Интеллектуальная система принятия решений по предупреждению столкновений безэкипажных судов тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Баракат Лама Али

• Баракат Лама Али
• кандидат наук
• 2023

Оглавление диссертации кандидат наук Баракат Лама Али

ВВЕДЕНИЕ

ГЛАВА 1 СИСТЕМНЫЙ АНАЛИЗ ПРОЦЕССА ПРЕДУПРЕЖДЕНИЯ СТОЛКНОВЕНИЙ ПРИ БЕЗЭКИПАЖНОМ СУДОВОЖДЕНИИ

1.1 Системный анализ причинно-следственных факторов столкновений судов

1.2 Особенности, состояние и перспективы развития безэкипажного судовождения

1.3 Оценка рисков и управление безопасностью безэкипажного судовождения

1.4 Обзор автоматизированных и автоматических систем управления безэкипажными судами

1.5 Технология е-Навигации как инновационный метод повышения безопасности безэкипажного судовождения

1.6 Постановка задачи исследования

1.7 Выводы по первой главе

ГЛАВА 2 МЕТОДЫ И МОДЕЛИ ОБЕСПЕЧЕНИЯ НАВИГАЦИОННОЙ БЕЗОПАСНОСТИ БЕЗЭКИПАЖНОГО СУДОВОЖДЕНИЯ

2.1 Системный анализ МППСС-72 при расхождении безэкипажных судов

2.2 Анализ критериев и принципов обеспечения навигационной безопасности при безэкипажном судовождении

2.3 Исследование моделей и методов оценки риска столкновения безэкипажных судов

2.4 Выводы по второй главе

ГЛАВА 3 МАТЕМАТИЧЕСКОЕ И АЛГОРИТМИЧЕСКОЕ ОБЕСПЕЧЕНИЕ НАВИГАЦИОННОЙ БЕЗОПАСНОСТИ БЕЗЭКИПАЖНОГО СУДОВОЖДЕНИЯ

3.1 Назначение, признаки, свойства автономной системы предупреждения столкновений судов

3.2 Алгоритмы работы системы предупреждения по автономному предотвращению столкновений судов

3.3 Принятие решений по предупреждению столкновения безэкипажных судов

3.3.1 Информационные технологии слияния данных мультисенсорной автономной системы предупреждения столкновений безэкипажных судов

3.3.2 Разработка методов интеллектуального принятия решений по автономному предотвращению столкновений безэкипажных судов

3.4 Модель интеллектуального принятия решений по безопасному планированию маршрутов безэкипажных судов

3.5 Выводы по третьей главе

ГЛАВА 4 РАЗРАБОТКА ИНФОРМАЦИОННОЙ СИСТЕМЫ ПРИНЯТИЯ РЕШЕНИЙ ПО АВТОНОМНОМУ ПРЕДОТВРАЩЕНИЮ СТОЛКНОВЕНИЙ СУДОВ

4.1 Требования к информационной системе принятия решений

4.2 Структура информационной системы принятия решений

4.3 Программная реализация информационной системы принятия решений

4.4 Оценка повышения безопасности судовождения за счет внедрения и реализации информационной системы принятия решений

4.5 Выводы по четвертой главе

ЗАКЛЮЧЕНИЕ

СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ А

ПРИЛОЖЕНИЕ Б

ПРИЛОЖЕНИЕ В

ПРИЛОЖЕНИЕ Г

ПРИЛОЖЕНИЕ Д

ПРИЛОЖЕНИЕ Е

ПРИЛОЖЕНИЕ Ж

ПРИЛОЖЕНИЕ З

Введение диссертации (часть автореферата) на тему «Интеллектуальная система принятия решений по предупреждению столкновений безэкипажных судов»

ВВЕДЕНИЕ

Актуальность темы исследования. Повышение уровня безопасности судовождения - сложная многоуровневая задача, обеспечивающаяся работой международных морских организаций, классификационных обществ, администраций государств, участвующих в разработке мирового судоходства. Вместе с тем, аварийность судов остается актуальной проблемой современности. Приоритетной задачей обеспечения безопасности судовождения является предотвращение столкновений судов.

Актуальность рассматриваемой в настоящей работе проблемы столкновения судов можно подтвердить статистикой Министерства транспорта РФ (Ространснадзор), указывающей, что в период 2014 - 2020 гг. столкновение судов, плавающих под флагом РФ, составило 4,5%, 1,4%, 3,66%, 7,14%, 8,74%, 3%, 11,67%, соответственно от общего количества аварийных случаев, произошедших на море; а также составило 6,25%, 11,83%, 8,6%, 8%, 9,5%, 6,3%, 3,6%, соответственно от общей аварийности на внутренних водных путях РФ [1].

Сводки морских аварий свидетельствуют о том, что главными причинами или причинными факторами столкновения является нарушение Международных правил предупреждения столкновений судов в море 1972 (МППСС-72).

В контексте необходимости сокращения человеческого участия и обеспечения безопасности судовождения на морском и речном транспорте все более актуальными становятся вопросы разработки и применения в задаче автономного предупреждения столкновений судов интеллектуальных методов принятия решений, которые станут важным инструментом для реализации технологии безэкипажного судовождения (БЭС), обеспечивающей сокращение операционных расходов, уменьшение численности экипажей судов и снижение воздействия на окружающую среду.

Кроме того, главной проблемой функционирования автономной системы предупреждения столкновений судов (АСПСС) при БЭС является необходимость выработки и реализации эффективных управляющих решений по предотвращению

столкновения в режиме реального времени, что требует разработки специальных подходов и интеллектуальных методов, обеспечивающих работу АСПСС прежде всего, как интеллектуальной системы принятия решений.

Степень разработанности проблемы. В отечественной и зарубежной науке широко представлены вопросы применения методов машинного обучения, как ключевых механизмов интеллектуального принятия решения при управлении движением транспортных средств. Основное внимание при этом уделялось задачам принятия решений при управлении судном в конкретных условиях плавания. Вместе с тем, в настоящее время становятся актуальными и другие задачи БЭС, особенно -задачи обеспечения беспилотного управления и принятия решений в условиях неопределенности.

Вопросам поддержки принятия решения по предотвращению столкновений судов в море посвящены труды Вагущенко Л.Л., Вагущенко А.Л., Шерстюк В.Г., Бень А.П., Астриен В. В., J. Zhou, F. Ding, J. Yang, Z. Pei, C. Wang, A. Zhang, A. Lazarowska. Значительный вклад в разработку методов и алгоритмов слияния данных, полученных от сенсорных приборов и устройств, для предупреждения столкновений роботов, внесли: 0.K. Helgesen, E.F. Brekke, H. H. Helgesen, 0. Engelhardtsen, S.S. T0rdal, G. Hovland, J. R. Raol. Вопросами применения методов принятия интеллектуальных решений по предотвращению столкновений маломерных судов занимались Смоленцев С.В., Сазонов А. Е., Родионов А. И., Дмитриев С. П., X. Zhang, C. Wang, Y. Liu, X. Chen, L. Cong, J. Li, J. Zhang.

В тоже время недостаточно изучены вопросы слияния и фильтрации данных, полученных безэкипажным судном (БС) в реальном времени от множества источников, хотя проблема очень актуальна для АСПСС. Кроме того, недостаточная проработанность вопросов применения методов принятия решений на основе методов искусственного интеллекта (ИИ) в задаче предупреждения столкновений БС с учетом требований правил МППСС-72 обусловливает актуальность и перспективность данного диссертационного исследования.

Объектом проведённого исследования является процесс предупреждения столкновений при БЭС.

Предметом исследования являются интеллектуальные методы, применимые для автономного предупреждения столкновений БС и обеспечения высокого уровня безопасности БЭС на водном транспорте.

Целью исследования является повышение безопасности судовождения за счет исследования и разработки математических моделей и интеллектуальных методов принятия решений в системе предупреждения столкновения БС.

Для достижения поставленной цели в работе поставлены следующие задачи:

1. Системный анализ субъективных и объективных причин столкновений судов и оценка рисков при управлении безопасностью БЭС.

2. Системный анализ существующих международных нормативных и рекомендательных правил обеспечения безопасности на море.

3. Разработка и исследование методов и моделей анализа ситуаций опасного сближения судов при БЭС.

4. Разработка и исследование алгоритмов и интеллектуальных методов принятия решений по автономному предотвращению столкновений на водных акваториях.

5. Разработка информационной системы принятия решений по автономному предотвращению столкновений БС.

6. Оценка эффективности внедрения разработанной информационной системы принятия решений в повышении безопасности БЭС.

Методы исследования. Теоретико-методологическим фундаментом проведённого исследования является системный подход. В решении поставленных задач использованы методы системного анализа, теории принятия решений в условиях неопределенности, теории нечетких множеств и нечеткой логики, методы искусственного интеллекта и математического моделирования.

