【综述】船舶自主航行虚拟测试场景研究进展

摘要：自主航行能力系统性测试、验证与可靠性评价是智能船舶产业化应用的重要前提。为明确不同测试对象对于自主航行测试场景的需求，对自主航行测试场景的测试对象、场景定义、构建方法和测试方式进行梳理。依据测试对象和场景需求的特点，将场景构建方法分为真实数据提取、机理建模重构

船舶自主航行虚拟测试场景研究进展

陈立家, 王凯, 黄立文, 李胜为, 周欣蔚, 刘岩值

中国舰船研究，2025,20(1): 25-37

下载 PDF

摘

要

自主航行能力系统性测试、验证与可靠性评价是智能船舶产业化应用的重要前提。为明确不同测试对象对于自主航行测试场景的需求，对自主航行测试场景的测试对象、场景定义、构建方法和测试方式进行梳理。依据测试对象和场景需求的特点，将场景构建方法分为真实数据提取、机理建模重构、数据驱动衍生和优化搜索采样方法，对比阐述不同场景构建方法的性能和所生成场景的特点，并结合算法验证优化、性能评估和安全验证等不同测试需求分析场景构建方法所存在的问题。研究结果表明：实际应用要求测试场景构建技术充分关注测试场景结构体系的完备描述、场景组合爆炸和场景系统动力学演化问题。未来的研究应重点关注异质交通场景发展趋势，丰富智能船舶测试理论和方法体系，为智能船舶的研究成果产业化应用奠定理论与技术基础。

引

用

本

文

陈立家, 王凯, 黄立文, 等. 船舶自主航行虚拟测试场景研究进展[J]. 中国舰船研究, 2025, 20(1): 25–37. DOI: 10.19693/j.issn.1673-3185.03597

CHEN L J, WANG K, HUANG L W, et al. Research progress on test scenario of ship autonomous navigation[J]. Chinese Journal of Ship Research, 2025, 20(1): 25–37 (in Chinese). DOI: 10.19693/j.issn.1673-3185.03597

引言

近年来，75%～96%的海事事故是人为造成，其中56%的事故发生是因违反了一条或多条国际海上避碰规则（convention on the international regulations for preventing collisions at sea, COLREGs）。随着物联网、大数据和人工智能等技术的快速发展，以数字化为基础、智能化为突破、自主化为目标的渐进式船舶智能化已成为船舶工业发展的新趋势和新热点。世界主要造船和航运国家纷纷加大智能船舶研发与应用的投入，且取得了一些研究成果。智能船舶关键技术的突破可有效助力我国船舶产业数字化转型和智能化升级，对全面推进海洋强国、交通强国和制造强国等重大战略实施具有积极的支撑作用。在可预见的未来，智能船舶将成为下一代水路运输系统的主要参与者。Wróbel等[1]以假设分析方法调研100起海上交通事故，通过事故推演分析了自主航行船舶对事故发展的可能影响。该研究表明，自主航行船舶可以在一定程度上减少由人因失误引起的海事事故。然而，自控系统的出现并不能完全避免海事事故的发生。现阶段需解决自主航行船舶的安全性和可靠性的问题[2]。

为实现海上安全航行，自主航行控制系统要实现航行态势感知、航行决策制定和船舶运动控制3项功能[3]。其感知−决策−控制过程可分解为多个子任务。自主航行控制系统首先通过外部环境和内部条件感知影响船舶运动的信息，如地理环境、水深条件、障碍物信息、气象条件等；通过对所处环境以及自身状态的综合分析，自主航行控制系统将在遵守COLREGs的基础上考虑航行法要求制订航行计划；最后，结合运动过程中的风险变化控制船舶车舵，进而操纵船舶运动。

当模糊控制、机器学习等智能算法在自主航行船舶控制系统中应用时，系统行为表现出动态性和不确定性。由于系统的整体结构复杂，且边界不明确，在自主航行能力测试过程中难以精确刻画出系统模型的约束。

