CN112561232A - 繁忙水域船舶交通冲突风险度量方法 - Google Patents
繁忙水域船舶交通冲突风险度量方法 Download PDFInfo
- Publication number
- CN112561232A CN112561232A CN202011244862.0A CN202011244862A CN112561232A CN 112561232 A CN112561232 A CN 112561232A CN 202011244862 A CN202011244862 A CN 202011244862A CN 112561232 A CN112561232 A CN 112561232A
- Authority
- CN
- China
- Prior art keywords
- ship
- conflict
- traffic
- traffic conflict
- risk
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 110
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 78
- 238000011160 research Methods 0.000 claims abstract description 39
- 238000012800 visualization Methods 0.000 claims abstract description 14
- 238000005094 computer simulation Methods 0.000 claims abstract description 12
- 238000000691 measurement method Methods 0.000 claims abstract description 12
- 238000005259 measurement Methods 0.000 claims abstract description 11
- 230000033001 locomotion Effects 0.000 claims description 27
- 230000008569 process Effects 0.000 claims description 22
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000004088 simulation Methods 0.000 claims description 11
- 238000011156 evaluation Methods 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 claims description 8
- 230000009471 action Effects 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 6
- 238000012512 characterization method Methods 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 claims description 3
- 101150080778 INPP5D gene Proteins 0.000 description 337
- 238000012545 processing Methods 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- QZXCCPZJCKEPSA-UHFFFAOYSA-N chlorfenac Chemical compound OC(=O)CC1=C(Cl)C=CC(Cl)=C1Cl QZXCCPZJCKEPSA-UHFFFAOYSA-N 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- LFULEKSKNZEWOE-UHFFFAOYSA-N propanil Chemical compound CCC(=O)NC1=CC=C(Cl)C(Cl)=C1 LFULEKSKNZEWOE-UHFFFAOYSA-N 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000009545 invasion Effects 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 230000009897 systematic effect Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- XLYOFNOQVPJJNP-ZSJDYOACSA-N Heavy water Chemical compound [2H]O[2H] XLYOFNOQVPJJNP-ZSJDYOACSA-N 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种繁忙水域船舶交通冲突风险度量方法，具体包括如下步骤：船舶交通冲突基础理论研究、船舶交通冲突态势表征模型研究、繁忙水域船舶交通冲突风险度量方法研究；本发明本发明一种繁忙水域船舶交通冲突风险度量方法，创新点主要包括：立足于现有船舶领域模型的研究成果，提出了基于动态船舶领域的船舶间冲突状态和冲突趋势的冲突判定方法，同时提出了船舶交通冲突区和安全区的概念，结合计算机仿真构建了基于船舶领域的船舶交通冲突态势表征模型。构建了基于船舶交通冲突态势的风险度量模型，并结合计算机仿真实现了典型繁忙水域船舶交通冲突动态风险的可视化。为研究降低船舶间碰撞事故发生率提供了一种新思路。
