0 引　言

内河航运常年面临竞争激烈、利润微薄的现状，且长期在船的传统工作模式导致内河航运面临严峻的人才危机，变革船员的工作模式，是突破内河航运科学发展的关键。2021年，严新平院士^[1]提出“岸基驾控为主，船端值守为辅”的远程驾控作业模式，通过构建绿色智能船舶、智能航运基础设施、岸基集控系统的新型航运体系，建立安全、智能、绿色、高效的新一代航运系统。

船舶远程驾控是当前智能航运发展的关键组成部分^[2]，欧洲、北美、东亚等地区均将船舶远程驾控技术纳入海事发展战略，相关研究与应用积极推进。在国际海事组织（IMO）框架下，船舶驾驶正在从传统人工操作向远程驾控转型，进而推动智能船舶的演进^[3]。2017 年，瓦锡兰公司通过卫星通信，跨越8000 km对船舶进行了远程遥控驾驶测试^[4]，ABB、罗罗、挪威船级社、三星重工^[5]等机构也相继完成了船舶远程驾控测试。近年来，国内的哈尔滨工程大学、武汉理工大学、大连海事大学、智慧航海、珠海云航等机构已在内河与沿海水域开展了船舶远程驾控研究^[6]。当前，我国内河船舶存在技术装备信息化水平低的困境，迫切需要远程驾控、自主航行等新技术提升运输安全和效率，改善船员工作环境。利用相对健全的4G/5G网络、云计算资源，发展人机协同、船岸协同、自主驾驶、远程驾控等新兴驾驶模式，打造低成本、高效益的成套智能系统，实现内河船舶远程驾控、自主航行，是现阶段更为可行的发展路线^[7]。

长江流域经济相对发达，现有4G/5G无线通信设施覆盖情况好，具有开展船舶远程驾控的先决条件，而船岸无线通信时延及丢包现象、船舶自动航行控制效果、远程驾控模式下的人机工学问题等是困扰远程驾控的关键。本文针对上述问题，基于实船及缩尺船模开展了远程驾控测试，对船岸无线信号时延及丢包率、船舶运动控制、驾驶员关注度等进行了实测研究，验证了基于现有4G/5G网络远程驾控的可行性。

1 内河船舶远程驾控测试平台 1.1 远程驾控模式分析

内河船舶远程驾控并非简单的远程手动驾驶，而是基于多种自动控制算法，通过岸端发送控制目标，由船端自动控制系统对船舶运动进行精确控制，从而极大降低驾驶人员的工作强度，提高驾控效率，甚至使“一人同时驾控多船”的新型驾控模式成为可能，在绝大部分时间里，船端和岸端人员均以安全监控为主。内河船舶远程驾控主要包括：手动驾驶、航向保持、路径跟随等几种典型的驾驶模式，根据现有内河船舶技术水平和远程驾控实际需求综合分析，对远程驾控系统的功能点进行梳理，如表1所示。

远程手动驾驶是指通过无线通信，将岸端驾驶员的车舵指令实时传输至船端，并直接控制车舵，类似于驾驶员在岸端直接操作船舶，该驾驶模式是紧急情况下人工远程介入操控最简单、直接的驾驶模式，在自动控制程序失效的情况下可采用手动驾驶，是确保远程驾控安全的最后一道屏障，在实际远程驾控过程中，可用于船舶紧急避碰、停船等应急操作。

航向保持模式是指通过无线通信，将岸端驾驶员设定的目标航向发送至船端，由船端自动舵控制舵机，使船舶保持在设定航向航行，航向保持模式是目前船用自动舵使用最频繁的功能，对于远程驾控而言，可有效减轻驾驶员的工作强度，不必时刻操作船舵以维持航向。

路径跟随模式是指远程驾控员在海图上设定一系列路径节点，通过无线通信将路径节点发送至船端，由船端程序控制船舶舵机，使船舶保持在设定的路径上航行，实现船舶对规划路径的精确跟踪，对于远程驾控而言，可极大地减轻远程驾控员的工作强度，仅在出现碍航物时临时接管船舶即可。

为支撑完成平滑顺畅的船舶远程驾控作业，还需要实现左右车及舵机控制、远程操纵控制参数设定等功能。同时为确保航行安全，还需具备紧急停船、船-岸控制权一键切换、碰撞危险声光电预警、船-岸距显示、船-船距显示、避碰建议提示、船岸通信断路告警等功能。

