CN113689128A - 一种船舶航行安全动态研判及预警系统和方法 - Google Patents

Abstract

本发明公开了一种船舶航行安全动态研判及预警系统和方法，包括：根据影响航行安全的因素，建立航行安全研判的第一评价指标体系；基于第一评价指标体系，划分风险等级；基于层次分析法构建评价矩阵，根据评价矩阵，获得评价指标权重；根据第一评价指标体系和评价指标权重，获得第二评价指标体系；基于第二评价指标体系，计算综合评价向量，获得评价结果；根据评价结果确定航行安全风险级别。与传统预警方法相比，本发明风险指标的选取更全面更具代表性，量化指标更直观，实现了船方、港口、引航多方数据同步、实时掌握通航环境信息的动态综合研判体系，对船舶的航行、进出港、靠离泊等航行及作业方案的确定提供了重要的科学依据。

Description

一种船舶航行安全动态研判及预警系统和方法

技术领域

本发明属于水上交通安全、控制系统和逻辑数学领域，特别是涉及一种船舶航行安全动态研判及预警系统和方法。

背景技术

随着全球经济一体化的快速发展，海上运输量不断增大，为降低运输成本，船舶日趋大型化。大型船舶代表着更先进的技术和更友好的环境保护，全球对低碳经济发展的需求，无疑是船舶大型化的直接推动力，大型船舶由于其迅猛的发展势头和尺度、操纵性能方面的特殊性，越来越受到行业内专家学者的重视，同时其应用前景也被广泛关注。国内外诸多专家、学者针对水上安全评价做了大量工作，研究范围从内河航道到近岸沿海，从航道码头到桥区通航，关于通航安全风险评价的方法，研究手段较多，探索途径多样，处理方法多处于探索阶段。

我国沿海水域通航条件复杂，船舶流量大，碰撞、搁浅等事故频发，一旦大型船舶发生事故，对港口水域的通航环境、生态环境乃至局部区域的经济发展带来较为恶劣的影响。因此，对大型散货船、油轮、集装箱船及LNG船舶等不同船型进行航行风险动态研判和预警具有十分重要意义。

发明内容

本发明针对船舶从进出交管部门管辖水域到进出港靠离泊的航行全过程，运用模糊数学方法，构建船舶航行安全风险动态研判和预警模型，设计和开发一种船舶航行风险动态评价与预警系统，实现船方、港口、引航多方数据同步、实时掌握通航环境信息的动态综合研判体系，维护水上交通安全。

为实现上述目的，本发明提供了如下方案：一种船舶航行安全动态研判及预警方法,包括：

根据影响航行安全的因素，建立航行安全研判的第一评价指标体系；基于所述第一评价指标体系，划分风险等级；基于层次分析法构建评价矩阵，根据所述评价矩阵，获得评价指标权重；根据所述第一评价指标体系和所述评价指标权重，获得第二评价指标体系；基于所述第二评价指标体系，计算综合评价向量，获得评价结果；根据所述评价结果确定航行安全风险级别。

优选地，所述影响航行安全的因素包括一级指标层、二级指标层；

所述一级指标层包括自然条件、航道条件、交通及管理条件；

所述自然条件包括能见度、风、浪、流、冰况；

所述航道条件包括航宽、航深；

所述交通及管理条件包括船舶密度，交叉汇遇点个数，导助航；

所述二级指标层包括能见度、风、浪、流、冰况、航宽、航深、船舶密度，交叉汇遇点个数，导助航。

优选地，所述风险等级分为5级，分别为安全、较安全、一般安全、较危险、危险。

优选地，所述基于层次分析法构建评价矩阵包括：

根据所述一级指标层、所述二级指标层的评价指标的相对重要性，构建判断矩阵；基于所述判断矩阵和所述层次分析法对所述评价指标进行层次单排序，获得单层次排序结果和单层次权重集；基于所述单层次排序结果和单层次权重集获得多层次的组合权值，完成层次总排序；根据所述层次总排序，获得评价指标权重。

