Collision Avoidance System for Ships Utilizing Other Vessels’ Intentions

Abstract

Før autonome skip kan bli kommersielt akseptert, må de være trygge nok. Å ha et automatisk antikollisjonssystem som følger navigasjonsreglene (COLREGs), er et viktig steg mot å gjøre autonome skip tryggere. Det finnes allerede mye forskning på ulike antikollisjonsmetoder, men få forskere har undersøkt om intensjonsdata kan brukes til å forbedre ytelsen til et eksisterende antikollisjonssystem. Denne masteroppgaven skal undersøke hvorvidt bruk av data om intensjoner kan forbedre den eksisterende SBMPC-antikollisjonsalgoritmen til Johansen et al. (2016).

I denne masteroppgaven har det blitt utviklet to forskjellige antikollisjonsalgoritmer: den originale SBMPC-algoritmen til Johansen et al. (2016) og en modifisert versjon av denne algoritmen, som vil bli kalt modifisert SBMPC. Den eneste forskjellen mellom den originale SBMPC-algoritmen og den modifiserte SBMPC-algoritmen er at den modifiserte SBMPC-algoritmen utnytter data om andre skip sine intensjoner. Denne dataen inneholder fremtidig rute i tillegg til hvilke navigasjonsregler andre skip har planlagt å følge. De to antikollisjonsalgoritmene har blitt implementert som en del av en skipssimulator. Denne simulatoren simulerer ulike situasjoner for å sammenligne ytelsen til de to algoritmene. Ulike metrikker har blitt utviklet for å kvantifisere ytelsen.

Et bredt utvalg av ulike situasjoner med ulik vanskelighetsgrad har blitt brukt for å sammenligne de to algoritmene. Selv om de to algoritmene hadde ytelsesproblemer på grunn av valg av parametere, så klarte begge algoritmene å unngå kollisjon og grunnstøting i alle situasjoner som ble testet. I flertallet av situasjoner som ble testet så hadde den modifiserte SBMPC-algoritmen, som bruker intensjonsdata, bedre ytelse enn den originale SBMPC-algoritmen. Bruk av intensjonsdata gjorde manøvere mer trygge, og bruk av intensjonsdata førte også til at skipet klarte å følge navigasjonsreglene bedre.

Before autonomous vessels are commercially accepted, they need to be sufficiently safe. Having a collision avoidance system that complies with the navigational rules (COLREGs) is an essential step towards making autonomous vessels safer. There exists a wide range of research on different collision avoidance methods, but few researchers have investigated if data about other vessel's intentions can improve collision avoidance performance. This thesis aims to investigate if utilization of other vessels' intentions can improve the performance of an existing short-term collision avoidance method; the Simulation-Based Model Predictive Control (SBMPC) algorithm by Johansen et al. (2016). This algorithm is classified as short-term because it is concerned with avoiding immediate collisions.

In this thesis, two different collision avoidance algorithms have been implemented: the original SBMPC algorithm by Johansen et al. (2016) and a modified version of this algorithm called the modified SBMPC algorithm. The only difference between the original SBMPC and the modified SBMPC is that the modified SBMPC algorithm uses intention data about future trajectories and what COLREGs rules other vessels intend to follow. The two collision avoidance algorithms were implemented as part of a vessel simulator. This simulator performs simulations to compare the performance of the two algorithms. A set of metrics were developed to quantify the collision avoidance performance.

A wide range of simulation scenarios with varying difficulty were used to compare the two algorithms. Although the two implemented algorithms did have some problems with the choice of tuning parameters, they were able to avoid collision and grounding in all simulation scenarios. In the majority of the scenarios, the modified SBMPC algorithm utilizing intention data had better collision avoidance performance compared to the original SBMPC algorithm. The use of intention data made maneuvers safer, and it also increased compliance with the navigational rules.