0 引　言

船舶导航从最初的利用天文导航到1908年磁罗经的问世，再到1974年GPS初步建成并且投入使用，直至2012年欧盟海上智能无人驾驶网络项目提出无人驾驶的概念^[1]，经过多次技术迭代，其概念已从单纯的定位和避障发展为涵盖广泛功能的智能化系统。目前，随着物联网、信息技术、人工智能等技术的工业化应用，国际海事组织对船舶安全性和智能化的要求逐步提升，船舶导航控制的内涵亦变得愈加丰富^[2]。

船舶导航控制是指通过导航系统、控制算法和执行机构等，使其按照预定的起讫点规划出一条最优航线，使船舶在复杂环境中安全、高效、精准航行的技术和方法。当前，船舶导航控制的内涵不再仅限于传统的定位与避障，而是深度关联了船舶的整个航行过程，包括“制导”与“控制”2个核心模块^[3]，船舶导航控制体系如图1所示。制导是指根据操纵人员设定的航路点信息、航行水域障碍物分布、船舶会遇情况，实时规划出平滑且可行的参考路径；控制是指根据船舶运动姿态、速度变量及制导系统给出的参考路径计算并确定执行航行任务所需的控制指令。

对智能船舶而言，船舶导航控制是其实现自主航行的关键^[4]。目前，大量专家学者在船舶导航控制领域展开了相关研究，如不同控制器在船舶跟踪控制方面的表现及应用^[5]、不同路径规划算法的改进及融合^[6]等，并产生了丰硕的成果，如集感知、制导、控制、导航四位一体的小型无人船智能航行技术体系^[7]，如芬兰 SVAN 项目研发的全自动渡船“Falco”号，我国自主研发的智能航行300TEU集装箱商船“智飞”号等。然而目前船舶导航控制方面研究仍有待系统的梳理总结和全面客观的分析。

基于此，本文通过文献计量学的方法，对国内外“船舶导航控制”相关领域文献展开系统归纳和可视化分析，以求把握其包括前沿动态、科学知识、总体特征在内的演化规律，揭示国内外“船舶导航控制”相关领域的研究热点和发展趋势，为该领域相关学术活动提供科学依据，为未来研究提供参考。

1 数据来源与研究方法 1.1 数据来源

本文以中国知网（CNKI）中的“北大核心”文库为中文文献来源，以“船舶导航控制”、“船舶路径规划”和“船舶导航”为关键词对近10年的文献进行检索分析。同时以Web of Science 数据库中的Web of Science Core Collection（WoS 库）为英文文献数据来源，对英文文献检索时，由于“船舶”一词学者们可能使用“ship”、“vessel”或“surface vehicles”等进行表达。为避免主语混淆，选取文献类型为“Article”，以“navigation control”、“path planning”等为关键词进行检索为关键词进行检索，并对文献进行筛选。同时，本文将国内外文献界定界限定义为文献发表的期刊是否为外文。共筛选出中文文献405篇，英文文献98篇。

1.2 研究方法

知识图谱法结合文献计量学与可视化技术，通过构建点与线的网络结构直观展示学术领域的研究热点和发展趋势，其方法如图2所示。目前主流的知识图谱软件有Cite Space和VOS viewer，其中Cite Space是基于文本挖掘的可视化分析软件，利用热词分析功能绘制科学领域的知识图谱，客观反映某一研究领域发展趋势的分析方法。Cite Space可以通过生成聚类图、时区图、时间线图进行关键词聚类，但对关键词的显示、合并以及复杂关键词网络的调整工作存在不足。VOS viewer软件则可进行相似关键词合并，构建可视化计量网络，其基于共同引用、耦合和共同创作的关系，为期刊、研究人员、关键词和出版物建立网络，并将结果可视化。考虑到两款软件的优缺点及本文的研究目的，本文综合使用Cite Space和VOS viewer两款软件对文献进行分析。