优选地，所述构建判断矩阵的过程包括：

对所述一级指标层、所述二级指标层的评价指标进行逐层求解，根据比较尺度法构造比较矩阵，获得所述一级指标层、所述二级指标层的评价指标的相对重要性，基于所述评价指标的相对重要性，构建所述判断矩阵。

优选地，所述层次单排序的过程包括：

基于所述判断矩阵，计算权重向量和特征根；根据所述权重向量和特征根，获得被比较元素的相对权重序，通过所述相对权重序进行层次单排序。

优选地，所述权重向量通过和积法计算，具体过程为将所述判断矩阵按列归一化后按行相加，获得和向量，将所述和向量归一化，获得所述权重向量。

优选地，基于所述第二评价指标体系，计算综合评价向量，获得评价结果的过程包括构建综合评价模型，将待评价因素作为输入进行评价，获得所述待评价因素的评价隶属度，基于所述评价隶属度获得模糊评判矩阵，基于所述模糊评判矩阵进行模糊综合评价，获得评价结果。

一种船舶航行安全动态研判及预警系统，包括，

信息采集模块，用于采集影响航行安全的数据信息；

综合评价模块，与所述信息采集模块连接，用于对所述数据信息进行安全综合评价，获得评价结果；

智能研判模块，与所述综合评价模块连接，用于根据所述评价结果确定航行安全风险级别；

安全预警模块，与所述智能研判模块连接，用于根据所述航行安全风险级别进行系统显示，自动选择是否激活预警系统，并提供风险源查询。

优选地，所述信息采集模块采集的数据信息包括气象水文数据、航道尺度、船舶信息、同行环境数据；

所述智能研判模块确定航行安全风险级别，所述级别包括风险度较低、风险度较高、风险度高；

所述安全预警模块根据所述航行安全风险级别进行系统显示，所述风险度较低，显示界面通过色带占比显示风险度计算值；所述风险度较高，界面预警并显示风险度计算值和风险源项；所述风险度高，界面高度预警，同时激活声光预警系统，逐级进行风险源指标层追溯查询，显示风险度计算值和最大风险源查询结果。

本发明公开了以下技术效果：

本发明提供的一种船舶航行安全动态研判及预警系统和方法，与传统预警方法相比，本发明风险指标的选取更全面更具代表性，计算方式更科学，量化指标更直观，实现了船方、港口、引航多方数据同步、实时掌握通航环境信息的动态综合研判体系，对近海船舶特别是大型船舶的航行、进出港、靠离泊等航行及作业方案的确定提供了重要的科学依据。

本发明可对通航环境进行多因素动态联动研判和预警，实现并保障航行信息的同步化、智能化、一体化，可服务于航行船舶、引航员、码头管理单位、海事主管部门等各方参与者，具有广阔的应用范围。

本发明为了解各级判别指标对风险度评价的贡献大小，在上阶运算中分别对逐级指标的隶属度进行反模糊法计算，从而推求各级指标的风险度，更加直观的反应各指标对评判结果的贡献程度，有利于维护水上交通安全。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例的船舶航行动态风险研判指标体系图；

图2为本发明实施例的预警方法流程图；

图3为本发明实施例的预警系统结构图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

本发明通过构建船舶进出港与靠离泊风险综合评价指标体系，并以此为基础，提出了一种船舶从驶入/出近海航道至靠离泊全过程动态综合评价模型及预警系统，在对航行风险要素总体评价水平的基础上，为了解各级判别指标对风险度评价的贡献大小，在上阶运算中分别对逐级指标的隶属度进行反模糊法计算，从而推求各级指标的风险度，更加直观的反应各指标对评判结果的贡献程度。

如图1所示，本发明提供了种船舶航行安全动态研判及预警方法和系统,其中所述预警方法包括：

第一步：确定船舶航行安全的主要影响因素，包含：

影响航行安全的因素集合为论域A(目标层)，A＝{自然条件A₁，航道条件A₂，交通及管理条件A₃}，其中A₁，A₂，A₃构成评价系统的一级指标层；A₁＝{能见度B₁，风B₂，浪B₃，流B₄，冰况B₅}，A₂＝{航宽B₆，航深B₇}，A₃＝{船舶密度B₈，交叉汇遇点个数B₉，导助航B₁₀}，其中B₁、B₂……B₁₀构成评价系统的二级指标层。

