智能船舶的研究现状可视化分析与发展趋势*

张 笛 赵银祥 崔一帆 万程鹏▲

（1.武汉理工大学智能交通系统研究中心 武汉430063；2.武汉理工大学国家水运安全工程技术研究中心 武汉430063；3.武汉理工大学航运学院 武汉430063）

0 引 言

近年来，水上交通运输的地位在交通运输领域不断提升，船舶作为水上交通运输的主要工具，其安全、绿色以及高效运营受到社会各界的广泛关注。人工智能、互联网，以及大数据等新兴技术的发展掀起了智能船的研究热潮。在推动完善智能船舶的政策和规范方面，我国走在了世界前列[1]。2015年，中国船级社发布的《智能船舶规范》对智能船的6大功能提出了具体要求。2017 年，科技部联合交通运输部印发的《“十三五”交通领域科技创新专项规划》明确了“十三五”交通领域发展的总体思路、发展目标、主要任务和重大举措。2018 年，由工业和信息化部联合交通运输部、国防科工局编制印发的《智能船舶发展行动计划（2019—2021年）》，旨在促进我国船舶工业高质量发展，使我国智能船舶的发展与世界先进水平保持同步。2019 年，交通运输部等7 部门联合印发的《智能航运发展指导意见》，提出的4 大战略目标和10大任务，进一步深化了航运供给侧结构性改革，提升了我国航运竞争力。

国际方面，国际海事组织（IMO）在第99届海安会上提出水面自主船的概念。2016 年，英国航运协会发布了《关于MASS 的推荐性行业行为指南》，并在2018 年发布了其修订版。2019 年，英国发布的《海事2050战略》指出英国将立法建立1个国内的自主船框架，并对海事技术、人员培训和基础设施建设进行了概述。此外，挪威、日本、法国等船级社纷纷制定智能船规范，为智能船舶的发展营造了良好的环境。

随着相关研究的深入，各个国家在智能船舶领域都取得了一定的成绩。如2015年，中船集团发布了38 800 t 的iDO-LPHIN 智能船型设计。2017年，英国罗尔斯-罗伊斯公司与马士基集团旗下拖轮公司Svitzer 共同完成了全球首次商船远程操作。2018年，英国Rolls-Royce公司与芬兰Finferries开发的世界上第一艘全自动渡船Falco载着80名乘客实现了自动航行测试；2019年，日本邮船宣布完成了全球首次智能船舶的海上试验，完成了国际海事组织《自主驾驶船舶试验暂行指南》的各项试验项目。

智能船舶发展的核心是航行安全。船舶智能化虽然降低了人为因素对航行安全的影响，但是对其安全性的研究仍是目前船舶行业研究的重点。鉴于此，利用知识图谱对近10年的相关研究进行了系统梳理，并从态势感知、智能避碰、智能控制、网络通信以及法律安全5 个方面总结了国内外研究热点，对目前存在的问题进行了深入分析，同时提出了智能船舶未来研究的方向和趋势，为进一步开展智能船舶研究提供参考。

1 数据来源与研究方法

1.1 数据来源和检索策略

在中国知网（CNKI）、Web of Science（WOS）这2 个数据库对近10 年（2010—2020 年）的智能船舶研究文献进行检索。共检索到中文文献961 篇，英文文献329篇。文献检索信息如下。

1）检索式。

CNKI：主题=（“智能船（舶）”）或者主题=（“自主船（舶）”）或者主题=（“无人船（舶）”），搜索范围：学术期刊。

WOS：标题=（“intelligent ship”）或者标题=（“autonomous ship”）或者标题=（“unmanned ship”）或者标题=（“smart ship”），搜索范围：WOS。

2）时间跨度。2010年1月—2020年12月。

1.2 文献分析方法

基于CNKI的961篇中文文献和WOS的329篇英文文献从计量学的角度进行了统计分析，并使用Vosviewer[2]软件生成高频关键词的聚类图谱和趋势演化图谱，对2010—2020年智能船舶的研究热点进行了可视化分析。

