航线：人工智能与船海工程

人类的航海历史可以追溯到几千年以前，海上航行对于人类来讲始终是一个存在着危险的行为。早期的航海都是依赖于经验来完成航线的选择，船长的经验是航行关键因素。即使是现代航海，一个有着丰富经验的船长也能起到至关重要的作用，因为人可以根据鸟类、鱼类、水流、浮木、海草、水色、冰原反光、云层、风势等来判断是否有危险因素存在，是否需要改变航线来避免一些潜在威胁。北欧著名航海家弗勒基总是在船上放一笼乌鸦，当觉得船即将靠近陆地的时候，他就会放飞笼中的鸟儿。如果鸟儿在船的周围漫无目的地飞翔，说明离陆地还远；如果乌鸦朝某个特定的方向飞去，他就会开船追随鸟飞去的方向，而这往往是驶向陆地的方向。

随着人类科学技术的进步，航海可以借助越来越多的现代化手段来完成，比如通信、GPS定位以及人工智能等手段。智能船舶的最终目的就是通过智能化的系统完成自主航行，该系统不但能够掌握现代化的数据，也能够像人类一样可以根据经验和实时的情况给出最优的航行路线规划，这也是智能船舶最重要的一个环节。

如何在海上不迷失方向一直是一个难题，所以早期的航海都是在陆地沿岸进行，即使冒着碰到很多暗礁的风险，人类也不愿意在茫茫大海上迷失。早在汉代，我国就有了海上占星的技术［12］。随着天文学的发展，以及机械制造技术的进步，六分仪被广泛使用。1730年，英国人哈德利发明了八分仪。之后，船舶通信也随着电磁波以及无线电技术的发展开始进入应用阶段。1837年，雷达被广泛应用于船舶领域，能够实现探测、定位、导航等功能。1964年，第一代导航卫星NNSS（Navy Navigation Satellite System）被应用于全球导航。1958年，美国军方发起了研发GPS系统的项目，1964年该系统被投入使用。20世纪70年代，美国陆海空三军联合开发了新一代的GPS系统，实现了实时、全天候和全球性的导航；到1994年，该系统已经实现全球覆盖率98%，共有24颗卫星已被成功部署，向全球全天候地提供三维位置、三维速度等信息。

通信和导航系统的逐渐完善使得导航的媒介手段不断增多，依赖人工进行判断和决策越来越困难，智能船舶的要求也促使着智能导航系统的研发进入更加紧迫的阶段。智能导航系统不单单是基于GPS和雷达，还要考虑很多方面的因素，比如：

①船舶总体布置；

②船体型线图、船中横剖面及舭龙骨细节；

③静水力曲线；

④主机参数及轴带发电机细节；

⑤主机工厂试验结果；

⑥船模试验和船舶试航报告；

⑦以往航线典型航速、转速、功率和燃油消耗情况；

⑧船舶抗风浪等级；

⑨特定的航行任务、吃水情况、货物特点和船期计划；

⑩风、浪、流、涌等因素，以保证船舶、人员和货物安全；

优化航路、航速，使燃料消耗最低，并在整个航行期间不断优化。

1）自动识别系统

自动识别系统（automatic identification system，AIS）由岸基（基站）设施和船载设备共同组成，是一种新型的集网络技术、现代通信技术、计算机技术、电子信息显示技术为一体的数字助航系统和设备。AIS是由国际海事组织采用的国际电信联盟标准化的海上导航安全通信系统，即：

