基于知识图谱的智能船舶技术研究现状及发展趋势分析

罗小芳， 张晨阳， 白 旭

(1.江苏科技大学 经济管理学院，江苏 镇江 212100；2.江苏科技大学 船舶与海洋工程学院，江苏 镇江 212100)

在大数据、物联网、云计算、人工智能等新兴技术推动下，新一轮产业变革和科技革命已经开始。对于船舶制造业来说，其发展的主流趋势是“智能船舶”。智能船舶是指利用新兴技术，使船舶能自主感知、自主获取船舶自身和外界环境，以及获取海岸港口等方面的信息和数据，并能进行自主处理和分析，实现船舶智能化航行、智能化管理、智能化维护、智能化运输等，从而使船舶更安全可靠、更经济高效、更节能环保[1]。而智能船舶技术就是能使船舶实现智能化航行、智能化管理、智能化维护、智能化运输等的技术集合[2]。智能船舶技术现已成为全球航运界和造船界的重点关注对象。

习近平总书记在党的十九大报告中指出：“坚持陆海统筹，加快建设海洋强国。”为实现海洋强国和科技强国目标，我国正进一步加大对船舶工业的扶持力度，特别是在智能船舶、绿色节能船舶等领域。现阶段，我国智能船舶的发展路径基本明确，配套产业及基础设施较为完善，船舶无人驾驶技术的重要性进一步凸显，相关领域的研究和探索已经开展。虽然国内智能船舶技术已逐渐迈入正轨，但其研发水平较国外还存在一定差距。虽然学界对智能船舶技术研究十分重视，但未见相关可视化分析研究。因此，基于知识图谱的基本理论和方法，对Web of Science(WoS)核心期刊集收录的智能船舶技术研究领域的相关文献进行可视化定量分析，以客观、科学地反映智能船舶技术的研究现状、研究热点及发展趋势等，可为今后的智能船舶技术研究提供借鉴。

一、 研究数据、研究思路和研究方法

研究团队基于WoS中2010—2020年与智能船舶技术相关的218篇文献，绘制了作者共被引知识图谱、机构共被引知识图谱、共词聚类知识图谱及关键词突现等，以可视化呈现国内外智能船舶技术的研究热点、发展途径和最新态势。

WoS数据库是美国基于Web开发的产品，是大型综合性、多学科的核心期刊引文索引数据库[3]。首先，研究团队将数据库设置为WoS核心合集，将“Intelligent ship technology”“Automatic ship technology”“Unmanned ship technology”和“Smart ship technology”作为主题词，且主题词与主题词间逻辑关系均选择为“OR”，时间跨度选择为“2010—2020年”。去除不相关文献后，将得到的218篇有效文献作为本研究的数据分析对象。其次，定量分析时间分布、核心作者、主要研究机构等方面的知识图谱，以明确当前智能船舶技术的研究现状。研究团队根据高频关键词知识图谱提炼出智能船舶技术的研究热点和主题，通过突现词知识图谱分析智能船舶技术的发展趋势。

二、 实证分析

研究团队从研究现状、研究热点和主题、发展趋势三个维度研究智能船舶技术的218篇文献资料。

(一) 研究现状分析

1. 文献年度发文量的时间分布图谱

智能船舶技术研究文献的年度发文量是衡量其研究热度与发展趋势的重要指标。根据图1显示的文献发表数量来看，在2010—2020年，前三年发文量较少，2013年上升明显，2014年呈略微下降趋势。发文量在2015年至2020年期间呈现快速上升趋势，并在2020年达峰值，为78篇。

从整体来看，自2010年开始，有关智能船舶技术的文献数量呈现快速上升趋势。智能船舶概念最早是在2006年由国际海事组织(International Maritime Organization，IMO)提出。自2012年起，国内外船舶和航运领域对船舶智能化发展的关注度持续上升。2015年，中国船级社率先发布了《智能船舶规范(2015)》，Rolls-Royce启动了“高性能无人船应用开发计划项目”(AAWA)，使得船舶智能化发展再次引起学术界的重视。2018年，国际海事组织设立海上自主水面船舶(MASS)工作组，并开始梳理和修订国际航运法规；工业和信息化部等联合发布《智能船舶发展行动计划(2019-2021年)》;中国船级社发布《自主货物运输船舶指南》。这些都引起了学者的高度重视，因此2018年及之后的研究文献的数量呈快速上升趋势。2020年中国船级社发布了《智能船舶规范(2020)》后，再次掀起了学界研究热潮，因此论文数量在2020年达到了峰值。