2 文献统计结果及分析

2.1 文献增长趋势分析

国内外近10 年智能船舶领域发表成果情况及变化趋势见图1。2010—2020 年期间，论文发表数量整体呈上升趋势。其中，2014 年以前文章发表增长趋势较为平缓且总体数量较少，并且中文文献的数量低于英文文献的数量。随着2015年《中国制造2025》白皮书以及2016 年《关于推进船舶智能制造指导意见》等文件的发布，国家进一步明确把高技术船舶的发展作为10大重点发展领域之一，从而大大推动了中国对于智能船舶的研究。从2015年开始，中国关于智能船舶研究发表文章的增长幅度在每年14篇以上，平均增长率达58%。

图1 2010—2020年国内外智能船舶研究趋势Fig. 1 Research trends of intelligent ship at home and abroad from 2010 to 2020

2.2 机构与作者分析

在国外研究机构中，发文量7 篇及以上的有4家，发文量4～6篇的有12家，表1中列出了国外文献发表数量大于等于5篇的研究机构。在智能船舶研究领域比较突出的机构有挪威科技大学和荷兰代尔夫特理工大学。在国内研究机构中，根据发文数量，主要研究机构有武汉理工大学、大连海事大学、上海交通大学、上海海事大学、中国船舶工业集团、中国船级社以及国家海洋局等。

在代表性作者方面，根据英文文献分析的结果显示K. Mansouri，J.B. Qbadou，M. Youssi 这3 位的文献发表数量均为8 篇，J. Kim，I.B. Utne 发表的文章数量均为7 篇。国内研究的学者主要代表有武汉理工大学严新平、初秀民，国家海洋局金久才、张杰，中国船级社的蔡玉良，以及上海交通大学的王鸿东等。

表1 国外主要的研究机构Tab.1 Major foreign research institutions

2.3 研究关键词分析

基于关键词分析，选用关键词聚类图和演化趋势图对961 篇中文文献和329 篇英文文献的关键词进行可视化展示，见图2～3。图中的节点和字体越大，则重要性越高；同时出现的2个节点之间的用线条连接，线条颜色的越深说明关联的程度越大；图中节点的颜色相同说明为同一类别，目前所开展的研究主要围绕智能船舶和无人船开展。

英文文献中的关键词分为4类，分别如下。

Cluster 1（Intelligent Control）：ais，collision，collision avoidance，motion control，path planning，risk，preventing collisions

Cluster 2（Intelligent Technology）：big data，genetic algorithm，intelligent ship，neural network，ship motion，optimization

Cluster 3（Intelligent Equipment）：autonomous underwater vehicle，controller，propulsion system，satellite，and trajectory

Cluster 4（Intelligent Navigation）：autonomous ship，hu-man error，safe operation，autonomous ship， communication，autonomous vessel，unmanned autonomous ship

中文文献中的关键词分为了4类，分别如下。

Cluster 1（智能技术）：人工智能技术，大数据分析，态势感知，无人系统，数字化，智能港口，无人驾驶，传感器，物联网，船连网

Cluster 2（智能航行）：智慧航运，智能机舱，智能系统，智能航行，智能集成平台，能效管理，智能船舶，航行安全

Cluster 3（智能控制）：PID控制，人工势场法，控制系统，激光雷达，航向控制，路径规划，避障，无人驾驶技术

Cluster 4（智能应用）：地形测量，无人测量船，水深测量，水质监测，海洋测量，环境监测，路径跟踪

根据中英文文献的演化趋势图（见图3）可以看出，最初智能船的研究主要是围绕智能设备、智能航行开展。随着研究的深入，避障、路径规划、避碰、collision、collision avoidance、path、risk 等关键词不断涌现，研究内容开始逐步侧重于智能技术、智能控制等方面，并且随着智能船舶的发展神经网络、深度学习、人工势场等智能算法被广泛应用于智能避碰和控制的研究。

图2 智能船舶研究关键词聚类图Fig.2 Cluster of keywords in intelligent ship studies

图3 智能船舶研究关键词演化趋势图Fig.3 Evolution trends of keywords in intelligent ship research

3 智能船舶研究热点分析

为了进一步探索智能船未来研究的热点和方向，在关键词分析的基础上，将智能船舶研究的热点内容进一步归纳为智能船舶态势感知、智能避碰、智能控制、网络通信以及法律安全5个方面，分别进行详细分析。