因此，应首先对自主航行船舶进行广泛测试，以验证其在安全性和可靠性方面的表现。法国智能船舶和运输规范[4]规定，测试包括软件测试、模拟测试和海试。日本《自主船舶指南》[5]提到，在功能测试中，自主航行船舶的控制系统可以通过模拟器进行测试。根据各国提出的自主航行船舶规范要求，各大航运公司和各国船级社开展了面向自主航行系统的测试验证方法研究。

从自主航行的可靠性角度看，确保自主航行控制系统中核心算法的稳定性、有效性非常重要。因此，对于自主航行控制算法的测试是检验自主航行系统安全可靠性的重要手段。面向自主航行的测试方法主要包含实船测试、仿真测试和虚实融合测试。

实船测试能够最大限度逼近自主航行船舶一般航行场景，是其功能检验和性能测试最可靠的办法。通过了各项测试的船舶，才能获得自主航行船舶认证。实船测试阶段，包括实船操纵性能测试、航线自主规划、智能决策避碰、自动靠离泊、硬件可靠性测试等[6]。为评估海洋观测无人船Aragon号的自主航行性能，Son等[7]设计了多种会遇态势下的测试场景，开展实船试验，其结果为分析及改进Aragon号的自主航行性能起到了很大作用。但是，随着自主航行算法复杂度的不断提升，在实船试验场中开展自主航行测试的难度和成本逐渐增加，亟须开展安全、高效、经济的测试技术研究，突破严重制约自主航行船舶产业化、规模化应用的核心问题。

虚实融合测试方法在安全和成本等方面有着巨大的技术优势，已成为自主航行能力测试的主要手段之一，是该领域当前的研究热点。Wu等[8]将真实环境信息融入虚拟场景，利用混合现实完成双向交互式反馈。但实船测试和虚实融合测试方法均以实际场景为基础，测试效率受限。

而仿真测试[9]方法可以大幅降低测试成本，避免实船试验过程中发生不可控的危险局面，同时具有更高的测试效率。考虑到测试成本及测试场景构建的灵活性问题，高覆盖度的场景生成测试方法成为目前实现自主航行测试的重要技术手段。Chen等[10]介绍了一种基于模拟的自主航行系统的测试及其评估方法。

针对上述问题，本文将围绕自主航行虚拟测试中的测试场景构建方法，对国内外最新研究成果进行梳理、分析和总结。从自主航行测试对象出发，梳理不同测试需求下的测试场景定义与场景要素组成；深入探索不同测试需求下的自主航行测试场景构建机理，并总结现阶段测试场景应用方向与面临的挑战；最后结合自主航行发展趋势，进行高等级自主航行测试场景研究展望。

1 自主航行虚拟测试场景定义与构架

1.1 自主航行测试对象

根据中国船级社《智能船舶规范2020》[11]，将智能航行列为智能船舶的主要功能模块之一，智能航行功能标志（Nx）分为3级，其中N级具有航路与航速的设计优化功能，No级和Nn级在N级基础上具备开阔水域和复杂水域的自主航行能力。自主航行能力在不同的发展阶段会催生出不同的应用场景[12]。因此，在自主航行测试过程中，需要充分考虑不同等级智能船舶应用场景的差异性和测试需求中的异同点。

作为自主航行船舶的核心模块，自主航行系统是由感知、决策、控制等独立模块有机结合组成的复杂系统[13]，其测试流程见图1。船舶的自主航行涉及不同层级、不同领域软件和硬件的协同合作，任意环节出现故障都可能会导致整个系统的瘫痪。因此，在测试过程中，也要全面关注船舶自主航行系统中不同独立模块的功能验证过程[14]。

图1 自主航行测试流程

基于上述考虑，可将自主航行测试的研究对象分为通信网络、远程控制等功能模块性能测试和不同等级的自主航行船舶安全性测试。为模拟所有可能性的测试场景，包括不同工况、不同测试目标下的航行任务，迫切需要定义完备且通用的自主航行测试场景。