图1 智能船舶技术研究文献年代分布

2. 核心作者图谱

由智能船舶技术研究作者共现知识图谱(图2)可了解作者合作情况。图谱中的节点连线代表作者合作情况，线条越粗表明作者间的联系程度越紧密。从图2可以发现，整个图谱的网络较为紧密，大部分作者节点之间都有连线，这说明该研究领域的科研合作较多，且多为两人之间的小规模合作，少部分为独立研究。同时，通过统计发文量排名前九的作者(表1)可知，学者王国峰、范云生和穆东东发文量(7篇)最多，孙晓杰和邱冰冰(6篇)次之，且这几位作者合作较多，有五篇文章为五位作者合作完成。这些学者是智能船舶技术研究的核心力量，他们的研究成果对智能船舶技术研究的发展具有重要推动作用。通过CiteSpace的Node Detail功能查看每个作者节点的详细信息后发现，被引次数最多的文章均为王国峰、范云生、穆东东、孙晓杰、邱冰冰这些学者合作完成。这几篇文章的主要研究内容为：

第一， 通过研究轨迹优化线性化控制(TCL)技术、水面无人艇(USV)、自适应技术、辅助动态系统、神经网络、低频学习法，对目前USV面临的不确定系统动力学、未知扰动和方向舵饱和等问题加以改进。因此，研究人员提出一种新的鲁棒自适应USV航向控制方案。该控制方案不仅可以使处于不确定性、有外部未知时变干扰及方向舵饱和条件下的USV自适应地进行航向控制，还可以解决路径、轨迹跟踪的问题[4]。

第二，通过研究神经网络、辅助动态系统、滑模控制和反演技术，对水面无人艇面临的建模不确定、输入饱和问题予以解决。因此，研究者提出一种实用的、有效的自适应滑模控制方案。该方案分别通过自适应技术和辅助动态系统来解决未知干扰和执行器饱和问题，同时采用双曲正切函数和神经分派模型分别处理抖震现象和微分爆炸问题[5]。

第三，通过研究轨迹性化控制技术以及有限时间干扰观测器，对水面无人艇面临的输入饱和和外界干扰问题予以应对。因此，研究者提出一种新的自适应鲁棒路径跟踪控制方案。该方案采用一种新的有效技术——TLC技术，设计了一种简洁的路径跟踪控制器，并以此构造了FDO来实现对集总扰动的估计，同时开发了平滑辅助系统来解决输入饱和问题[6]。

图2 智能船舶技术研究作者共现知识图谱

表1 国内外核心作者及发文数量

3. 核心机构图谱

对文献的研究机构进行分析有助于了解智能船舶技术领域核心研究力量的分布情况。因此，研究团队对检索到的218篇文献的作者所属机构进行了分析。从智能船舶技术研究机构共现知识图谱(图3)可知，智能船舶技术相关研究的发文量超过2篇的有15个机构，其中发文量最多的机构是大连海事大学，其次是武汉理工大学、中国科学院、哈尔滨工程大学、Korea Maritime & Ocean University(韩国海事海洋大学)、Gdynia Maritime University(格丁尼亚海洋学院)、Aalto University(阿尔托大学)、中国科学技术大学等。上述信息表明该领域的主要研究力量集中在高等院校和科研院所。

由图3可知，在机构合作方面，绝大多数机构之间都是合作关系，其中大连海事大学、武汉理工大学、韩国海事海洋大学和哈尔滨工程大学参与合作的频次最多。大连海事大学在智能船舶技术领域发表文章多达23篇，最高被引文章被引次数47次。这是因为大连海事大学船舶与海洋工程学院师资力量雄厚，拥有一批国内船舶与海洋工程、能源与动力工程、机械工程和救助打捞工程领域的知名专家和学者，在国内具有较大影响力。韩国海事海洋大学是一所以航运、物流、海洋、交通运输学科为特色的综合性国立大学，坐落于韩国第一大港釜山市影岛，是韩国具有重要影响力的航海院校，为韩国培养了大量的高级航海人才。格丁尼亚海洋学院是波兰最大的国立高等海洋高校，该校开设的专业课程不仅达到了波兰教育部的标准，也达到了国际海洋组织的要求。其余高校和研究机构分别在研究资源和专业人才等方面也具有较强优势。