Description
技术领域
本发明属于船舶交通技术领域，更具体地说，尤其涉及一种繁忙水域船舶交通冲突风险度量方法。
背景技术
随着世界贸易的日益频繁，水路运输以其大货运量、低成本等优势得以蓬勃发展，我国沿海已经成为全球最繁忙的水域之一。然而，随着水上船舶交通态势日趋复杂，海上交通险情和事故发生频率的也不断增加，对海上船舶航行安全监管的有效性提出了更高的要求。船舶数量密集、交通冲突复杂导致的碰撞事故和险情多发的繁忙水域，是海事安全监管的重点水域。船舶在繁忙水域航行过程中受到水深、可航水域范围和船舶密度等通航环境条件的制约，需要在有限的水域范围内频繁避让，存在较大的碰撞风险。因此，本案基于繁忙水域内船舶所处的不同通航环境和航行状态，研究船舶交通冲突态势的系统化表征方法，对微观及宏观层面的船舶交通冲突风险进行度量，进而实现对船舶碰撞风险的有效预警预控，保障繁忙水域船舶通航安全。
发明内容
本发明的目的是为了解决现有技术中存在的缺点，而提出的一种繁忙水域船舶交通冲突风险度量方法。
为实现上述目的，本发明提供如下技术方案：本发明提供的一种繁忙水域船舶交通冲突风险度量方法，具体包括如下步骤：
S1：船舶交通冲突基础理论研究
a：首先，在查阅文献分析交通冲突技术在道路、航空领域中应用的基础上，对船舶交通冲突的产生过程及原理进行分析；
b：其次，通过文献查阅、德尔菲专家咨询等方法，研究船舶交通冲突态势的影响因素和研究基础框架，为基于船舶领域的交通冲突态势表征建模提供研究基础；
S2：船舶交通冲突态势表征模型研究
a：首先，通过比选得出不同交通冲突态势下的动态船舶领域模型，基于船舶领域模型研究船舶交通冲突态势的判定方法；
b：然后，基于船舶交通冲突判定方法及相应的船舶操纵模型，运用MATLAB软件编程实现船舶交通冲突运动态势仿真；
c：同时，通过界定出本船与直接冲突船舶、潜在冲突船舶存在的冲突区与安全区的范围，构建船舶交通冲突态势表征模型；
S3：繁忙水域船舶交通冲突风险度量方法研究
a：通过定量分析船舶发生交通冲突所占的空间(冲突区)相对于可供解决冲突的空间(安全区)的比例大小；
b：选取船舶冲突面积、冲突角度、冲突距离等风险度量指标，结合专家意见和实际影响程度，确定风险评价的隶属度函数和标准，研究基于船舶安全领域的繁忙水域船舶交通冲突态风险度量方法；
S3：案例分析
a：为验证船舶交通冲突风险度量方法的有效性及合理性，解决繁忙水域船舶碰撞风险预警预控问题。文章在分析曹妃甸水域通航环境、交通流特征的基础上，结合船舶交通冲突态势表征模型、专家打分阈值设定，采用MATLAB软件编程实现对曹妃甸定线制水域范围内船舶交通冲突风险的度量及可视化。
作为本技术方案的进一步优化，所述步骤S1以交通冲突技术理论为基础，全面分析船舶交通冲突过程及作用机理；首先，运用系统安全理论对船舶冲突过程中的冲突原理、严重程度和冲突模式及冲突态势影响因素进行分析；其次，采用对比分析法选取适用于繁忙水域的动态船舶领域模型，结合航空中的交通冲突理论，采用计算机仿真实现船舶交通冲突态势表征建模；然后，结合专家咨询法确定风险等级评定标准，研究繁忙水域船舶交通冲突动态风险度量方法；最后，以典型繁忙水域为例，采用MATLAB软件编程实现繁忙水域船舶交通冲突宏观及实时动态风险的可视化。
作为本技术方案的进一步优化，所述步骤S2中还包括基于船舶领域的交通冲突判定、船舶领域影响因素分析、船舶交通冲突运动模型构建、船舶安全区域设置、船舶运动坐标转换、船舶交通冲突区、安全区范围的界定。
作为本技术方案的进一步优化，所述步骤S3中还包括船舶交通冲突态势表征模型实现、船舶交通冲突态势仿真。
本发明的技术效果和优点：本发明本发明一种繁忙水域船舶交通冲突风险度量方法，创新点主要包括:
(1)立足于现有船舶领域模型的研究成果，提出了基于动态船舶领域的船舶间冲突状态和冲突趋势的冲突判定方法，同时提出了船舶交通冲突区和安全区的概念，结合计算机仿真构建了基于船舶领域的船舶交通冲突态势表征模型。
(2)构建了基于船舶交通冲突态势的风险度量模型，并结合计算机仿真实现了典型繁忙水域船舶交通冲突动态风险的可视化。为研究降低船舶间碰撞事故发生率提供了一种新思路。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合具体实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
本发明提供的一种繁忙水域船舶交通冲突风险度量方法，具体包括如下步骤：
S1：船舶交通冲突基础理论研究
a：首先，在查阅文献分析交通冲突技术在道路、航空领域中应用的基础上，对船舶交通冲突的产生过程及原理进行分析；
b：其次，通过文献查阅、德尔菲专家咨询等方法，研究船舶交通冲突态势的影响因素和研究基础框架，为基于船舶领域的交通冲突态势表征建模提供研究基础；
S2：船舶交通冲突态势表征模型研究
a：首先，通过比选得出不同交通冲突态势下的动态船舶领域模型，基于船舶领域模型研究船舶交通冲突态势的判定方法；
b：然后，基于船舶交通冲突判定方法及相应的船舶操纵模型，运用MATLAB软件编程实现船舶交通冲突运动态势仿真；
c：同时，通过界定出本船与直接冲突船舶、潜在冲突船舶存在的冲突区与安全区的范围，构建船舶交通冲突态势表征模型；
S3：繁忙水域船舶交通冲突风险度量方法研究
a：通过定量分析船舶发生交通冲突所占的空间(冲突区)相对于可供解决冲突的空间(安全区)的比例大小；
b：选取船舶冲突面积、冲突角度、冲突距离等风险度量指标，结合专家意见和实际影响程度，确定风险评价的隶属度函数和标准，研究基于船舶安全领域的繁忙水域船舶交通冲突态风险度量方法；
