通过基于图的表示方法、生成式路由技术和认证的操控技术,迈向稳健的智能航运

《Ocean & Coastal Management》:Towards robust intelligent shipping via graph-informed representation, generative routing, and certified maneuvering

【字体: 大 中 小 】 时间:2025年12月27日 来源:Ocean & Coastal Management 5.4

编辑推荐:

  智能航运的路线规划框架融合AIS、水深和法规数据,通过分层时空图构建、约束嵌入生成网络和鲁棒机动网络实现偏好、机动性、安全性的协同优化,提供可验证的航行执行保证。

  
尹向军|于巧婵|耿雄飞|冯辉|岳慧慧

摘要

智能航运需要一种路线规划框架,该框架能够综合考虑运营商的偏好、船舶的机动性以及在环境干扰下的可验证安全性。为此,我们提出了一个统一的数据到控制框架,用于海上航线规划,其中表示、生成和执行过程紧密耦合,而不是孤立地进行。该框架结合了AIS交通数据、水深信息以及监管规则,通过层次化的时空图来引导生成过程;一个嵌入约束的生成路由器在联合的几何-动态-监管流形上进行可行性预测,生成符合要求的航点速度序列;一个经过认证的机动性层则应用管模型预测控制和控制屏障约束,生成可验证的结果(如船舶所属管段、屏障距离等),从而形成可执行的路线合同,完成规划到执行的闭环。大量实验表明,该框架能够生成既符合运营商偏好、又具备良好机动性且安全性可证明的海上航线,为大规模智能航运应用奠定了坚实的基础。

引言

海上航运承担了全球贸易的大部分运输任务,是弹性供应链的核心。在“航运4.0”的推动下,广泛的应用感知技术、大规模连接性和自动化加速了向智能航运的转型,其中数据驱动的决策与闭环控制相结合。航线设计是这一转型的关键,因为它将航行时间、燃料消耗和排放等经济目标与航行安全、法规遵从性以及船舶在风浪和水流干扰下的机动性限制联系起来。尽管取得了显著进展,但最近的事件分析显示,现有的航线规划方法仍难以在规模上同时满足运营商的偏好、船舶的机动性和可验证的安全性要求,这促使我们开发了一个紧密耦合的数据到控制框架。
现有的海上航线规划方法大致可以分为三类。基于网格的搜索方法在离散化的海面上具有吸引力,因为它能够透明地累积成本并方便添加局部惩罚措施,但这种方法引入了方向各向异性和状态混淆问题,且其复杂性随分辨率的增加而呈指数级增长;此外,连续性约束(如曲率、吃水深度兼容性和交通分离)通常被粗略近似,从而降低了走廊级别的准确性(Li等人,2024a;Min?en等人,2024)。基于优化和机器学习的方法通过支持多目标成本和在线适应能力来扩展表达能力;最近的深度强化学习研究明确引入了COLREGs逻辑,在密集交通中实现了多船避碰,但它们在面对不同几何形状、交通密度和天气条件时仍面临稳定性和泛化挑战,并且很少能在执行时提供正式的安全保障(Li等人,2025;Pan等人,2025;Sonntag等人,2025)。基于AIS的数据挖掘方法可以生成真实的先验信息和交通库,但重放和分布变化阻碍了知识迁移,而且挖掘出的路径如果不与物理约束相结合,就无法考虑船舶的具体限制。这些观察结果促使我们开发了一个既保留AIS数据真实性的数据到控制流程,又扩展了偏好表达能力,并在生成过程中确保了路径的可行性。
尽管取得了进展,当前海上航线规划研究仍存在三个结构性问题。首先,偏好表达能力有限。大多数模型仍将规划简化为成本最小化问题,难以纳入合同规定的港口停靠、季节性航线或与排放相关的操作规则等复杂业务约束。即使是最近改进的基于AIS的学习框架,也难以在没有特殊启发式方法的情况下正式编码多样化的运营商偏好(Li等人,2024a;Mei等人,2025a)。其次,对船舶机动性的考虑不足。生成的航点往往忽略了船舶的动态限制,包括最小转弯半径、加速度限制、吃水深度兼容性和COLREGs合规性,尤其是在拥挤的水域中。尽管自动泊船和基于强化学习的COLREGs导航技术显示出潜力,但其精度仍不足以保证超大型集装箱船在复杂水动力条件下的安全运行(Liu等人,2024a;Pan等人,2025;Sonntag等人,2025)。第三,对不确定性和正式安全性的研究还不够充分。大多数方法将环境干扰(风、浪、水流)视为随机因素,但未能提供正式的安全保障。基于管模型的鲁棒MPC和可达性分析的进展表明,提供不变性和避碰证书是可行的,但这些技术尚未广泛应用于数据驱动的航线规划中(Li等人,2025;Quartullo等人,2025)。这些挑战共同阻碍了实际应用,因为在实际应用中,必须同时满足偏好对齐、机动性可行性和可验证的安全性要求,才能实现可靠的大规模智能航运。
为了解决上述问题,我们提出了一个与问题结构相匹配的三阶段数据到控制流程。具体来说,第一阶段通过融合AIS轨迹、水深信息和监管规则,构建了一个层次化的时空(HST)图表示,生成了考虑运营商偏好的走廊级嵌入。第二阶段采用了一个嵌入约束的生成路由网络(CEGN),通过在生成过程中施加约束采样和投影到联合的几何-动态-监管流形上,确保航点速度序列满足曲率、机动性、吃水深度和COLREGs要求,无需事后修正。第三阶段通过一个鲁棒的机动性网络(RMN)执行计划,该网络结合了剩余船舶动力学学习和管模型预测控制(Tube MPC)及控制屏障功能,以在干扰和多船交互情况下提供正式的安全保障。这些模块共同将历史知识和操作要求转化为可执行的、安全性可证明的海上航线,并生成了可行性检查、屏障距离和船舶所属管段日志等可验证的结果。
本研究的主要贡献如下:
• 图到生成的耦合。我们设计了一个基于图的层次化时空框架(HST),将AIS轨迹、水深信息和监管规则整合到多尺度嵌入中,实现了对局部交通动态和全球航线结构的准确建模,从而支持基于偏好的航线规划。
• 基于构建的可行性生成。我们提出了一个嵌入约束的生成网络(CEGN),在采样过程中直接施加几何、物理和监管约束,确保生成的航线在设计上既符合运营商偏好又具有可执行性。
• 带有证书的执行合同。我们设计了一个鲁棒的机动性网络(RMN),结合了剩余船舶动力学学习、管模型预测控制(Tube Model Predictive Control)和控制屏障功能,以及汉密尔顿-雅可比可达性分析,为在干扰和多船交互情况下的执行提供正式的安全保障。
• 智能航运的集成数据到控制流程。通过统一海上知识的表示、考虑约束的航线生成和经过认证的机动性控制,该框架将历史数据和操作约束与可证明的安全控制相结合,为鲁棒和可靠的智能航运提供了可扩展的解决方案。

