本文提出基于深度网络的船舶冰区航行路线规划方法。从船舶航行动作出发，以深度Q网络为基础，设计船舶航行所处的状态空间、动作空间以及奖励函数，其中使用栅格法建立冰区模型，构建船舶航行的冰区状态空间；船舶动作在各空间及奖励函数过程中学习与训练，生成寻优路线，经平滑处理后，缩短航行距离，由此为船舶规划出从当前位置出发，能够避免与冰区中浮冰发生碰撞的航行线路。研究结果表明，该方法迭代8000次后能够生成较为良好的路径，模拟生成的航线能够准确避开浮冰且路径节点减少较为平滑。
The navigation route planning of ships in ice area based on deep network is studied. Based on deep Q network, the state space, action space and reward function of ship navigation are designed. The ice area model is established by raster method to construct the ice area state space. The ship action is learned and trained in each space and reward function process, and the optimal route is generated. After smooth processing, the sailing distance is shortened, and the sailing route is planned for the ship from the current position, which can avoid the collision with the floating ice in the ice area. The research results show that the proposed method can generate a good path after 8000 iterations, and the simulated route can avoid the floating ice accurately and the path node reduction is smooth.
2022,44(18): 173-176 收稿日期：2022-05-14
DOI：10.3404/j.issn.1672-7649.2022.18.036
分类号：U675
基金项目：南通市科技计划资助项目（MS12021011）；2022年度江苏省教育厅高校“青蓝工程”优秀骨干教师培养对象资助项目
作者简介：贾立校(1982-),男,硕士,副教授,研究方向为绿色航运及船舶航行安全
参考文献：
[1] 杨帆, 何正伟, 何帆. 基于深度网络和船舶交通流的航道水深预测方法研究[J]. 武汉理工大学学报(交通科学与工程版), 2019, 43(1): 130–135
[2] 韩志豪, 汪益兵, 张宇, 等. 基于深度强化学习的船舶航线自动规划[J]. 中国航海, 2021, 44(1): 100–105
[3] 刚旭皓, 田于逵, 季少鹏, 等. 冰区航行船舶冰阻力数值研究进展[J]. 船舶工程, 2020, 42(9): 6–13+43
[4] 童帮裕, 胡坚堃. 基于改进蚁群算法的船舶冰区航行路径规划[J]. 中国航海, 2020, 43(1): 24–28
[5] 杨琪森, 王慎执, 桑金楠, 等. 复杂开放水域下智能船舶路径规划与避障方法[J]. 计算机集成制造系统, 2022, 28(7): 2030–2040
[6] 朱坤财, 徐郑攀, 赵自奇, 等. 基于航迹预测的水面无人艇动态避障方法[J]. 中国测试, 2021, 47(11): 28–33+46
[7] 罗贤程, 尹建川, 李宏宾. 基于动态分阶势场法的船舶自动避碰系统[J]. 上海海事大学学报, 2020, 41(1): 1–7
[8] 洪晓斌, 徐郑攀, 魏新勇, 等. 基e于改进速度障碍法的水面无人艇动态避障[J]. 光学精密工程, 2021, 29(9): 2126–2139