S3：案例分析
a：为验证船舶交通冲突风险度量方法的有效性及合理性，解决繁忙水域船舶碰撞风险预警预控问题。文章在分析曹妃甸水域通航环境、交通流特征的基础上，结合船舶交通冲突态势表征模型、专家打分阈值设定，采用MATLAB软件编程实现对曹妃甸定线制水域范围内船舶交通冲突风险的度量及可视化。
具体的，所述步骤S1以交通冲突技术理论为基础，全面分析船舶交通冲突过程及作用机理；首先，运用系统安全理论对船舶冲突过程中的冲突原理、严重程度和冲突模式及冲突态势影响因素进行分析；其次，采用对比分析法选取适用于繁忙水域的动态船舶领域模型，结合航空中的交通冲突理论，采用计算机仿真实现船舶交通冲突态势表征建模；然后，结合专家咨询法确定风险等级评定标准，研究繁忙水域船舶交通冲突动态风险度量方法；最后，以典型繁忙水域为例，采用MATLAB软件编程实现繁忙水域船舶交通冲突宏观及实时动态风险的可视化。
具体的，所述步骤S2中还包括基于船舶领域的交通冲突判定、船舶领域影响因素分析、船舶交通冲突运动模型构建、船舶安全区域设置、船舶运动坐标转换、船舶交通冲突区、安全区范围的界定。
具体的，所述步骤S3中还包括船舶交通冲突态势表征模型实现、船舶交通冲突态势仿真。
其中，基于统计方法得到船舶领域从最初的人工现场观测、雷达平台观测到现有的AIS设备进行观测，主要是通过两船的相对位置关系计算而得到的，具有较强的主观性；数学解析表达法能够定性与定量相结合实现对船舶领域的边界量化，但没有考虑到环境以及人为因素对船舶领域模型的影响；模糊边界的智能技术方法使得船舶领域的模型边界更加模糊化，已经能够部分考虑到人为因素的影响。综合前人已有的研究成果，可以明显看出，针对船舶领域的研究已趋向于更加系统、更加深入，能够考虑的因素也在逐步增加。影响船舶领域的因素繁多，从人-机-环境系统层面来看，可分为以下3类:
(1)船员因素。对于熟悉航行水域、驾驶船舶经验比较丰富、应急反应能力强以及心理素质过硬的驾驶员，构建的船舶领域要相对较小。反之，则船舶领域要相对较大。
(2)船舶因素。对于船舶较小、操纵性能较好、装有散杂货物的船舶而言，建立的船舶领域也要相对较小。
(3)环境因素。一般而言，船舶航行过程中能见度不良情况下的船舶领域范围较大：开阔水域比船舶操纵受限水域的船舶领域更大：发生交通冲突时，相对速度较大的两船较相对速度小的船舶领域更小；水域内船舶交通流密度越大，船舶领域也相对越小；另外，船舶领域的大小还受到两船会遇态势的影响。
总的说来，对于给定的船舶，船首领域范围较船尾领域范围更大。在综合考虑繁忙水域船舶领域影响因素的基础上，通过比选得出能够适用于繁忙水域的船舶安全领域模型，为基于船舶领域的交通冲突判定及态势表征建模提供研究基础。
基于数学解析表达的船舶领域
由于通过观测统计分析法所得出的船舶领域数学模型具有较大局限性，国内外学者们随后开展了基于数学解析方法确定船舶领域尺寸的研究。具体研究思路为：把两船的尺度、方位、航向和航速等当作已知变量，通过采用船体动力学模型、操纵以及减速等船舶运动模型计算出船舶会遇时所需要的最小安全距离，进而得出船舶领域在不同方向上的尺寸。数学解析法在仔细研究船舶操纵特性的前提下，能够将船舶领域的边界进行量化。和通过观测统计方法相比，其优势在于客观、定量化的船舶的行为特征代替了较为主观的专家判定。其缺点在于没有考虑到环境以及人为因素对安全领域尺度的影响，致使此类模型不能较好的适用于复杂通航环境，普适性程度较低。具有代表性的为我国学者郭志新[62]在充分考虑船舶操纵性能的基础上，得出了追越和交叉会遇局面下的船舶领域模型。在该方法中充分体现了船舶性能对船舶领域大小的影响，但船舶性能和数学模型之间的数量关系是通过主观设定的估算值，导致其对复杂通航环境下的适应性有限。
基于智能技术的船舶领域
鉴于数学解析法没有考虑到人为以及通航环境和领域尺度间的量化关系，随后，专家们把研究方向延伸到了近年来发展迅速的智能技术。基于模糊边界的智能技术方法，部分文献中考虑到人为因素，将人的经验数据通过模糊系统理论或神经网络技术融入到船舶领域模型中，具有一定的参考价值。但至今尚未有学者能够全方位地考虑“人-船-环境”三大系统中影响船舶领域各因素的特性，将船舶领域精确或完整的用数学模型表达出来，但针对船舶领域的研究已趋向于更加系统、更加深入，能够考虑的因素也在逐步增加。具有代表性的为王宁等人基于国外专家Kjima使用数学解析法的研究成果，运用智能技术构建了碰撞危险智能四元动态船舶领域模型[63]。如前文所述，根据特殊目标的风险分析，已经发展出了几种船舶领域的形状。然而，当前尚没有学者提出能够适应于不同水域、具有普适性的船舶安全领域模型。已经提出的形状包括圆形、椭圆形、模糊和半圆形的船舶领域，每类船舶领域都有各自的优缺点。由于影响船舶领域的因素较多，因此要将这些人-船舶-环境多种因素都综合考虑之后再建立相应的船舶领域模型的工作量及研究难度较大。为此，在尽量考虑这些影响因素的前提下，从本文研究特点、研究重点内容的角度出发,本文将直接选取上述王宁等人采取模糊神经网络方法构建的不同会遇态势下的自组织船舶安全领域模型。选取该船舶领域模型的主要原因有以下四个:
(1)该模型具有两艘船舶在交叉、对遇和追越3种会遇态势下的自组织船舶安全领域模型，与本文船舶交通冲突态势的三种模型一一对应，比较符合本文的研究特点；
(2)根据船舶驾驶员习惯航法，对来自不同方位的来船所需要采取的避碰行动各有差异，而该模型基于模糊神经网络方法考虑了人为因素的影响，可以体现出“人”对船舶安全领域大小的重要影响；
(3)该模型是在船舶操纵特性的基础上建立的，能够直接反映出三大因素之中的“船舶”对船舶领域大小的重要影响；
(4)本文研究的是繁忙水域下，风流干扰较小可忽略的通航环境下的船舶交通冲突风险研究，因此对“通航环境”中的自然环境不予考虑。