3.1 智能船态势感知

态势感知是智能船安全航行的基础。智能船的态势感知不仅要感知自身数据（位置、航速、航向等动态数据和静态数据），更要感知航行环境信息（风、浪、流等水文气象信息）。安全可靠的感知系统包括3个部分：灵敏的传感器、智能的感知算法、以及高精度的感知模型。航行态势感知不足将会严重影响航行的安全，针对这一问题，杨坤等[3]通过相邻帧差法和变换域法依次配合，实现对障碍物的识别和跟踪显示；王贵槐等[4]提出了1 种基于SVM 的内河典型障碍物识别方法，搭建了基于激光雷达的无人船环境感知系统；王华鲜等[5]把多目标主动感知场景建模为带邻域的多旅行商问题，然后使用自组织映射网络规划出旅行时间最短的闭环轨迹，并利用三阶贝塞尔曲线对轨迹做平滑处理；雷进宇等[6]采用态势感知理论与可视化分析技术设计了船舶航行风险态势感知认知框架，为航行决策提供重要参考依据；Wang等[7]提出了1种快速准确的在线自组织精简模糊神经网络（FAOS-PFNN）辨识船舶域模型；Zhou等[8]首次提出了1 种基于远程控制船舶系统安全控制结构的态势感知定量模型。

随着科技的不断发展以及研究的不断深入，固态雷达[9]、激光雷达[10]，以及人工智能等新技术被广泛的应用于智能船舶研究领域，大大提高了航行环境的智能感知能力。例如，罗尔斯罗伊斯公司推出的用智能软件融合多个传感器的先进的态势感知系统，降低了引航员在夜间、恶劣天气条件下或在拥挤水道驾驶船舶面临的安全风险。美国罗德岱堡推出的罗罗智能感知（IA）系统可以利用数据收集增强航行安全和运营效率的商用智能感知系统。我国启动的“船舶（航行）态势智能感知系统研制”项目，旨在利用雷达、全景红外视觉、声音识别、遥感及三维重构数字场景等新技术的高度融合及多媒体技术的应用，提高船舶航行环境态势的智能感知能力，彻底解决船舶航行环境探测、感知乃至于认知的问题，将成为无人船自主航行的核心装备之一。百度Apollo 3.5的感知系统已经成为国内自动驾驶的领头羊。

智能船航行态势感知需要多种数据源的融合，因此在船舶态势感知研究领域中数据融合是保障精准感知的关键。目前国内外对于雷达、AIS 等数据融合的研究较多，对于全景视觉等新型的数据融合研究相对较少。全景视觉技术由于其具有高分辨率、高灵敏度、实时性好等特点有利于在智能船态势感知领域应用。此外，随着计算机视觉技术的成熟，利用图像进行态势感知已经是重要研究方向。目前感知系统的应用和开发已经进入了实践阶段，但是在智能感知方面仍然存在一定的问题，如：态势感知的精度不够、受环境影响大等。此外，单纯的感知已经无法满足现有智能船舶航行的需求，特别是涉及到内河复杂的航行环境以及锚泊、靠离泊等多个作业环节，目前的态势感知尚无法达到精准识别感知的要求。从感知向认知的演进是未来智能性提升的重要研究方向。

3.2 船舶智能避碰

智能避碰是智能船安全航行的重点之一。智能船舶在航行过程中，尤其在复杂的内河航行环境中会面临很多不确定性因素，对智能船安全性的研究带来了很大的困难。研究表明：碰撞是智能船舶所面临的最大风险。智能船舶在航行过程中主要面临的碰撞风险包括智能船之间的碰撞、智能船与常规船之间的碰撞以及智能船与静态障碍物之间的碰撞。因此，智能避碰可分为2 类：①智能避让礁石、漂浮物或其他的静态障碍物；②智能避让船舶等其他动态障碍物。在船舶智能避碰研究中，多目标算法[11]、决策树[12]、模糊逻辑[13]、遗传算法[14]、博弈论[15]、速度避障法[16]、专家系统[17]等方法被广泛应用，并且深度学习以及强化学习[18-20]等人工智能方法的引入大大降低了船舶碰撞的风险。表2列举了部分关于智能船避碰的代表性研究工作。

