài)勢(shì)認(rèn)知和航行決策控制等3方面的內(nèi)容。參考布羅德曼分區(qū)定義,可將用于智能船舶的“航行腦”系統(tǒng)設(shè)計(jì)為相關(guān)聯(lián)的工作模塊(空間),即“感知空間”“認(rèn)知空間”和“決策執(zhí)行空間”?!昂叫心X”系統(tǒng)結(jié)構(gòu)見圖1。
“感知空間”功能區(qū)獲取船舶在航環(huán)境和船舶自身狀態(tài)2類信息。該功能區(qū)主要依靠航海雷達(dá)、毫米波雷達(dá)、激光雷達(dá)、攝像機(jī)、前視聲吶、全球定位系統(tǒng)(Global Positioning System,GPS)、陀螺羅經(jīng)、油耗傳感器、軸功率傳感器、轉(zhuǎn)速傳感器及AIS等各型傳感器進(jìn)行各類數(shù)據(jù)的采集。此外,“感知空間”還需具有采集實(shí)時(shí)氣象信息及接收氣象預(yù)警的能力??紤]到船舶航行時(shí)因極端海況會(huì)對(duì)船體結(jié)構(gòu)造成影響,甚至導(dǎo)致船體損毀,“感知空間”還需具有實(shí)時(shí)監(jiān)測(cè)船舶結(jié)構(gòu)數(shù)據(jù)的能力,以便在極端情況下發(fā)出警告信號(hào)。感知空間采集信息分類見圖2。
“認(rèn)知空間”功能區(qū)從上述信號(hào)中抽取、加工與航行相關(guān)的要素,利用航行態(tài)勢(shì)分析算法對(duì)船舶航行時(shí)面臨的碰撞風(fēng)險(xiǎn)進(jìn)行全面描述,并對(duì)面臨的風(fēng)險(xiǎn)進(jìn)行等級(jí)劃分和實(shí)時(shí)更新;利用船舶駕駛行為學(xué)習(xí)算法,結(jié)合船舶航行態(tài)勢(shì)構(gòu)建船舶駕駛行為譜,以實(shí)現(xiàn)船舶在特定條件下的自主航行。
在對(duì)船舶航行風(fēng)險(xiǎn)進(jìn)行全面“認(rèn)知”的基礎(chǔ)上,“決策執(zhí)行空間”功能區(qū)利用航行決策算法和船舶航行控制算法,通過控制系統(tǒng)使船舶達(dá)到或接近期望狀態(tài),并將當(dāng)前狀態(tài)反饋給“感知空間”和“認(rèn)知空間”功能區(qū),進(jìn)一步修正航行態(tài)勢(shì)和操控模型。
綜上所述:“感知空間”是“認(rèn)知空間”的基礎(chǔ);“認(rèn)知空間”對(duì)信息質(zhì)量的反饋會(huì)影響“感知空間”對(duì)信息的預(yù)處理過程;“決策執(zhí)行空間”利用“感知空間”反饋的信息,重新影響“認(rèn)知空間”對(duì)態(tài)勢(shì)及自我的認(rèn)知?!昂叫心X”系統(tǒng)各空間關(guān)系見圖3。
區(qū)別于普通貨船的駕駛模式,為保證智能貨船的航行安全,需借助先進(jìn)的助航設(shè)備實(shí)現(xiàn)對(duì)船舶航行環(huán)境及船舶自身狀態(tài)的全面掌控。對(duì)于“航行腦”, 其“感知空間”通過所轄各型感知設(shè)備獲取通航環(huán)境數(shù)據(jù)和船舶自身數(shù)據(jù)。然而,由于感知設(shè)備類型多樣,即使對(duì)于相同的對(duì)象,所獲取的數(shù)據(jù)在表現(xiàn)方式上也存在差異。該差異需通過對(duì)數(shù)據(jù)進(jìn)行深度加工和處理來消除,否則會(huì)引起“認(rèn)知空間”混亂。處理感知空間中的數(shù)據(jù),需經(jīng)過初步甄別、優(yōu)化等一系列過程,具體包括以下2個(gè)方面。
2.1.1“航行腦”系統(tǒng)感知體系優(yōu)化
智能船舶“航行腦”系統(tǒng)的“感知空間”在利用多種傳感器采集信息時(shí),不同種類傳感器所獲取的數(shù)據(jù)在數(shù)據(jù)類型、表現(xiàn)形式和時(shí)效性等方面均存在差別;同時(shí),數(shù)據(jù)也不可避免地存在冗余。根據(jù)“認(rèn)知空間”對(duì)數(shù)據(jù)類型、精度、可靠性及實(shí)時(shí)性等指標(biāo)的需求,需對(duì)不同種類的感知設(shè)備進(jìn)行優(yōu)化配置。