船舶交通冲突的判定包括两个阶段，第一阶段是判定两船在某一特定状态下是否产生直接冲突的判定方法(即，冲突状态判定或临界冲突点判定)；第二阶段是通过采用不同的方法把两船现有的交通状态投影到未来之后，两船在未来冲突状态及趋势的判定方法(即，未来交通冲突趋势判定)。
一、两船冲突状态判定
从船舶交通冲突判定的第一阶段来看，两船冲突判定是指船舶间是否产生冲突的判定方法(临界冲突状态判定)。借鉴航空中飞机冲突判定方法，本文中确定了基于王宁等人采用模糊神经网络方法构建的船舶领域模型进行交通冲突判定。船舶领域的大小，作为两船冲突状态判定的基础，决定了船舶交通冲突判定的可靠性及风险评估的准确性。此时，两船的冲突状态就取决于船舶尺度、航速、操纵特性以及会遇态势等因素。对于给定的两个冲突船舶的船舶领域和冲突几何，通过计算这两艘船一系列的航向是否进入对方的船舶领域就可以判定出是否产生冲突。对于每一艘接近的船舶，两船间冲突与否的基本判定原理。在一定的距离范围内，当本船与另一艘船舶的相对速度指向另一艘船舶的船舶领域时，两船便产生了冲突，即按照当前的交通状态投影到未来后，本船会入侵到它船的安全领域。换句话说，当相对速度的矢量位于本船与另一艘船舶的船舶领域的两条切线之间时，冲突便产生了。将两船的相对运动投影到未来，便能够发现两船会在同一时间和空间上互相接近，进而产生严重冲突甚至是碰撞。在一定的时间和空间范围内，本船会侵入到它船的船舶领域时，意味着在两船均不改变航速和航向时，本船会在某一时刻和空间上，侵入到它船的安全区域。因此，本船或它船在船舶航行过程中，为避免侵入或者被它船侵入船舶安全领域(产生交通冲突)，根据船舶航行规则，让路船会采取相应的避让措施(解决交通冲突)。船舶在水上航行的过程，就是一个船舶之间不断的产生冲突。从船舶交通冲突判定的第二阶段来看，两船冲突趋势判定是指通过采用一定的方法把两船现有的交通状态投影到未来之后，两船在未来冲突趋势的判定方法(交通冲突范围判定)。在两船间未来冲突趋势判定方面，由于冲突的判定与解决方法只能依赖于模型预测未来的可靠性。在建模方法中最关键的问题就是通过不同的方法把现在的交通状态投影到未来。经查阅文献发现，主要包括三种最基本的冲突趋势判定方法，包括直接判断法，考虑最坏情况分析法和概率分布法。
(a)直接判断法
(b)考虑最坏情况法
(c)概率密度法
在直接判断法里，以船舶当前的交通状态为基础，使用该航向来预测未来的轨迹，而没有考虑到不确定性因素。基于船舶交通速度矢量来推断出船舶未来的位置，这种直接的投射方法是很明确的，并且提供了一个基于当下的状态信息的船舶未来船位的评估。正常情况下，船舶的轨迹是可预测的(例如将当前状态投射到几秒钟以后)，一个直接的轨迹模型可能是非常准确的。然而，直接预测法并没有考虑到船舶可能不会像预期的那样航行，这一点在长期冲突检测中尤为重要。因此该方法在实际应用中的局限性较大。另一个比较激进的动态模型，是考虑最坏情况下的冲突检测方法。在该方法中，假设船舶会采取一系列的操纵行为。如果任一操纵都可能导致冲突，那么冲突就是可以预测的。其结果就是，可以通过检测与其它船舶的冲突情况，得出一条潜在的冲突轨迹。考虑最坏情况的冲突检测方法得出一条潜在的冲突轨迹。考虑最坏情况的冲突检测方法是保守的，因为只要在最坏情况下轨迹模型中定义存在冲突的可能性，就可以触发冲突警报。为防止由于这种不太可能发生的操纵，导致较高的误报警率，而严重降低总体交通能力，必须把最坏情况下轨迹的预测，限制在一定的时间范围内。尽管如此，当需要确定是否可能发生交通冲突时，或者在船舶交通过程中，船舶被限制在给定的航道内时，考虑最坏的情况可能是最适当的。每个航道就变成了最坏情况下船舶轨迹的边界，冲突可以仅仅根据航迹是否在同一时间点相交来预测。在第三种冲突概率分布法中，通过不确定性建模来描述船舶未来轨迹的潜在变化，通常有两种研究方法。第一种方法是将位置误差添加到直接判断法的轨迹预测中，由此可以得到相应的冲突概率。第二种方法是开发出一套完整的船舶未来轨迹预测方法，每个轨迹由发生的概率进行加权(例如，使用概率密度函数)，然后将可能的轨迹延伸至未来以确定冲突概率。上述三种方法中，直接轨迹预测的判定方法适用于船舶沿给定轨迹航行的情况；考虑最坏情况的方法是船舶将以相同的可能性沿任意轨迹航行的情况；基于概率系统背后的逻辑可能很难传达给船舶驾驶员，这可能会降低他们操船的自信心，同时，在对船舶未来轨迹将遵循的概率建模方面也存在一定的困难。因此，本文中将主要基于考虑最坏情况的方法进行船舶交通冲突检测与判定。后续章节中，将利用此方法对船舶交通冲突态势进行仿真建模。
船舶交通冲突运动模型构建，来船距离本船的距离和方位不同，会导致冲突大小不同，因此，应设置船舶在不同方位下安全区域。在此基础上，结合船舶运动学知识构建船舶操纵模型，确定船舶运动坐标系的转换方法，开展交通冲突运动模型构建。根据国内外关于船舶安全区域的设定方法，单纯的将船舶看作质点，利用点与点的运动特征进行冲突大小的判定，具有较大的局限性。通过分析避碰规则对船舶避碰操纵的要求可知，每艘船舶都存在一定的安全区域，在该区域范围内，本船会主动避让直接或者间接禁止它船侵入。因此，本文在开展船舶交通冲突态势表征方法研究时，无法忽略船舶的尺寸和安全区域范围，需要设置船舶安全区域，通过船舶安全区域来定义冲突风险特征值。此时，需假定船舶之间距离小于其安全区域范围的大小时，则两船之间会发生冲突。假设任何情况下本船上的任意一处与其他船舶的距离大于它船的安全区域时，认为船舶不存在交通冲突风险，否则就认为船舶间发生交通冲突。