1.2 自主航行测试场景定义

自主航行船舶的测试，即检验船舶自主航行控制系统通过感知外界环境变化，从而做出决策控制船舶运动完成对应的航行任务并避免危险情况出现的能力。可将自主航行系统描述为以航行任务、外界环境和自身状态为输入、船舶操纵指令为输出的封闭系统。其测试过程即在不同输入条件下，记录自主航行控制算法输出的操纵指令，并建立相应的性能、安全评价指标来评价自主航行算法效果是否符合预期[15]。

于巧婵等[16]从功能测试角度出发，将海洋气象、交通特征及船舶状态等要素的集合定义为测试场景，将测试场景分为船舶港外航行、进出港航行和靠离泊3种，并与测试任务相联系（图2）。但该定义方式忽略了自主航行船舶可能面对的应急工况，无法描述临近碰撞等危险场景。

图2 智能船舶综合测试技术体系

对此，《船舶自主航行附加标志检验指南2023》[17]深入描述了以智能算法为核心的自主航行感知、决策、控制的复杂过程的测试、验证与确认方法，其中规定了满足航路与航速的设计优化等辅助航行要求的Na类型智能船舶、满足开阔水域自主航行要求的No类型智能船舶和满足全航程自主航行要求的Nn类型智能船舶检验方法的技术要求。从表1中可以看出，在不同场景下，智能船舶检验的测试任务区别很大。在智能船舶检验中，应急工况或极限工况下的航行任务也是自主航行测试场景的研究对象之一。从该角度出发，可将自主航行测试场景分为常规场景、边缘场景和事故场景。

表1 不同等级智能船舶检验方法技术指标

欧盟无人驾驶汽车安全保障项目[18]则根据抽象程度和表达方式的不同，将测试场景分为功能场景、逻辑场景和具体场景，并在此基础上细分为道路层、交通设施层、临时调整的交通设施层、移动物体层、环境状态层和通信层6个层次，从场景总体结构与细分要素层次角度提出了相对完整的交通测试场景定义。

通过上述分析，面向自主航行的测试场景可以定义为在一定空间和时间范围内交通环境与驾驶行为的综合反映，描述了航道、地形、气象条件、交通状态以及本船航行任务和状态等信息，通过动态元素的动作和事件组合为自主航行测试场景[19]。上述研究为船舶自主航行测试所亟待解决的问题提供了基础理论和技术应用的实现途径，但对于自主航行测试场景的定义还停留在理论层面，并未建立用于表示具体测试场景瞬时状态的数学模型。

1.3 测试场景要素层次分解

构建能够直观反映自主航行演化态势机理的虚拟测试场景，对于开展自主航行虚拟测试至关重要。其中，确定测试场景系统架构要素是描述测试场景的核心依据，需优先明确测试场景用例中场景数据来源、场景要素类型等不同层次下的场景要素结构，如图3所示。

图3 测试场景要素层次分解

从传统航海仿真视角来看，可将虚拟测试场景要素分为环境要素、船舶要素、通航条件和交通状态4个方面[20]。其中，环境要素主要是指风场、流场、波浪谱的构建和描述[21]；船舶要素则包含船舶几何特征和性能特征；通航条件描述助航标志等航道信息和船载自动识别系统（automatic identification system，AIS）、船舶交通管理系统(vessel traffic service，VTS)等岸基服务信息；而交通状态则由目标船的属性特征和行为规律决定。然而，自主航行船舶在危险感知、通信交流和操纵决策方面的行为逻辑与传统船舶有所差异，不同智能化等级的自主航行船舶混行的交通场景难以在传统航海仿真体系下得到完整表现，面向自主航行测试场景的要素分解体系仍然需要大量的研究和探索。