总体而言，目前国内外对于船舶智能避碰方面的研究相对较多，理论和模型趋于成熟。但是由于智能船舶造价昂贵、避碰试验代价大等因素，目前大部分研究机构主要采用仿真模拟或者模型试验的方式对理论进行验证，研究成果的实际价值难以衡量，距离实用化存在一定距离。

3.3 船舶智能控制

智能控制是智能船安全航行的前提，如何安全有效的控制智能船的航行、一系列动作的完成，以及船岸协同控制[29]是目前研究的热点。研究发现：智能船自主控制主要包括航行控制和设备控制。在航行控制方面，主要包括路径规划、航迹规划[30]和航向[31]、航速的控制；在设备控制方面，主要是指对船上智能设备的自主控制，比如自动舵、智能机舱等。在智能船控制的研究中，模糊控制[32]、强化学习[33]、人工势场（APF）[34]，以及模型预测控制等方法被广泛应用，这些方法的应用一定程度上提高了智能船的自主控制能力。

随着船舶智能化进程的加快，智能控制在智能船舶研究领域中正沿着辅助控制、协同控制、自主控制的路线发展，智能系统逐渐取代人在船上的工作，大大降低了人员工作的负荷，提高了工作的效率和安全性。目前，大部分的研究方法和模型主要基于某一特定的航行环境或者场景，对于复杂航行环境下（如内河连续桥区、分汇流口、交叉水域等）的适用性还有待验证。此外，远程驾控系统不同于常规的船舶驾驶，其运行机制、操作培训、使用场景等需进一步研究。

表2 智能避碰相关文献Tab.2 Literature on intelligent collision avoidance

表3 智能船智能控制相关文献Tab.3 Literature on intelligent control of intelligent ship

3.4 智能船网络通信安全

网络通信安全是智能船安全航行的保障。无人船在航行过程中需要对周围的环境信息进行采集、分析，需要与他船以及岸基之间进行通信和信息交换，接入网络的数据、隐私、资料日益增加，受到网络攻击可能性也随之增大。2013 年，新加坡船籍的货船“Prabhu Daya”的1 名船员使用带有病毒的存储器蓄意破坏VDR上的数据，导致该船在喀拉拉邦海岸急速航行中撞翻了1艘渔船，造成2人丧生和1人失踪；2017年，世界上最大的集装箱承运公司马士基（Maersk）旗下的17 个码头遭受NotPetya 勒索软件攻击，造成约3亿美元的损失。因此，网络通信安全在信息传输过程中至关重要，对于智能船的安全航行起着关键的作用。网络通信安全包括通信设备与线路的安全、网络协议的安全以及网络入侵的防范等。智能船舶易受到网络攻击的系统包括船桥系统、货物操作和管理系统、推进和机械设备管理系统、动力控制系统、乘客服务和管理系统、船员保障系统以及通信系统等。

当前针对船舶通信网络进行攻击的主要目的包括走私、盗窃货物或重要资料、远程恶意控制、恐怖主义活动等。不法分子或者黑客主要通过攻击网络系统来获取船舶的控制权，从而实施不法行为，因此，在智能船网络通信安全的研究中，应着重加强对船舶网络安保系统的建设，提升船舶网络防御能力和网络环境稳定性。

3.5 智能船法律安全

法律安全是智能船安全航行的重要前提。智能船舶智能航行的实现必须在法律所允许的范围内进行。2017 年，国际海事组织（IMO）设立国际工作组针对智能船舶的法律问题进行研究。随后，欧洲、美国、英国等国家相继出台多项相关的报告。我国在发布的《新一代人工智能发展规划》中，把人工智能的法律研究和发展目标上升到国家层面。

总体而言，智能船舶相应的法律研究相对于智能船舶关键技术的研究还比较滞后。为适应智能船舶发展趋势，加强海事公约和法律等的修订与完善极为必要[40]。要实现智能船舶的自主航行，需解决以下4个法律问题：智能船的权利、事故承担的主体与责任分配、船长和船员的定义、现行航行规则等适用性。智能船法律的研究是1 个长期的过程，需要结合实际的发展情况，制定符合当下的具有适用性和实用性的法律法规。