①自动向适当配备的岸上站、其他船舶和航空器提供船舶信息，包括船舶的身份、类型、位置、航向、航速、航行状态和其他安全相关信息；

②从类似装配的船舶自动接收相关信息，监视和跟踪船舶；

③与岸基设备交换数据。

国际海上人命安全公约（International Convention of Safety of Life at Sea，SOLAS）第5章第19条规定船载导航系统和设备的运输要求——根据船舶类型必须设置船上的导航设备。在2000年，IMO采用了新的要求（修订第五章），所有船舶携带自动识别系统，能够自动向其他船舶和海岸当局提供船舶信息。2015年，中国交通运输部海事局船舶自动识别系统信息服务平台上线运行，社会公众大约可掌握日均船舶数量3.5万艘的动态数据，了解和掌握船舶交通流密度，并可按需以单船或组合方式查询船舶相关信息，包括船实际位置、航速和船名、船舶尺度等。同时，平台还集成了船舶劳氏数据信息、港口基本信息、潮汐预测信息、气象信息等综合数据，为用户提供综合服务。

上述信息服务平台首创了陆海图叠加技术，实现陆域和水域的平滑融合，可为用户提供个性化定制服务，如自组船队进行跟踪管理，并将用户关注的船舶动态自动以邮件或短信方式发送提醒服务。该平台还开发了方便、快捷的船舶、港口信息和船舶历史轨迹等方面的统计分析功能，可根据用户需求自动生成统计报表。

该信息服务平台的正式上线运行，标志着我国沿海及内河船舶实时动态权威数据正式对社会开放，是大数据时代加强政府管理和提供社会数据服务的一次实践，它在航运经济、水上交通安全、海洋开发与保护、海洋权益维护等领域具有重要意义。

船舶自动识别系统由陆基岸台和船载电台构成，在船—船、船—岸之间采集和交换船舶实时位置、航向、航速等船舶航行动态信息，船舶尺度、所载货物等船舶静态信息和相关的安全信息。按照国际公约及相关标准要求，交通运输部海事局已在我国建设了402座船舶自动识别系统岸基台站，覆盖全国沿海及内河高等级航道和相关水域。

船舶自动识别系统其实只是一个概念，根据该理念可以研发出多种产品。随着近年来人工智能以及数据挖掘技术的发展，如何让船舶自动识别系统更加智能化是现阶段以及未来研究的热点。

2）路径规划最优

路径规划本身并不是船舶的研究领域，其研究内容涉及很多方面的应用，比如地面骑车、机器人等的自动路径规划，以及空中飞行器的路径规划，它们的研究方法和理论有相似性，也有独特性。

图2-4　欧拉七桥问题

路径规划是指按照一定的条件和指标，搜索一条从起点到终点的最优行驶路径。该问题是一个经典数学问题，但是随着路径越来越远，行驶或者航行条件越来越复杂，这一问题也越来越受到关注。该问题最早可以追溯到1736年，欧拉向圣彼得堡科学院递交了《哥尼斯堡的七座桥》的论文，该问题的原型起始于18世纪初普鲁士的哥尼斯堡，那里有一条河穿过，河上有两座小岛，有七座桥把两座岛与河岸联系起来（图2-4）。有人提出一个问题：一个步行者怎样才能不重复、不遗漏地一次走完七座桥，最后回到出发点。欧拉把它转化成一个一笔画的几何问题。他不仅解决了此问题，且给出了连通图可以一笔画的充要条件：奇点的数目不是0个就是2个（连到一点的数目如是奇数条就称为奇点，如果是偶数条就称为偶点，要想一笔画成，中间点必须都是偶点，也就是有来路必有另一条去路，奇点只可能在两端，因此任何图能一笔画成，奇点要么没有，要么在两端）。后来推论出前面这种走法是不可能的。他的论点是这样的：除了起点以外，每一次当一个人由一座桥进入一块陆地（或点）时，他（或她）同时也由另一座桥离开此点；所以每行经一点时，计算两座桥（或线），从起点离开的线与最后回到始点的线也计算为两座桥，因此每一个陆地与其他陆地连接的桥数必为偶数。