Научная новизна исследования состоит в следующем:

1. На основе теории нечетких множеств и нечеткой логики разработан механизм вывода решений, позволяющий обобщить процедуру принятия решения по маневрированию БС в виде набора нечетких продукционных правил, интерпретирующих правила МППСС-72, отличающийся разработанной

логической схемой срабатывания правил, ускоряющей быстродействие логического вывода.

2. Разработана методика фильтрации сигналов и слияния данных мультисенсорной автономной системы предупреждения столкновений БС, позволяющая объединять данные от различных измерительных устройств судна (2 и более) для повышения точности информации, отличающаяся применением цифровой фильтрации шума сигналов для определения точных навигационных данных при БЭС в режиме реального времени.

3. Разработан метод интеллектуального принятия решений, отличающийся интеграцией методов глубокого обучения с подкреплением и метода искусственного потенциального поля для формирования управляющих воздействий по предупреждению столкновений, позволяющий моделировать окружающую среду судна в режиме реального времени.

4. Разработана архитектура информационной системы принятия решений для БС, позволяющая тиражировать проектирование и программную реализацию информационной системы другими пользователями, отличающаяся модульностью и высокой степенью интерактивности за счет двухмерного моделирования движения судов до и после принятия решений по предотвращению столкновения.

Теоретическая значимость работы. Полученные в диссертационной работе результаты направлены на развитие современной научной методологии для решения задачи обеспечения безопасности судовождения, имеющей универсальный характер. Значимость теоретических результатов заключается в создании теоретических основ для решения задачи обеспечения навигационной безопасности при БЭС. Разработаны методы и алгоритмы интеллектуального принятия решений, ориентированные на идентификацию опасной обстановки по всем сближающимся судам и определение лучшей стратегии расхождения судна без вмешательства человека.

Практическая значимость работы. Практические результаты диссертации реализованы в виде программного продукта, представляющего интерес для разработчиков в области инновационного судостроения и морской робототехники

и для предприятий, обеспечивающих разработку цифровых технологий по повышению уровня безопасности беспилотного судовождения. Разработанная в работе информационная система может использоваться для проведения научных исследовательских работ в различных учебных программах дисциплин (ПРИЛОЖЕНИЕ З).

Степень достоверности и обоснованности научных результатов обусловлена адекватностью результатов теоретических исследований и применением совокупности методов интеллектуального принятия решений, адекватных цели и задачам исследования, - системного подхода.

Апробация работы. Основные научные положения и результаты диссертации докладывались и обсуждались на: VII Международной научно -практической конференции в рамках программы проведения торжественных мероприятий, посвящённых празднованию 100-летия Астраханского речного училища (Астрахань, 2018 г.); Международном научно-практическом форуме «Каспий в эпоху цифровой экономики» (Астрахань, 2019 г.); V и VI Международных научно-практических конференциях «Имитационное и комплексное моделирование морской техники и морских транспортных систем» (ИКМ МТМТС) (Санкт-Петербург, 2019 г., 2021 г.); III Международной молодежной конференции «Информационные технологии и технологии коммуникации: современные достижения» (Астрахань, 2019г.); VIII, IX, X Региональных научно-практических конференциях «Наука и практика: проектная деятельность - от идеи до внедрения» (Томск, 2019г., 2020г., 2021г.); 63-й, 64-й, 65-й Международных научных конференциях Астраханского государственного технического университета (Астрахань, 2019 г., 2020 г., 2021 г.); Международной выставке научных проектов в Астраханском государственном техническом университете (Астрахань, 2021г.); 72-ой Международной студенческой научно-технической конференции (Астрахань, 2022 г.). Доклад «Перспективы и тенденции реализации информационных технологий слияния данных мультисенсорных систем управления безэкипажными судами» стал лучшим докладом (диплом II степени) на VIII Региональной научно -практической конференции Томского государственного университета систем

управления и радиоэлектроники «Наука и практика: проектная деятельность - от идеи до внедрения - 2019» в секции 4 «Информационные технологии и информационная безопасность», 2019 года (ПРИЛОЖЕНИЕ Д).

Публикации. По теме диссертационной работы опубликовано всего 23 работы, отражающие основные положения исследования, среди которых - 6 в журналах, рекомендованных ВАК Минобрнауки РФ. Имеются 2 свидетельства о регистрации программы для ЭВМ.

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, выводов по каждой главе, заключения, списка литературы и приложений. Основной объём диссертации составляет 150 страниц, в том числе библиографический список из 126 наименований, 43 рисунка и 8 таблиц.

ГЛАВА 1 СИСТЕМНЫЙ АНАЛИЗ ПРОЦЕССА ПРЕДУПРЕЖДЕНИЯ СТОЛКНОВЕНИЙ ПРИ БЕЗЭКИПАЖНОМ СУДОВОЖДЕНИИ

1.1 Системный анализ причинно-следственных факторов столкновений

судов

Столкновение судов - это физический удар между двумя или более судами, приводящий к аварии. Столкновения также могут происходить между судном и любым объектом, таким как платформа, причал, док и др.

Столкновение и связанные с ним человеческие жертвы, гибель судов и существенные финансовые убытки при оценке современного состояния морского транспортного флота являются одной из наиболее приоритетных и актуальных проблем безопасности судоходства. Поэтому задача предупреждения столкновений судов играет ключевую роль в повышении безопасности судовождения.

Анализ причинно-следственных факторов столкновений судов является частью системного подхода к принятию решений и практических мер в решении задач предотвращения аварийных морских событий.

В настоящее время основным источником информации об аварийности судов являются статистические данные по авариям и гибели судов, которые собираются и анализируются большинством участников морской индустрии как в РФ, так и за рубежом.

Стоит отметить, что в последние годы установилась тенденция к снижению аварийности морского транспорта, на что повлияли объективные причины (работа Международной морской организации (ИМО) и национальных морских администраций).

ИМО приняла руководство по расследованию человеческих факторов в авариях и инцидентах на море и включила его в кодекс ИМО по проведению расследований аварий и инцидентов на море (резолюция А.884(21)) от 25 ноября 1999 года. В 2013 году было принято новое руководство по расследованию

человеческих факторов в авариях и инцидентах на море, а резолюция A.884 (21) была отменена резолюцией A.1075 (28) от 4 декабря 2013 года [80].

Следует отметить, что руководство ИМО содержит практические рекомендации по систематическому расследованию морских аварий на море, позволяющее разрабатывать эффективный анализ и предупредительные меры.

В основе случаев столкновений, происшедших по ошибочным действиям человека, лежат нарушение правил МППСС-72 и неполное знание навигационной ситуации, сопровождающееся недостатком информации для эффективного использования существенных на борту технологий и принятия подходящего решения по предупреждению столкновений.

Кроме того, столкновения судов могут случиться по причинам: отказ технических средств управления и систем связи; нарушение правил эксплуатации морских транспортных средств; неисправность технических систем (например, главный двигатель). Однако на риск попасть в столкновении часто влияют сторонние факторы, такие как погодные условия (неблагоприятные гидрометеорологические условия).

Определение и анализ причин столкновений на море необходимы, в первую очередь, для определения общего состояния аварийности на основе абсолютных показателей морских происшествий и оценки эффективности правил МППСС-72 по снижению навигационных аварий.

В отечественной и зарубежной литературе разработаны общие подходы к анализу и расследованию причин аварий в различных областях. К основным подходам относятся: статистический анализ; метод дерева отказов (FTA - Fault Tree Analysis); последовательные модели происшествий; теоретико-системные модели и др.

В соответствии с приказом Министерства транспорта РФ от 8 октября 2013 г. N 30 «Об утверждении Положения о расследовании аварий или инцидентов на море» статистическое исследование аварий судов в пределах территориального моря или внутренних морских вод РФ проводится Ространснадзором.

За рубежом официальным источником информации для проведения статистического анализа является статистики Английского Регистра Ллойда, международного страховщика корпоративных и специальных рисков (Allianz Global Corporate & Specialty - AGCS), Европейского агентства морской безопасности (European Maritime Safety Agency - EMSA) и др.

Статистические данные EMSA по видам аварийности на морском транспорте показывают, что столкновения судов являются одной из наиболее частых навигационных аварий, происходящих по многим причинам, среди которых есть как технологические, так и человеческие факторы.

Метод дерева отказов может быть использован как для качественного, так и для количественного анализа. Качественно он используется для идентификации отдельных сценариев, которые приводят к аварии, а количественно используется для оценки частоты этой аварии.

Целью метода дерева отказов является определение возможных сочетаний причин, которые могут вызвать некоторые нежелательные события, называемые основными событиями. При этом данный метод включает в себя различные уровни событий, связанных таким образом, что каждое событие на данном уровне является результатом событий на уровне чуть ниже, через несколько логических символов.

При применении метода дерева отказов в работе [103] (Ugurlu et al., 2015) для анализа морских аварий (столкновения и посадки на мель) танкеров основными причинами аварийных случаев на море являются нарушение правил МППСС-72 и отсутствие связи между судами.