4 现状分析与展望

4.1 当前存在的问题

通过对智能船态势感知、智能避碰、智能控制、网络通信以及法律安全的发展现状分析可知，虽然国内外智能船舶的研究取得了一些进展和成果，但仍然存在以下3个方面的问题。

1）避碰算法、控制算法等实用性和适应性问题。通过对近10年相关研究文献进行综述，可以看出目前大部分的研究仍停留在理论模型和仿真阶段，在现实的航行环境中能否适用，能否适应复杂多变的航行环境，还有待验证。

2）感知系统的稳定性以及感知精度问题。在真实航行环境中，受水面反射、风、浪、流等影响，很容易造成智能船信息感知错误，给航行安全带来隐患。其次，目前大部分的研究主要是通过仿真对系统的感知精度进行判断，但是在复杂的环境中，能否保证足够的感知精度还需要进一步研究。

3）网络通信的稳定性以及覆盖能力问题。智能船在自主航行的过程中，需要通过网络与外界进行通信和交互。偏远水域对网络通信的稳定性要求更高，且山体、恶劣的天气等环境对于网络稳定性影响极大。另外，网络覆盖的水域关系到智能船所能航行的范围，因此，在网络稳定性方面仍然需要开展进一步的研究。

4.2 展望

基于上述知识图谱对智能船未来研究趋势以及研究热点的分析，可以看出，现阶段智能船舶的技术距离真正实现内河智能船的自主航行，仍然有较长的一段距离。针对智能船舶所面临的问题和未来发展需求，提出以下3个重点研究方向。

1）智能船人机共融及决策技术的研究。尽管船舶的智能化和自动化在不断提高，但是人为因素仍然是影响智能船舶安全的典型风险因素[41]，并且船舶要实现完全自主航行，需从现阶段的人驾模式，过渡到人机混合模式（半自主），且可能长期处于该模式，最终逐渐实现机驾模式。人机混合是船舶智能化中的必经阶段，人机共融是在人机混合模式下保障智能航行的关键，也将会是未来船舶智能化发展的常态。人机共融的理念和技术促使人与机器在协作领域内进行交互和协同工作[42]。针对智能船人机共融的研究，可以围绕智能航行人机共融的风险分析、人机共融的混合决策与协同控制等方面开展，从而构建智能航行中人与机器交互关系模型，辨识不同人机交互关系下智能航行风险的致因机理，构建不同人机交互关系中智能航行风险的评价方法，提出安全的智能航行人机共融模式。

2）智能船舶编队航行及控制研究。在面对复杂的救援、探测等任务时，单个智能船舶的执行能力有限，需要多个智能船共同协作完成特定的作业任务，在智能船共同协作的过程中，船与船之间的队形、间隔等都是影响安全的关键因素。因此，为了使智能船满足任务的需求，开展智能船的编队研究具有重大的社会价值和研究意义。针对智能船编队的研究，可以围绕智能船之间的编队航行风险分析、智能船之间的交互以及协同避碰等方面开展，从而辨识智能船编队之间的风险致因机理，构建不同智能等级的智能船舶之间的协同避碰模型以及编队驾驶策略。

3）传统/智能船混行场景风险评价研究。智能船的发展是1个漫长的过程，在此过程中，部分传统船舶将被取代，航道内会出现智能船和传统船共同航行的混合场景，并且这种混合场景将会长期存在。鉴于此，如何保障混合场景下船舶之间的信息共享、实现船舶的自主避碰，以及保障智能船和传统船安全航行等关键问题还有待进一步研究。如何建立更为精细的船舶领域，并对其在航行过程中的行为进行充分的理解，将船舶避碰规则和船舶操纵性能融合到风险评估中，从而避免出现险情的误预警，是传统/智能船舶混合航行风险评价的重要问题。针对混合场景下智能船舶风险的研究，可以在对比分析传统船舶与智能船舶航行安全特性的基础上，分别构建船舶运动模型，描述传统船与智能船之间交互的关系模型，辨识混合场景下传统船和智能船航行风险的致因机理，提出适用于混合场景下的船舶航行风险评价方法。

5 结束语

本文基于知识图谱对近10 年智能船舶相关研究进行了统计分析，在此基础上，针对智能船舶的态势感知、智能避碰、智能控制、网络通信与法律规则5个研究热点进行了详细分析，并分析了当前面临的主要问题。最后，从智能船人机共融及决策技术、智能船编队航行及控制以及传统/智能船舶混行场景风险评价3个方面进行了展望。