在复杂的水上交通系统中，任何不利因素对船舶通航安全的影响都会首先表现在航行环境上[22]，可以通过航行风险[23]来描述航行环境不确定性的影响程度。洛佳男等[24]研究构建船舶智能航行风险演化概念模型及其数学表达模型，分析无人化趋向、基于航行场景和连锁效应下的风险演化一般规律及其特征，为船舶智能航行风险认知和管控以及研究船岸协同的船舶智能航行系统的构建提供了参考。通过航行风险视角，可将航行环境不确定性的来源分为交通管理限制、自然环境演化和交通动态变化3个方面，为探索自主航行场景生成方法及虚拟仿真测试方法提供了理论依据。如图4所示，Zhou[25]针对中国南海船舶通航环境风险进行了定量分析，借由此方法可以对测试场景环境、通航、交通等要素进行研究，细分出大量的特征要素。

图4 通航环境风险因素分析

但是，随着测试场景要素维度的上升，场景组合爆炸问题将会出现[26]，最终导致遍历测试效率下降和测试场景覆盖率降低[27]。对此，单次抽样、多次抽样和分层抽样等要素组合优化方法涌现。针对测试场景系统架构要素的覆盖性问题，Qiu等[28]提出虚实结合的测试性试验与综合评估技术，利用序贯概率比检验（sequential probability ratio test，SPRT）方法对测试场景要素进行优化组合；Zhao等[29]在测试场景系统构架要素的优化问题中引入重要度抽样理论，提出一种基于重要性抽样的智能汽车评估加速方法，通过对测试场景进行筛选和组合，使测试场景的参数分布更合理，有效提高了测试效率。

通过分析上述文献可知，自主航行测试场景描述了自主航行船舶在不同工况下所有可能发生的场景。因水路交通的独特性，不同场景中复杂通航环境与船舶运动模型间的耦合机理尚不明晰。同时，智能船舶参与交通渗透率较低，研究样本稀疏，缺乏危险事故的边缘场景样本，导致自主航行算法缺陷暴露率较低。缺少对混合交通场景特征要素的相互作用机理的研究，场景要素对测试需求的重要度解析不透彻，要素解析结果指导测试案例生成的机制不明确，难以支撑测试案例的多样化和覆盖度优化[30]。

2 自主航行虚拟测试场景构建方法分析

虚拟测试将成为自主航行测试的重要方式，而场景是虚拟测试的基础。自主航行场景的内涵可以理解为自主航行船舶与通航环境各要素在一段时间内的总体动态描述，这些要素的组成由所期望测试的自主航行功能决定。

为了进一步深入研究自主航行场景，可以从不同视角对现有的测试场景生成方法进行分类，如表2所示。根据其理论基础、生成方式等特征的不同，分为4种类型：1）测试场景提取：从船舶航行历史数据出发，提出基于真实数据的测试场景提取方法，从AIS、雷达等各类传感器数据中提取测试场景；2）测试场景重构：针对真实数据中危险场景的稀缺性问题，从航海仿真方法出发，提出基于机理建模的测试场景重构方法，建立场景数学模型模拟重构测试场景；3）测试场景衍生：针对机理建模对场景结构简化的问题，从船联网大数据出发，提出基于数据驱动的测试场景衍生方法，挖掘AIS等数据特征，生成虚拟测试场景；4）测试场景采样：针对海量测试场景下的测试覆盖度问题，从场景优化搜索角度出发，提出基于优化搜索的测试场景衍生方法，根据需求建立优化指标，定向引导场景生成过程。

表2 不同测试场景构建方法对比

下文将分别阐述这些方法，通过系统回顾现有的测试场景构建技术，为自主航行船舶的虚拟测试提供全面指导。

2.1 基于真实数据的测试场景提取方法

考虑到测试成本及测试场景构建灵活性问题，基于历史数据的场景提取重建方法已成为实现自主控制系统测试的重要技术手段[31]。基于历史数据的场景提取重建方法针对模拟真实自主航行测试场景方向展开研究，通过识别并截取能够反映真实交通状态的AIS、全球定位系统（GPS）等数据来提取测试场景。其中，交通状态的识别[32]和多源异构数据融合是基于真实数据的测试场景提取方法中的关键问题。