Для представления основных причинно-следственных факторов навигационных аварий разработано дерево отказов при столкновении судов (рисунки 1.1-1.4).

Разработанное дерево отказов представляет собой качественный анализ, в котором нежелательные состояния или неисправности судна анализируются, объединяя последовательность отказов низшего уровня, которые приводят к столкновению судов.

Рисунок 1.1 - Разработанное дерево отказов при столкновении судов

Отказ эксплуатационной навигационной

Неисправность

интегрированной Потеря Отказ системы

навигационной связи сигн ализации

системы

Рисунок 1.3 - Разработанное дерево отказов при столкновении судов

(продолжение 2)

Анализируя способствующие факторы столкновений судов в разработанном дереве отказов, можно различать небезопасные действия и связанные с ними первопричины, так что обнаруженные факторы могут быть полезны для повышения качества безопасности системы управления.

Отметим, что человеческий фактор остается одной из главнейших причин навигационных несчастных случаев (столкновения судов).

Стоит отметить, что при исследовании современных систем управления судами требует понимания взаимодействий и взаимосвязей между различными аспектами систем. Эти взаимодействия и взаимосвязи являются сложными и нелинейными. Традиционные подходы к их моделированию не могут полностью проанализировать поведение и режимы отказов таких систем.

Предлагается использовать теоретико-системный подход для анализа навигационных аварий морских транспортных средств и, в частности, столкновения судов и исследование их причин.

Согласно системной теории, авария происходит, когда несколько причинных факторов совпадают в определенном времени и пространстве. В этом случае столкновение судов рассматривается как событие, возникающее из неправильных взаимодействий между компонентами систем управления, которые могут привести к ухудшению эксплуатационных характеристик систем.

Современные системы управления и обеспечения безопасности судоходства рассматриваются как динамические системы, которые постоянно адаптируются для достижения своих целей и реагируют на изменения в себе и окружающей среде.

В 2012 году, новая модель, называемая теоретико-системной моделью происшествий и процессов (ТСМПП) (the systems theoretic accident model and process - STAMP), на основе системной теории представлена в работе профессора аэронавтики «Нэнси Левесон» [84]. Эта модель представляет собой смену парадигмы в анализе аварий и оценки рисков.

Основная цель ТСМПП заключается в ответе на вопрос «Почему происходят аварии?», а также в использовании этого ответа для создания новых и лучших способов предотвращения несчастных случаев.

Следует также отметить, что ТСМПП может быть применен как при анализе несчастных случаев (метод причинно-следственного анализа на основе ТСМПП (метод ПСА на основе ТСМПП) (Causal Analysis based on STAMP - CAST), так и при анализе рисков (теоретико-системный анализ процессов (ТСАП) (System-Theoretic Process Analysis - STPA)).

В подразделе 1.3 рассмотрим метод ТСАП, используемый для оценки рисков при проектировании и эксплуатации БС.

Отметим, что метод ПСА на основе ТСМПП - это ретроспективный (оценочный) анализ несчастных случаев, имеющий широкое поле применения в области авиации, железной дороге и инженерном деле.

Метод ПСА на основе ТСМПП не только позволяет найти причины столкновений надводных транспортных средств, но и обеспечивает целостное представление о навигационных авариях, а также обрабатывает всю систему предупреждения столкновений судов вместе с изменениями в ней.

Метод ПСА на основе ТСМПП при анализе столкновений судов включает следующие девять этапов:

1. Этап выявления интегрированной системы управления судном и опасностей, связанных с столкновением судна.

2. Этап разработки мер по предотвращению опасностей, связанных с вероятным столкновением, для улучшения действующих правил плавания.

3. Этап документирования существующей структуры управления безопасностью, чтобы контролировать опасность и обеспечивать соблюдение мер безопасности. На рисунке 1.5 показан простой пример структуры управления безопасностью судна.

4. Этап определения ближайших событий, приведших к столкновению судна с другим судном (объектом). Эта информация доступна в официальных отчетах о столкновении судов.

5. Этап анализ потерь на уровне физической системы для определения причин неэффективного управления в предотвращении столкновений.

6. Определить, «Как» и «Почему» последующие более высокие уровни структуры управления допускали или способствовали неадекватному контролю на текущем уровне.

7. Этап рассмотрения и проверки общей координации и связи, которые привели к столкновению судов.

8. Этап определения любой деградации и всех изменений в структуре управления безопасностью, которые привели к столкновению, с течением времени.

9. Этап формирования рекомендаций по усовершенствованию системы предупреждения столкновений судов и предотвращению подобных случаев в будущем за счет улучшения средств управления и контроля процессов.

1 Судоходная компания

Обратная связь

Управляющие

воздействие ------ч

Оператор судна

Экипаж судна .__________________✓

Обратная связь

Управляющие г воздействие

Система управления Навигационная движением система

I

Систем ы

Система управления

двигателем управления

V.. _________✓

Рисунок 1.5 - Простой пример структуры управления безопасностью судна В целом метод ПСА на основе ТСМПП предоставляет собой аналитический подход для анализа столкновений судов, более ориентированный на средства управления и способы их выхода из строя.

Определение причин аварийных ситуаций при управлении движением судна является актуальной и перспективной тематикой. Поэтому исследование существенных методов системного анализа причинно-следственных факторов

столкновений судов составляет основные направления данной диссертационной работы.

Необходимо еще раз подчеркнуть, что столкновение судов на протяжении ряда последних лет является центральной проблемой обеспечения безопасности судовождения. Более того, системный анализ материалов расследований аварийных морских событий, а также выводов специалистов и экспертов, позволяет сформулировать обобщение о том, что основной причиной столкновений коммерческих и грузовых судов является человеческий фактор.

1.2 Особенности, состояние и перспективы развития безэкипажного судовождения

В последние годы с быстрым развитием информационно-коммуникационной технологии в центре внимания исследователей и морских инженеров была задача разработки и развития интеллектуального судовождения, а именно проекты «беспилотных» или «безэкипажных» судов, которые являются важнейшим направлением инновационного развития морской техники.

Под терминами «безэкипажное судно» и «беспилотное судно» понимается автономное судно, которое может автономно функционировать и принимать решения, обеспечивающие безопасное судоходство в соответствии с требованиями правил МППСС-72.

На 100-м заседании Комитета по безопасности на море (КБМ) (Maritime Safety Committee) ИМО, состоявшемся в Лондоне в декабре 2018 года [33], определились четыре степени автономии в секторе судоходства, представленные в таблице 1.1.

Кроме того, регистр Ллойда (Lloyd's Register of Shipping) опубликовал классификационное руководство по проектированию автономных судов [57]. Руководство содержит классификацию уровней автономии (Autonomy Level - AL), начиная с уровня AL0 (традиционный режим управления, при котором человек должен сам все контролировать) до уровня AL6 (полностью автономное судно).

Все первые четыре уровня (ALO, AL1, AL2, AL3) требуют наличие экипажа на борту для обеспечения поддержки принятия решений при управлении судна. Следующие три уровня (AL4, AL5, AL6) касаются БС с различной степенью удаленного управления.

Таблица 1.1 - Степени автономии судов согласно ИМО

Степень автономии судна Характеристики

Первая - Судно с автоматизированными процессами и системами поддержки принятия решений. - Некоторые судовые операции могут быть автоматизированы. - Требуется наличие экипажа на судне. - Экипаж на борту всегда должен быть готов взять управление на себя.

Вторая - Судно может дистанционно управляться из другого места. - Требуется наличие экипажа на судне - Экипаж на борту всегда должен быть готов взять управление на себя.

Третья - Судно дистанционно управляется. - Не требуется наличие экипажа на судне.

Четвертая - Полностью автономное судно. - Не требуется наличие экипажа на судне. - Судно автономно функционирует и принимать решения без вмешательства человека.

Безэкипажные и автономные суда быстро становятся реальностью и рассматриваются как ключевой элемент конкурентоспособной и устойчивой судоходной отрасли в будущем, стремясь сделать судоходство более безопасным.

БЭС - это одно из наиболее перспективных направлений применения цифровых роботизированных технологий и информационных систем интеграции и анализа данных в сфере морского и речного транспорта для повышения уровни безопасности судоходства, исключения человеческого фактора и решения узкоспециализированных задач при управлении движением судна.

На сегодняшний день в России и по всему миру реализуются рабочие проекты и прототипы по разработке и апробации технологий БЭС, обеспечивающих дистанционное управление судами в различных вариантах.

Список литературы диссертационного исследования кандидат наук Баракат Лама Али, 2023 год

СПИСОК ЛИТЕРАТУРЫ

1. Анализ и состояние аварийности. [Электронный ресурс]. - Режим доступа: https://rostransnadzor.gov.ru/rostransnadzor/podrazdeleniya/sea/deyatelnost-podrazdeleniya/81 (дата обращения: 11.10.2021).

2. Астреин, В.В. Когнитивная концепция системы поддержки принятия решений предупреждения столкновения судов / В.В. Астреин // Известия Вузов. Северо-Кавказский Регион. Технические науки. Спецвыпуск. Ростов-на-Дону, Ростовский Госуниверситет. - 2008. - С. 36-42.