2 基于文献计量的研究脉络分析 2.1 中文文献发文计量分析

对国内近10年该领域论文的第一作者所属第一单位进行统计分析，可知目前在中文期刊中发表文章的主要国内研究机构大致可分为三类。

1）海事类高校：如大连海事大学等，这些单位具有明显的学科优势和科研资源。

2）综合性高校：如江苏大学等，虽然相关领域并非其传统强项，但依托学科交叉亦有一定贡献。

3）军事及应用单位：如海军工程大学和天津航海仪器研究所等，其研究更聚焦于军事需求和实际应用。

表1给出了近年来国内相关单位发文统计状况。

为统计研究团队之间的合作关系，对发文作者进行统计聚类并绘制知识图谱。分析可知，目前形成的研究团队数量仍较少，且多集中于同一所高校内部，不同高校之间的协作尚不紧密。未来，应进一步加强跨高校团队之间的联系与合作，以促进学术资源的整合和研究的深入发展，从而推动该领域取得更多突破性成果。

通过使用Cite Space对相关文献的热点进行可视化分析，从时间演变的视角来看，研究焦点逐渐从早期的“船舶”等基础主题，向更具前沿性的“控制系统”和“路径跟踪”领域转移。这种趋势反映了该领域研究内容的深入化与应用场景的复杂化，显示出技术发展和应用需求对研究方向的驱动。

2.2 英文文献发文计量分析

基于WOS库的98篇英文文献，利用 VOS viewer生成高频关键词聚类图谱。

从研究内容的角度来看，这些主题可以进一步归类为制导和控制2个方面。制导方面涉及路径规划、避碰、导航等主题，其核心目标是确保船舶能够安全、合理、高效地选择和调整航行路线，以适应不同的航行环境和任务需求；控制方面则包括路径跟踪控制、最优控制等主题，侧重于优化船舶的运动控制策略，以提高跟踪精度、稳定性和能源效率，使船舶能够严格按照预定航线航行。

同时，利用VOS viewer 对不同国家和地区的研究贡献及其合作关系进行了可视化分析。可知，中国在该领域具有较高的论文发表量，并与多个国家和地区保持紧密合作，这表明中国在该领域的研究活动较为活跃，并在国际合作中发挥着重要作用。值得注意的是，日本这一全球造船业强国并未在合作网络中显现，这可能反映出几个关键问题。首先，日本在该领域的论文发表量可能相对较低，部分研究可能更倾向于企业内部研发和专利保护，而非以学术论文的形式公开发表。其次，日本的造船业主要由大型企业主导，其研究可能更聚焦于造船工艺、材料科学和自动化制造，而非智能导航控制等方向。此外，日本的研究合作模式较为封闭，可能主要以内部机构合作为主，而未形成广泛的国际合作网络，这种现象在部分亚洲国家较为常见，比如韩国在图中也较为边缘化，说明其研究可能也较为本土化。因此，日本未在该合作网络中突出，并不意味着其研究活跃度低，而是其研究产出和合作模式存在一定的特殊性。

总体而言，国际间的研究合作呈现出较为明显的区域性特征，如欧洲国家间的紧密合作，以及中国与美国、澳大利亚等国家的广泛联系。这种合作网络的形成反映了不同国家在船舶导航控制领域的研究重点及其国际合作策略。

3 船舶导航控制要素内容挖掘 3.1 船舶制导要素内容挖掘

作为船舶自动化与智能航运的关键技术，船舶制导在智能航行、避碰决策和路径规划等方面发挥重要作用^[8]。

制导，即路径规划，可以分为全局路径规划和局部路径规划2种。全局路径规划是在已知静态信息的基础上，基于出发点和目标点，规划出一条最优的航行路径。这通常涉及航道的选择、障碍物的规避以及航行效率的优化等问题。全局路径规划依赖于地图或环境模型，适用于静态环境或已知航道的情况下；局部路径规划则是在船舶行驶过程中，利用船舶自身的传感器实时获得周围环境信息，动态地调整航行路径，以避开动静态障碍物。这种方法在面对动态环境时尤为重要，尤其是在船舶航行过程中可能遇到其他船舶、浮冰、渔网等障碍物的情况下。局部路径规划的核心在于如何在复杂的、不断变化的环境中实现避碰和最优路径调整。常见的局部路径规划算法包括动态窗口法、人工势场法、速度障碍法等^[9]。