在几何拓扑学被提出之后，有诸多方法被广泛应用，如Dijkstra算法、A*算法、Bellman-Ford算法、SPFA算法、Floyd-Warshall算法等。在船舶航行线路规划方面，一些认知研究已经表明，路线指令的形式和复杂度在人类导航中与路线的整体长度一样重要。Struter等人研究了语言指令在人类导航中的应用［13］，他们发现人类航海家倾向于从路线的总长度中选择次优路线，这样的路线更容易描述或遵循。Golledge基于实验在人类路径选择中使用了十个不同的标准［14］，虽然最短距离和最小时间的相关标准很重要，但许多其他标准也起到至关重要的作用。Michel Denis等人研究了人类路径描述中所包含的“信息单位”［15］，那些更容易防止人类犯错的信息被有限选择。继Denis之后，Tversky和Lee考察了路线绘画和语言描写之间的关系［16］，图片和口头路线描述在信息中表现出相当大的冗余度。Richter和Klippel等人提出［17］除了路线的长度之外，决定点的总数量和在交叉路口的支路数作为路线选择标准也能起到重要的作用。从车辆导航文献的研究也证实，成功的车辆导航系统同样依赖于路线指令的清晰性，如路线长度等。最短路径算法仅在距离或航行成本方面最小化路径效率，而难以描述路途的复杂度。

考虑多方面复杂度的情况下，最短路径不一定是最优路径，Shapiro和Liu等人都做了相关的研究［18］。Shapiro的方法可以用来通过道路的类型（主要道路与次要道路），产生一条比主要路线更优的路线。在地图中找到路径的时间大大减少，因为该算法基本上限制了对主要道路的搜索。Liu开发了一种有效的方法，结合道路网络知识以缩小搜索路线，使用主要道路分配道路网络。地理信息和路径选择的关系也被广大学者进行了深入的研究［19］。

现代化的通信设备以及物联网大数据等在船舶上已经被广泛应用，所以现代船舶航行的最优路线是最小化广义成本的过程，想要实现这个目标需要通过导航系统接收信息，靠经验以及实时变化来最小化成本。但是成本最小化会因为决策者的偏好不同而不同，在实际的航行过程中，在网络中选择的最优路径与决策者的偏好存在异质性，同时决策者的偏好也随着航行的目的不同而变化，即使是同一个决策者在相同的情况下也可能会选择不同的路径，因此对于导航系统来说，兼顾到路径选择的多样性和决策者偏好的异质性，从而给出最优选择是非常有价值的。

一般来说，导航系统能够收集来自网络用户的GPS探测数据。在网络中探测数据使得估计网络的实时性能度量成为可能。航行时间是用户在路线选择决策过程中考虑的主要运输网络性能指标之一。当然还有其他指标（如安全性、燃料消耗和海况等），这些因素在不同的航行过程中的不同用户之间有不同的相对重要性。大多数现有导航系统集中于单一因素，而忽略了在用户之间的路径选择偏好中存在的异质性。因此，他们只能建议路线与预期最低。

在网络中有多种不同的因素会影响选择路线的决定。研究表明，航行最优路径选择通常考虑预期行驶时间和其可变性的因素：平均速度、能耗、通行费等。海上航线规划是指从指定的出发港和目的港开发船舶航程的可调路网的程序，规划中包括许多纬度和经度的按时间顺序排列的转弯节点，专业术语是“泊位到泊位”（berth to berth）。根据国际法，船舶船长对航路规划负有法律责任。航路规划的任务通常委派给船舶导航员，传统的海上航线规划需要海员在规划航线时查找大量的与航行有关的材料，如航行方向、港口入口指南、航海通知书、灯光和雾号的海事清单。同时，水手们需要参考以前类似的路线。即使是经验丰富的水手，也需要花费大量的时间和精力。(www.xing528.com)