3. Баракат, Л.А. Перспективы и тенденции реализации информационных технологий слияния данных мультисенсорных систем управления безэкипажными судами / Л.А. Баракат// Материалы VIII региональной науч.-прак. конф., Томск. гос. ун-т систем упр. и радиоэлектроники. - Томск. - 2019. - Ч.1. - С.260-263.

4. Баракат, Л.А. Планирование безопасных маршрутов безэкипажных судов на основе методов искусственного интеллекта / Л.А. Баракат, И.Ю. Квятковская // Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. -2023. - №3. - С.46-54.

5. Баракат, Л.А. Предотвращение столкновений при безэкипажном судовождении на основе алгоритма глубокого детерминированного градиента стратегии /Л.А. Баракат, И.Ю. Квятковская // Шестая международная научно-практическая конференция «Имитационное и комплексное моделирование морской техники и морских транспортных систем». Труды конференции. - Санкт-Петербург: М. Издательство «Перо». - 2021. - С.22-25.

6. Баракат, Л.А. Разработка механизма принятия решений для автономного предотвращения столкновений при безэкипажном судовождении: нечеткий подход / Л.А. Баракат, И. Ю. Квятковская // Известия ЮФУ. технические науки. - 2023. - №3(233). - С.35-45.

7. Баракат, Л.А. Цифровая навигационная инфраструктура е-Навигации в безэкипажном судовождении. [Электронный ресурс] / Л.А. Баракат, И.Ю.

Квятковская // 65-я Международная научная конференция Астраханского государственного технического университета. - Астрахань: Изд-во АГТУ. - 2021. - Режим доступа: 1 CD-диск.

8. Баракат, Л. Интеллектуальная автономная система предупреждения столкновений безэкипажных судов на основе машинного обучения. [Электронный ресурс] / Л. Баракат, И.Ю. Квятковская // Информационные технологии и технологии коммуникации: современные достижения. (Астрахань, 1-5 октября 2019 года). - Астрахань: Изд-во АГТУ. - 2019. - Режим доступа: 1 CD-диск.

9. Баракат, Л. Предотвращение столкновений безэкипажных судов с использованием глубокого обучения с подкреплением / Л. Баракат // Пятая международная научно-практическая конференция. «Имитационное и комплексное моделирование морской техники и морских транспортных систем». Труды конференции. - Санкт-Петербург: М. Издательство Перо. - 2019. - С.102-105.

10. Баракат, Л. Системы управления безэкипажным судном на примере проекта «MUNIN» / Л. Баракат // Флотское образование и отраслевая наука. Вызовы и перспективы развития: Материалы VII Международной научно-практической конференции в рамках программы проведения торжественных мероприятий, посвящённых празднованию 100-летия Астраханского речного училища (Астрахань, 11-12 декабря 2018 г.). - C. 289-293.

11. Баракат, Л. Технология слияния интеллектуальных датчиков для распознавания препятствий при безэкипажном судовождении. [Электронный ресурс] / Л. Баракат, И.Ю. Квятковская // Информационные технологии и технологии коммуникации: современные достижения. - Астрахань: Изд-во АГТУ. -2019 - Режим доступа: 1 CD-диск.

12. Баракат, Л. Управление с прогнозирующими моделями двухуровневым трехфазным инвертором на электрических безэкипажных судах. [Электронный ресурс] / Л. Баракат, А. Хаизаран //63-я Международная научная конференция астраханского государственного технического университета, посвященная 25 -

летию астраханского государственного технического университета. - Астрахань: Изд-во АГТУ. -2019. - Режим доступа: 1 СБ-диск.

13. Баракат, Л. Цифровая навигация для развития безэкипажного судоходства на Каспии / Л. Баракат // Международный научно-практический форум «Каспий в эпоху цифровой экономики». - Астрахань. - 2019. - С. 79-82.

14. Баракат, Л.А. Автоматическая система лазерной швартовки при безэкипажном судовождении: достижения и перспективы применения / Л.А. Баракат, И.Ю. Квятковская // 65-я Международная научная конференция Астраханского государственного технического университета. Материалы конференции. Астрахань. - 2021. С. 525-528.

15. Баракат, Л.А. Возможности и перспективы применения метода рассуждения по прецедентам для интеллектуального принятия решений при безэкипажном судовождении/ Л.А. Баракат // IX региональной науч. -прак. конф.: Томск. гос. ун-т систем упр. и радиоэлектроники. - 2020. - С. 5- 8.

16. Баракат, Л.А. Интеллектуальное принятие решений по автономному предотвращению столкновений безэкипажных судов на основе алгоритма глубокой Q-сети [Электронный ресурс]/ Л.А. Баракат, И.Ю. Квятковская // 64-я Международная научная конференция Астраханского государственного технического университета. Материалы конференции. - Астрахань: Изд-во АГТУ. - 2020. - Режим доступа: 1 CD-диск.

17. Баракат, Л.А. Технология трехмерного сонара переднего обзора для обнаружения препятствий при безэкипажном судовождении / Л.А. Баракат, И.Ю. Квятковская// 64-я Международная научная конференция Астраханского государственного технического университета, посвященная 90-летнему юбилею со дня образования Астраханского государственного технического университета. Материалы конференции. Астрахань. - 2020. С. 137.

18. Вагущенко, Л. Л. Поддержка решений по расхождению с судами / Л.Л. Вагущенко, А.Л. Вагущенко. - Одесса: Феникс, 2010. - 229 с.

19. Вагущенко, Л.Л. Современные информационные технологии в судовождении [электронное учебное пособие] / Л.Л. Вагущенко. - Одесса: ОНМА, 2013. -135 с.

20. Дмитриев, С.П. Синтез безопасных траекторий расхождения судов с использованием методов искусственного интеллекта / С.П. Дмитриев, Н.В. Колесов, А. В. Осипов // Судостроение. - 2000. - №3. - С. 39-42.

21. Определение е-Навигации и сфера ее применения. [Электронный ресурс]. - Режим доступа: https://msun.ru/upload/fQes^oncept_e_n_(1314833647).pdf (дата обращения: 08.11.2021).

22. Захаров, А.А. Формализованная оценка безопасности-универсальный инструмент для снижения риска на транспорте / А.А. Захаров // Транспорт Российской Федерации. Журнал о науке, практике, экономике. - 2006. - №3. - С. 66-68.

23. Лю, В. Методы планирования пути в среде с препятствиями (обзор) / В. Лю //Математика и математическое моделирование. - 2018. - №1. - С. 15-58.

24. Пузачёв, А.Н. Использование технических средств для предотвращения столкновений судов/А.Н. Пузачёв// учеб. пособие. - 2-е изд., перераб. и доп. - Владивосток: Мор. гос. ун-т, 2011. - 232 с.

25. Рекомендации по применению МППСС-72 автономными судами в рамках проведения эксперимента по опытной эксплуатации автономных судов под Государственным флагом РФ. [Электронный ресурс]. - Режим доступа: https://morflot.gov.ru/files/docslist/3806-

pismo_rosmorrechflota_vo_ispolnenie_postanovleniya_v2.docx (дата обращения: 09.01.2022).

26. Рекомендация МСЭ-Я М.2092-0 (10/2015). Технические характеристики для системы обмена данными в ОВЧ-диапазоне в полосе ОВЧ морской подвижной службы. [Электронный ресурс]. - Режим доступа: https://www.itu.int/dms pubrec/itu-r/rec/m/R-REC-M.2092-0-201510-I!!PDF-R.pdf (дата обращения: 19.03.2022).

27. Родионов, А. И. Автоматизация судовождения / А. И. Родионов, А. Е. Сазонов. - М.: Транспорт, 1992. - 192 с.

28. Руководство по обеспечению кибербезопасности Российского морского регистра судоходства. [Электронный ресурс]. - Режим доступа: https://lk.rs-class.org/regbook/getDocument2?type=rules3&d=BD2581FF-C53E-49FB-В8Е8-0021Б7Е08005&Г=2-030101-040 (дата обращения: 01.04.2021).

29. Смоленцев, С.В. Концепция автоматизированной интеллектуальной системы расхождения судов / С. В. Смоленцев, Б.В. Афанасьев, А.Е. Филяков, Д.В. Куниц // Эксплуатация морского транспорта. - 2012. - № 4(70). - С. 11-14.

30. Смоленцев, С.В. Автоматический синтез решений по расхождению судов в море / С. В. Смоленцев // Вестник Государственного университета морского и речного флота имени адмирала С. О. Макарова. - 2016. - № 2 (38). - С. 7-15.

31. Тележкин, В.Ф. Обработка информации с использованием фильтра Калмана В МА^АВ SIMULINK/ В.Ф. Тележкин, Б.Б. Саидов // Системы анализа и обработки данных. - 2021. - №. 4 (84). - С. 49-62.