1.2 内河船舶远程驾控系统架构

本文提出了一种基于4G/5G网络的船舶内河船舶远程驾控系统架构，包括船载硬件终端、岸基控制系统和云端支持平台三大主要系统，如图1所示。

为验证该架构的可行性与合理性，分别采用实船及缩尺船模开展远程驾控试验的不同科目：其中船岸通信相关试验均在实船测试平台开展，而船舶自动航行控制、人机工学相关试验受限于海事法规，采用缩尺船模测试平台进行验证。

1.3 实船远程驾控测试系统搭建

采用“航道05104”号公务船作为测试平台，如图2(a)所示，该船总长32.00 m，型宽5.60 m，最大高度10.15 m，满载吃水1.150 m，配备双桨双舵系统。驾驶舱内配置有车钟、舵角指示器、雷达系统、罗经、测深仪、自动识别系统（AIS）、甚高频通信设备（VHF）、全球定位系统（GPS）、电子海图显示与信息系统（ECDIS）以及全球导航卫星系统（GNSS）等全套通信导航设备。为开展船舶远程驾控，研制了远程驾控船端驾控终端，实现船舶舵角和车钟的远程控制。

为确保实验航行安全性，研制了如图2(b)所示的船岸控制权物理切换装置，该装置可实时显示船舶车钟档位及航速，通过物理开关一键切换驾驶权，支持船端值班员随时切换本地控制、岸端控制或自主控制驾控模式，具体远程驾驶权切换机制如图3所示。

1.4 缩尺船模远程驾控测试系统搭建

对于在实船测试平台上难以开展的高风险试验内容，采用1∶180缩比KVLCC2自航船模代替实船开展测试。该模型长1700 mm，宽284 mm，搭载了自行研发的缩尺船模远程驾控系统^[8]，该系统由岸端远程驾控试验监控系统、船端自主航行控制系统组成，可实现多种航行模式下船模的自动控制，通过岸端下发控制目标，船端自动执行控制程序，实现远程驾控全流程测试，缩尺船模远程驾控测试系统架构如图4所示。

试验船模由船载主控制器控制，为确保船模的运行可靠稳定，设计如图5所示的控制流程，在主线程中，接收差分GPS、电罗经以及4G/5G数传电台的数据报文，解析后开展运动控制。其中航向保持采用自适应PID控制算法，根据主机转速自适应调整PID参数，从而计算最优舵角；路径跟随采用视线法（line-of-sight，LOS）获取目标航向，由自适应PID控制算法获取舵角。为确保试验船模的安全，增加低电压和信号丢失自动返航功能，控制芯片增加看门狗程序，确保不出现死机故障。

为支撑完成远程驾控测试，在船模上安装4G/5G摄像头，岸端可实时查看船模的航行状态，如图6(a)所示。

岸端驾控中心包括远程驾控试验监控系统和船端视频回传显示器各1套（见图6(b)），实现试验船模的驾驶指令发送、驾驶模式切换、运行状态回传、船端摄像头视频回传显示等核心功能，岸端驾控中心接入1000 M宽带网。

1.5 测试指标及测试方案

船舶远程驾控主要关注通信时延及稳定性、航向保持控制精度、驾驶员关注度等方面指标，故而设置测试指标包括：通信时延、丢包率、航向保持控制精度、路径跟随控制精度、驾驶员眼位热力图。

1.5.1 远程驾控网络时延测量方案

采用实船测试平台测量网络时延，船端使用GPS授时，岸端使用网络授时，确保各自时间统一。通过在控制指令和船端控制器回传报文中添加时戳，利用MCU（船端控制器芯片）计时器程序计算发送和接收之间的网络时延^[9]。控制指令下行时延$ {T}_{\text{10}i} $、船舶运行数据上行时延$ {T}_{43i} $以及指令下发至回传数据接收总时延$ {T}_{40i} $，如图7所示。

1.5.2 数据丢包率测量方案

采用实船测试平台测量数据丢包率，岸端驾控中心和船端控制终端均以5 Hz收发报文，理论上每条报文接收时间间隔应接近0.2 s，在控制指令下行数据包和航行数据上行数据包中分别添加数据包编号，由接收端自动记录成功接收数据包的编号序列，试验后统计未能成功接收的数据包数，除以总收发包数，即为丢包率^[10]。

1.5.3 航向保持精度测量方案

采用缩尺船模测试平台测量航向保持控制精度，由电罗经测量船模艏向角，测量精度为±0.1°。船载自动控制程序采用模糊PID算法^[8]实现远程驾控船模的航向保持控制，采用均方根误差表示航向保持精度：