图3 已有研究成果机构分布

(二) 研究热点和研究主题

关键词可以反映某个领域当前及过去的研究热点，关键词出现频次越高，说明该领域的研究热度越高。因此，研究团队对检索到的WoS中与智能船舶技术相关的218篇文献进行关键词共现分析，得到智能船舶技术已有研究的关键词共现知识图谱(图4)。由图4可知，关键词出现频率最高的是系统，然后依次是设计、船舶、模型、算法、物联网、类神经网络、最优化、大数据、人工智能、技术、识别、网络、无人水面艇等。

关键词的中心度是对网络节点在整体网络中所起连接作用大小的度量，体现了关键词的重要性程度。节点的中心度越高，代表其与其他节点的关系就越密切，它可以反映一定时期内的研究主题。根据图谱生成的结果显示，智能船舶技术研究领域中心度超过0.02的关键词共有33个。对频次和中心度排名前20的相关高频关键词(表2、3)进行分析后发现，在2010—2013年，智能船舶技术的研究热点集中在系统、设计、模型、算法、最优化、类神经网络等方面。由此可见，此阶段的研究热点是如何实现对船用设备状态的远程监控以及数据分析，说明该时期仍处于智能船舶技术研发的第一阶段。2013年，德国正式提出“工业4.0”，这一概念的提出使得智能船舶再次成为国际海事和交通领域的研究热点。2013年之后，互联网、大数据等网络技术快速发展为智能船舶技术的发展带来了新的机遇和挑战[7]。因此，基于人工智能、物联网、大数据等技术的无人水面艇成为此后智能船舶技术的研究热点。

图4 已有研究的关键词知识图谱

表2 高频关键词统计信息表

表3 高中心度关键词统计信息表

三、 智能船舶技术研究趋势分析

(一) 智能船舶技术研究的共词聚类分析

将智能船舶技术研究的关键词通过聚类功能进行聚类，可得到图5所示节点为291个、连线为908条、密度为0.021 5、聚类架构显著程度Q=0.701 3、平均轮廓值S=0.880 2的共词聚类(图5)。一般认为，Q>0.3表示聚类结构显著，S>0.5表示聚类合理，S>0.7表示聚类令人信服。因此，该共词聚类结构显著，其结果令人信服。另外，聚类图生成的序号顺序是从0开始，数字越小说明聚类中所包含的关键词越多。由图5可知，一共生成了11个聚类，分别是#0大数据、#1最优化、#2类神经网络、#3光度法、#4人为因素、#5深度学习、#6物料管理、#8能源效率、#10碰撞检测、#12稀疏线性阵列、#14传感器网络。生成的11个聚类的同质性系数较大(表4)，说明这11个聚类的内部研究主题相似度较高。

图5 共词聚类知识图谱

表4 智能船舶技术共词聚类信息

聚类#0主要研究了大数据背景下应用云计算和分布式技术，结合数据挖掘方法处理大规模海洋船舶自动识别系统(AIS)实时数据，提取所需的信息进行大数据分析[8]。集成桥系统(integrated bridge system, IBS)将导航系统和自动化系统集成为一个平台用于综合分析，为船舶导航提供决策支持。

聚类#1主要研究了船体外形优化设计和配置创新，重点突破了全局优化算法、船体几何修改与重构、代码集成等关键技术，建立了船型自动优化设计框架，并在此基础上给出了该框架在水面舰艇舰体多目标优化中的应用[9]。

聚类#2主要研究了一种简洁的、实用的自适应过程控制器。该控制器主要采用神经网络在线逼近未建模动态，并采用自适应技术处理完全未知的外部干扰[10]；该控制器辅助系统由平滑切换函数控制，以前所未有的方式开发，以摆脱驱动器的饱和约束。神经网络的灵感来源于人脑中的神经网络，用来模拟人类的思维[11]。BP网络是一种应用广泛的神经网络，可根据船舶相遇风险因素预估船舶碰撞的风险程度。在采取避碰行动后，BP网络将获得一个新的风险度来评估避碰行动的有效性[12]。