第二步：确定风险等级划分，包含：

评语等级论域定义为5个等级，即V＝{v₁，v₂，v₃，v₄，v₅}＝{1，2，3，4，5}，可理解为：v_i依次代表安全、较安全、一般安全、较危险、危险来表示通航评价海域的安全等级，这里的{1，2，3，4，5}不是确值，而是一个模糊数，便于对最终评价进行量化处理。

第三步：建立权重集评价矩阵，包含：

指标体系建立后，需要确定各层次评价指标的权重。本发明在层次分析法的基础上，根据大量模型试验成果，根据标度和指标关联确定研判矩阵，利用数学方法求解矩阵，并检验其一致性。该方法提升该矩阵的客观性，改进了权重与阈值的确定方法。

对第一步中确定的指标结构模型进行逐层求解。从层次结构模型的第2层开始，对于从属于上一层每个因素的同一层各因素，在层次分析法中，用1-9比较尺度法构造两两比较矩阵。对n个指标B₁，B₂，…，B_n(n＝2，3，5)进行比较，可得到以下判断矩阵B，如表一所示：

表1

标度	B<sub>1</sub>	B<sub>2</sub>	…	B<sub>n</sub>
					B<sub>1</sub>	b<sub>11</sub>	b<sub>12</sub>	…	b<sub>1n</sub>
B<sub>2</sub>	b<sub>21</sub>	b<sub>22</sub>	…	b<sub>2n</sub>
					…	…	…	…	…
B<sub>n</sub>	b<sub>n1</sub>	b<sub>n2</sub>	…	b<sub>nn</sub>

求解判断矩阵B，进行单层次排序，计算被比较元素对于该上层指标的相对权重序。计算权重向量和特征根的方法有多种，实际应用中通常采用操作简单的“和积法”。计算步骤如下：

①将矩阵B按列归一化

②将每一列经正规化后的判断矩阵按行相加，即：

③将得到的和向量归一化，即得权重向量

④计算矩阵最大特征根λ

得到最大特征根后，大于二维的矩阵需进行一致性检验，以保证评价者对多因素评判逻辑上的一致性，这也是保证评价结论可靠的必要条件。

层次分析法中引入判断矩阵最大特征根以外的其余特征根的负平均值，作为度量判断矩阵偏离一致性的指标：一致性指标C.I.计算公式如下：

计算一致性比率C.R.：

其中R.I.为平均随机一致性指标，对于3～10阶判断矩阵的R.I.如表所示，若C.R.<0.1，则所得比较矩阵可以接受；否则需对A加以调整，重新计算直至C.R.<0.1。

得到最大特征根后，大于二维的矩阵需进行一致性检验，以保证评价者对多因素评判逻辑上的一致性，这也是保证评价结论可靠的必要条件。

层次分析法中引入判断矩阵最大特征根以外的其余特征根的负平均值，作为度量判断矩阵偏离一致性的指标：一致性指标C.I.计算公式如下：

计算一致性比率C.R.：

其中R.I.为平均随机一致性指标，对于3～10阶判断矩阵的R.I.如表2所示，若C.R.<0.1，则所得比较矩阵可以接受；否则需对A加以调整，重新计算直至C.R.<0.1。