较为先进的导航策略是基于AIS自动跟踪和自报告系统，用于识别和定位船只，通过在附近的其他船只、AIS基站和卫星之间进行电子交换数据。AIS的广泛应用为跟踪船舶运动提供了更多的机会，船舶轨迹数据也越来越多。在长时间分析舰船轨迹时，可以采用增量聚类和模式识别技术来学习相似航迹下的舰船轨迹的一般行为和隐式运动模式。基于船舶轨迹和基于数据驱动的技术，可以自动生成最优路径、最短合理路径。这一路线可作为海上导航航路规划中的初步预规划和视觉路线安排。船长只需要检查路线自动生成的合理性和可行性，而不是从头开始规划。近些年，利用GPS轨迹自动生成道路图取得了大量的学术成果［20］。现有最优路径选择方法可分为三大类：k-均值算法、核密度估计和轨迹合并。

通常，基于k-均值的方法开始于随机地或在固定的时间间隔内沿轨迹分布一系列簇种子，然后找到簇种子的位置和（或）方向，使用簇种子作为初始猜测来最好地描述其附近的轨迹。基于核密度估计的方法首先生成船舶航迹的核密度估计，然后结合图像处理技术产生道路的二值图像，并利用其等高线计算中心线。基于轨迹合并的方法到目前为止使用贪婪算法，它聚集了在位置和方位上具有相似性的邻近轨迹，然后使用各种拟合方法逼近它们的中心线。

（1）k-均值　曲线用参数化来表示C（u）＝（x，y，z）（u），其中u为一个在0～1之间的独立参数，中心线由一组样本点来估计Q0，Q1，…，Qm－1，使用最小二乘法来拟合，ω0，ω1，…，ωm－1是相关样本的权重0，1，…，m－1是它们各自的参数值，所以最优路径可以看成是从一类函数S中找到参数曲线C（u），使得QK在加权最小二乘意义上近似：

关于S最小化，其中‖*‖表示通常的欧几里得距离。为了保证跨段的连续性，可以容易地将算法推广到考虑导数的结果；如果航向信息可用，可以使用坐标变换来达到期望的导数矢量。

对于每个采样点Qk，必须选择一个参数值ω。该参数向量影响样条的形状和参数化。如果给出一个单一的轨迹作为输入，可以应用广泛使用的弦长法，其中d是总弦长：

设定0＝0，m－1＝1，这样：

这就给出了一个良好的参数化，在这个意义上，k近似成与弧长度成比例的均匀参数。对于一组k个不同的轨迹，我们必须在组合的点集上加上一个公共排序。为此，利用原始NavTech地图段S的形状点的折线作为初始粗糙近似。如果没有这样的地图段可用，则其中一个痕迹可以作为一个粗略的基线。将每个采样点Qk投影到S上，通过在S上找到最接近的插值点，并将其选择为弦长度（沿着该段的累积长度）到投影点，再除以S的总长度。很容易看出，对于一个与S相同的单一轨迹的特殊情况，这个过程与弦长法相吻合。

（2）核密度估计　形态学运算被定义为对像素集合的操作。把G看作不是零矩阵的所有像素的集合，M是非零掩码像素的集合，用Mp表示掩模M随其参考点（一般但不一定是其中心）移动到像素p。膨胀、侵蚀、闭合和开口的基本形态学操作分别定义为：

采用扩张操作来合并离散数据点并填充GPS轨道之间的间隙。由于一些微小的孔在扩充后可能仍然存在，这将很大影响变薄的结果，所以可以使用封闭操作填补这些漏洞，同时也能够平滑边界。

图2-5　p和其邻近的像素点

细化算法删除图案边界上的像素，直到只剩下骨架，骨架位于图案的中心线，所以可以用它来得到道路的精确位置。利用Nacache和Sunhal提出的细化算法［21］，可证明该算法是有效的。这是一个循序渐进的算法，使用两个光栅扫描每一个周期，其中第一个是左到右，第二个是从上到下。在每个扫描中，标记和删除像素拟合条件，直到没有新的像素被标记。将所考虑的像素p及其8个相邻像素布置如图2-5所示。

