随着全球航運業對智能船舶領域研究的深入，在船舶自主航行、自主靠離泊、能效管理等關鍵技術領域已經有了可行的技術方案及應用實例，行業對于未來的智能船舶航運提出了完整設想，例如，我國形成了智能船舶“一平台 多應用”的頂層設計框架。然而，對智能船舶及其典型系統的技術難度劃分、自主能力評定的規則尚不夠明确，量化評價指标尚不清晰，缺乏智能水平分級的綜合方案及與之适配的驗證手段。為此，在IMO關于自主船舶的公約梳理工作中、我國的智能船舶标準體系中，以及中國船級社的《智能船舶規範》體系中，均将船舶自主能力的分級作為一項基本且必要的内容，其目的是從功能特征的角度理清不同等級智能船舶的能力邊界，明确智能船舶的能力等級，為監管、檢驗、保險、技術研究等各方面提供不同等級下的依據，并厘清評價的邊界。

結合智能船舶的技術特征，形成符合其智能功能及操控特性的分級方案十分必要。基于技術發展現狀，本文從分級方法的分析選擇、分級方案的設計實踐兩方面提出相應的解決辦法。

▣ 智能系統及裝備的典型分級方法分析

1、通用型理論方法

根據智能船舶的發展路徑，無人船是其發展的高級階段，因此評價無人系統自主性的科學方法對于智能船舶及系統的等級劃分具有重要的借鑒價值。目前，工業界常用的分級方法主要有等級法、雙坐标軸法、三坐标軸法、查表法、公式法，蛛網評價模型、技術成熟度等級評價法等。

2、業内分級方案及實踐

相關國際組織和機構都開展了對船舶智能系統及無人船的分級評價研究，但尚無統一結論。目前，可供參考的典型方案為：

1)AAWA——高級無人駕駛船舶應用開發計劃

本項目由芬蘭國家技術創新局資助研究，在2016-2017年由RR、Brighthouse NAPA、Deltamarin、DNV GL和Inmarsat等開展合作研究，目标是探究無人駕駛船舶實現所需解決的經濟、社會、法律、監管和技術問題；為下一代高級船舶解決方案制定規範和初步設計方案。該計劃對智能船舶的統一理解引用了Thomas Sheridan對自主系統的分級，它包括從人控制到機器完全自主的一個連續範圍的劃分。見下表：

表1 AAWA分級方案

2)NFAS分級方案

NFAS側重于對船橋系統自主操控能力的評價，該分級方案也限定了船橋自動化水平與船上是否有人的關系，其具體觀點如下：

表2 NFAS分級方案

3)羅爾斯-羅伊斯公司分級方案

此方案主要關注在操作任務的執行過程中，人與系統的不同角色分工，分為控制角色(主次)、越控角色、系統任務能力三個方面，該方案可認為是對AAWA的裁剪或NFAS的擴展，其适用範圍更廣，技術描述也相對具體。

表3 羅-羅分級方案

4)LR分級方案

LR在單個系統功能上劃分了AL0-AL6的7個自動化級别,具體分級及評價标準如下：

表4 LR分級方案

除此之外， BV從控制方法、決策、執行及人員是否在船上進行自主性分級，DNV-GL的卡片盒模型将船上各系統在自動化-性能面上的水平投影進行分析。對比以上各方觀點可見，目前針對船舶自主性分級的方法，主要利用了等級法、查表法、經變形的坐标軸法。但對關鍵技術及主要能力的劃分尚未達成一緻。

▣ 智能船舶分級評價的基本框架

上述分級方案綜合考量了“人-系統”的操控程度問題，但考慮到智能船舶對遠程遙控、自主航行兩個維度的綜合評價需求，分級評價方案是否能夠量化、影響因素間的耦合關系是否能夠界定，是選取方案過程中需重要考量的問題，對現行方案的優劣比較為：

表5 主要分級評價方法的優劣比較

總體來說，船舶的智能水平評價包含遙控操作和自主操作兩個方向。由于智能船舶所包含的場景衆多(航行、靠離泊、進出港、錨泊等)，不同系統間的時序或遞進關系難以界定，基于目前智能技術的成熟度及行業需求情況，結合前文分析，本文通過蛛網評價模型評價法對船舶自主航行的操控過程進行評價，并給出量化方法。

首先，基于智能功能目标，給出船舶自主航行操作的總體分級方案：

表6 自主航行操作的分級評價

A*、人工勢場等，其在船舶的應用重點在于與船舶動力學的結合。由于實際工作條件中障礙物位置與預先信息由相對誤差，同時會出現無法預知的緊急障礙，對于船舶在突發情況下的避碰能力提出了要求。面對突發障礙的緊急避障，需要船舶具有良好的信息感知能力，同時有滿足避障需求的算法精度、速度以及船舶操縱性。自主航行等級較高的船舶需要能夠自主感知障礙并完成面對移動障礙的避碰，例如在真實場景中避碰并未事先感知的相向行駛船舶。

智能船舶航行的自主化等級根據操作者介入等級的不同，劃分了航行場景下智能船舶的五個自主化等級。

其中，标記為D(輔助決策)的船舶具備航路設計及優化能力，R1-R2，以及A1-A3的船舶均覆蓋了D級别的功能。R1級與R2級的船舶主要依靠手控或預載的程序進行控制，智能系統尚不具備自主能力；A1級開始船舶逐漸具備自主能力，其智能航行系統開始能夠應對開闊水域下的避碰問題，但仍需要人工監測船舶運行；A1級至A3級的船舶自主性能逐漸提高，避碰能力逐漸由開闊水域擴展至狹窄水域，并最終實現完全自主的航行能力要求。

▣ 智能船舶分級評價的主要方法

為了綜合衡量船舶的智能水平，本文采用AHP層級分析對一般船舶智能水平綜合評價評分提供參考。實際評價中，采用兩兩比較标度法對因素之間重要度進行區分，一般推薦采用心理學家Saaty所提出的兩兩比較标度方法，即人類區分信息等級的極限能力為72。通過比較所得矩陣特征向量确定最終評分。标度區分登記表見下：

表7 标度區分等級表

據此對上述因素進行判斷，得到判斷矩陣。計算矩陣特征向量并将特征向量歸一化，所得向量即可表征不同因素對于總體目标，即船舶綜合智能水平重要度的權值。

以常見船舶為例，根據其實際工作中有關智能功能的重要度，采用兩兩比較标度方法對各個判斷因素間的重要度進行對比标度排序，可以得到以下判斷比較标度表：

表8 判斷矩陣

從表中可以獲取該船舶智能水平的判斷矩陣，同時求解其特征向量w，w與判斷的各個因素的重要度數值相對應，将w向量歸一化，可以得到不同因素對應重要度，即所對應評分占比。具體的評分細則整理得下表：

表9 智能因素分值分配

在智能船舶的測試驗證過程中，需将有關測試過程及指标歸類于不同的自主等級中，并在船舶完成測試後根據測試結果獲得相應評分，進而加權依據上述測算方法加權彙總得到綜合評價分值。同時，由于不同船型、航線及執行任務對不同功能的依賴程度不同，針對特定船舶的綜合評分可以在測試驗證階段根據實際情況對表中的判斷矩陣進行調整，從而得到适合船舶類型的評價方案。

測試總分滿分為100分，按照遠程遙控、自主操控兩個方向各自評價，并對分值區間進行均分(例如，評價自主操控等級時，按A1~A3均分為3個分值區間)。例如，某3000總噸的A型自主航行集裝箱智能船舶，可在完成其規定如下試驗項目(示意)後進行評分：

表10 評價結論示意

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!