⒈工势场法

人工势场法（APF）最早由KHATIB提出，是水面无人艇局部路径规划的一种常用算法。人工势场法具有模型结构简单、计算快速和实时性强等多个优点，但可能会出现局部最优、受力平衡、斥力大于吸引力等不利情况。综合近年来的研究，学者们对人工势场法的改进切入点包括3类：⑴修改引力和斥力的势场模型；⑵与其他算法相结合；⑶采用不同环境建模方法。MIELNICZUK将人工势场法运用于船舶航运路线生成中，利用4种不同的障碍物情景进行了有效性验证，结果表明，人工势场法能够快速、高效地找到一条安全的航线，但没有解决局部最优问题。LAZAROWSKA在一系列研究中提出了离散人工势场法（DAPF），将环境模型离散化为栅格地图，再根据COLREGS和计算规则确定了每个栅格的势能，分别在静态和动态障碍物环境下验证了算法的有效性，结果表明，该算法不仅能高效快速地计算出安全路径，而且也解决了局部最优和受力平衡等问题。LYU提出了“路径引导人工势场法”，该算法考虑了COLREGS规则和船舶操纵特性，同时在运行过程中可快速根据环境的变化及时反馈信息，并做出路径调整，但本文仅对船舶的转向角做出了限制。

⒉速扩展随机树

快速扩展随机树（RRT）最早由LAVALLE提出，该方法适合解决多自由度机器人在复杂环境下和动态环境中的路径规划，但生成的最终路径不是最优。对RRT算法的改进可以从3个方面切入：⑴引入启发信息，使探索过程不再随机化；⑵改变搜索策略，如扩展搜索方向、引入新规则；⑶与其他算法结合。CHIANG等提出了一种结合COLREGS的改进RRT算法，通过RRT的增长期间对其他船舶进行联合仿真来实现的，从而预测未来发生的碰撞。仿真结果表明，相比基于模型预测控制（MPC）与APF的避障算法，该算法拥有更高的成功率，但仿真没有考虑到风、浪、海流的影响。庄佳园等设计一种基于改进RRT算法的局部路径规划方法，在生长时加入了衡量节点探索失败次数的抑制因子，使探索不再随机发生，同时限制了最大转角，使规划航迹趋于实用。该算法提高了搜索效率，并且符合实际的无人船跟踪路径，缺点是没有考虑COLREGS规则和实际环境的影响。

⒊态窗口方法

动态窗口方法（DWA）是一种常用的路径规划方法，最初由FOX等于1997年提出。该算法在速度空间中采样多组速度值，并模拟机器人在各速度下生成的轨迹，在时间最短内达到目标点即为最优解。WANG等提出了一种DWA与A*算法结合的路径规划系统，同时考虑了路径的实用性和USV的动力学性能，并且无人船可通过选择最优速度来躲避未知的障碍物。MISSURA等对传统DWA算法进行了改进，引入了“动态碰撞模型”，在考虑障碍物运动的同时预测未来可能的碰撞。LIN等提出了一种可实时路径规划的DWA算法，该算法根据障碍物的比例用圆形或者矩形建模，简化障碍物形状，减少了空间和时间的浪费，同时可以考虑多个静态和动态障碍物，具有很强的适应性，但其缺点在于仿真过程没有考虑环境因素。

⒋比分析

表4总结了上述局部路径规划方法的优缺点以及学术界对算法改进的切入点。

表4 局部路径规划算法对比分析

四、近程反应式危险规避

近程反应式危险规避是指水面无人艇在按照既定路线航行的过程中，如果发现突然出现的障碍物，水面无人艇应及时进行调整和应对，从而有效避免与障碍物的碰撞。船舶的近程避碰与上文提到的路径规划有很大的区别。路径规划通常将船视为质点，忽略了其操作运动特性，而近程避碰需要考虑到船舶的形状、领域、会遇姿态以及安全距离等。

⒈碰撞危险的识别

判断船舶在未来航行中的碰撞危险可以用碰撞危险系数（CRI）进行判别，当CRI超过某设定阈值时，则会发出警报表示碰撞危险较高。计算CRI最常用的2个量化指标分别是两船相遇的最近会遇距离（DCPA）和到达最近会遇点的时间（TCPA），这2个指标可通过两船的速度和航向求得。DCPA通常用于确定碰撞危险发生的可能性，TCPA用于估计危险程度，因此学者们将DCPA与TCPA的值按照一定的函数关系得到CRI，从而对碰撞危险进行综合评估。一种普遍的CRI计算公式为：CRI＝w1×f×(DCPA)＋w2×f×(TCPA)，⑴式中：w1和w2均为权重，通常根据专家的经验以及一些数学方法来确定，如模糊理论、概率回归等。碰撞危险度模型可作为船舶采取避碰行动的依据。CRI是一个简化后的模型，但实际上碰撞会与很多抽象的因素相关，而CRI只能判断船舶之间是否存在碰撞风险，无法给出避碰方法。另一种重要的碰撞模型是船舶领域模型。船舶领域是指船舶周围的有效区域，该区域是保证任何一艘安全航行的所需水域。船舶领域的概念最初由FUJII等提出，该模型的研究使得避碰模型更加完善，可以根据船舶的位置、速度和航向来推断最小安全通过距离和船舶领域尺寸，这对碰撞危险的识别和避碰路线的选择有重要意义。