Bakdi等[33]通过AIS数据挖掘船舶动态规律，结合电子海图数据中的通航条件和地理环境信息判断船舶行为，利用精确原子冲突分析实现了测试交通场景的识别与提取。但由于数据来源的单一性，基于AIS的测试场景无法表达真实的交通环境特征，测试场景使用受限。

对此，出现了结合运动特征[34]、视觉特征[35]的测试场景提取方法，针对单一传感器类型的感知缺陷，通过多源异构数据融合增强数据精度，提高测试场景维度，从而提高测试场景的真实程度。在高质量真实数据的基础上，该测试场景提取方法能够获得更接近实际工况的性能表现，测试结果可信度较高。然而，受物理世界的高维度及小概率风险事件的稀疏激励性等约束，边缘场景发生概率低、泛化性差、统计学特征不明显，具有样本稀疏性特征。

2.2 基于机理建模的测试场景重构方法

场景机理重构建模方法是一种依靠研究人员对场景内部变化规律的理解和专业经验知识，运用物理数学相关理论描述物理原型背后物理机理过程[36]或场景概率分布[37]的方法。通过对场景规律的理解、抽象和重构，该方法能够有效弥补基于真实数据的测试场景提取方法在数据依赖性方面的缺陷。

从场景概率分布角度出发，Gao等[38]提出一种基于测试矩阵的场景重构方法，保证场景覆盖率的同时提高场景的复杂度；Lee等[39]首次提出自适应压力测试场景重构方法，基于强化学习方法进行环境实时交互搜索，进而实现航空避碰测试的边界场景自适应重构，后续被Koren等[40]改进和引入自主避碰场景重构中，基于马尔可夫决策过程，使用蒙特卡罗树搜索和前馈神经网络来寻找并重构自主避碰场景。

基于机理建模的场景重构方法通过语义描述、关系建模实现场景元素之间逻辑关系的模型表达[41]，利用船舶运动建模、流场数值计算等机理建模手段实现对真实世界场景一定程度的结构抽象和模型简化，如图5所示。自主航行船舶运动过程受到船舶动力传动结构复杂性，船舶运动响应非线性特征，外界干扰的随机性、多变性特征的协同影响，其运动响应机理复杂，影响因素众多。部分学者从自主航行船舶航行环境出发，从通航环境影响机理方向展开测试场景构建方法的研究。

图5 测试场景环境构建

在内河航段、港口等复杂狭窄水域测试场景构建研究中，测试水域地形重构尤其重要，Wang等[42]针对高风险的内河水域通航场景进行解构与分析，建立了自主航行测试场景数据库。Zhou等[43]通过地图网格化和Voronoi曲面细分技术，在测试场景中模拟开放水域、沿海地区和群岛地带等多种地理环境，用于测试自主航行系统避碰功能。在测试环境场景研究的基础上，祝添权等[44]提出一种基于虚拟现实交互的智能船舶感知系统的测试方法，充分考虑现实环境变化的不确定性来验证智能船舶感知系统的可靠性。Li等[45]则从风浪流环境对船舶运动的影响出发，提出一种变稳性船舶测试方法。Bolbot等[46]提出一种自主航行避碰系统的测试方法，并在场景重构中充分考虑了风和流的环境因素影响。

受益于机理建模的严谨性，基于机理建模的测试场景重构方法在场景可信度、测试过程可重复性等方面表现出良好的性能。然而水路交通场景具有高度的复杂性和不确定性，目前基于机理建模的虚拟测试场景重构研究以单一化、片段化的场景为主，缺乏对系统预测、推理和高级行为决策等能力的测试支持，同时在关键危险场景重构和不合理场景剔除上存在着较大的局限性，影响测试的效率和准确性。

2.3 基于数据驱动的测试场景衍生方法

数据驱动的虚拟测试场景衍生通过场景生成模型迭代优化来逼近真实世界客观规律，从而衍生出大量的多样性测试场景，其核心是对海量真实场景数据进行特征提取和规律总结。基于数据驱动的测试场景衍生又可细分为基于规则的边界场景识别衍生[47]和基于机器学习的场景衍生[48]。