船舶操纵运动模型，根据船舶交通冲突的定义，两船之间解除交通冲突的前提条件是其中一方或两方采取一定的避让行动，因此需要根据船舶的操纵特点构建船舶操纵运动模型，结合船舶的操纵特性进行相应的交通冲突态势仿真。一般情况下，船舶在海上的航行轨迹受到船舶操纵特性和风、浪、流等自然环境的限制，恶劣的自然条件同样能导致船舶间发生冲突。自然条件对船舶航行轨迹的影响主要表现为对船舶运动的影响。但是，当两艘相同吨位的船舶在同一风、浪、流等自然条件下航行时，两船受自然条件影响下的运动轨迹基本相同，使得在同一条件下，自然环境对船舶宏观运动轨迹的影响程度较小。同时，由于计算机仿真的需要，在船舶操纵模型构建时可以忽略水文和气象条件的影响。在船舶操纵模型方面，日本学者野本167通过将船舶看作一个动态系统，提出了用控制理论来表示船舶运动，得出一种既简单又实用的描述船舶运动的方程，称为一阶船舶操纵运动方程。
船舶交通冲突区，是指本船在一定的水域范围内航行时，当本船的速度在一定范围内变化、航向可变的情况下，与它船之间有可能发生碰撞的区域。在该区域内，本船和它船产生碰撞的风险较高。同理，船舶交通冲突安全区，是指本船在一定的水域范围内航行时，当本船的速度在一定范围内变化、航向可变的情况下，与它船之间不可能发生碰撞的区域。在该区域内，本船与它船不存在碰撞风险。
船舶交通冲突态势是由水上船舶交通系统各个组成因素间彼此作用和影响的总和所表征出的船舶交通状态和趋势。
船舶交通冲突态势表征模型实现
数据处理算法原理，繁忙水域中的船舶交通冲突态势取决于当前各个船舶间的相对航向、航速、位置等因素。其中，相对位置由本船与冲突船舶的方位和距离组成，可以利用AIS数据计算得出，并通过算法将同一时间、空间的相对位置信息进行换算。本文通过对原始AIS数据解析处理后对船舶交通冲突态势进行分析，主要考虑船舶尺度、速度、相对方位3种影响因素,涉及到的AIS信息包括：UTC标准时间、MMSI、船舶名称、船长和船宽、船舶地理坐标、船舶对地航向、对地航速、船艏向等。
船舶AIS数据处理算法原理为：首先获取AIS数据，然后对AIS数据信息进行预处理，剔除不符合实际情况的数据等。在选取某一特定时间之后，计算同一时刻下它船相对于本船的距离和方位，得到同某一时刻两船的位置分布结果，为船舶交通冲突的判定提供数据基础。任意两船间的相对位置包括两船之间的相对距离和方位两个部分。其中，相对距离为本船中心到它船中心之间的距离，相对方位则表示目标船相对本船的方位，即以本船的船艏向为基准线，顺时针旋转至它船与本船中心点连线的夹角。
数据处理流程
数据预处理是指将采集到的数据按照课题研究的需求经过属性选择、数据清洗、数据转换等的一系列数据分析和处理过程，其目的是从大量的、紊乱的甚至是存在错误的数据中筛选分析出对课题研究有价值的数据。
一、数据筛选
船载AIS数据中所包含的信息较多，包含船舶的静态、动态以及航程数据等共31个属性。因此，从本文研究的对象出发，需要剔除AIS中包括船舶目的地、吃水、船籍港等与本文研究内容不相关的数据。筛选出对本文研究有一定帮助的属性，本文采集的AIS数据包含船舶MMSI、经纬度、航首向、航迹向、船长和船宽等。
二、数据清洗
AIS数据是由船舶AIS设备发出并通过基站接收,在数据采集、传输和存储的过程中，不仅存在操作人员故意关闭AIS系统、AIS设备或基站故障、信息错误、数据不规范、存储数据丢失等风险。同时，不同船舶AIS设备所能采集数据周期和数据类型存在差异，所以本文收集到的AIS数据存在数据重复、数据缺失、数据异常、数据漂移等问题，需要进--步对所采集到的数据进行清洗，针对AIS数据中存在的问题进行相应处理。
三、数据换算
由于船舶AIS数据更新频率不同，AIS数据采集周期也不尽一致。接收到不同船舶的AIS数据很大概率不是在同一时间段内，其所采集AIS数据点就不能直接用于描述船舶间所处的态势。所以需要通过采用数据插值的方式对每个船舶轨迹数据点进行计算，获取同一时间段的船舶位置、速度和航向等，使得不同船舶间能在完全相同的时间段进行船舶相对位置分析和会遇状态识别。在求解相对位置关系的过程中，为了减少由于时间间隔所引发的船位误差，在分析船舶间位置关系之时，需要先将目标船某一时刻的船位换算成与本船所处同一时刻的船位。
本船与目标船同步换算
在分析两船之间的相对位置关系时，鉴于任意两艘船舶所播发的AIS信息的时间是不同步的。因此，在求解相对位置关系的过程中，为了减少由于时间间隔所引发的船位误差，在分析船舶间位置关系之时，需要先将目标船某一时刻的船位换算成与本船所处同一时刻的船位。假设船M和船N在某一水域内正常航行，船M在时刻0002、0010、0018接收到相关动态数据，船N在时刻0006.0014接收到相关动态数据，其AIS数据根据船M和船N的数据信息，我们便能够解出两艘船任意两个时刻之间发生变化的船舶动态数据主要包括船舶的经纬度坐标、船舶航速及航向。正常情况下，船舶在航行过程中发射AIS信息的频率较高，因此在较短时间内船舶的航速和转向幅度的变化并不明显，所以任意两时刻间的船舶航向可以用其最近的两个时刻的船位点连线方向近似代替。且船舶航速的变化能够近似为线性变化，船位的变化也能够近似为与船速相关的线性变化。
船舶间相对距离求取
船舶交通冲突态势仿真
在任意两船的冲突局势中，这种冲突下的不利影响可以通过改变船舶航行状态来消除。根据前文分析，由于冲突是可以通过两船的相对航向、航速来预测的。我们便可以通过仿真来预测可能发生碰撞的区域，并通过可能发生碰撞区域的大小来判定本船发生交通冲突的局势及相应冲突风险的大小。具体仿真构建过程如下。
开始-船间冲突判定方法确定-建模变量参数输入-MATLAB冲突过程仿真-冲突船舶船舶领域边界模型构建-仿真结果可视化-冲突船舶船舶领域运动方程构建-冲突区域相关参数计算模型构建-本船运动方程构建-参数计算结果输出-结束
船舶领域尺度矢量化