聚类#3主要研究了一种稀疏线性阵列最优波束合成(SLA-OBS)技术。该技术通过形成指向目标AIS信号方向的窄波束来提高AIS信号的捕获能力。

聚类#4主要提出了在目前海上自主水面舰艇研发过程中的风险因素。这些因素可以分为四类：人、船、环境和技术。研究表明，人为因素占比最大[13]。因此，在关注技术发展的同时，更应该关注目前尚未解决的组织和人本导向问题。

聚类#5主要研究了一种适用于无监督船舶的检测方法——深度学习方法[14]。该研究利用合成孔径雷达(SAR)图像进行船舶检测，SAR图像中的船舶可以通过弱监督卷积神经网络进行检测。深度学习系统(DLS)、广义学习系统(BLS)等人工智能相关技术可以为无人商船的航行提供保障。

聚类#6主要研究了一种新的物料管理方法。该方法将ADC技术的最新创新成果整合到船舶实时数据采集过程中。它结合了射频识别(RFID)、全球定位系统(GPS)和通用分组无线电系统(GPRS)技术，能够快速准确地识别材料、组件和设备的最新情况，为物料管理提供了一种极低成本、无基础设施且易于实现的解决方案[15]。

聚类#8主要研究了无人驾驶船舶所具有的能源节约和经济效益高的优点，并且研究出了节能船体形状的设计方案、混合动力推进系统和智能电源控制技术[16]。这不仅可以降低对船舶燃料的消耗，还可以降低船舶对能源的需求。

聚类#10主要研究了复杂环境中船舶状态不确定时的海上避碰问题。避碰系统包括障碍检测、跟踪、运动估计、高级算法和其他模块[17]。碰撞检测及碰撞风险评估的相关技术可以减少海上交通事故的发生，保证海上航行安全。

聚类#12主要讨论了自动识别系统(AIS)在窄波束模式下捕获信号能力较低的问题，提出了稀疏线性阵列最优波束合成(SLA-OBS)技术，并利用CPLEX优化工具，以提高信息检测概率[18]。

聚类#14主要研究了应用于智能船舶的关键技术——无线传感器网络[19]。无线传感器网络不仅成本低、覆盖范围大、布局灵活，而且可以快速智能感知和监测船舶环境，从而确保船舶作业的安全性和准确性。美国数据融合工作组率先运用多传感器信息融合处理模型，通过融合技术采集多传感器数据。现有研究者改进了融合算法，提高了融合算法的稳定性，使船舶在水面上的自动航路规划、避碰和安全航行更有保障。

(二) 基于共词聚类知识图谱的智能船舶技术研究发展趋势预测

关键词突现代表了某时间段内该关键词出现频率的快速增长，即表现了该领域研究的新兴趋势。因此，可以通过突现词图谱(图6)来预测智能船舶技术领域的研究发展趋势。

图6 关键词突现图谱

如图6所示，在2010—2014年，突现词按其强度排序分别是Image图像、RFID无线射频识别、Exploration探测、Hull form船型[20]和船舶自动识别系统(AIS)。2012年，在相关论文中出现无线射频识别研究(RFID)，反映了国内外船舶和航运领域对船舶智能化发展的关注上升到了一个新的高度。RFID系统包括应答器、收发器或RFID阅读器和后端数据库，它具有独特的识别功能和自动化优势[21]。2014年，学者们开始研究AIS在智能船舶上的应用，这些研究又进一步推动了智能船舶的发展。AIS是一种新型的集网络技术、现代通讯技术、计算机技术、电子信息显示技术为一体的数字助航系统和设备。由此可知，在2015年之前，主要关注的主题为识别系统在智能船舶上的应用，而RFID和AIS这两大关键性技术推动了智能船舶的发展。

在2015—2017年，突现词强度最高的是“技术”，即研究可实现船舶智能化的技术，为实现“高技术船舶”的制造奠定基础。2015年，全球已进入工业4.0发展时期，国内外都采取了重大举措来发展智能船舶。2015年5月，我国发布了《中国制造2025》，对高技术船舶、船舶智能制造等进行了重点说明。2015年9月，英国劳氏船级社推出了《全球海洋技术趋势2030》报告，将智能船舶列为18个关键海洋技术之一。2015年12月，中国船级社率先发布了《智能船舶规范(2015)》，明确了智能船舶在智能航行、智能船体、智能机舱、智能能效管理、智能货物管理、智能集成平台等各个方面的具体要求[22]。“技术”成为2015年智能船舶技术相关文献中突现词强度最高的关键词。而突现词持续时间最长的为“AIS船舶自动识别系统“，该词突现两次，且每次持续时间相对较长，说明AIS对智能船舶发展至关重要。此阶段的主要研究目标是实现船舶及其配套设备的智能化[23]。