基于规则的边界场景识别模型是一种正向场景识别衍生方法，主要依靠研究人员对边界场景变化规律的经验总计和理解，设计能够精确描述关键事件的判别模型。Porres等[49]根据经验重点对高危、高风险的状况进行筛选，并在智能避碰算法测试的过程中按照筛选的危险程度设置场景出现概率，从而测试其提出的智能避碰算法处理极端情况的能力。

然而，基于规则的场景识别模型依赖于专家的经验，存在一定的局限性，难以发现并生成罕见的边缘场景。因此，一些学者陆续在研究中引入机器学习等模型，形成基于机器学习的场景生成方法，从海量数据中挖掘场景规律，利用对抗生成方式衍生出了符合真实世界规律的测试场景，如图6所示。场景衍生方法的本质不是创造新的场景，而是弥补模型失真或自然数据匮乏而导致的测试样本缺失的缺陷。Ries等[50]通过对海量场景特征进行抽取，提出一种能够在大量交通流数据中识别并衍生边界场景的方法；Du等[51]以采集的自然驾驶场景数据库为基础提取场景特征，提出一种基于轻量级梯度提升机的决策树模型，实现场景的自动聚类及衍生。

图6 基于数据驱动的测试场景衍生

由此可见，基于数据驱动的测试场景衍生方法能够极大丰富测试场景类型与样本量。而数据质量是影响场景衍生方法性能的核心要素，但现阶段智能船舶参与实际交通场景渗透率较低，场景数据集仍相对匮乏，致使其对异质交通场景的覆盖度和逼真度不理想，后续研究应更注重稀疏样本衍生优化方法与训练样本强化生成方法。

2.4 基于优化搜索的测试场景采样方法

随着自主航行等级的不断提高，自主航行测试验证逐渐面临样本工况长尾效应的困扰，即发现一个系统安全漏洞就需要进行大量测试，因此需要能够测试系统能力边界的小概率场景来加速测试。

测试场景优化搜索方法主要通过设计合理、多样化的优化目标函数引导搜索方向并找到对应的边界场景，如图7所示。考虑到测试成本和测试场景构建的灵活性，覆盖率优化已经成为基于仿真测试的重要研究方向。目前，在人工智能领域，许多覆盖率指标已经被提出，包括神经元覆盖率[52]、分类精度[53]、测试覆盖率[54]等。此类指标在寻找神经网络的边界和故障行为方面均表现出显著的性能优势。

图7 基于优化搜索的测试场景采样

由于仿真环境的不确定性和交通系统测试场景的多样性，参数空间内可能的组合数量呈爆炸式增长。许多学者致力于开发搜索算法来定位可能导致智能网联汽车（connected automated vehicles，CAVs）做出错误判断的故障场景，应用了多种优化算法和软件工程方法，如遗传算法[55]、压力测试[56]、自适应采样[57]和加权损失函数[58]等。Duan等[59]提出一种基于场景复杂性和测试成本优化的测试场景生成方法，建立复杂度优化的测试场景集合。Mullins等[60]提出一种基于自适应采样的挑战性场景优化生成方法，用于测试具有多种性能模式的自主系统，高效探索其输入空间，实验结果表明，生成的挑战性场景可以有效地覆盖自主系统能力边界。

综上所述，基于优化搜索的测试场景采样方法能够通过对测试场景特征的定向筛选形成针对性的测试场景集合，因此更适用于自主航行功能验证阶段，加速自主航行系统缺陷暴露。然而，用高频故障场景覆盖的测试场景集进行测试时，测试对象的总体错误率可能会偏高，从而无法客观地评估自主航行系统的安全性能。

3 自主航行虚拟测试场景应用与挑战

当前，自主航行虚拟场景研究成果对不同等级智能船舶的测试起到重要的指导作用。通过提取、重构、生成和衍生的测试场景可以用于包括支撑功能算法验证与优化、虚拟测试与性能评估和虚实融合测试与安全验证在内的多种方法与形式组成的自主航行测试体系。

