混有智能船舶水域的航行風險評價軟件框架設計

朱航標,吳 青,楊滿江,王良武,吳 兵

(1.武漢理工大學 物流工程學院,湖北 武漢 430063；2.武漢理工大學 國家水運安全工程技術研究中心,湖北 武漢 430063；3.中國艦船研究設計中心,湖北 武漢 430064；4.武漢理工大學 智能交通系統(tǒng)研究中心,湖北 武漢 430063)

智能船舶因其在提升船舶安全性、實現(xiàn)節(jié)能減排和減少人力成本等方面的前景受到廣泛關注[1]。2018年，羅爾斯羅伊斯公司和芬蘭國有渡輪運營商Finferries實現(xiàn)了世界上第一艘載有80名乘客的全自動航行渡船；2019年，日本宣布完成了全球首次“有人自動航行船舶”的自主航行系統(tǒng)海上試驗(Iris Leader號)；武漢理工大學國家水運安全工程技術研究中心繼2018年在南京板橋汽渡率先實現(xiàn)了船舶輔助駕駛后，于2019年在代爾夫特理工大學實現(xiàn)了8 500 km的遠程船模駕控測試。

隨著智能船舶技術的不斷發(fā)展，智能船舶有望在中長期內投入營運[2]，然而智能船舶的航行安全問題是當前的技術難點，也是國際上研究的熱點。RAMOS等[3]使用層次任務分析(hierarchical task analysis, HTA)和IDAC模型相結合的方法，分析自主船舶駕控中可能出現(xiàn)的人為失誤，從而完善自主航行系統(tǒng)的設計，以確保航行安全。UTNE等[4]提出了一種智能船舶在線風險建模的框架，利用系統(tǒng)理論過程分析(systems theoretic process analysis, STPA)方法識別并分析航行風險，以提高智能船舶的決策能力和智能化程度。HEIKKILA等[5]基于目標結構表示法(goal structuring notation, GSN)提出了一種安全鑒定方法，并將智能船舶整合到現(xiàn)有的海事監(jiān)管框架中，以降低智能船舶的航行風險。

以上研究表明，當前智能船舶安全研究主要集中在船舶安全設計，缺少船舶交通流風險方面的研究。鑒于目前智能船舶仍未投入使用，難以開展實船實驗，有必要開發(fā)交通流仿真軟件獲取仿真數(shù)據(jù)，并在此基礎上開展面向水域的航行風險研究[6]，為智能船舶航行安全的后續(xù)研究提供數(shù)據(jù)和理論支撐。

1 船舶航行風險評價軟件的相關研究

船舶航行風險評價軟件的研究主要集中在交通流仿真方法[7]，目前已有相關風險評價軟件，在界面和功能設計方面具有良好的借鑒意義。

1.1 現(xiàn)有船舶航行相關風險評價軟件

(1)芬蘭灣船舶航行風險評價軟件。GOERLANDT等[8]設計了船舶碰撞風險評價軟件，提出了船舶碰撞事故仿真模型，通過分析AIS數(shù)據(jù)，提取芬蘭海灣的交通流特征，利用蒙特卡羅方法實現(xiàn)交通流仿真，從而評估芬蘭灣船舶航行的安全狀況。

(2)新加坡海峽交通流仿真軟件。KANG等[9]開發(fā)了海上交通流仿真軟件，通過設置航線、船舶類型和船舶尺寸等參數(shù)，對交通流進行仿真，并分析新加坡海峽在不同通航環(huán)境下的交通流特征。

(3)舊金山灣渡輪航行風險評價軟件。DORP等[10]創(chuàng)建了水上交通流仿真軟件，根據(jù)最接近點參數(shù)建立船舶碰撞概率模型，記錄并分析特定時刻仿真水域內船舶的狀態(tài)數(shù)據(jù)，并將船舶碰撞次數(shù)實時顯示在電子海圖上，從而評價舊金山灣渡輪的運行狀況。

1.2 現(xiàn)有軟件優(yōu)缺點分析

現(xiàn)有軟件主要依靠自主編程實現(xiàn)仿真，軟件優(yōu)點如表1所示，但同時也存在如下問題：①仿真對象固定?，F(xiàn)有軟件仿真對象均為常規(guī)船舶，不具備智能船舶仿真能力，無法滿足對混有智能船舶水域航行風險進行評價的需求。②研究場景單一?，F(xiàn)有軟件研究場景主要為海上開闊水域，缺乏對內河水域場景的研究，且無法根據(jù)使用者自身需求設定場景，工程應用的推廣難度大。③無法開展預設場景研究?，F(xiàn)有軟件多是重現(xiàn)歷史數(shù)據(jù)，不能仿真預設參數(shù)的交通流，無法開展對混有智能船舶水域交通流的仿真研究。

