牛旭彤，范洪博

（昆明理工大學(xué)信息工程院自動(dòng)化學(xué)院，云南 昆明 650000）

“開放的大門只會(huì)越開越大”，“中國(guó)的發(fā)展離不開世界，世界的繁榮也需要中國(guó)?！边@是習(xí)近平總書記在慶祝改革開放40 周年大會(huì)上的重要講話，擲地有聲、意蘊(yùn)深遠(yuǎn)，顯示出中國(guó)將站在新起點(diǎn)上推進(jìn)更高水平對(duì)外開放的堅(jiān)定決心和信心。這既是歷史足音的回蕩，又是新時(shí)代開放的宣言。航運(yùn)業(yè)在國(guó)際貿(mào)易中扮演著重要的角色，航運(yùn)業(yè)的發(fā)展也是國(guó)家經(jīng)濟(jì)實(shí)力的重要體現(xiàn)。近些年來，智能航運(yùn)飛速發(fā)展，智能航運(yùn)、高效運(yùn)輸?shù)刃屡d產(chǎn)業(yè)是傳統(tǒng)航運(yùn)與機(jī)器學(xué)習(xí)、人工智能、優(yōu)化算法、現(xiàn)代信息等高新技術(shù)高度結(jié)合后形成的新概念航運(yùn)生態(tài)鏈[1]。然而隨著智能航運(yùn)的高速發(fā)展，水上運(yùn)輸設(shè)備日益增加，交通壓力急速上升，水上交通運(yùn)輸效率低、交通事故增多等問題開始逐漸變多。

機(jī)器學(xué)習(xí)是一門多學(xué)科交叉專業(yè)，涵蓋概率論，統(tǒng)計(jì)學(xué)，近似理論和復(fù)雜算法知識(shí)，使用計(jì)算機(jī)作為工具并致力于真實(shí)實(shí)時(shí)的模擬人類學(xué)習(xí)方式，并將現(xiàn)有內(nèi)容進(jìn)行知識(shí)結(jié)構(gòu)劃分來有效提高學(xué)習(xí)效率[2]。它是人工智能的核心，也是航運(yùn)智能化的基礎(chǔ)。

本文將在第一章對(duì)機(jī)器學(xué)習(xí)進(jìn)行原理的分析與討論，解釋其可行性以及合理性。在第二章中將討論機(jī)器學(xué)習(xí)可適用于的智能航運(yùn)中的實(shí)際場(chǎng)景，并分析其優(yōu)劣。最后一章將對(duì)全文進(jìn)行簡(jiǎn)單的總結(jié)，并對(duì)智能航運(yùn)的未來做出大膽的猜想與展望。

1 機(jī)器學(xué)習(xí)

1.1 定義與分類

簡(jiǎn)單地說，機(jī)器學(xué)習(xí)就是指導(dǎo)計(jì)算機(jī)從數(shù)據(jù)中提取特征，改善自身的性能。它賦予了計(jì)算機(jī)學(xué)習(xí)的能力，這種能力并不是通過顯著式編程所獲得的。在機(jī)器學(xué)習(xí)中，算法會(huì)不斷進(jìn)行訓(xùn)練，從大型數(shù)據(jù)集中發(fā)現(xiàn)模式和相關(guān)性，然后根據(jù)數(shù)據(jù)分析結(jié)果做出最佳決策和預(yù)測(cè)[3]。

機(jī)器學(xué)習(xí)一般分為兩大類，即強(qiáng)化學(xué)習(xí)與監(jiān)督學(xué)習(xí)。強(qiáng)化學(xué)習(xí)一般指在機(jī)器學(xué)習(xí)中，算法會(huì)不斷進(jìn)行訓(xùn)練，從大型數(shù)據(jù)集中發(fā)現(xiàn)模式和相關(guān)性，然后根據(jù)數(shù)據(jù)分析結(jié)果做出最佳決策和預(yù)測(cè)。同時(shí)強(qiáng)化學(xué)習(xí)的特征也由計(jì)算機(jī)與外界環(huán)境進(jìn)行互動(dòng)獲得的。計(jì)算機(jī)隨機(jī)的產(chǎn)生行為，同時(shí)獲得該行為的結(jié)果，而我們的程序需要通過定義這些行為的收益函數(shù)，對(duì)行為進(jìn)行獎(jiǎng)勵(lì)或者懲罰。例如自動(dòng)駕駛，如果到達(dá)終點(diǎn)，我們就進(jìn)行獎(jiǎng)勵(lì)；如果沒有到達(dá)終點(diǎn)或者中途出了事故，我們就進(jìn)行懲罰。