部分内容摘录

基于网格和优化的海上航线规划

在离散化的海面上进行网格和图搜索仍被广泛用于考虑天气因素的航线规划,因为成本和局部惩罚可以透明地累积;最近的开放系统(如VISIR-2)展示了可扩展的实现方案,这些系统整合了波浪、水流和性能参数,但由于各向异性的航向离散化、状态混淆以及曲率或吃水深度的精度问题,狭窄走廊的规划准确性仍然受限(Mannarini等人,2024)。多目标优化方法提高了

问题设置和符号说明

我们将可航行环境建模为一个时变的多属性有向图 Gt=(V,Et,Xt,At),,其中节点 v∈V 表示港口、转弯点或交通节点,有向边 e=(u→v)∈Et 表示包含在 Xt、At 中的水深、监管和季节性属性的允许通行走廊。公司需求由偏好向量 θ=(港口序列,出发/预计到达时间时间窗口,季节,速度速度范围) 表示。航线是一个航点速度序列 W={(pi,si)i=0N

方法概述

海上航线规划是智能航运的核心,航运4.0的传感器网络和AIS数据使得在监管和环境约束下进行数据驱动的规划成为可能。大型船舶需要在商业偏好、机动性限制和正式安全要求之间找到平衡,这促使我们采用数据到控制的方法而非启发式流程。为了将这一理念纳入一致的问题框架中,我们采用了在系统层面连接数据、约束和保障的原则性视角。

数据集

我们的实验使用了2021年1月1日至2021年12月31日期间收集的AIS轨迹数据,每条数据包含带有时间戳的船舶状态信息,包括地理位置和地面速度、地面航向等导航属性。在提取固定长度的学习序列之前,我们对数据进行了统一的预处理和标准化处理,以确保所有方法之间的可重复性和公平性比较。我们首先移除了不符合要求的记录

结论

本研究提出了一个统一的智能海上航线规划框架,该框架整合了多尺度数据表示、嵌入约束的航线生成和经过认证的鲁棒机动性控制。通过结合AIS生成的时空图、具有可行性保证的生成过程以及通过管模型预测控制(Tube MPC)和控制屏障功能实现的安全执行,所提出的方法有效弥合了历史知识、操作偏好和实际需求之间的差距

CRediT作者贡献声明

尹向军:撰写 – 审稿与编辑,撰写 – 原稿,软件开发,方法论设计。于巧婵:软件开发,资源管理,方法论设计,资金获取。耿雄飞:撰写 – 审稿与编辑,可视化设计,验证工作,监督指导。冯辉:可视化设计,数据整理,概念构建。岳慧慧:撰写 – 审稿与编辑,监督指导,调查分析。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文的研究结果。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号