32. Титов, А.В. Оценка рисков эксплуатации безэкипажных судов / А.В. Титов, Л. Баракат, О.Ю. Лазовская, Г.А. Тактаров, О.П. Ковалев // Морские интеллектуальные технологии. - 2019. - Т. 4. - №. 1(43) Труды АГТУ. С. 11-23.

33. Титов, А.В. Состояние и перспективы реализации технологии е-Навигации / А.В. Титов, Л. Баракат, А. Хаизаран // Вестник государственного университета морского и речного флота им. адмирала С.О. Макарова. - 2019. - Т. 11. - № 4. - С. 621-630.

34. Титов, А.В. Перспективы технологического развития и внедрения безэкипажных судов / А.В. Титов, Л. Баракат // Морские интеллектуальные технологии. - 2018. - Т. 1. - №. 3(41). - С. 94-103.

35. Титов, А.В. Системы управления безэкипажными судами/ А.В. Титов, Л. Баракат, В.А. Чанчиков, Г.А. Тактаров, О.П. Ковалев // Морские интеллектуальные технологии. - 2019. - Т. 4. - №. 1(43) Труды АГТУ. - С. 109120.

36. Титов, А.В. Создание беспилотной зоны е-Навигации на примере акватории северного Каспия и подходах к морскому торговому порту «Оля» / А.В. Титов, Л.А. Баракат, А.В. Павлов, В.А. Чанчиков // Морские интеллектуальные технологии. - 2019. - № 4-2 (46). - С. 130-138.

37. Шарлай, Г. Н. МППСС-72 с комментариями: учебное пособие / Г. Н. Шарлай. - М.: МОРКНИГА, 2017. - 137 с.

38. Шерстюк, В.Г. Интеллектуальные системы поддержки принятия решений по управлению судном в условиях неполной и противоречивой информации / В.Г. Шерстюк, А.П. Бень // Судовождение. - 2007. - №14. - С. 141144.

39. Шерстюк, В. Г. Принципы интеллектуальной поддержки принятия решений по управлению движением судна / В. Г. Шерстюк // Вестник Херсонского национального технического университета. - 2009. - №3(36). - С.133-141.

40. Шерстюк, В. Г. Информационная технология поддержки принятия решений по управлению движением судна / В.Г. Шерстюк // Вестник Херсонского национального технического университета. - 2008. - №4(33). - С.180-189.

41. Safety and shipping review 2020. [Электронный ресурс]. - Режим доступа: https://www.maritime.bg/wp-content/uploads/2020/07/AGCS-Safety-Shipping-Review-2020.pdf (дата обращения: 12.10.2021).

42. Aurenhammer, F. Voronoi diagrams-a survey of a fundamental geometric data structure / F. Aurenhammer // ACM Computing Surveys (CSUR). - Vol. 23. - No. 3. - 1991. - P.345-405.

43. Barakat, L.A. Markov decision-making process for autonomous collision avoidance of unmanned ships / L.A. Barakat // X Regional Scientific and Practical conference Tomsk. Tomsk State University of Control Systems and Radio electronics. -2021. - P. 236-239.

44. Borenstein, J. Real-time obstacle avoidance for fast mobile robots /J. Borenstein, Y. Koren // IEEE Transactions on systems, Man, and Cybernetics. - 1989. -Vol. 19. - No. 5. - P. 1179-1187.

45. Borkowski, P. An Algorithm of navigational data integration /P. Borkowski, A. Stateczny // Problemy Eksploatacji. - 2008. - Pp. 181-188.

46. Candeloro, M. A Voronoi-diagram-based dynamic path-planning system for underactuated marine vessels / M. Candeloro, A. M. Lekkas, A. J. S0rensen // Control Engineering Practice. - 2017. - Vol. 61. - P. 41-54.

47. Celik, M. Analytical HFACS for investigating human errors in shipping accidents / M. Celik, S. Cebi // Accident Analysis & Prevention. - 2009. - Vol. 41. - No. 1. - P. 66-75.

48. Chaal, M. A framework to model the STPA hierarchical control structure of an autonomous ship / M. Chaal, O.A. Valdez Banda, J.A. Glomsrud, S. Basnet, S. Hirdaris, P. Kujala// Safety Science. -132 (2020) 104939.

49. Chang, C.H. Risk assessment of the operations of maritime autonomous surface ships/ C. H. Chang, C. Kontovas, Q. Yu, Z. Yang // Reliability Engineering & System Safety. - 2021. - Vol. 207. - P. 107324.

50. Chen, C. A knowledge-free path planning approach for smart ships based on reinforcement learning / C. Chen, X.Q. Chen, F. Ma, X.J. Zeng, J. Wang // Ocean Engineering. - 2019. - Vol. 189.

51. Chen, D. A research on AIS-based embedded system for ship collision avoidance / D. Chen, C. Dai, X. Wan, J. Mou // International Conference on Transportation Information and Safety. - IEEE. - 2015. - P. 512-517.

52. Chen, L. Path planning for autonomous inland vessels using A* BG /L. Chen, R.R. Negenborn, G. Lodewijks // International Conference on Computational Logistics. Springer, Cham. - 2016. - P. 65-79.

53. Chen, P. Global path planning for autonomous ship: A hybrid approach of Fast Marching Square and velocity obstacles methods / P. Chen, Y. Huang, E. Papadimitriou, J. Mou, P.V. Gelder // Ocean Engineering. - 2020. - Vol. 214.

54. Chen, S.T. A Human and Organizational Factors (HOFs) analysis method for marine casualties using HFACS-Maritime Accidents (HFACS-MA)/ S.T. Chen, A. Wall, P. Davies, Z. Yang, J. Wang, Y.H. Chou // Safety science. - 2013. - Vol. 60. -P.105-114.

55. Chen, S.T. Examining Human Factors for marine casualties using HFACS-maritime accidents (HFACS-MA) / S.T. Chen, Y.H. Chou //12th International Conference on ITS Telecommunications. - IEEE. - 2012. - P. 391-396.

56. Crespo, J.P. Autonomous Shipping and Cybersecurity / J. P. Crespo, L. G. Gómez, J. G. Arias //Ciencia y tecnología de buques. - 2019. - Vol. 13. - No. 25. - P. 19-26.

57. Cyber-enabled ships. Ship Right procedure - autonomous ships. [Электронный ресурс]. - Режим доступа: https://issuu.com/lr_marine/docs/lr_cyber-enabled_ships_shipright_pr (дата обращения: 13.11.2020).

58. Davis, P.V. A computer simulation of marine traffic using domains and arenas / P.V. Davis, M.J. Dove, C.T. Stockel // Journal of Navigation. - 1980. - Vol. 33.

- P. 215-222.

59. European Maritime Safety Agency. Annual overview of marine casualties and incidents 2021. [Электронный ресурс]. - Режим доступа: https://www.emsa.europa.eu/publications.html?start=40 (дата обращения: 20.11.2022).

60. European Maritime Safety Agency. Preliminary Annual Overview of Marine Casualties and Incidents 2014-2020 [Электронный ресурс]. - Режим доступа: https://www.emsa.europa.eu/publications/item/4378-preliminary-annual-overview-of-marine-casualties-and-incidents-2014-2020.html (дата обращения: 12.11.2021).

61. Fiorini, P. Motion planning in dynamic environments using velocity obstacles /P. Fiorini, Z. Shiller // The International Journal of Robotics Research. - 1998.

- Vol. 17. - No. 7. - P. 760-772.

62. Fox, D. The dynamic window approach to collision avoidance / D. Fox, W. Burgard, S. Thrun // IEEE Robotics & Automation Magazine. - 1997. - Vol. 4. - No. 1.

- P. 23-33.

63. Fujii, Y. traffic capacity / Y. Fujii, K. Tanaka // Journal of Navigation. -1971. - Vol. 24. - P. 543-552.

64. Gang, L. Estimation of vessel collision risk index based on support vector machine / L. Gang, Y. Wang, Y. Sun, L. Zhou, M. Zhang //Advances in Mechanical Engineering. - 2016. - Vol. 8. - No. 11.

65. Ghaderi, H. Wider implications of autonomous vessels for the maritime industry: Mapping the unprecedented challenges / H. Ghaderi //Advances in Transport Policy and Planning. - Academic Press. - 2020. - Vol.5. - P. 263-289.

66. Goodwin, E.M. A statistical study of ship domains / E.M. Goodwin // Journal of Navigation. - 1975. - Vol. 28. - P. 328-341.

67. Guo, S. An autonomous path planning model for unmanned ships based on deep reinforcement learning / S. Guo, X. Zhang, Y. Zheng, Y. Du // Sensors. - 2020. -Vol. 20. - No. 2. - 426.

68. Ha, J. Quantitative calculation method of the collision risk for collision avoidance in ship navigation using the CPA and ship domain / J. Ha, M.I. Roh, H.W. Lee // Journal of Computational Design and Engineering. - 2021. - Vol. 8. - No. 3. - P.894-909.