⒉主要算法

陈姚节等提出了基于速度障碍法的船舶避碰模型，考虑到了多个目标船的约束条件以及船舶的操纵要求，但未考虑复杂环境下的约束条件以及环境扰动的影响。马文耀等将人工鱼群法应用在避碰路径规划决策中，以前进距离为目标函数，计算出最优的避让转向时机、避让角度、复航时间和角度，还考虑到了COLREGS规则。王得燕等利用粒子群优化算法解决多船会遇情况下的本船最优转向角度值，有助于多船避碰决策系统的智能化设计与开发。SONG等提出了一种速度障碍法与APF结合的混合算法进行避障，其中APF起到一个全局路径规划作用，提高了避障的实时性能。同样，LU结合了APF与速度障碍法，且加入了COLREGS规则以及路径优化功能。

五、运动规划与控制

运动规划阶段完全考虑了水面无人艇的运动学和动力学约束，通常会从控制层面来研究规划问题，其目标是通过自身的控制系统来逼近和实现规划的路径。按照研究对象的可控程度来划分，运动规划可分为完全驱动系统和欠驱动系统。对于完全驱动系统，其运动过程完全可控，所能呈现的运动姿态都可以通过方程进行准确表达。因此，完全驱动系统常见的运动规划方法是建立精准的运动控制模型，然后根据具体的规划任务对主要控制参数进行调整和优化。无人艇属于欠驱动系统，由于系统的控制量个数小于自由度个数，因此很难简单地通过优化控制参数来进行路径规划，其运动规划通常分为2步：⑴利用路线规划算法，从起始状态到目标状态寻找一条安全路径；⑵以研究对象的运动学和动力学模型为基础，设计相应的控制器来驱动机器人按照该路径运动，最终到达目标点。无人艇的运动规划研究起步较晚，多数规划方法都是基于传统的路线规划算法。FEDORENKO等在机器人操作系统（ROS）环境下设计了基于Voronoi图的无人船路径规划系统，利用李雅普诺夫不稳定性定理进行运动规划，这种方法的优点在于实现简单并且不需要在障碍物区域重新构建路径，保证了算法的实时性。ESCARIO等利用改良后的蚁群算法进行USV的运动规划，该算法结合无人船的数学模型，利用优化方法生成最优的运动和操纵轨迹，并且分别在开阔海域和受限制的海域验证了该算法的有效性。GU等基于改进的A*算法和轨迹单元法，设计了一种适用于受限制水域的运动规划方法，可同时满足船舶状态、操作特性和水域环境等多个约束条件，且采用真实船舶模型在受限制水域进行了验证。

六、结语与展望

学术界认为，水面无人艇路径规划和避碰的解决方案仍有很大的发展空间，未来无人船路径规划的研究应以7方面为研究重点：

⑴利用实际的海洋交通数据进行试验。本文提到的大部分文献都是用非实际的数据进行仿真，只能证明其理论上的有效性，无法评估算法在实际环境数据下的效率，故其实用性有待验证。

⑵考虑外界干扰信号如风、浪、海流的影响。现有研究的环境建模忽略了风、浪、流对无人艇的影响，环境模型不够完善，算法在实际航行中的表现会与理论存在偏差。

⑶路径优化和运动规划，考虑控制器的协同。许多算法在仿真过程中都没有将船舶的动力学特点作为约束条件，生成的路径缺乏实用性，在进一步的研究中，要将路径优化方法与路径规划方法结合生成更加光滑和简洁的路线，同时考虑船舶的操纵性能，限制船舶的转向角、速度和加速度值等参数进行运动规划，与下层的控制器协同。

⑷开发基于国际海上避碰规则的路径规划系统。目前许多加入了国际海上避碰规则的算法都只考虑到特定的几条规则，如第13～15条，且都是在单一情况下。然而很多复杂的海况可能会同时出现交叉、追遇等多种情形，特别是在多船规划时，避碰系统很难界定应该采用哪条规则进行避碰。因此，完全将COLREGS整合到路径规划中仍是一个巨大的挑战。

⑸考虑复杂动态情况下的危险规避。现有的危险规避仿真中，障碍物通常是静态或者半动态，障碍物的运动仅限于直线，不会改变运动的方向。而实际航行中远比该情况复杂，障碍物的运动轨迹是未知的，速度和航向都可能会发生变化，将其视为直线仅仅是考虑最简单的情况。

⑹完善船舶碰撞危险度评估模型。现有的碰撞危险度模型采用1～2个主要因素来评估船舶发生碰撞的危险度，而实际上航行的潜在危险将受到很多抽象和定性因素的影响，如何通过模型来建立完整的环境模型仍然需要大量研究。

⑺完善对路径的评价体系。除了安全之外，路径的长度最小通常是路径规划的重要评价指标，许多算法都会以距离作为最终的优化目标。但路径的好坏受到多方面因素的影响，如光滑度、经济性、能耗和时间等，因此路径评价体系还需完善。