对于属于骨架的像素，如果它的8个相邻像素中只有一个是1，则是道路的终点；如果其8个相邻像素的3个或更多为1，则是道路的交叉点。首先找出这些端点和交叉点作为关键点，再将两个关键点之间的白色像素依次连接。道路图的一个部分被构造，因此可以扩展到整个图。由于细化算法所提取的骨架的每个像素具有相应的GPS坐标，因此可以用于WGS84坐标系中的道路图的构建。以这种方式生成的数字地图包括大量的节点，并获得巨大的数据存储。有一些节点，例如在线性路径上的节点，是不必要的，利用方向规则和距离规则来删除这种冗余节点。

（3）轨迹合并法　从原始路径数据到地图知识，我们获得所有有价值的数据对象的实体关系。为了便于路径数据与最终地图的关联，引入了另一个存储实体，被称为段。假定每个段代表最终地图中的潜在路径。段S和路径J之间的差异是通过使用一致性检查来消除不合逻辑的路点W来定义。每个段Sy＝｛N1，N2，…，Nm｝由节点N的有序序列构成：

通过地图上已知的点来构造路径，两个或者更多的段的连接点被称为Junction（θ），其定义如下：

每一个连接点Junction轮流通过进入段Iθ进入，通过现有段Eθ流出：

段本身可以由相同的节点序列定义，但在相关的属性中可能会有所不同，例如与时间相关的速度或未定义的其他属性，这些属性与可信检查和智能过滤器有关。

综上所述，与道路运输的丰硕成果相比，海上自动航线仍处于相对落后的状态。虽然海上自动航线可以借鉴道路运输技术的经验，但它们之间仍存在一些差异。一方面，道路运输的轨迹是运动约束的，运动轨迹被约束在一个明确的道路网络上，旋转节点和交叉节点也是固定的，而在海上航行中，因为通航水域广阔，航迹相对分散。另一方面，现有的自动道路布线方法是基于假定轨迹频繁采样、均匀分布和低噪声的假设，这限制了其在海洋领域中的适用性和有效性。

3）考虑风、浪、流等信息的航线优化

海上航路优化与地面不同，除了路径选择更加广阔以外，航行过程中的经济性也是要考虑的因素，经济性因素不仅要考虑路径最短，还要考虑海况、天气、风浪和洋流等因素，根据具体实时的情况来确定最佳航速和航向。

在智能船舶导航方面诸多学者做了相关工作，众所周知的天气和海洋状态，如海风、海浪和洋流对于船舶航行来说是非常重要的。在以前的研究中已经记录了远洋船舶的天气路径。海洋中的风、潮汐流和海浪被认为是海洋工程领域中最重要的因素，特别是沿海地区的潮流、海上风和海浪的数值预报对于海洋环境、渔业和航行都是非常重要的。随着近些年来天气预测系统研究的不断进步，考虑天气的数字导航系统也被广泛应用。船舶航行数值模拟是在某些海况影响下，通过计算船舶运动、速度损失和船舶漂流来实现更安全、更经济的船舶导航。具体地说，它是利用现代化的大气和海洋模型，利用船舶操纵模型对天气和海洋对船舶航行的影响进行数值计算。在未来，现有的数字导航系统将被纳入一个先进的天气路由系统，旨在实现更安全、更经济的船舶导航。

此外，随着现代天气和海洋模型的发展，基于模型仿真的船舶最优航线的研究也被广泛关注。Delitala等人利用两个不同航线的2年气候学优化航线模拟器［22］，表明他们的方法有助于提高船舶性能或辅助船长进行路线选择。在北印度洋，Padhy等人利用Geosat高度计[1]记录的波高信息和迪杰斯特拉路径优化算法[2]，在给定的随机海况下获得可靠的最优路径［23］。正如Padhy所提到的，为了获得最优的航路，需要包括天气和海洋建模、船舶运动和合适的路径优化算法在内的几个重要部分。