69. Han, H.T. Comparative study of path planning by particle swarm optimization and genetic algorithm / H.T. Han, W.F. Ji, Y.Q. Zhang, D.P. Sha // Applied Mechanics and Materials. - 2014. - Vol. 687. - P. 1420-1424.

70. Hart, P.E. A formal basis for the heuristic determination of minimum cost paths / P.E. Hart, N. J. Nilsson, B. A. Raphael // IEEE transactions on Systems Science and Cybernetics. - 1968. - Vol. 4. - No. 2. - P. 100-107.

71. Helgesen, 0. K. Sensor Combinations in Heterogeneous Multi-sensor Fusion for Maritime Target Tracking /0.K. Helgesen, E.F. Brekke, H.H. Helgesen, 0. Engelhardtsen // Proceedings of 22nd International Conference on Information Fusion, Ottawa, Canada. - 2019. - P. 1-9.

72. Hodgkin, A.L. A quantitative description of membrane current and its application to conduction band excitation in nerve / A.L. Hodgkin, A.F. Huxley // Bulletin of mathematical biology. - 1990. - Vol. 52. - No. 1. - P. 25-71.

73. Hu, Y. Multi-ship collision avoidance decision-making based on collision risk index /Y. Hu, A. Zhang, W. Tian, J. Zhang, Z. Huo // Journal of Marine Science and Engineering. - 2020. - Vol. 8. - No. 9.

74. Hwang, C.N. The design of fuzzy collision-avoidance expert system implemented by Нда-autopilot / C. N. Hwang, J.M. Yang, C.Y. Chiang // Journal of Marine Science and technology. - 2001. - Vol. 9. - No. 1.

75. IALA Guideline. G1117 VHF data exchange system (VDES) overview [Электронный ресурс]. - Режим доступа: https://www.iala-aism.org/product/g1117/ (дата обращения: 19.10.2021).

76. Maritime Cloud conceptual model [Электронный ресурс]. - Режим доступа: https://www.iala-aism.org/content/uploads/2017/03/IALA-Input-paper-Maritime-Cloud-conceptual-model.pdf (дата обращения: 20.10.2021).

77. Kang, Y.T. Collision avoidance path planning for ships by particle swarm optimization / Y.T. Kang, W.J. Chen, D.Q. Zhu, J.H. Wang, Q.M. Xie // Journal of Marine Science and Technology. - 2018. - Vol. 26. - No. 6. - P. 777-786.

78. Kearon, J. Computer programs for collision avoidance and traffic keeping / J. Kearon // Conference on mathematical aspects of marine traffic. London. - 1979. -P229-242.

79. Khatib, O. Real-Time Obstacle Avoidance for Manipulators and Mobile Robots / O. Khatib // The International Journal of Robotics Research. -1986. -Vol. 5. -No. 1. - P. 90-98.

80. Kim, H.T. Development of a Human Factors Investigation and Analysis Model for Use in Maritime Accidents: A Case Study of Collision Accident Investigation/ H.T. Kim, S. Na //Journal of Navigation and Port Research. - 2017. - Vol.41. - No. 5. -P. 303-318.

81. Lázaro, F. VHF Data Exchange System (VDES): an enabling technology for maritime communications / F. Lázaro, R. Raulefs, W. Wang, F. Clazzer, S. Plass // CEAS space Journal. - 2019. Vol.11. - No. 1. - P.55-63.

82. Lazarowska, A. Research on algorithms for autonomous navigation of ships / A. Lazarowska // WMU Journal of Maritime Affairs. - 2019. - Vol. 18. - No. 2.- P. 341-358.

83. Leveson, N.G. CAST HANDBOOK: How to Learn More from Incidents and Accidents, 2019. - P.148.

84. Leveson, N.G. Engineering a safer world: applying systems thinking to safety / N.G. Leveson // The MIT Press, 2012. - P. 534.

85. Luglio, M. VDES Performance Evaluation for Future e-navigation Services / M. Luglio, C. Roseti. F. Zampognaro // the 15th International Joint Conference on eBusiness and Telecommunications. - 2018. - P. 67-75.

86. Mabrouk, M.H. Solving the potential field local minimum problem using internal agent states / M. H. Mabrouk, C. R. Mclnnes //Robotics and Autonomous Systems. - 2008. - Vol. 56. - No. 12. - P. 1050-1060.

87. Formal Safety Assessment [Электронный ресурс]. - Режим доступа: https://www.imo.org/en/OurWork/Safety/Pages/FormalSafetyAssessment.aspx (дата обращения: 04.07.2021).

88. Namgung, H. Inference Model of Collision Risk Index based on Artificial Neural Network using Ship Near-Collision Data / H. Namgung, J.S. Jeong, J.S. Kim, K.I. kim // Journal of Physics: Conference Series1357 (2019) 012044.

89. Namgung, H. Inference Rule of Collision Risk Index based on Ship Near-Collision via Adaptive Neuro Fuzzy Inference System / H. Namgung // Advances in Science, Technology and Engineering Systems Journal. -2019. -Vol. 4, No. 4. - P. 152160.

90. Development of an E-navigation strategy implementation plan. Overview of the Maritime Cloud concept. [Электронный ресурс]. - Режим доступа: https://maritimecyprus.com/wp-content/uploads/2015/05/maritime-cloud-concept-imo-1.pdf (дата обращения: 03.08.2021).

91. Qureshi, Z. A Review of Accident Modelling Approaches for Complex Socio-technical Systems. Australian Computer Society / Z. Qureshi // The 12th Australian Workshop on Safety Related Programmable Systems. - 2007. - Vol. 86.

92. Raol, J.R. Data Fusion Mathematics: Theory and Practice / J. R. Raol // CRC Press, 2015. - P.587.

93. Raol, J. R. Multi-Sensor Data Fusion with MATLAB / J.R. Raol // CRC Press, 2010. - P. 570.

94. Reason, J. Managing the risks of organizational accidents / J. Reason // Taylor & Francis, 2016. - P. 272.

95. Reason, J. The contribution of latent human failures to the breakdown of complex systems / J. Reason // Philosophical Transactions of the Royal Society of London. B, Biological Sciences. - 1990. - Vol. 327. - No. 1241. - P. 475-484.

96. R0dseth, 0.J. A risk-based approach to the design of unmanned ship control systems / 0.J. R0dseth, Á. Tjora // Conference on maritime-port technology. - 2014. - P. 153-161.

97. Smierzchalski, R. Evolutionary guidance system for ship in collisions situation at sea / R. Smierzchalski // IFAC Intelligent Autonomous Vehicles. - 1998. -Vol. 31. - No. 3. - P. 129-134.

98. Souissi, O. et al. Path planning: A 2013 survey //International Conference on Industrial Engineering and Systems Management. - 2013. - P. 849-856.

99. Stateczny, A. Fuzja danych nawigacyjnych w przestrzeni filtru Kalmana / A. Stateczny, A. Lisaj, C. Mohammad // Zeszyty Naukowe AM. - 2006. - Vol. 11. - No. 83. - P. 279-286.

100. Sun, S. Multi-sensor Optimal Information Fusion Kalman Filters with Application / S. Sun // Aerospace Science and Technology. - 2004. - Vol. 8. - No. 1. -P. 57-62.

101. Szlapczynski, R. Review of ship safety domains: Models and applications / R. Szlapczynski, J. Szlapczynska // Ocean Engineering. - 2017. - Vol. 145. - P. 277289.

102. T0rdal, S.S. Ship-to-ship state observer using sensor fusion and the extended Kalman filter / S.S. T0rdal, G. Hovland // Journal of Offshore Mechanics and Arctic Engineering. - 2019. - Vol. 141. - No. 4.

103. Ugurlu, O. Marine accident analysis for collision and grounding in oil tanker using FTA method / O. Ugurlu, E. Kose, U. Yildirim, E. Yüksekyildiz // Maritime Policy & Management. - 2015. - Vol. 42. - No. 2. - P.163-185.

104. Vagale, A. Path planning and collision avoidance for autonomous surface vehicles I: a review / A. Vagale, R. Oucheikh, R. Bye, O. L. Osen, T. I Fossen // Journal of Marine Science and Technology. - 2021. - Vol. 26. - P.1292-1306

105. Van Cappelle, L.E. Survey on short-term technology developments and readiness levels for autonomous shipping / L.E. Van Cappelle, L. Chen, R.R. Negenborn // International Conference on Computational Logistics. - Springer. - 2018.- P. 106123.

106. Wang, N. An intelligent spatial collision risk based on the quaternion ship domain / N. Wang // The Journal of Navigation. - 2010. - Vol. 63(4). - P. 733-749.

107. Wang, X. Exploring the Underlying Causes of Chinese Eastern Star, Korean Sewol, and Thai Phoenix Ferry Accidents by Employing the HFACS-MA / X. Wang, B. Zhang, X. Zhao, L. Wang, R. Tong // International journal of environmental research and public health. - 2020. - Vol.17. - No. 11.