表2

在构建单层次排序并计算出单层次权重集的基础上，用下(低)层次因素的组合权值加权，得到上(高)层次因素相对于下(低)层整个层次的组合权值，完成层次总排序。

设A层所有因素A₁，A₂，…，A_n的层次总排序已经确定，其对应权重为a₁,a₂,…,a_n，下一层B有m个因素B₁，B₂，…，B_m，其中B_i的单排序结果

则B_i关于A_j的相对重要度为

则B级的要素B_i的综合重要度为

各指标的权重计算同样采用层次分析法，应用成对比较组合中各因素对目标因素的相对影响程度来计算各因素对目标因素的权重。经和积法计算，影响航行风险各因素的权重值如下：

对应A＝{A₁,A₂,A₃}，W＝[0.350，0.172，0.478]；

A₁＝{B₁,B₂,B₃,B₄,B₅}，w₁＝[0.190,0.051,0.016,0.024,0.069]^T；

A₂＝{B₆,B₇}，w₂＝[0.057,0.115]^T；

A₃＝{B₈，B₉,B₁₀}，w₃＝[0.284,0.061,0.132]^T。

对W＝{w₁，w₂，w₃}的一致性进行检验，对应A₁、A₃的C.R.值均小于0.1，判断矩阵具有一致性，判断结果可信。A₂为二阶矩阵，无需检验归一性。

第四步：计算评判决策矩阵，包含：

计算评判决策矩阵首先要确定隶属度向量集R，对于因素集内各因素的评定是一种模糊辐射f:A→F(V)。所以，要得到模糊矩阵就必须先进行单因素评价，即相对于评价因素a_i分别作出评价v_j隶属度。

单因素评价子集R_i＝(r_i1,r_i2,...,r_im)，在此基础上，得到模糊关系矩阵R

其中r_ij为因素集A中第i个因素A_i对应评语集V中第j个元素v_j的隶属度。部分影响因素隶属度计算结果如表3-表5所示：

表3

表4

表5

第五步：建立综合评价模型，包含：

对于因素集内各因素的评定是一种模糊辐射f:A→F(V)。

相对于评价因素a_i分别作出评价v_j隶属度。对第i个评价指标a_i，相应的隶属度向量R_i(r_i1,r_i2,...,r_i5)i＝1，2，…,10。整个因素集内各因素的隶属度向量组成隶属度矩阵，即模糊评判矩阵。

对于多层次评判对象，对每个A_i＝{B₁,B₂,…B_s}的s个因素，按二级模糊综合评判计算得一级综合评价向量A_i的隶属度函数R′_i：R′_i＝w_ioR_i，式中“o”表示模糊合成运算。

同理计算A：A＝WoR′＝{a₁,a₂,…a_n},

模糊综合评价的结果是一个模糊向量，可采用反模糊化确定最终的评价结果，可采用最大隶属度法和加权平均法。即用评价结果的模糊向量集a_i，对评语集v_j进行加权平均得到的值取为评价结果，即：

所得到的V为设置评语集范围之间的1个数(式中采用本次研究所选用的表征数1-5)，此值即评价对象的通航安全风险评价等级。

在得到总体评价水平的基础上，为了解各一级评价指标对风险度评价的贡献大小，在上阶运算中分别对一级评价指标的隶属度进行反模糊法计算，从而推求各一级评价指标的风险度，更加直观的反应各指标对评判结果的贡献程度。

第六步：建立动态综合评价及预警系统，包含：

通过对研究水域进行网格划分，拾取船舶从出现在该水域到进港靠离泊沿途所在网格的各要素实时数据作为输入条件，进行动态综合研判。每个网格覆盖范围一般为2×2海里(航道等复杂水域可局部加密)，编码方式为列号与行号的组合，例如左上角第一个网格编号为11，右下角最后一个网格编号为99。每个独立的网格编码代表一个区域，区别地理位置的不同性质，通过网格覆盖整个监控水域。从船舶航行至监控水域开始至完成作业为止，根据船舶定位系统实时反馈的坐标，确定其所在网格区域，然后从数据库中拾取该处水深和潮流数据，结合气象站发布的气象信息，通过已建综合评价模型进行全过程动态风险研判。