在2018—2020年，突现词强度由高到低依次为模型、类神经网络、无人水面艇、识别、智能港口以及排放。其中，“模型”主要是指在进行智能船舶技术研究过程中，基于大数据、互联网+等高新技术建立一个可综合考虑船载端和岸端数据，能够自主完成信息的采集、处理、交互和应用等问题的智能船舶系统模型[24]。此外，在智能船舶技术的相关研究中，有关无人水面艇的研究文献明显增多，同时低碳减排技术在船舶上的应用研究也受到重视。由此可知，从2018年开始，智能船舶技术的研究方向和目标开始从部分设备智能化向全船系统智能化转变，从人机共融向远程自主转变，从辅助驾驶向远程驾驶、自主驾驶转变[25]。

四、 结论

基于文献计量学引文分析原理及知识图谱理论，以WoS中近几年相关文献为数据，对该领域国内外研究热点和研究趋势进行可视化分析，得出以下结论：

第一，从研究现状来看，国内外学者对智能船舶技术均已展开了全方位、多角度、多层面的研究。相关研究在2010—2020年呈现出明显增长趋势。该研究领域的作者大多来自于高校和科研机构。文献内容紧跟时代潮流和学术前沿。作者共被引知识图谱反映了作者合作完成的文献较多。在科学研究范式方面，关于智能船舶技术的研究均为理论研究与实证研究相结合，且作者大多利用计算机技术进行模拟仿真，推演出各种复杂现象，并得出试验结论。由此可见，未来仍将偏向于理论加实证研究，并且会更偏向于跨学科研究。

第二，智能船舶领域当前的研究热点主要包括智能感知、无线传感器、信息技术、通信技术、多源数据融合技术、电子导航技术、碰避技术、路径优化技术、跟踪技术和实时监控维护技术。物联网技术在无人驾驶船舶领域应用最为广泛，无人驾驶船舶主要通过无线传感器、通信技术、RFID和物联网技术等进行智能感知，获取周边环境、船舶自身的状态数据，以监测无人驾驶船舶在运行过程中的可靠性和安全性。在大数据时代背景下，为了避免船舶在收集来自不同传感器的数据时存在冲突和冗杂情况，可利用多源数据融合技术进行数据处理，方便决策者快速做出正确判断和决策。

第三，未来智能船舶的研究方向和发展趋势主要包括如何使船舶设备更加智能、船用机器人更有普及应用、智能船舶更加节能、船用通信安全得到保障、智能船舶的功能验证与等级划分更加规范等方面。无人驾驶船舶具有自主导航、成本低、耗能小、速度快等优点，但也存在易受碰撞、安全系数低等隐患。智能船舶技术未来的研究方向需着重从通信技术、互联网技术、物联网技术、信息技术、人工智能大数据技术等入手，以提升船舶的自主避碰、自主靠离泊、远程无人驾驶能力。

研究分析认为，若未来要实现无人干涉、无人控制的自主导航的无人驾驶船舶技术,还需要突破很多技术难关。首先，由于海上航行面临3G/4G/5G网络无法完全覆盖、通信费用高昂等问题，如何更新通信技术，使得无人驾驶船舶在进行深海航行时保持通信便捷将是未来研究的重点；其次，如何提高通信、物联网的安全性，保证无人驾驶船舶的安全也是未来的研究方向之一。物联网技术在智能船舶上的应用应向准确跟踪、准确预估船舶的停靠岸时间、优化路径等方向发展，以提高船舶作业效率，降低成本；最后，由于无人驾驶船舶在航行过程中可能会面临因设备损坏造成威胁航行安全的情况，可采用人工智能技术连接岸基专家和船舶，以便及时对故障进行处理。同时，应发挥大数据的优势，重点研究可应用到智能传感器和智能机器人领域的深度学习系统，使人机实现完美融合，早日实现船舶的完全无人自主驾驶。