而由人工采集數(shù)據(jù)以及相應(yīng)標(biāo)簽輸入計(jì)算機(jī)的機(jī)器學(xué)習(xí)方法稱為監(jiān)督學(xué)習(xí)，其中監(jiān)督學(xué)習(xí)又分為傳統(tǒng)監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)，如圖1 所示：

圖1 機(jī)器學(xué)習(xí)結(jié)構(gòu)圖

1.2 傳統(tǒng)監(jiān)督學(xué)習(xí)

其核心標(biāo)識(shí)為每一個(gè)數(shù)據(jù)都有對(duì)應(yīng)標(biāo)簽，對(duì)于傳統(tǒng)監(jiān)督學(xué)習(xí)中，我們會(huì)學(xué)到的算法主要包括支持向量機(jī)、人工神經(jīng)網(wǎng)絡(luò)[4]等。其實(shí)際應(yīng)用場(chǎng)景已經(jīng)深入生活各個(gè)方面，如：人臉識(shí)別、停車場(chǎng)自動(dòng)抬桿以及違規(guī)交通監(jiān)測(cè)等。

（1）無監(jiān)督學(xué)習(xí)：其核心標(biāo)識(shí)為所有的數(shù)據(jù)都沒有對(duì)應(yīng)的標(biāo)簽。在無監(jiān)督學(xué)習(xí)中，一般需要假設(shè)一個(gè)條件：在二維空間中相聚更近的點(diǎn)即為一類，如果這個(gè)假設(shè)成立我們就可以根據(jù)樣本空間的信息，設(shè)計(jì)算法將其聚集然后進(jìn)行分類。常用的算法有：聚類算法、EM 算法以及主成分分析。

（2）半監(jiān)督學(xué)習(xí)：半監(jiān)督學(xué)習(xí)的核心標(biāo)識(shí)即一部分?jǐn)?shù)據(jù)有標(biāo)簽，一部分?jǐn)?shù)據(jù)沒有標(biāo)簽。半監(jiān)督學(xué)習(xí)的運(yùn)用非常廣泛，隨著互聯(lián)網(wǎng)的不斷發(fā)展，數(shù)據(jù)量不斷增大。進(jìn)行數(shù)據(jù)標(biāo)簽的成本也越來越大。因此，利用少量標(biāo)注數(shù)據(jù)和大量沒有標(biāo)注的數(shù)據(jù)訓(xùn)練一個(gè)更好的機(jī)器學(xué)習(xí)算法，成了機(jī)器學(xué)習(xí)領(lǐng)域的熱點(diǎn)之一。

1.3 特性分析

通過機(jī)器學(xué)習(xí)的定義與分類，我們可知其具備以下特性：

（1）由數(shù)據(jù)驅(qū)動(dòng)，在特點(diǎn)場(chǎng)景下相比于人類可以做出更快速、更優(yōu)的判斷。這點(diǎn)在汽車自動(dòng)駕駛以及AlphaGo 戰(zhàn)勝圍棋世界冠軍等場(chǎng)景中已得到充分體現(xiàn)。

（2）嚴(yán)重依賴于數(shù)據(jù)，如果訓(xùn)練數(shù)據(jù)的質(zhì)量不夠好，就可能導(dǎo)致系統(tǒng)學(xué)到不全面或不正確的模型。

（3）學(xué)習(xí)高級(jí)特征，機(jī)器學(xué)習(xí)可以學(xué)習(xí)人類目前所無法解釋的高維度特征與細(xì)節(jié)特征。通過對(duì)這些特征進(jìn)行反推導(dǎo)，或許能幫助了解未知的領(lǐng)域。