根据计算结果中风险判别等级的不同，通过系统界面警告、外接声、光的方式实施差别警告。例如，风险等级判别为4.6，则系统自行反馈预警，警报声响，亮红灯示警。

一种船舶航行安全动态研判及预警系统，包括，

信息采集模块，用于采集影响航行安全的数据信息；

综合评价模块，与所述信息采集模块连接，用于对所述数据信息进行安全综合评价，获得评价结果；

智能研判模块，与所述综合评价模块连接，用于根据所述评价结果确定航行安全风险级别；

安全预警模块，与所述智能研判模块连接，用于根据所述航行安全风险级别进行系统显示，自动选择是否激活预警系统，并提供风险源查询。

进一步地，所述信息采集模块采集的数据信息包括气象水文数据、航道尺度、船舶信息、同行环境数据；

所述智能研判模块确定航行安全风险级别，所述级别包括风险度较低、风险度较高、风险度高；

所述安全预警模块根据所述航行安全风险级别进行系统显示，所述风险度较低，显示界面通过色带占比显示风险度计算值；所述风险度较高，界面预警并显示风险度计算值和风险源项；所述风险度高，界面高度预警，同时激活声光预警系统，逐级进行风险源指标层追溯查询，显示风险度计算值和最大风险源查询结果。

进一步地，系统还包括基本信息维护窗口、风险因子、类别等级及隶属度、比较矩阵等模块。

1)基本信息维护

用于对基本数据进行依次输入或修改，例如港区名称、危险度分级、风险因子分类数，系统自动给出因子分类名并生成基本存储变量。点击“设定类别比较矩阵”按钮，弹出风险类别重要度设置窗口。对比较矩阵基本元素进行修改，关闭后数据自动传回系统管理窗口。

2)风险因子分类及比较矩阵信息

选择要进行数据录入或修改的风险因子类别，在“风险因子”编辑框输入风险因子名称，点击“新增”按钮，比较矩阵同时给出缺省数据。重复该操作多次，直至该风险类别下所有风险因子被添加。手动修改比较矩阵对应的元素值，完成比较矩阵的数据录入。

3)风险因子分级及隶属度信息

点击“本类别等级划分及隶属度”按钮，弹出风险因子等级指标及隶属度定义窗口，根据已定义的风险因子自动生成隶属度矩阵。选择风险因素列表框下的元素，对其分级划分和隶属矩阵相应数据进行修改。每次针对特定的风险因素，均需点击“应用矩阵信息”按钮使修改数据生效。全部因子的信息完成更新后，点击“返回参数”按钮，传回等级指标及隶属度定义信息。回传数据后，“该项已设置级别及隶属”复选框显示选中状态，表示当前风险类别的分级及隶属度信息设置以完成。点击“应用当前风险类别信息”按钮使当前类别风险信息被保存。

4)系统初始化

风险评估对象基本数据初始化函数：InitTheRiskAssesse()，函数读取程序目录下的BaseDataInfo.xml文件，以文件数据作为基本数据，自动实现对权重矩阵的求解，完成对风险评估对象进行初始化以备后用。点击“初始化”按钮完成系统基本数据初始化和必要的运算，成功后返回当前评估系统所适应的港区名并显示在窗口标题处，同时“计算”按钮变为可用状态。如果首次使用或读取基本数据文件失败，请点击“系统参数设置”按钮调出系统参数管理窗口，按照上一步骤完成基本数据维护。

5)风险度函数求解

求解风险度函数：输入参数为给定分类别的安全指标，维度1代表分类索引，维度1代表特定维度各项指标的数值，数值给定顺序应全域一致。返回值类型为一维数组，代表系统计算得到的分类及综合风险度值。

在上一步成功完成系统初始化后，按照上述参数数据给定顺序传入数据，系统将自动计算并返回各风险分类的风险度及综合评估后的综合风险度。

6)安全预警

对上一步求解结果进行研判，根据所得风险度大小，进行系统显示。风险度1～5分别用绿色～橙色～红色进行色彩无极过度显示，绿色代表安全，红色代表非常危险。根据评价结果，自动选择是否激活预警系统，通过界面图层、色彩差异进行视觉警示，并提供风险源查询。当船员通过操作规避预判风险后，系统继续进行实时运算，判断风险度是否降低，风险项是否消除，并更新展示界面。

以上所述的实施例仅是对本发明的优选方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (10)