根据本文的基于模糊神经网络的船舶领域模型，该模型尺度形状表现为上下不对称、左右对称的近似椭圆形，且焦点不在以本船为原点的坐标轴上，所以需要对它船的船舶领域进行矢量化处理。因此，只要通过AIS信息处理后，得到它船的船长、船宽和航速，就可以求出不同方位.上船舶领域尺度的大小。
将船舶领域边界进行旋转变换、将船舶领域边界进行平移变换、将旋转和平移变换相结合、上下部船舶领域边界方程、船舶领域随船舶运动方程
假设自检测到两船发生交通冲突时刻起，记为0时刻，即T＝0时刻，此时刻船舶领域边界线坐标为(X，Y)。
交通冲突态势仿真
设存在一个X0Y平面坐标系中，本船航向为正方向，与y轴正方向平行，
与本船航向垂直的右侧方向为X轴正方向，检测到与入侵船舶产生交通冲突的时刻记为0时刻，本船坐标为原点0,入侵船舶的坐标为(x，r)。当发现两船产生交通冲突后，在不违反海上避碰规则的前提下，它船作为直航船可保速保向行驶，本船作为让路船可向左舷或者右舷转向，通过最小二乘法判定本船是否进入它船的安全领域范围，使用计算机仿真可得出可能发生入侵或碰撞的区域。设根据仿真结果得出的冲突点坐标集为U，则坐标集U所表示的区域即为它船与本船的冲突区域。
船舶交通冲突动态风险可视化
传统基于最小会遇距离(DCPA)和最小会遇时间(TCPA)等指标判定船舶碰撞风险的方法能够较好地适用于开阔水域，但在繁忙水域船舶碰撞风险判定中的应用存在较大的局限性。原因在于：一方面对船舶本身来说，DCPA和TCPA指标能较便捷的适用于两船之间的碰撞风险判定，但在繁忙水城当本船与周围多船存在直接或潜在交通冲突时，传统的基于DCPA和TCPA指标的碰撞风险判定在应用过程中就较为复杂，需要频繁地分析、计算本船与周围船舶碰撞的可能性，实用性较差。另一方面，对海事监管机关来说，在对繁忙水域进行监管时，在交通管理系统(VTS)中单凭设置DCPA和TCPA闽值进行碰撞风险预警存在很高的虛警率，致使在实际工作过程中VTS值班员经常关闭VTS设备的报警功能。VTS报警功能的关闭，不仅大大增加VTS值班员的工作强度，还会导致值班人员无法对整个监控水域的船舶碰撞风险进行有效辨识，降低VTS在船舶碰撞风险预警中的应用效果。因此，能够同时适用于船舶及海事监管机关在繁忙水域的碰撞风险预警方法亟待完善。本节将采用上述交通冲突风险度量方法，对曹妃甸水域船舶动态冲突风险进行可视化验证。根据前文中对曹妃甸水域船舶交通流轨迹分析可知，该水域内可能发生冲突风险频率较高的范围为警戒区水域。因此，为了保证评价结果的科学性和合理性，在选取多船冲突情形下船舶动态风险可视化进行实例验证时，选取2019年01月15日某时刻曹妃甸警戒区附近发生交通冲突的5艘船舶为例，对船舶交通冲突的动态风险可视化应用。
实现曹妃甸水域船舶冲突态势表征及可视化
为解决繁忙水域船舶冲突风险预警预控问题，本文在分析曹妃甸繁忙水域通航环境、交通流特征的基础上，结合船舶交通冲突态势表征模型、专家打分阈值设定及MATLAB编程，实现对繁忙水域范围内船舶交通冲突动态和宏观冲突风险的度量及其可视化。本文提出的基于复杂度的船舶交通冲突风险度量模型可以定性的将船舶交通冲突的风险等级分成五类，模型评价结果与历史险情数据较高的吻合性证实了本文研究方法的可行性且具有较高的可信度，这主要是因为模型的搭建是基于较为客观的船舶实时运动数据。模型的评价结果对于船舶交通冲突态势的现实应用有一定的实践意义，不仅可以为船舶航行过程中的避碰操纵提供参考,还能够为海事主管机关的水域碰撞风险监管评估作为技术支撑。
综上所述：本发明一种繁忙水域船舶交通冲突风险度量方法，创新点主要包括:
(1)立足于现有船舶领域模型的研究成果，提出了基于动态船舶领域的船舶间冲突状态和冲突趋势的冲突判定方法，同时提出了船舶交通冲突区和安全区的概念，结合计算机仿真构建了基于船舶领域的船舶交通冲突态势表征模型。
(2)构建了基于船舶交通冲突态势的风险度量模型，并结合计算机仿真实现了典型繁忙水域船舶交通冲突动态风险的可视化。为研究降低船舶间碰撞事故发生率提供了一种新思路。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种繁忙水域船舶交通冲突风险度量方法，其特征在于：具体包括如下步骤：
S1：船舶交通冲突基础理论研究
a：首先，在查阅文献分析交通冲突技术在道路、航空领域中应用的基础上，对船舶交通冲突的产生过程及原理进行分析；
b：其次，通过文献查阅、德尔菲专家咨询等方法，研究船舶交通冲突态势的影响因素和研究基础框架，为基于船舶领域的交通冲突态势表征建模提供研究基础；
S2：船舶交通冲突态势表征模型研究
a：首先，通过比选得出不同交通冲突态势下的动态船舶领域模型，基于船舶领域模型研究船舶交通冲突态势的判定方法；
b：然后，基于船舶交通冲突判定方法及相应的船舶操纵模型，运用MATLAB软件编程实现船舶交通冲突运动态势仿真；
c：同时，通过界定出本船与直接冲突船舶、潜在冲突船舶存在的冲突区与安全区的范围，构建船舶交通冲突态势表征模型；
S3：繁忙水域船舶交通冲突风险度量方法研究
a：通过定量分析船舶发生交通冲突所占的空间(冲突区)相对于可供解决冲突的空间(安全区)的比例大小；
b：选取船舶冲突面积、冲突角度、冲突距离等风险度量指标，结合专家意见和实际影响程度，确定风险评价的隶属度函数和标准，研究基于船舶安全领域的繁忙水域船舶交通冲突态风险度量方法；
S3：案例分析
a：为验证船舶交通冲突风险度量方法的有效性及合理性，解决繁忙水域船舶碰撞风险预警预控问题。文章在分析曹妃甸水域通航环境、交通流特征的基础上，结合船舶交通冲突态势表征模型、专家打分阈值设定，采用MATLAB软件编程实现对曹妃甸定线制水域范围内船舶交通冲突风险的度量及可视化。