108. Weintrit, A. E-Navigation revolution-maritime cloud concept / A. Weintrit // International Conference on Transport Systems Telematics. - Springer. -2014. - P. 8090.

109. Weintrit, A. Prioritized main potential solutions for the e-Navigation concept / A. Weintrit // TransNav: International Journal on Marine Navigation and Safety of Sea Transportation. - 2013. - Vol. 7. - No. 1. - P. 27-38.

110. Wiegmann, D.A. A human error approach to aviation accident analysis: The human factors analysis and classification system / D.A. Wiegmann, S.A. Shappell // Ashgate Press, 2003. - P. 165.

111. Wrobel, K. On the influence of human factors on safety of remotely-controlled merchant vessels / K. Wrobel, M. Gil, C.J. Chae // Applied Sciences. - 2021. - Vol. 11. - No. 3.

112. Wrobel, K. System-theoretic approach to safety of remotely-controlled merchant vessel / K. Wrobel, J. Montewka, P. Kujala // Ocean Engineering. - 2018. -Vol. 152. - P. 334-345.

113. Zhou, X.Y. (2021). A system-theoretic approach to safety and security co-analysis of autonomous ships/ X. Y. Zhou, Z. J. Liu, F. W. Wang, Z. L. Wu // Ocean Engineering. - 2020. - Vol. 222.

114. Wrobel, K. Towards the assessment of potential impact of unmanned vessels on maritime transportation safety // K. Wrobel, J. Montewka, P. Kujala / Reliability Engineering & System Safety. - 2017. - Vol. 165. - P.155-169.

115. Wrobel, K. Towards the development of a system-theoretic model for safety assessment of autonomous merchant vessels / K. Wrobel, J. Montewka, P. Kujala // Reliability Engineering & System Safety. - 2018. - Vol. 178. - P. 209-224.

116. Xie, S. Ship predictive collision avoidance method based on an improved beetle antennae search algorithm / S. Xie, X. Chu, M. Zheng, C. Liu // Ocean Engineering.

- 2019. - Vol. 192.

117. Xing, S. A method for unmanned vessel autonomous collision avoidance based on model predictive control / S. Xing, H. Xie, W. Zhang // Systems Science & Control Engineering. - 2022. - Vol. 10. - No. 1. - P. 255-263.

118. Xu, P.F. Complete Coverage Path Planning of an Unmanned Surface Vehicle Based on a Complete Coverage Neural Network Algorithm / P.F. Xu, Y.X. Ding, J.C. Luo // Journal of Marine Science and Engineering. - 2021. - Vol. 9. - No. 11. - P. 1163.

119. Xu, X. Modeling of ship collision risk index based on complex plane and its realization/X. Xu, X. Geng, Y. Wen// TransNav: International Journal on Marine Navigation and Safety of Sea Transportation. -2016. -Vol. 10. - No. 2. - P.251-256.

120. Yan, X.P. Strategies on improving maritime transportation safety of the Yangtze River / X.P. Yan, J. Zhang, B. Wu, S. Fan // Maritime Technology and Engineering III: Proceedings of the 3rd International Conference on Maritime Technology and Engineering. -2016. - P. 29-38.

121. Yang, R. Parallel trajectory planning for shipborne Autonomous collision avoidance system / R. Yang, J. Xu, X. Wang, Q. Zhou // Applied Ocean Research. - 2019.

- Vol. 91.

122. Zhang, L. Path planning for autonomous ships: A hybrid approach based on improved APF and modified VO methods / L. Zhang, J. Mou, P. Chen, M. Li// Journal of Marine Science and Engineering. -2021. - Vol. 9. - No.761.

123. Zhou, J. A COLREGs-Based Dynamic Navigation Safety Domain for Unmanned Surface Vehicles: A Case Study of Dolphin-I / J. Zhou, C. Wang, A. Zhang // Journal of Marine Science and Engineering. -2020. - Vol 8. - No. 4.

124. Zhou, J. Navigation safety domain and collision risk index for decision support of collision avoidance of USVs/J. Zhou, F. Ding, J. Yang, Z. Pei, C. Wang, A. Zhang // International Journal of Naval Architecture and Ocean Engineering. - 2021. -Vol. 13. -P. 340-350.

125. Zhou, X. Y. A study of the application barriers to the use of autonomous ships posed by the good seamanship requirement of COLREGs / X.Y. Zhou, J.J. Huang, F.W. Wang, Z.L. Wu, Z.J. Liu // The Journal of Navigation. - 2020. - Vol.73. - No. 3. - P. 710-725.

126. Zhou, Y. An Algorithm for Path Planning of Autonomous Ships Considering the Influence of Wind and Wave /Y. Zhou, Y. Gong, X. Geng, D. Li, B. Gao, C. Li // Journal of Physics: 2nd International Conference on Applied Physics and Computing. -2021. - Vol. 2083, No. 3.

Допустимая дистанция сближения расходящихся судов

Таблица А. 1.

Длина БС, м

< 20 20 - 50 > 50

Грег,каб*

< 20 3 4 5

Длина препятствия, м 20 - 50 4 6 7

> 50 или 5 7 10

нет

сведений

* 1 международный кабельтов = 185.2 метра

ПРИЛОЖЕНИЕ Б Пример использования традиционного метода искусственного

потенциального поля для моделирования внешней среды (создания

виртуальной внешней среды)

Рассмотрим пример на основе информации, представленной на рисунке Б.1, от сайта https://www.marinetraffic.com. (Дата обращения:24.03.2022 г.).

Место назначения

Препятствие 2

Препятствие 1

Наше судно

Рисунок Б.1 - Навигационная обстановка в виде цифрового изображения Определим координаты препятствий, судна и места назначения в системе координат OXY в таблицу Б.1.

Таблица Б.1. Данные навигационной обстановки

Объект x У

Судно 50 5

Препятствие 1 25 25

Препятствие 2 65 60

Место назначения 40 85

Используя эти данные, моделируем формулы (3.17) с помощью языка программирования «Python» при следующих известных значениях: общем количестве препятствий i = 2, ^ = у = 1 (рисунок Б.2).

(а)

(б)

(в)

Рисунок Б.2 - Виртуальная окружающая среда: (а) притягивающее векторное поле места назначения иап(ф; (б) и (в) отталкивающее векторное поле

препятствий игер, (ф Результат моделирования навигационной обстановки, применяя формулы (3.18) и (3.19) для образования глобального полного потенциального поля и(ф и результирующей силы ¥„ приведен на рисунке Б.3.

Рисунок Б.3 - Результат моделирования навигационной

обстановки

ПРИЛОЖЕНИЕ В

Пример использования бионического метода планирования локального

маршрута движения судна

Рассмотрим пример на основе информации, представленной на рисунке В.1, от сайта https://www.marinetraffic.com. (Дата обращения:16.03.2022 г.).

Р Место Препятствие 5 назначении \

Препятствие 1

Препятствие 2

Наше судно Препятствие 3 Препятствие 4

Рисунок В.1 - Навигационная обстановка в виде цифрового изображения Информация на вышеуказанного сайта показывает, что все препятствия являются неподвижными.

Построим карту местности с изображениями темных квадратов препятствий, светлых квадратов безопасных зон и красной звезды места назначения (рисунок В.2 (а)). А затем представляем эту карту в виде нейронной сети (рисунок В.2 (б)).

У4

В ^ ц

1 2 3 4 5 6 7 8 9 10 11 12 13 X

(а) (б)

Рисунок В.2 - Принципиальная схема нейронной сети: (а) Карта местности;(б) Представление карты местности в виде нейронной сети

0

Обратим внимание на то, что сцена моделирования содержит пять препятствий, расположенных на пути движения судна из начальной точки (х0; у0) в целевую точку (место назначения) (хм; ум), где (хо; уо) = (0; 0), (хм; ум) = (т; п).

В нашем примере нейронная сеть состоит из 13*7 топологически организованных нейронов с нулевой начальной нейронной активностью.

Решаем дифференциальное уравнение (3.27) в каждом нейроне при следующих известных значениях: А = 10; В = С =1; г0 = 2; ^ = 0,7; В =100.

Построим матрицу нейронной активности следующим образом:

0 0 0 0

0 0 0 0

0 -0,57 •• 0 0

-0,57 0 • -0,57 0

0 0 0 0

0 0 0 0,57_

Рисуем динамический ландшафт нейронной активности, как показано на рисунке В.3.

Рисунок В.3 - Динамический ландшафт нейронной активности Используя формулы (3.30) и (3.31) при определенном значении константы с = 0,1, генерируем локальный маршрут судна в реальном времени на основе динамического ландшафта активности и предыдущего положения судна, учитывая судно будет двигаться в направлении, где нейронная активность соседних нейронов больше, чем у текущего положения. А если нейронная активность не изменится в соседних нейронах, то судно будет двигаться вперед.