對(duì)于視頻采集設(shè)備,布設(shè)于船體外要求設(shè)備做到360°全方位監(jiān)控,同時(shí)要求架設(shè)的設(shè)備最少;此外,為保證智能船舶24 h不間斷航行,需配備紅外夜視設(shè)備;航海雷達(dá)也需做出相應(yīng)的改進(jìn),其中最新的連續(xù)波體制雷達(dá)相比傳統(tǒng)的裂縫雷達(dá),優(yōu)勢(shì)明顯。然而,航海雷達(dá)30 m左右的探測(cè)盲區(qū)(以5 m典型架設(shè)高度計(jì)算)是其比較突出的問題。激光雷達(dá)和毫米波雷達(dá)的探測(cè)距離一般在100 m左右,該優(yōu)勢(shì)是對(duì)航海雷達(dá)這一缺陷的有力補(bǔ)充。然而,為避免數(shù)據(jù)冗余,需根據(jù)實(shí)際情況做恰當(dāng)?shù)倪x型。
2.1.2“航行腦”系統(tǒng)多源異構(gòu)數(shù)據(jù)融合、交互
根據(jù)“航行腦”系統(tǒng)中各空間之間的相互聯(lián)系,“感知空間”獲取的數(shù)據(jù)只有在可靠性和魯棒性等方面達(dá)到一定的要求,才能更好地服務(wù)于“認(rèn)知空間”和“執(zhí)行決策空間”。對(duì)于同種信源存在的數(shù)據(jù)冗余,為增加數(shù)據(jù)的可信度和分辨能力,還需對(duì)雷達(dá)、GPS等設(shè)備的數(shù)據(jù)進(jìn)行卡爾曼濾波等預(yù)處理,并利用證據(jù)推理等方法對(duì)“感知”到的多源異構(gòu)數(shù)據(jù)進(jìn)行融合處理。[12]結(jié)合“航行腦”系統(tǒng)中各類信息的“船-岸交互”需要,以證據(jù)理論為基礎(chǔ),實(shí)現(xiàn)數(shù)據(jù)類型的篩選和甄別,進(jìn)行“船-岸”數(shù)據(jù)的高效交互。
在“感知空間”對(duì)在航環(huán)境及駕駛行為進(jìn)行全面有效的感知的基礎(chǔ)上,“航行腦”系統(tǒng)“認(rèn)知空間”將分別形成瞬時(shí)記憶(航行態(tài)勢(shì)建模與航行狀態(tài)辨識(shí))和長(zhǎng)時(shí)記憶(建立智能船舶駕駛行為譜)。
2.2.1船舶航行態(tài)勢(shì)建模與航行狀態(tài)辨識(shí)
“認(rèn)知空間”形成對(duì)實(shí)時(shí)環(huán)境和船舶航行狀態(tài)的“瞬時(shí)記憶”。前者在船舶航行時(shí)感知的環(huán)境信息的基礎(chǔ)上構(gòu)建航行態(tài)勢(shì)分布識(shí)別模型,建立航行態(tài)勢(shì)“圖簇”;后者在船舶航行時(shí)感知的自身航行狀態(tài)信息的基礎(chǔ)上構(gòu)建船舶運(yùn)行狀態(tài)的辨識(shí)模型。
“航行腦”系統(tǒng)對(duì)航線上出現(xiàn)的潛在威脅進(jìn)行標(biāo)定及描述,并根據(jù)威脅程度及時(shí)調(diào)整航線,以保證船舶的航行安全。在該過程中,“航行腦”系統(tǒng)“認(rèn)知空間”需對(duì)風(fēng)險(xiǎn)分布進(jìn)行識(shí)別,并結(jié)合“感知空間”實(shí)時(shí)獲取的各類信息實(shí)時(shí)更新風(fēng)險(xiǎn)分布等級(jí)。
在建立風(fēng)險(xiǎn)圖簇時(shí),可基于人工風(fēng)險(xiǎn)勢(shì)場(chǎng)(Artificial Potential Field ,APF)方法對(duì)航行區(qū)域內(nèi)出現(xiàn)的所有礙航物進(jìn)行描述,礙航物的影響范圍可利用AIS歷史數(shù)據(jù)作進(jìn)一步的求解獲得。[13]
2.2.2船舶駕駛行為譜
在船舶航行過程中,當(dāng)航行環(huán)境及船舶航行狀態(tài)發(fā)生變化時(shí),不同的駕駛員會(huì)有不同的駕駛習(xí)慣;當(dāng)在不同區(qū)域航行時(shí),船舶間避讓、航行規(guī)則等都存在較大差異。這些因素導(dǎo)致駕駛行為譜具有多樣性,船舶駕控模型難以統(tǒng)一建立。在不同水域、不同管制要求下,船舶的避讓和航行規(guī)則均有較大變化。在該前提條件下,機(jī)器學(xué)習(xí)是解決無(wú)人船駕駛行為描述和建模的有效工具。然而,傳統(tǒng)的機(jī)器學(xué)習(xí)方法需大量的訓(xùn)練樣本;對(duì)于船舶的駕駛行為,尤其是在復(fù)雜、危險(xiǎn)的場(chǎng)景下,可采集到的樣本量較少,無(wú)法保證學(xué)習(xí)過程的有效性。