3.1 功能算法验证与优化

鉴于实际智能船舶的完全自主化和无人化还需逐步实现的现状，目前仍需针对复杂条件下船舶的自动避碰、自动靠离泊、远程驾驶等的相关测试技术、测试方法进行深入研究。相关研究已经在环境感知、自主航行、远程遥控等重点领域形成一定的技术积累。然而，船舶航行环境存在复杂性和不确定性，难以被精确感知和完整描述。在特定条件下，自主航行功能算法可能会由于环境感知和描述的不确定性而误判，引发软件失效行为。

因此，需要海量的多样性测试样本以反映复杂多变的船舶交通场景，构建成本低、效率高的自主航行虚拟测试场景是自主航行功能验证的主要手段之一。针对功能算法特征设计测试场景，应用场景生成方法构建海量测试场景集，结合优化搜索场景采样方法探索功能算法输入空间，进而发现算法能力边界。进一步分析失效场景特征和算法行为，可实现算法功能的验证与优化。

但针对不同算法和模型的测试研究尚未形成统一的测试标准和评价体系，目前虚拟测试场景重构研究以单一化、片段化的场景为主，缺乏对系统预测、推理和高级行为决策等能力的测试支持。

3.2 虚拟测试与性能评估

虚拟测试将成为自主航行长期和主要的测试手段。从智能系统一般研究进程来说，测试验证技术体系主要由软件逻辑测试、模型验证测试与实际系统终试三者组成。目前国内外已建成一些实船测试场用于智能船舶研究，这加快了全球商用智能船的推广速度。但是由于自主航行系统的特殊性，开展实船测试所消耗的人、财、物及时间成本较高，而且往往存在一定的风险。

为此，自主航行虚拟测试关键技术突破已成为迫切需求。通过虚拟仿真将大部分测试工作提前在仿真平台上完成，可大幅提高智能船舶研制的效率和可控性，缩短试验周期，进一步降低试验成本和风险。由于自主航行船舶运行于动态、开放和难测的物理环境之中，其必然也受到环境不确定性的影响。自主航行测试场景的生成，首先要考虑通航环境的不确定性。在复杂的水上交通系统中，任何不利因素对船舶通航安全的影响都会首先表现在通航环境上。因此，需要建立完整的测试场景模型，全面覆盖可能因素，描述航行环境不确定性对航行的影响程度。

由于通航环境包含因素众多，且变化规律难以描述，形成完备的通航环境构成因素集合的难度很大。若全面覆盖测试场景的所有组合形式，将会出现集合规模的爆炸性增长问题。

3.3 虚实融合测试与安全验证

随着自主航行技术的发展，其测试的复杂程度显著提高，对测试方法提出了更高要求。虚拟仿真测试可以在低成本、高效率、零风险的前提下对智能船舶控制算法与航行理论进行研发与测试，但单纯的虚拟仿真测试难以得到真实环境干扰下的测试结果。在虚拟测试过程中，若重构场景中测试主体的连续行为存在较大变化时，易出现虚拟场景与真实环境的严重错位现象。

所有经过仿真测试的智能船舶或其系统都要进行实船测试验证，以证明其能够在自主经营范围和风险范围内进行安全航行。由于其测试环境直接与海上交通相关联，测试安全性要求更加严格。虚实融合的场景化测试与评价方法在效率、安全和成本等方面有着巨大的技术优势，将成为自主航行能力测试的主要手段，是自主航行测试关键技术的突破口。从测试场景出发，基于赛博系统理论，建立真实场景测试与虚拟场景测试之间可信的映射关系，尤其是突破复杂不确定性通航环境下场景化虚实融合测试方法，可进一步加快自主航行的测试进程。