2.根据权利要求1所述的一种繁忙水域船舶交通冲突风险度量方法，其特征在于：所述步骤S1以交通冲突技术理论为基础，全面分析船舶交通冲突过程及作用机理；首先，运用系统安全理论对船舶冲突过程中的冲突原理、严重程度和冲突模式及冲突态势影响因素进行分析；其次，采用对比分析法选取适用于繁忙水域的动态船舶领域模型，结合航空中的交通冲突理论，采用计算机仿真实现船舶交通冲突态势表征建模；然后，结合专家咨询法确定风险等级评定标准，研究繁忙水域船舶交通冲突动态风险度量方法；最后，以典型繁忙水域为例，采用MATLAB软件编程实现繁忙水域船舶交通冲突宏观及实时动态风险的可视化。
3.根据权利要求1所述的一种繁忙水域船舶交通冲突风险度量方法，其特征在于：所述步骤S2中还包括基于船舶领域的交通冲突判定、船舶领域影响因素分析、船舶交通冲突运动模型构建、船舶安全区域设置、船舶运动坐标转换、船舶交通冲突区、安全区范围的界定。
4.根据权利要求1所述的一种繁忙水域船舶交通冲突风险度量方法，其特征在于：所述步骤S3中还包括船舶交通冲突态势表征模型实现、船舶交通冲突态势仿真。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011244862.0A CN112561232A (zh) | 2020-11-10 | 2020-11-10 | 繁忙水域船舶交通冲突风险度量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011244862.0A CN112561232A (zh) | 2020-11-10 | 2020-11-10 | 繁忙水域船舶交通冲突风险度量方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112561232A true CN112561232A (zh) | 2021-03-26 |
Family
ID=75041799
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011244862.0A Pending CN112561232A (zh) | 2020-11-10 | 2020-11-10 | 繁忙水域船舶交通冲突风险度量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112561232A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113110460A (zh) * | 2021-04-20 | 2021-07-13 | 哈尔滨工程大学 | 一种动态环境下获取水面无人艇艏向可行区间的方法 |
| CN113188538A (zh) * | 2021-04-26 | 2021-07-30 | 广东海洋大学 | 一种近海海域小型船舶态势分析方法 |
| CN113536544A (zh) * | 2021-06-21 | 2021-10-22 | 武汉理工大学 | 一种基于最小安全距离模型的船舶概率冲突检测方法 |
| CN113626929A (zh) * | 2021-07-07 | 2021-11-09 | 武汉理工大学 | 多阶段多拓扑的船舶交通复杂度度量方法及系统 |
| CN114333423A (zh) * | 2021-12-24 | 2022-04-12 | 宁波大学 | 一种狭水道航行碰撞风险评估方法 |
-
2020
- 2020-11-10 CN CN202011244862.0A patent/CN112561232A/zh active Pending
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113110460A (zh) * | 2021-04-20 | 2021-07-13 | 哈尔滨工程大学 | 一种动态环境下获取水面无人艇艏向可行区间的方法 |
| CN113188538A (zh) * | 2021-04-26 | 2021-07-30 | 广东海洋大学 | 一种近海海域小型船舶态势分析方法 |
| CN113536544A (zh) * | 2021-06-21 | 2021-10-22 | 武汉理工大学 | 一种基于最小安全距离模型的船舶概率冲突检测方法 |
| CN113536544B (zh) * | 2021-06-21 | 2023-11-07 | 武汉理工大学 | 一种基于最小安全距离模型的船舶概率冲突检测方法 |
| CN113626929A (zh) * | 2021-07-07 | 2021-11-09 | 武汉理工大学 | 多阶段多拓扑的船舶交通复杂度度量方法及系统 |
| CN113626929B (zh) * | 2021-07-07 | 2024-01-23 | 武汉理工大学 | 多阶段多拓扑的船舶交通复杂度度量方法及系统 |
| CN114333423A (zh) * | 2021-12-24 | 2022-04-12 | 宁波大学 | 一种狭水道航行碰撞风险评估方法 |
| CN114333423B (zh) * | 2021-12-24 | 2022-11-18 | 宁波大学 | 一种狭水道航行碰撞风险评估方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112561232A (zh) | 繁忙水域船舶交通冲突风险度量方法 | |
| Zhang et al. | A systematic approach for collision risk analysis based on AIS data | |
| Huang et al. | Time‐varying risk measurement for ship collision prevention | |