г

Как следует из рисунка В.1, курс движения нашего судна у0= 45°= п/4. При этом судно будет двигаться вперед (Ав) = 0) в связи с сохранением значения нейронной активности соседних нейронов. Когда судно достигнет границы ландшафта нейронной активности, оно изменит направление своего движения на у0= 90°= п, где (Ав) = п/4). А затем будет двигаться вперед до места назначения.

Результаты генерации локального маршрута судна приведены на рисунке

В.4.

о о

Рисунок В.4 - Локальный маршрут судна

Пример работы алгоритма расширенного фильтра Калмана (EKF) и слияния данных из различных сенсорных устройств в режиме реального времени

Создание виртуальной среды и генерирование синтетических обнаружений:

С помощью приложения «Driving Scenario Designer» в среде MATLAB разработаем сценарий для генерации синтетических данных в интерактивном режиме. Добавляем в сценарий агент, который является БС, и три движущихся препятствия. Их главные размерения и эксплуатационные характеристики приведены в таблице Г.1.

Таблица Г.1. Характеристики БС и препятствий

Объект Длина (м) Ширина (м) Высота борта (м) Скорость (уз) Курс движения (°)

БС 100 20 30 25 0

Препятствие №1 90 15 30 10 270

Препятствие №2 150 23 36 22 90

Препятствие №3 120 20 36 20 21,63

Привяжем к середине БС в основной плоскости (XOY) радарное устройство режимом 360 сканов азимута степени (360 degree azimuth scan mode) и лидарное устройство азимутальными пределами [-180 180]. Задаем траектории движения БС и препятствий как показано на рисунке Г.1.

Рисунок Г.1 - Виртуальный сценарий расхождения судов в среде MATLAB

Запустим сценарий для генерирования обнаружения от устройств. Когда сценарий запускается, график «Bird's-Eye Plot» (график птичьего глаза) отображает

покрытие устройств, обнаружений и результатов отслеживания движущихся препятствий вокруг БС на каждом временном шаге ^ (рисунок Г.2).

Рисунок Г.2 - Моделирование сценария и симуляция устройств в приложении

«Driving Scenario Designer»

Экспортируем синтетические данные устройств в рабочее пространство MATLAB с помощью команды «Export ^ Export Sensor Data». Эти данные

сохраняются в виде структуры, содержащей местоположении БС и движущихся препятствий на каждом временном шаге.

Данные радарных наблюдений содержат местоположение и скорость движения обнаруженных объектов в полярной системе координат. Лидар выдает местоположение движущихся препятствий в декартовой системе координат.

Фильтрация сигналов и слияние синтетических данных радара и лидара для препятствий №1, №2 и №3. В качестве примера рассмотрим процесс фильтрация сигналов и слияние данных о местоположении (траектория движения) препятствия №1 (рисунок Г.3).

радиус

! Йаёа г_М еа зи гет еп!_с Ы 1 Иг* г_М еа 5и гет Ь1 1 (а г| а г_М еа зипетегйоЫ ис1аг_Меа£.игетеп:_сЫ

ЕЗ 25x2 йоиЫе ЕВ 25x2 йаиЫе

3 4 5 1 3 4 5

1 21.5557 1.5457 1 0.5405 21.5117

2 3 4 5 6 7 •V чГ 10 11 12 13 14 15 1Й 21.6665 21.7729 1.5045 2 1.434: 21,53«

1.4637 3 2,3275 21,516!

21.6516 1.4215 4 3.221; 21,442:

21.8430 1.3813 5 4.1141 21,574!

22.1286 1.3425 6 5.008' 21.485:

22.3236 22.6187 22.7740 23.1033 1.3033 7 5.901! 21.627С

1.2657 Ф полярны й / 6.7951 21.6162

1.2264 угол х оЪ а 7.638; 21.6469 уоЪ

1.1902 Г 10 8,581 Е 21,472!

23.4117 1.1541 11 9,475^ 21,537!

23,8334 1,1207 12 10,368! 21.610:

24,2375 1,0875 13 11.262: 21.623:

24,8116 1 0588 14 12.155" 21.579;

25.1288 1.0248 15 13.049; 21.455!

3 5 677Я П 16 13 Q4?f 31 414:

Рисунок Г.3 - Измерения устройств о траектории движения препятствия №1 в

среде MATLAB

Построим математическую модель препятствия №1:

Рк-1 + Ук-1

V

к -1

+ У

+ У,

к-1

к-1

хк - Кхк-1 ,ик-1) -

х, + V йг

оЬк-1 хк-1

Уоъ + V йг

оЪ к-1 ук-1

V

хк-1

где Рь-1 = местоположение препятствия №1 в декартовых

координатах в момент времени к-1;

V = 10 узлов - скорость движения препятствия №1 в направлении ох;

х к-1

V = 0 узлов - скорость движения препятствия №1 в направлении оу;

& =0,1 - интервал времени;

шк-1 = [0,01 0,01 0 0] - вектор независимого нормального распределенного белого шума с нулевым математическим ожиданием и ковариационной матрицей 2 (закон Гаусса) т.е. Wk-l ~ N (0, ().

Я =

Сг2 0 Сг3 0

4 2

0 Сг2 0 Сг3

4 2

Сг3 0 Сг2 0

2 4

0 Сг3 0 Сг2

2 4

Зададим начальные значения вектора оценок состояния Х+ч и

ковариационной матрицы ошибки

р+ •

рк_1

х0

р+ = р = 1 к_1 10

[0 20 0 0] 10 0 0 0 " 0 10 0 0 0 0 100 0 0 0 0 100

Построим в среде МЛТЬЛВ математическую модель доступных измерений устройств:

7 2 , 2 Хо * + У о Ь

2ктааг ^таСат(Хк)

'1кы„,, ^ИСат (Хк )

атег^^ )

ХоЬ

+ V,,

ХоЬ УоЬ

+ V,,

где Уъ л =Ук1.и =[0,01 0,01].

гайаг 1гйаг -1

В каждый момент времени вместо точных значений xk мы получаем измерения из радара и лидара с ошибкой vk• Определим матрицы якоби:

Рк-1 =■

И,

12х 2 12х 2дХ

дх х+-1 -1 _ 02х 2 12х 2 _

дх

[12х2 02х2 ]

10 дх 1

0 10 Ш

0 0 1 0

0 0 0 1 1 0 0 0" 0 10 0

Зададим ковариационную матрицу шума измеряемых значений:

"0,01 0 0

о =

гадаг

О =

Шаг

0 0,01 0

0 0 0,01

0,01 0 ""

0 0,01

Приведем алгоритм работы фильтра БКБ для линеаризации нелинейной функции при оценке вектора состояния препятствия №1. А затем реализуем процесс слияния данных, как показано на рисунке П4.4.

Матрица весов радара и лидара Ак в момент времени к определим как:

А = Г А А 1

к [_ кгадаг кИдаг J

1-1

где

А

р-1 Л11 Р"1 р12

гадаг Л Рк22 _

Р11 р12

Шаг _р21 Р"1 к22 _

Р Л11 - Кк кгадаг

Л,

-1

Л

-1

здесь

Рк22 = [' - ]2 \_FPk-122 ^ + Q ]

Р2 =\7 - ККи,Ик рТ + Q Р - КЧа,И> ]

Р* =\1 - + Q]\I - КкЫш.Ик ]

к

2

г \

Начальные значения

Xk-1 = Х0 = [0 20 0 0]

10 0 0 0

0 10 0 0

P+, = P =

0 0 100 0

0 0 0 100

/

- Прогнозирование N

(предсказание)

1. Предсказание состояния системы

Х- = f(xk-1 Uk-1 ) = Pk-1 + V--1d Vk-1 - +wk-1 1

2. Предсказание ковариации ошибки \

состояния

p- = F P+ P- = г--1г-- Fl-1 + Q

v )

Измерение радара

z,r

т

P- = P+

1 -+1 1 kra

Обновление

(корре кт ировка)

1. Вычисление отклонения

У к.

= zk radar radar

, - h(x, )

h radar A '

коэффициенте

K. = P- H¡(HkP- Hl + RraiJ-1

2. Вычисление коэффициента усиления фильтра

3. Обновление значения оценки состояния с учетом измерения радара

xt

4. Обновление матрицы ковариации ошибки состояния

Р = (I - Кк Нк)Рк

К ¡'/1/1/11' 1 К I'/ !/1/ ! I' К ' Л

с Прогнозирование

(предсказание)

1. Предсказание состояния системы

Х- = f(xk-1 Uk-1 ) = Pk-1 + Vk-id V--1 - + Wk-1

2. Предсказание ковариации ошибки

состояния

p- = F p+ F-- + Q

V )

Измерение

лидара zklu

iiiar

Обновление

(корректировка)

1. Вычисление отклонения

- h( xk-)

2. Вычисление коэффициента усиления фильтра

Ккиаг Рк Нк (НкРк Нк + Rlidar )

3. Обновление значения оценки состояния

с учетом измерения лидара +

x>

kliiar

х, + К, у,

k lidar