本研究报告基于Jian Zheng（郑健）、Baoshuo Liu（刘保硕）、Yun Li（李云）和Changhai Huang（黄长海）共同完成的研究论文《Unmanned ship collision avoidance action plan deduction method under man–machine interactive negotiation in collision avoidance scenarios》。该论文于2024年10月15日发表在《Journal of Marine Science and Engineering》（JMSE）期刊上，论文编号为1842，采用知识共享许可协议（CC BY 4.0）开放获取。作者单位包括上海海事大学交通运输学院（College of Transport and Communications）和商船学院（Merchant Marine College）。
随着人工智能技术的发展，未来水上交通环境将呈现有人船与无人船（unmanned ship）共存的格局。然而，无人船在态势理解、避碰决策等方面与有人船存在显著差异，导致两者间的避碰规划极为复杂。避碰行为方案推演（collision avoidance action plan deduction）成为解决无人船在避碰场景中态势理解与决策问题的关键步骤。
国际海事避碰规则（COLREGs）要求船舶在危险相遇时通过甚高频（VHF）协商避让策略，但传统依赖船员经验的模式容易因人为误判导致碰撞风险。在有人船与无人船混合航行场景下，亟需一种能模拟人类决策逻辑、符合COLREGs规则的智能避碰系统。
研究团队构建了包含10种避碰状态的有限状态集（见表3），通过船舶相对方位角（bearing angle, q）和航向差（φt−φ0）触发状态迁移。例如：
- 状态1（State1）：当目标船位于本船右舷（15π/8–2π弧度范围）且航向差为7π/8–9π/8时，决策为”左转避让”。
- 状态3（State3）：目标船位于船首左舷（15π/8–π/8弧度）且航向差为9π/8–13π/8时，决策为”右转避让”。
状态迁移规则通过FSM模型（公式1-3）实现动态跳转，其输入为船舶实时导航数据，输出为符合COLREGs的避碰行为指令。图2展示了状态间的完整迁移路径，确保无人船能根据相对位置变化自动调整策略。
研究采用改进的互惠速度障碍法（Reciprocal Velocity Obstacle, RVO）计算速度障碍区域：
- 速度障碍定义（公式6）：当无人船速度va落入VOab(vb)区域时，预示未来可能碰撞。
- RVO优化：通过将速度障碍区域平移至(va+vb)/2处（图6），避免传统VO方法导致的路径振荡问题。
避碰行动选择流程（图7）：
1. 风险检测：计算两船间距离d，若d＜12倍船长则触发避碰推演。
2. 行为决策：FSM根据当前状态生成转向指令（左转/右转/直航）。
3. 速度更新：RVO在速度空间筛选符合COLREGs的可行速度。
4. 效果评估：通过最近会遇距离（DCPA）和最近会遇时间（TCPA）验证避碰有效性（公式8-9）。
在复杂场景中（图11），系统能动态调整避碰优先级：
- 当多个速度障碍区域重叠时，优先处理距离最近的船舶。
- 通过FSM状态跳转（如State3→State6）实现多目标协同决策。
如图9所示，FSM-RVO相比纯RVO方法具有显著优势：
- 符合操纵习惯：FSM约束下的避碰路径（图9a）更贴近船员实际操作逻辑。
- 协商一致性：通过模拟人类决策过程，降低有人船误判风险。
本研究提出的人机协同智能避碰系统具有三重创新：
1. 理论创新：首次将FSM与RVO结合，构建了动态避碰推演框架。
2. 方法创新：通过10状态FSM模型实现了COLREGs规则的机器可解释性。
3. 应用价值：为混合航行环境下的自主避碰提供了标准化解决方案，案例验证显示DCPA改善率达96.2%。
本研究为智能船舶避碰系统的设计与开发提供了重要参考，未来可扩展至多智能体协同导航领域。论文完整实验数据及算法实现已通过DOI:10.3390/jmse12101842公开。