| CN110083155B (zh) | 一种实现船舶拟人智能避碰决策的机器学习方法 | |
| Xu et al. | A survey on ship collision risk evaluation | |
| Sang et al. | CPA calculation method based on AIS position prediction | |
| Zhen et al. | A novel regional collision risk assessment method considering aggregation density under multi-ship encounter situations | |
| Shi et al. | Fuzzy logic-based modeling method for regional multi-ship collision risk assessment considering impacts of ship crossing angle and navigational environment | |
| CN111613094A (zh) | 一种港口水域船舶交通风险预警方法 | |
| Pedrielli et al. | A real time simulation optimization framework for vessel collision avoidance and the case of singapore strait | |
| Tang et al. | Detection of abnormal vessel behaviour based on probabilistic directed graph model | |
| Li et al. | Towards real-time ship collision risk analysis: An improved R-TCR model considering target ship motion uncertainty | |
| CN112560286A (zh) | 一种基于数字化船舶领域模型的船舶碰撞风险确定方法 | |
| Qiao et al. | A collision risk identification method for autonomous ships based on field theory | |
| Zhang et al. | A method of performing real-time ship conflict probability ranking in open waters based on AIS data | |
| Cheng et al. | Traffic-conflict and fuzzy-logic-based collision risk assessment for constrained crossing scenarios of a ship | |
| Vagale et al. | Evaluation of path planning algorithms of autonomous surface vehicles based on safety and collision risk assessment | |
| Steidel et al. | MTCAS–an assistance system for collision avoidance at sea | |
| Weng et al. | Effects of ship domain shapes on ship collision risk estimates considering collision frequency and severity | |
| Wang et al. | A real-time ship collision risk perception model derived from domain-based approach parameters | |
| Zhao et al. | A method for correcting the closest point of approach index during vessel encounters based on dimension data from AIS | |
| Hasegawa et al. | Qualitative and quantitative analysis of congested marine traffic environment–an application using marine traffic simulation system | |
| Chen et al. | Pattern knowledge discovery of ship collision avoidance based on AIS data analysis | |
| Wang et al. | How to maintain the safety level with the increasing capacity of the fairway: A case study of the Yangtze Estuary Deepwater Channel | |
| İnan et al. | Particle swarm optimization-based collision avoidance |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210326 |