这些研究主要集中在天气和波浪上，在增加燃料成本和环境保护要求的同时，洋流对船舶航行的影响也需要引起注意，特别是对于那些受强洋流影响的地区。关于目前的航线，人们已经做了几项研究。1796年，本杰明·富兰克林建立的墨西哥湾海图在几个世纪以来一直被广泛采用。1991年，Loetal主张通过最佳的海流选择路径，每年可以为美国节省1 000万美元（基于1986年的情况）。对于航运业，一直以来都低估了有强烈海流的特殊区域，如西部边界流（包括墨西哥湾暖流、日本暖流，以及阿古拉斯、巴西和东澳大利亚洋流）。Lo和McCord（1995）提出，对于一艘以16 kn的速度航行的船来说，可以通过选择有利的洋流和避免不利的洋流来实现7.5%和4.5%的燃料节省。Yu-Chia Chang等人（2013）从表面速度程序数据中建立了东亚黑潮洋流的地图，并发现对于航行的船只来说，顺着日本暖流方向以12 kn航速行驶约1 100 n mile，可缩短1.8%的时间［24］。

基于高分辨率海洋模型的日本暖流对舰船航行的定量影响在以往的研究中很少得到解决，由于近年来高性能计算机的飞速发展，日本暖流的高分辨率数值模拟已经有可能实现。Sekine和Kutsuwada（1994）使用了一个原始的双层数值模型［25］，其网格尺寸相当粗，为1°×1°，这说明模型的分辨率很低，只能粗糙地反映日本暖流水平和垂直循环区域的细节。Kagimoto和Yamagata（1997）利用垂直坐标系底部的高分辨率涡解析方法分析太平洋模型（pacific ocean model，POM），对日本暖流进行了模拟；结果表明，在将模型结果与观测结果进行比较时，合适的模型分辨率对于求解观测位置以及斜压海流与海底地形相互作用的基本动力学问题都是很重要的。Guo和Yama-gata（2010）应用了一个基于POM的三重嵌套海洋环流模型［26］，研究了模型的水平分辨率对东海日本暖流和海平面变化的影响，认为高分辨率模型提高了东海日本暖流的斜压以及正压分量，因此可以再现更真实的密度和流场。Wakata（2006）采用了水平分辨率为0.25°×0.25°的海洋环流模式（oceanic general circulation model，OGCM）［27］，研究了洋流输运的年际变化，发现不同于时间尺度的时间序列，峰和团是由风应力卷曲引起的，时间线附近的风应力卷曲也引起较长的时间尺度变化。Oey等人（2013）开发了一种基于两个不同预测域的数据同化的台湾海洋预测（assimilate Taiwan ocean prediction，ATOP）系统［28］，该系统覆盖整个北太平洋海洋0.1°×0.1°水平分辨率和垂直西格玛水平，以及具有相同水平分辨率的更小的西北太平洋区域；该系统研究结果表明，对南海北部日本暖流入侵和亚热带逆流的模拟与卫星测高资料的观测结果一致，这也证明了利用现代海洋模型进行日本暖流模拟的可能性。

4）考虑风浪效应的航速和经济性优化

船舶节能必须从节能、环保、船舶运行经济效益的角度进行优化，减少污染排放，提高成本效益。船舶航速优化研究主要集中在节能降耗和最大化运行经济效益两个方面。Ronen研究了燃料价格对船舶最优速度的影响［29］，并分析了通过慢速蒸发和航行时间增加造成的收入损失来节省燃料的权衡，三种模型被提出来明确船舶的最佳速度。Fagerholt等人假定主发动机的燃料消耗是速度的三次函数，以时间作为一个独立变量来优化给定路线的速度以减少CO2排放［30］。Doudnikoff和Lacoste研究了硫排放控制区（emission control area，ECA）外的速度增加是否导致总循环的CO2排放增加［31］，并提出了一种成本模型，该模型估计了ECA内外的速度和由此产生的CO2排放量的成本最小化组合。