2 機(jī)器學(xué)習(xí)在智能航運(yùn)的應(yīng)用

2.1 航線的智能選擇

水路運(yùn)輸作為國(guó)際國(guó)內(nèi)貿(mào)易的最主要運(yùn)輸方式，其運(yùn)營(yíng)成本極高。因此，對(duì)航線和班輪掛靠日期的進(jìn)行改進(jìn)和優(yōu)化，就能節(jié)省大量的營(yíng)運(yùn)成本，提高航運(yùn)效率[4]。目前國(guó)內(nèi)的航運(yùn)路線仍存在以下兩個(gè)主要問題：首先是由于缺少細(xì)粒度的統(tǒng)籌管理與建設(shè)，許多航運(yùn)公司對(duì)行駛路線選擇自制，常常與智能航運(yùn)系統(tǒng)中的路線沖突；其次由于規(guī)劃不夠全面，港口運(yùn)輸量需求不足、高峰期港口堵塞、重復(fù)運(yùn)力浪費(fèi)等問題依然客觀存在。針對(duì)這兩個(gè)問題，機(jī)器學(xué)習(xí)可以從以下兩點(diǎn)對(duì)問題進(jìn)行切分、解決：首先是通過學(xué)習(xí)以往船舶的型號(hào)、行駛路線、停靠時(shí)間、載貨重量等信息以及交通路線的環(huán)境、天氣等信息，結(jié)合自身船舶的特點(diǎn)與載物情況進(jìn)行綜合判斷，做出最優(yōu)的線路規(guī)劃。

2.2 船舶實(shí)時(shí)智能監(jiān)測(cè)

機(jī)器學(xué)習(xí)中的3D 卷積神經(jīng)網(wǎng)絡(luò)可以以時(shí)間維度為基準(zhǔn)，對(duì)時(shí)間段內(nèi)的所有圖像信息進(jìn)行處理與分析。在與船舶監(jiān)控結(jié)合后，可以在多個(gè)場(chǎng)景進(jìn)行使用。如：動(dòng)態(tài)的火災(zāi)預(yù)警。在船舶監(jiān)控處于工作的條件下，機(jī)器學(xué)習(xí)可以將拍攝的視頻逐幀進(jìn)行切割以及實(shí)時(shí)分析。若船舶內(nèi)部出現(xiàn)黑煙、明火，機(jī)器學(xué)習(xí)會(huì)在傳統(tǒng)的火災(zāi)預(yù)報(bào)傳感器之前發(fā)出警告預(yù)警。同時(shí)機(jī)器學(xué)習(xí)中的目標(biāo)識(shí)別與檢測(cè)也非常適用于船舶的許多場(chǎng)景，如：貨物檢測(cè)。通過學(xué)習(xí)載物的靜態(tài)圖像與動(dòng)態(tài)視頻，可以實(shí)時(shí)監(jiān)測(cè)載物是否處于安全狀態(tài)。天氣、船舶顛簸等客觀因素是否會(huì)對(duì)載物帶來不可挽回的損失。

2.3 突發(fā)情況的決策

由于船舶質(zhì)量大、慣性大、船舶控制精度較低、終端控制操作難度較大，且各船舶的配置不同，各個(gè)船舶的航行條件無法與多變的環(huán)境氣候相匹配。船舶在航行狀態(tài)時(shí)的面對(duì)突發(fā)情況的決策顯得尤為重要。在分析船舶的航行狀態(tài)時(shí)，為了便于研究一般將其量化成6 個(gè)自由度的運(yùn)動(dòng)，集中體現(xiàn)在規(guī)則地域化、控制力不足、不穩(wěn)定性、非一致性等方面[5]。機(jī)器學(xué)習(xí)可以將這些高維度的數(shù)據(jù)進(jìn)行處理與分析，并通過回歸、擬合等多種方法將其公式化，結(jié)合海域內(nèi)的航線交通狀況、當(dāng)前海域的氣象狀況與船舶的配置信息，使其盡可能輸出接近真實(shí)的值，輔助船員做出最優(yōu)的決策。值得一提的是，由于船舶的配置與交通路線的多變性。不同的船舶所作出的決策會(huì)存在一定的差異性，這是由于機(jī)器學(xué)習(xí)的模型不具備普遍適用性導(dǎo)致的。

3 結(jié)論

機(jī)器學(xué)習(xí)是研究怎樣使用計(jì)算機(jī)模擬或?qū)崿F(xiàn)人類學(xué)習(xí)活動(dòng)的科學(xué)，是人工智能中最具智能特征，最前沿的研究領(lǐng)域之一，在智能航運(yùn)的場(chǎng)景中表現(xiàn)出了足夠的能力與潛力。

或許在不久的未來，機(jī)器學(xué)習(xí)能夠讓航運(yùn)業(yè)實(shí)現(xiàn)完全的智能化。船舶能夠自主接單，并計(jì)算出最優(yōu)航線與最優(yōu)交易港口，在途中遇到突發(fā)狀況，能夠自我保護(hù)，將損失降至最低。

機(jī)器學(xué)習(xí)在智能航運(yùn)中的合理應(yīng)用或許會(huì)成為我國(guó)航運(yùn)業(yè)起飛的重要燃料，幫我國(guó)航運(yùn)業(yè)在國(guó)際競(jìng)爭(zhēng)中突出重圍。