目前主流的全局路径规划算法包括Dijkstra算法、A*算法、蚁群算法、遗传算法、粒子群优化算法等^[10]。表2为当前全局路径规划算法的主要特点。

可以看出，在全局路径规划中，各种算法各有其适用场景和局限性。Dijkstra和A*算法适用于需要确保最短路径的场景，尤其是在静态环境中；而蚁群算法和遗传算法更适合解决组合优化问题，尤其是在需要探索复杂解空间时。粒子群优化算法则适用于高维空间的优化任务，但其对参数的敏感度较高，需谨慎调优。

综合来看，算法选择需结合环境特征、计算资源、实时性要求等因素综合考量，在静态环境中可以优先选择Dijkstra或A*，在动态或不确定环境中，启发式搜索、进化算法或混合优化方法可能更具优势。同时，深度学习和强化学习方法的融合正在成为路径规划算法的重要研究趋势，能够提升算法的适应性和智能性。

相比之下，局部路径规划则聚焦于具体航行中的实时动态调整，更关注安全性。要求算法具有快速收敛的能力以使船舶及时响应以对碍航物做出避让^[10]，目前主流的局部路径规划算法包括人工势场法、动态窗口法、速度障碍法及快速拓展随机树法等^[11]。表3为常用的局部路径规划算法特性。

可以看出，在局部路径规划中，各算法各有其适用场景和局限性^[12]。因此，在选择局部路径规划算法时，应综合考虑船舶航行特点、操纵性能、环境特性及计算资源等因素，在安全性、实时性和经济性之间取得合理平衡。

此外，随着深度强化学习和数据驱动方法的发展，越来越多的智能算法被引入局部路径规划中，例如利用近端策略优化、双延迟深度确定性政策梯度、深度确定性策略梯度等深度强化学习算法，通过模拟仿真训练，使船舶能够自主适应复杂环境，提高避障和路径调整的能力。

3.2 船舶控制要素内容挖掘

船舶控制是指通过对船舶运动控制器进行激励，使船舶始终沿着期望路径稳定航行，其主要目的是精准跟踪既定航线，确保航行的安全性、稳定性和高效性。作为船舶导航控制的核心问题之一，船舶控制在智能航行、自动避碰和导航控制中发挥关键作用^[13]。根据控制目标的不同，船舶控制可分为航迹跟踪控制、路径跟踪控制、定点跟踪控制、编队控制等。表4为当前主流的船舶控制方式。

在控制问题的研究中，学者们从多种不同视角提出了解决方案。当前实现船舶控制的主要控制器包括鲁棒控制器、滑模控制器、比例-积分-微分（Proportional–Integral–Derivative，PID）控制器、模型预测控制（Model Predictive Control，MPC）控制器、强化学习控制器和线性二次调节器（Linear Quadratic Regulator，LQR）等^[14]。表5为常用控制器的特性。

对各类主流控制器的对比可以发现，鲁棒控制器和滑模控制器适合在存在较多不确定性和扰动的情况下使用能够有效应对系统参数变化和外部干扰。然而，这些控制器通常设计较复杂，并且在高精度要求下可能出现抖振现象，影响系统稳定性。PID控制器在简单、线性系统中的表现良好，但在非线性和复杂系统中表现一般。MPC控制器适合复杂系统，尤其是有约束和多变量的情况，然而，它的计算资源需求较高，实时性要求也较为严格，可能不适用于计算资源有限的应用场景。强化学习控制适合非线性和未知环境，但训练时间长，应用挑战较大。LQR控制器适用于线性系统，能够提供最优控制，但对非线性系统适用性有限。

4 结　语

本文通过对2014－2024年间国内外有关船舶导航控制的期刊文献进行检索，并从发文量、合作机构及关键词等方面进行了分析，概述了国内外对船舶导航控制研究的现状、热点领域及前沿动态。主要结论包括：

1）国内发文机构：发文机构及合作关系主要集中于大专院校及科研院所，由于各单位之间的水平差异，整体合作网络密度较低，这表明机构间的合作交流亟需加强。

2）关键词聚类分析：研究热点逐渐从较为基础的船舶及船舶航行，转向更为前沿的控制系统和路径跟踪，这一趋势不仅反映了船舶导航控制领域的迅速发展，也彰显了在自动化、智能化控制系统方面取得的显著科研成果。这种转变表明，随着技术的不断进步，现代船舶对高效、精准的导航和路径跟踪需求日益增加，推动了该领域在自动控制、人工智能以及复杂环境适应性等方面的深入研究与创新。