但是，对于全要素、全航程动态仿真测试下的时空连续性问题以及非结构化场景内部逻辑关系的关注度相对不足，面向场景动态演化过程的系统动力学研究有待深入。

4 高等级自主航行虚拟测试场景

发展方向

随着水上交通场景中智能船舶渗透率的逐步提升，不同智能化等级的船舶在感知、交互、决策和控制等方面的特性差异促使交通场景的异质化发展趋势凸显。异质交通场景复杂多样，表现在航行环境的高度不确定性、边缘场景真实数据的稀疏性和交通流运行机理的复杂性，难以解析。同时，自主航行算法的复杂性越发显著，要求测试场景数据长度与维度大幅提升以覆盖其能力边界。传统单一和主观的功能性虚拟测试场景无法客观反映新型异质交通场景运行机理，不能满足高等级自主航行测试的场景需求，严重阻碍智能航行技术的研究进展：

1）不确定性通航环境下的异质交通场景特征不明晰。随着不同等级的智能船舶投入运营，在部分智能船舶参与的异质交通场景中，由于智能船舶传感器测量误差、通信延迟、数据丢包甚至网络攻击等因素导致系统运行环境的不确定性加剧。传统的船舶行为模型和交通流模型无法准确描述异质交通场景特征，新的通航环境所带来的不确定性对交通场景的网络结构和时空特征的影响程度和具体关联因素尚不明晰。

2）高逼真度边缘场景重构覆盖率较低。自主航行关键算法测试需要大量多样性的测试样本以反映复杂多变的异质交通场景，目前基于试验场的测试场景内容单调、不易泛化，无法准确表征异质交通场景网络结构；缺乏小概率稀疏性样本，特别是一些反映危险事故的边缘工况，亟须突破危险及事故的边缘场景强化生成的方法，以实现边缘场景的高覆盖率重构。

3）异质交通场景交通态势演化机理缺失。异质交通场景中交通流表现出结构复杂性和成分多样性，不同智能化等级的智能船舶群体间以及智能船舶与传统船舶间的合作、对抗与博弈机制不明确。异质水路交通场景与传统道路交通场景的特征存在明显差异性，航行环境不确定性强、交通管理强制性差和多系统耦合机理复杂等特点使得测试场景的要素表征面临新的挑战，亟须突破异质交通场景要素量化分析与时空特征挖掘技术，剖析场景网络结构与复杂耦合机理，以期重构能客观反映真实异质交通态势演化机理的测试场景。

在新一轮智能船舶产业变革及严峻的国际局势下，高等级自主航行虚拟测试场景研究具有强烈的理论和现实需求，可极大丰富智能船舶测试理论和方法体系，为智能船舶的研究成果产业化应用奠定理论与技术基础，积极推动我国船舶工业加速迈向“智造时代”，实现高质量发展。

5 结语

本文从自主航行测试对象视角出发，依据测试需求对自主航行虚拟测试场景定义与构架、构建方法及应用与挑战方面进行分析与总结，并在此基础上提出高等级自主虚拟测试场景发展方向，以丰富自主航行虚拟测试场景研究体系。自主航行场景是从空间和时间维度上描述自主船舶与通航环境之间复杂动态关系的模型，含常规场景、高风险场景、极限场景和未知风险复杂场景等。虽然自主航行虚拟测试场景构建技术在场景真实性、可重复性、多样性和针对性方面已取得较大进展，但在具体的测试应用中，对完备的测试场景结构体系、场景组合爆炸问题和场景系统动力学的研究关注度还不够。

融合真实船舶交通流和通航环境数据，动态生成逼真度高、交互性强的场景，可满足高等级自主航行能力测试对测试场景的需求。动态场景的构建方法、基于大数据的典型场景的挖掘方法、基于航行环境不确定性特征的场景重构方法以及场景的演化与驱动方法等将成为测试场景研究的关键突破方向。

此外，未来的研究还应聚焦于水路交通场景的异质化发展趋势。由于不同等级的智能船舶共存于水路交通场景，导致航行环境不确定性提升、边缘场景覆盖困难、异质交通场景演化机理不明晰。持续关注并深入探索这些研究方向，将能为高等级自主航行船舶的研发与应用、水路智能交通系统的发展提供更加坚实的基础。