$ {E}_{\text{RMSE}}=\sqrt{\frac{1}{N}\sum \limits_{i=1}^{N}{\left[{Y}_{i}-f\left({x}_{i}\right)\right]}^{2}} 。$

(1)

式中：$ {Y}_{i} $为航向测量值；$ f\left({x}_{i}\right) $为目标航向。

1.5.4 路径跟随精度测量方案

采用缩尺船模测试平台测量路径跟随控制精度，基于ublox ZED-F9P芯片的差分GPS定位系统，可实现船模位置的厘米级定位，将船模实际航行轨迹与规划路径之间的横向偏差作为路径跟随控制误差。本文采用视线法实现船模路径跟随控制（见图8），设上一路径节点为$ {{WP}}_{{i-1}}\left(i=2,3,4,...,N\right) $，当前路径节点为$ {{WP}}_{i} $，下一路径节点为$ {WP}_{i+1} $，$ {P}_{{H}} $为船模当前位置，$ {\psi }_{{H}} $为当前艏向，则以$ {P}_{{H}} $为圆心、$ {R}_{\text{LOS}} $为半径的圆与路径$ \overrightarrow{{WP}_{i-1}{WP}_{i}} $相交于2点，与路径终点$ {WP}_{i} $更为接近的交点即为LOS点，船模当前位置$ {P}_{\text{H}} $到LOS点的方位角矢量$ {\psi }_{\text{LOS}} $即为LOS角，半径$ {R}_{\text{LOS}} $的计算式为：

${ \left\{ \begin{array}{ll} {R}_{\text{LOS}} = \varepsilon + 3{L}_{\text{PP}}，\\ \varepsilon = \sqrt{|\overrightarrow{{{WP}}_{i-1}{P}_{\text{H}}}|^2 - \left(\dfrac{|\overrightarrow{{{WP}}_{i-1}{WP}_{i}}|^2 - |\overrightarrow{{{WP}}_{i}{P}_{\text{H}}}|^2 + |\overrightarrow{{{WP}}_{i-1}{P}_{\text{H}}}|^2}{2|\overrightarrow{{WP}_{i-1}{WP}_{i}}|}\right)}。\end{array} \right. }$

(2)

式中：$ {L}_{\text{PP}} $为船长；$ \varepsilon $为航迹误差，即为路径跟随控制误差。

1.5.5 远程驾控关注度测量方案

为测量试验期间远程驾驶员的关注度，确定哪些信息对于远程驾控更为重要，采用缩尺船模测试平台测量远程驾控关注度信息，在岸端驾控中心安装眼位仪，并在试验期间实时采集远程驾驶员的眼球关注位置，自动绘制关注度热力图^[11]。通过分析关注度热力图确定哪些信息对于远程驾控更为重要。

2 试验验证 2.1 试验水域选择

实船及缩尺船模试验水域为三峡库区奉节县，该水域风平浪静（最大浪高约为0.2 m）、船舶较少，4G/5G信号覆盖好，试验水域包括长江主航道及朱衣河（支流），可航行区域总长度约6000 m，长江主航道内船舶稍多，支流朱衣河内鲜有航行船舶，航行环境简单。为模拟实际内河船舶远程驾控场景，岸端驾控中心布置在武汉，与实船和缩尺船模测试平台之间距离约470 km。

2.2 测试数据分析 2.2.1 网络时延测试

由控制程序自动记录操控指令下行时延$ {T}_{10} $分布、船舶运行数据上行时延$ {T}_{43} $分布、从岸端下达操控指令到接收到船端回传报文之间的总时延$ {T}_{40} $分布，分别如图9所示。

试验水域临近城镇，电磁环境较为复杂，且网络负荷和网络延时均偏大。见图9(a)可知，操控指令下行时延在0.5～1.5 s，平均值约为1 s，时延在0.7～1.2 s分布较为均匀；见图9(b)可知，船舶运行数据上行时延在0.5～1.6 s，平均值约为0.8 s，相对而言，上行数据传输时延更低且分布更为集中；见图9(c)可知，从下达指令到收到回传报文的总时延，最短为0.9 s，最长为2.2 s，主要分布于1～1.7 s之间，最大概率出现时延为1.3 s。可见下行控制指令、上行船模运行数据的时延均在1～2 s量级。然而由于试验船航行期间基本都采用路径跟随控制模式，船舶航行运动始终处于自动控制中，岸端的远程驾驶员对时延的感受不明显，因此时延对船舶远程驾控影响有限。

