Multi-criteria ACO-based algorithm for ship’s trajectory planning

• Autorzy: Lazarowska A.

Identyfikatory

DOI

10.12716/1001.11.01.02

• Języki publikacji: EN

Abstrakty

EN

The paper presents a new approach for solving a path planning problem for ships in the environment with static and dynamic obstacles. The algorithm utilizes a heuristic method, classified to the group of Swarm Intelligence approaches, called the Ant Colony Optimization. The method is inspired by a collective behaviour of ant colonies. A group of agents - artificial ants searches through the solution space in order to find a safe, optimal trajectory for a ship. The problem is considered as a multi-criteria optimization task. The criteria taken into account during problem solving are: path safety, path length, the International Regulations for Preventing Collisions at Sea (COLREGs) compliance and path smoothness. The paper includes the description of the new multi-criteria ACO-based algorithm along with the presentation and discussion of simulation tests results.

Słowa kluczowe

EN

colregs; ships manoeuvering; Ant Colony Optimization (ACO); ship’s trajectory planning; route planning; multi-criteria ACO-based algorithm; guidance; navigation and control (GNC); ARPA

• Wydawca: Faculty of Navigation, Gdynia Maritime University
• Czasopismo: TransNav : International Journal on Marine Navigation and Safety of Sea Transportation
• Rocznik: 2017
• Tom: Vol. 11, no. 1
• Strony: 31--36
• Opis fizyczny: Bibliogr. 20 poz., rys., tab.

Twórcy

autor

Lazarowska A.

• Gdynia Maritime University, Gdynia, Poland

Bibliografia

• 1 Ahn J.H., Rhee K.P., You Y.J. 2012: A study on the collision  avoidance of a ship using neural networks and fuzzy  logic, Applied Ocean Research, Vol. 37, pp. 162–173.
• 2 Escario, J. B., Jimenez, J. F. and Giron‐Sierra, J. M. 2012:  Optimisation of autonomous ship manoeuvres applying  ant  colony  optimisation  metaheuristic,  Expert  Systems  with Applications, Vol. 39 (11), pp. 10120–10139. 
• 3 Fossen  T.I.  2011:  Handbook  of  Marine  Craft  Hydrodynamics and Motion Control, 1st ed., John Wiley  & Sons, Ltd
• 4 Hornauer  S.,  Hahn  A.  2013:  Towards  Marine  Collision  Avoidance  Based  on  Automatic  Route  Exchange,  9th  IFAC Conference on Control Applications in Marine Systems,  Vol. 46 (33), pp. 103–107.
• 5 Lazarowska A. 2013: Application of Ant Colony Optimization in Shipʹs Navigational Decision Support System, In: A. Weintrit (ed.), Navigational Problems, Marine Navigation and Safety of Sea Transportation, CRC Press/Balkema, London, UK, pp. 53–62.
• 6 Lisowski J. 2016a: Analysis of methods of determining the  safe ship trajectory, TransNav, the International Journal on  Marine Navigation and Safety of Sea Transportation, Vol. 10,  No. 2, pp. 223–228. 
• 7 Lisowski J. 2016b: The sensitivity of state differential game  vessel traffic model, Polish Maritime Research, Vol. 23,  Issue 2, pp. 14–18.
• 8 Liu  Y.,  Bucknall  R.  2015:  Path  planning  algorithm  for  unmanned  surface  vehicle  formations  in  a  practical  maritime environment, Ocean Engineering, Vol. 97, pp.  126–144. 
• 9 Mohamed‐Seghir  M.  2016:  Computational  Intelligence  Method for Ship Trajectory Planning, Proceedings of the  21st International Conference on Methods and Models  in Automation and Robotics, pp. 1–6
• 10 Naeem,  W.,  Irwin,  G.,  Yang,  A.  2012:  Colregs‐based  collision  avoidance  strategies  for  unmanned  surface  vehicles, Mechatronics, Vol. 22, pp. 669–678
• 11 Perera L., J. Carvalho J., Guedes Soares C. 2011: Fuzzy logic  based decision making system for collision avoidance of  ocean  navigation  under  critical  collision  conditions,  Journal of Marine Science and Technology, Vol. 16 (1), pp.  84–99
• 12 Simsir U., Amasyali M.F., Bal M., Celebi U.B., Ertugrul S.  2014: Decision support system for collision avoidance of  vessels, Applied Soft Computing, Vol. 25, pp. 369–378. 
• 13 Szłapczyńska  J.  2015:  Data  Acquisition  in  a  Manoeuver  Auto‐negotiation  System,  TransNav,  the  International  Journal  on  Marine  Navigation  and  Safety  of  Sea  Transportation, Vol. 9, No. 3, pp. 343–348. 
• 14 Szłapczyński R., Szłapczyńska J. 2012: Evolutionary Sets of  Safe  Ship  Trajectories:  Evaluation  of  Individuals,  TransNav, the International Journal on Marine Navigation  and Safety of Sea Transportation, Vol. 6, No. 3, pp. 345–353.  
• 15 Śmierzchalski R., Kuczkowski Ł., Kolendo P., Jaworski B. 2013: Distributed Evolutionary Algorithm for Path Planning in Navigation Situation, TransNav, the International Journal on Marine Navigation and Safety of Sea Transportation, Vol. 7, No. 2, pp. 293–300.
• 16 Tam,  C.,  Bucknall,  R.  2010:  Path‐planning  algorithm  for  ships in close‐range encounters, Journal of Marine Science  and Technology, Vol. 15, pp. 395–407. 
• 17 Tam,  C.,  Bucknall,  R.  2013:  Cooperative  path  planning  algorithm for marine surface vessels, Ocean Engineering,  Vol. 57, pp. 25–33. 
• 18 Tsou,  M.,  Hsueh,  C.  2010:  The  study  of  ship  collision  avoidance  route  planning  by  ant  colony  algorithm,  Journal of Marine Science and Technology‐TAIWAN, Vol.  18, pp. 746–756. 
• 19 Tsou, M., Kao, S., Su, C. 2010: Decision support from genetic  algorithms for ship collision avoidance route planning  and alerts, Journal of Navigation, Vol. 63, pp. 167–182.  
• 20 Xue,  Y.,  Clelland,  D.,  Lee,  B.,  Han,  D.  2011:  Automatic  simulation of ship navigation, Ocean Engineering, Vol. 38,  pp. 2290–2305.

Uwagi

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę (zadania 2017)