1.一种船舶航行安全动态研判及预警方法,其特征在于，包括：

根据影响航行安全的因素，建立航行安全研判的第一评价指标体系；基于所述第一评价指标体系，划分风险等级；基于层次分析法构建评价矩阵，根据所述评价矩阵，获得评价指标权重；根据所述第一评价指标体系和所述评价指标权重，获得第二评价指标体系；基于所述第二评价指标体系，计算综合评价向量，获得评价结果；根据所述评价结果确定航行安全风险级别。

2.根据权利要求1所述的船舶航行安全动态研判及预警方法，其特征在于，

所述影响航行安全的因素包括一级指标层、二级指标层；

所述一级指标层包括自然条件、航道条件、交通及管理条件；

所述自然条件包括能见度、风、浪、流、冰况；

所述航道条件包括航宽、航深；

所述交通及管理条件包括船舶密度，交叉汇遇点个数，导助航；

所述二级指标层包括能见度、风、浪、流、冰况、航宽、航深、船舶密度，交叉汇遇点个数，导助航。

3.根据权利要求1所述的船舶航行安全动态研判及预警方法，其特征在于，

所述风险等级分为5级，分别为安全、较安全、一般安全、较危险、危险。

4.根据权利要求2所述的船舶航行安全动态研判及预警方法，其特征在于，

所述基于层次分析法构建评价矩阵包括：

根据所述一级指标层、所述二级指标层的评价指标的相对重要性，构建判断矩阵；基于所述判断矩阵和所述层次分析法对所述评价指标进行层次单排序，获得单层次排序结果和单层次权重集；基于所述单层次排序结果和单层次权重集获得多层次的组合权值，完成层次总排序；根据所述层次总排序，获得评价指标权重。

5.根据权利要求4所述的船舶航行安全动态研判及预警方法，其特征在于，

所述构建判断矩阵的过程包括：

对所述一级指标层、所述二级指标层的评价指标进行逐层求解，根据比较尺度法构造比较矩阵，获得所述一级指标层、所述二级指标层的评价指标的相对重要性，基于所述评价指标的相对重要性，构建所述判断矩阵。

6.根据权利要求4所述的船舶航行安全动态研判及预警方法，其特征在于，

所述层次单排序的过程包括：

基于所述判断矩阵，计算权重向量和特征根；根据所述权重向量和特征根，获得被比较元素的相对权重序，通过所述相对权重序进行层次单排序。

7.根据权利要求6所述的船舶航行安全动态研判及预警方法，其特征在于，

所述权重向量通过和积法计算，具体过程为将所述判断矩阵按列归一化后按行相加，获得和向量，将所述和向量归一化，获得所述权重向量。

8.根据权利要求1所述的船舶航行安全动态研判及预警方法，其特征在于，

基于所述第二评价指标体系，计算综合评价向量，获得评价结果的过程包括构建综合评价模型，将待评价因素作为输入进行评价，获得所述待评价因素的评价隶属度，基于所述评价隶属度获得模糊评判矩阵，基于所述模糊评判矩阵进行模糊综合评价，获得评价结果。

9.一种船舶航行安全动态研判及预警系统，其特征在于，包括，

信息采集模块，用于采集影响航行安全的数据信息；

综合评价模块，与所述信息采集模块连接，用于对所述数据信息进行安全综合评价，获得评价结果；

智能研判模块，与所述综合评价模块连接，用于根据所述评价结果确定航行安全风险级别；

安全预警模块，与所述智能研判模块连接，用于根据所述航行安全风险级别进行系统显示，自动选择是否激活预警系统，并提供风险源查询。

10.根据权利要求9所述的船舶航行安全动态研判及预警系统，其特征在于，

所述信息采集模块采集的数据信息包括气象水文数据、航道尺度、船舶信息、同行环境数据；

所述智能研判模块确定航行安全风险级别，所述级别包括风险度较低、风险度较高、风险度高；

所述安全预警模块根据所述航行安全风险级别进行系统显示，所述风险度较低，显示界面通过色带占比显示风险度计算值；所述风险度较高，界面预警并显示风险度计算值和风险源项；所述风险度高，界面高度预警，同时激活声光预警系统，逐级进行风险源指标层追溯查询，显示风险度计算值和最大风险源查询结果。

Images