2.2.2 数据丢包率测试

结合路径跟随控制试验，开展数据丢包率测试。如图10(a)、图10(c)所示，控制指令下行数据包存在少量丢包现象，丢包率为0.32%，下行数据包接收间隔时间在1 s左右，与发送频率1 Hz保持一致，最长接收时间间隔接近18 s，出现在第2116个数据包附近。如图10(b)、图10(d)所示，与下行数据规律类似，航行数据上行数据也存在少数丢包现象，丢包率为0.25%，上行数据包接收时间间隔在1 s左右，最长接收时间间隔接近18 s，出现在第2115个数据包附近，与下行数据包最长时间间隔所处的时间一致，其原因为试验船模从长江主航道航行至支流水域，跨越多个信号基站，在切换基站时存在丢包现象。但由于采用路径跟随控制模式，船模始终处于自动控制中，在信号丢失的情况下船模依然在正常进行自动驾驶控制，岸端驾驶员对数据丢包现象感受并不明显。

2.2.3 航向保持测试

航向保持试验在长江主航道内进行，船模航向及舵角曲线如图11所示。

图11(a)为航向曲线，可见缩尺船模的目标航向设定为28°，在程序自动控制下，缩尺船模的实际航向$ {E}_{\text{RMSE}} $误差为1.004°，控制精度良好；此时自动舵的舵角输出范围为−7°～5°，如图11(b)所示。

2.2.4 路径跟随测试

由岸端远程设定一系列路径节点（WP₁～WP₉）并发送至船端，船端控制程序采用视线法对船模航行轨迹进行控制。其中在接近WP₇时，由于存在静态碍航物（浮标），由岸端远程驾驶员切换至远程手动驾驶模式避让，让清后切换回路径跟随模式，自动返回原航迹。

图12(a)为船模实际航行轨迹，其可精确跟踪WP₁～WP₉路径节点，实际航行路程为4984 m，图12(b)为路径跟随控制误差曲线，可见在WP₄～WP₉之间，缩尺船模能较为精准地实现路径跟随控制，路径跟踪误差$ \varepsilon $在0.5 m以内。而在WP₃～WP₄之间时，由于在长江主航道航行，风浪较大，受风浪影响产生了较大的跟踪误差，最大误差超过12 m，可见在环境干扰较弱的条件下，路径跟随控制精度高，可使船模精确按照规划路径航行。

2.2.5 眼位数据测试

在岸端使用眼位仪采集驾驶人员的关注度，其关注度热力图如图13所示，图中彩色热力图即为岸端驾驶员眼睛关注频率最频繁的区域。

可见，在远程驾控过程中，驾驶员关注点集中程度从高到低依次是：船模航行态势>舵角控制>航向显示>螺旋桨转速显示>数据回传，可见对于远程驾控而言，船舶航行态势、舵角控制等状态显示及操控区域更为重要，而螺旋桨转速、船模航向、回传数据等可反映船模运行状态，也是远程驾控需要重点关注的信息。对于远程驾控而言，船舶航行态势图可提供的信息最全面直观，最受驾驶员的关注。在后续远程驾控试验与实践过程中，需要重点加强关键信息的回传与显示，并根据人机工程学做好显示界面的优化。同时，可考虑增加冗余备份通信手段以确保船舶航行态势信息的可靠稳定回传，保障关键航行信息的持续可靠更新。

3 结　语

为研究船舶远程驾控可行性与关键驾控问题，搭建了基于4G/5G 网络的船舶远程驾控系统，分别利用实船和缩尺船模开展了基于4G/5G的远程驾控测试，得出结论如下：

1）在远程驾控过程中，测试了航向保持、路径跟随、远程手动驾驶等典型驾控模式，对于内河船舶而言，航向保持、路径跟随等自动控制模式可安全、有效协助岸端驾驶员完成船舶的航行控制，从而提高控制精度的同时降低岸端驾驶员工作强度；

2）通过对无线信号延时及丢包率的测试可知，实际内河水域4G/5G网络传输总时延约为1～2 s，网络丢包率低至0.32%，经远程驾控试验验证，在船舶航向保持与路径跟随控制模式下，通信试验及丢包现象对船舶远程驾控影响有限；

3）通过对人员关注度等人机工学指标进行测试表明，在远程驾控过程中，岸端驾驶员更加关注船舶航行态势、舵角控制、螺旋桨转速、航向、船舶运行回传数据等信息，故在未来远程驾控系统设计中，需要重点考虑上述内容的呈现形式，并做好无线传输的安全冗余备份方案。