針對(duì)上述問題,“航行腦”系統(tǒng)“認(rèn)知空間”對(duì)船舶在不同航線態(tài)勢(shì)圖下的人工駕駛行為和船舶運(yùn)行響應(yīng)信息建立風(fēng)險(xiǎn)態(tài)勢(shì)圖、航行規(guī)則、人工駕駛行為及船舶運(yùn)行響應(yīng)狀態(tài)之間的關(guān)系,形成稀疏完備字典(駕駛行為譜)。利用K奇異值分解法對(duì)稀疏字典進(jìn)行學(xué)習(xí),構(gòu)造比較恰當(dāng)?shù)南∈枳值?。利用稀疏重?gòu)理論建立“航行腦”系統(tǒng)認(rèn)知駕駛行為學(xué)習(xí)模型,增強(qiáng)其認(rèn)知和學(xué)習(xí)的能力。
“認(rèn)知空間”利用“感知空間”不斷反饋的信息對(duì)航行態(tài)勢(shì)及船舶自身狀態(tài)進(jìn)行實(shí)時(shí)更新,這些更新將會(huì)不斷影響航行決策的制訂?!昂叫心X”系統(tǒng)的智能控制以航行決策為基礎(chǔ)。
2.3.1航行決策
智能船舶航行決策包括開航前的宏觀航線規(guī)劃、自主航行過程中的實(shí)時(shí)機(jī)動(dòng)避障及航速優(yōu)化。
(1) 在航線規(guī)劃方面,利用電子海圖提供的綜合航行環(huán)境信息,參考?xì)庀髷?shù)據(jù)和航線航行環(huán)境時(shí)空特征,以提高船舶航行的經(jīng)濟(jì)性和安全性為目標(biāo),建立基于動(dòng)態(tài)航路切線圖的航線動(dòng)態(tài)規(guī)劃模型。
(2) 在實(shí)時(shí)機(jī)動(dòng)避障方面,結(jié)合“認(rèn)知空間”中建立的實(shí)時(shí)風(fēng)險(xiǎn)圖簇,以實(shí)時(shí)風(fēng)險(xiǎn)圖簇為基礎(chǔ),采用路徑規(guī)劃算法(如A*算法)計(jì)算出風(fēng)險(xiǎn)最小的船舶航行路徑。研究發(fā)現(xiàn),采用A*算法雖然能得出一條安全且距離短的路徑,但該路徑過于曲折,受船舶運(yùn)動(dòng)特性限制,往往不可行。此時(shí),結(jié)合多目標(biāo)優(yōu)化方法,在流速、航速、船舶噸位和船舶機(jī)動(dòng)性等因素的共同制約下對(duì)路徑作進(jìn)一步的修正和補(bǔ)償,規(guī)劃出一條平滑且符合船舶運(yùn)動(dòng)特性的最佳航行路徑。
(3) 在航速優(yōu)化方面,基于實(shí)船監(jiān)測(cè)的大量歷史數(shù)據(jù),根據(jù)通航環(huán)境與船舶能效之間的動(dòng)態(tài)響應(yīng)關(guān)系,建立以最小燃油消耗為目標(biāo)函數(shù)、以航次計(jì)劃為約束條件的分段優(yōu)化航速。
2.3.2船舶智能控制
智能船舶在航行過程中,其“感知空間”一旦感知到動(dòng)態(tài)礙航物,航行工況“模式辨識(shí)”將由正常航向狀態(tài)切換至避碰狀態(tài),此時(shí)“認(rèn)知空間”將形成碰撞風(fēng)險(xiǎn)態(tài)勢(shì)圖簇,同時(shí)結(jié)合碰撞風(fēng)險(xiǎn)情況下的駕駛行為譜,重新制訂規(guī)避航線。在遇到不同類型船舶、不同航線環(huán)境時(shí),通過自適應(yīng)切換控制,選擇恰當(dāng)?shù)目刂破?MPC,神經(jīng)網(wǎng)絡(luò)及PID等)實(shí)現(xiàn)船舶的航線控制。利用切換控制原理,對(duì)不同船舶在不同環(huán)境下的應(yīng)激控制模型進(jìn)行分析,建立一種非線性切換自適應(yīng)控制系統(tǒng)。[14]
“綠色”和“安全”是航運(yùn)業(yè)永恒的主題,隨著船舶自動(dòng)化水平的不斷提高,船舶科技的發(fā)展開始由先進(jìn)助航設(shè)備的簡(jiǎn)單疊加使用轉(zhuǎn)向系統(tǒng)的智能化和無(wú)人化。利用人工智能手段模擬“人腦”開發(fā)的“航行腦”系統(tǒng)及通過合理排布硬件系統(tǒng)建立的包含信息處理、態(tài)勢(shì)判斷和決策執(zhí)行的完整智能船舶系統(tǒng)是智能航行的發(fā)展方向。本文對(duì)智能船舶“航行腦”系統(tǒng)的構(gòu)建及其各功能空間進(jìn)行了分析和論述,后續(xù)將研發(fā)用于貨船智能航行的“航行腦”系統(tǒng),主要開展以下研究:
1) 多源異構(gòu)傳感器信息的數(shù)據(jù)融合處理及全息平行的感知空間的建立。在計(jì)算機(jī)系統(tǒng)中進(jìn)行的空間重構(gòu)是態(tài)勢(shì)認(rèn)知和決策的基礎(chǔ),解決多傳感器帶來的信息不確定性問題,將多源異構(gòu)信息整合成一個(gè)完整的平行空間,在信息融合及平行仿真等領(lǐng)域均有很高的研究?jī)r(jià)值。
2) 貨船智能航行風(fēng)險(xiǎn)態(tài)勢(shì)表征和預(yù)判方法。即對(duì)航行風(fēng)險(xiǎn)態(tài)勢(shì)及其演變進(jìn)行準(zhǔn)確評(píng)估和描述,為船舶在“決策執(zhí)行空間”安全駕駛提供依據(jù)。
3) 貨船智能航行的駕駛行為譜描述機(jī)制、建模和生成機(jī)理,即在學(xué)習(xí)樣本較少的情況下建立駕駛行為譜的描述機(jī)制。
4) 貨船智能航行的復(fù)雜場(chǎng)景、多因素自主避障控制。深入掌握船舶航行控制中受到的復(fù)雜海況、不同種類礙航物及有限動(dòng)力能源等約束,揭示航行環(huán)境干擾因素、能效約束等對(duì)控制性能的影響,提出合適的自適應(yīng)切換控制方法。
[1] 李德毅. 中國(guó)智能駕駛白皮書[Z]. 2015.
[2] MATINS A, ALMEIDA J M, FERREIRA H, et al. Autonomous Surface Vehicle Docking Manoeuvre with Visual Information[C] ∥ Robotics and Automation. International Conference on IEEE, 2007:4994-4999.
[3] 蔣仲廉,初秀民,嚴(yán)新平.智能水運(yùn)的發(fā)展現(xiàn)狀與展望[J].交通信息與安全,2015(6):1-8.
[4] ROTHBLUM A M. Human Error and Marine Safety[C]∥National Safety Council Congress and Expo, Orlando, FL, 2000.
[5] BERTRAM V. Unmanned Surface Vehicles-A Survey[J]. Skibsteknisk Selskab, Copenhagen, Denmark, 2008, 1: 1-14.
[6] 柳晨光,初秀民,吳青,等. USV發(fā)展現(xiàn)狀及展望[J].中國(guó)造船,2014(4):194-205.
[7] 馬楓.船舶自動(dòng)識(shí)別系統(tǒng)性能半實(shí)物仿真方法研究[J].系統(tǒng)仿真學(xué)報(bào),2013(6):1315-1320.
[8] 曹重. “一帶一路”與港口經(jīng)濟(jì)區(qū)的戰(zhàn)略重構(gòu)[J]. 港口經(jīng)濟(jì), 2015(10):1.
[9] 唐磊.不定期運(yùn)輸船舶調(diào)度及航速優(yōu)化研究[D].大連:大連海事大學(xué), 2014.
[10] 嚴(yán)新平.智能船舶的研究現(xiàn)狀與發(fā)展趨勢(shì)[J].交通與港航,2016(1):25-28.
[11] 張亞卓. 腦室外科手術(shù)學(xué)[M]. 北京:中國(guó)協(xié)和醫(yī)科大學(xué)出版社,2001:1-6.
[12] 嚴(yán)新平,馬楓,初秀民,等.長(zhǎng)江船舶交通流實(shí)時(shí)采集關(guān)鍵技術(shù)研究[J].中國(guó)航海,2010,33(2):40-45.
[13] CHEN M F, HUANG Y W, YAN Z C, et al. A Novel Approach of Collision Assessment for Coastal Radar Surveillance[J]. Reliability Engineering & System Safety, 2016,155: 179-195.
[14] 孫巧梅, 任光. 自適應(yīng)逆控方法的無(wú)人艇航向控制[J]. 中國(guó)航海, 2012, 35(4):17-21.