Fagerholt等人考虑ECA硫排放的严格限制来优化远洋船舶的航线和速度［32］，并开发了一种优化模型，用于确定船舶的运行路径和速度，从而最小化船舶的运营成本。此外，该小组对实际航线进行了计算研究，以评估ECA规则对航行路径和速度的影响，从而评估燃料消耗和成本。Lu等人考虑不规则风浪对船舶的影响，建立了不同船舶类型的燃油消耗预测模型［33］。Kim考虑了与温室气体排放相关的环境成本［34］，提出了一种以降低运输成本为目标的船舶速度优化算法，指出船舶时间成本在减少CO2排放中起着最重要的作用。Venturini等人（2017）考虑了多端口泊位分配问题［35］，优化了集装箱船的航行时间，从而降低燃料的消耗速度。He等人提出了一种有效的算法来寻找船舶的最佳速度，以最小化燃料成本和排放为目标，优化给定路径的航速［36］。

在经济效益方面，Alordon（1981）提出了各种标准来确定最大化利润的航速，并讨论了这些速度对航行距离、运费率和燃料成本等约束的敏感性［37］。Norstad等提出了一种以速度为优化变量、以最大化运营利润为主要目标的速度和船舶运输路径优化问题；速度优化子问题的目标是最小化给定路径上的费用［38］。Wang和Meng先利用全球班轮公司的历史运行数据对集装箱船的煤仓消耗与航速关系进行了校准，再提出了一个混合整数非线性规划速度优化模型和一个精确有效的外部近似来最小化总运营成本［39］。Psaraftis和Kontovas分析了速度下降对运营成本的影响，并建立了一个数学模型，该模型使用总成本作为目标函数，同时还考虑了其他影响因素，如市场状况和过境库存成本等［40］。Lindstad直接使用船舶每海里的成本作为目标函数，与仅使用主发动机燃料消耗的成本相比，因此也考虑其他因素，如辅助发动机燃料成本、时间租船成本、货物储存和成本利息［41］。Wen使用油耗作为有效载荷的函数，考虑货物港口库存成本和运输库存成本，以路线的最小总成本为速度优化的目标［42］。Li等人考虑了不规则海浪和海浪对船舶航行的综合影响，建立了不规则风浪影响下船速优化的数学模型和SIMULINK仿真模型：以主发动机的最小燃料消耗和最大路线成本降低作为目标函数，以优化给定航线上的操作船舶的速度，从而减少主发动机燃料消耗和降低运输成本［43］。

5）航线设计优化展望

已经有很多学者在航线优化设计方面做了很多相关的工作，但是目前为止还没有做到真正的智能化，因为该方面的智能化是一个系统工程，需要考虑到所有可能会造成最优化结果有偏差的因素，比如：风速、风向；波高、平均周期；涌高、涌向和平均周期；流速、流向；热带气旋（或台风）的最大风速、阵风风速、半径等；温带气旋的中心气压、移动路径与速度，冷暖锋线等；强冷高压（寒潮大风）预警；冰情（适用时）。

需要进行优化的目标也有多项：确定到达时间；最短航行时间；最低燃油消耗；最低总成本；船舶经受的最高风浪等级。如何对这些目标分配权重，是多目标同时优化还是只考虑某些目标来优化，这些都会因目的和实时的情况不同而发生变化。所以，智能化的工作需要先建立一个专家系统，再根据不同的需求建立数值化模型，根据历史数据进行训练和学习，从而形成一套真正自主化的航线设计系统。

在智能化过程中，需要搭载下列必备设备：数据通信设备，在整个航程期间能与岸基建立通信连接，以便相互转送信息；电子海图信息与显示系统；电子定位仪；风速风向仪；电罗经；航速和航程测量装置。

这些设备的使用会产生庞大的数据，所以多传感器数据融合的技术是至关重要的。如何把庞大的数据进行筛选和存储，如何搭建有效的数据集，是智能化的第一步。

从目前的发展来看，各方面的研究都已经有了理论基础，但是如何把该方面的内容真正做到融合统一，考虑到所有存在的因素并建立一套行之有效的优化策略，超越人类的能力来完成路径优化，这是该系统的最终目标。