表1 各船舶航行風險軟件優(yōu)點

2 軟件設計總體設計及實現(xiàn)

為解決上述問題，軟件需包含仿真環(huán)境構建、混合交通流仿真、風險評價輸出3個模塊，軟件總體設計框圖如圖1所示。

圖1 軟件總體設計框圖

2.1 仿真環(huán)境構建模塊

采用Qt界面和YimaEnc電子海圖引擎技術，基于電子江圖數(shù)據(jù)，對水域進行功能分區(qū)，構建仿真水域環(huán)境，該模塊可根據(jù)用戶需求自定義?？紤]到內河水域交通流密度大、礙航建筑物多等特點，軟件引入Zone區(qū)域概念。Zone區(qū)域分為3類：碼頭/港口、船舶聚集錨地、航線必經(jīng)地。每個Zone區(qū)域，根據(jù)船舶實際活動范圍，確定為一個封閉的幾何圖形。軟件通過添加Zone區(qū)域，提升仿真水域復合度，提高仿真環(huán)境可信度。仿真環(huán)境構建示例如圖2所示。

圖2 仿真環(huán)境構建示例

2.2 混合交通流仿真模塊

混合交通流仿真模塊是軟件進行航行風險評價的關鍵支撐。該模塊通過建立不同的船舶行為模型，仿真智能船舶和常規(guī)船舶；根據(jù)交通流數(shù)據(jù)，生成交通流事件，實現(xiàn)混有智能船舶水域的交通流仿真。

2.2.1 船舶仿真

根據(jù)《智能船舶規(guī)范》(2020)[11]中對智能船舶的定義，軟件仿真的智能船舶與常規(guī)船舶的差異體現(xiàn)為更短的安全距離、更快的反應速度和更嚴格地遵守避碰規(guī)則。軟件通過縱向和橫向兩個維度的控制，實現(xiàn)船舶仿真。在船舶縱向控制方面，軟件建立自由航行模型。針對上述差異性，筆者建立不同的追越模型分別模擬兩類船舶的橫向運動。

(1)自由航行模型。自由航行是指船舶按照擬定的航向和航速航行，不受外部交通環(huán)境影響，即船舶的縱向運動。船舶處于自由航行模式時，船速在最大值左側小幅波動：

SOGi,T=rand(0.8，1)×SOGi,max

(1)

式中：SOGi,T為船舶i在T時刻的對地速度；SOGi,max為船舶i的最大對地速度；rand(0.8，1)為0.8到1之間的隨機實數(shù)。

(2)追越模型。在仿真中，船舶不斷在自由航行和追越兩種行為模式中切換。當滿足如下兩個條件時，船舶行為由自由航行切換到追越：

SOGh,i,T

(2)

di,T≤dsafe

(3)

式中：SOGh,i,T為T時刻船舶i的前船的對地速度；di,T為T時刻船舶i與前船的距離；dsafe為確保航行安全的船舶間距。式(2)為確定性條件，通過感知判斷即可實現(xiàn)。式(3)中dsafe為唯一變量，決定追越的危險程度。

對于常規(guī)船舶，dsafe的取值如式(4)所示，可確保下一時刻兩船在任何速度條件下均不會發(fā)生碰撞，為最安全理論極限。

dsafe=SOGi,max

(4)

對于智能船舶，應具有更短的安全距離和更快的反應速度，以提高交通系統(tǒng)的運行效率，故引入安全因子λ調節(jié)dsafe的取值：

dsafe=λ|SOGi,T-SOGh,i,T|+(1-λ)SOGi,max

(5)

其中，λ∈[0,1]，dsafe為追越的極限安全距離，是兩船速度差和安全因子λ均衡后的取值(假設仿真步長為1s)。λ值越大，船舶追越時與前船的間距要求越低，智能船舶安全等級越高。

2.2.2 交通事件生成

交通事件是指一艘船舶完成的一次航行，由船舶尺寸、航路點、船速、離港時間4個要素組成，是交通流仿真的基本單元[12]。根據(jù)輸入的交通流數(shù)據(jù)，生成若干交通事件。將輸入的參數(shù)經(jīng)過非平穩(wěn)泊松過程[13]處理，得到若干近似實際的交通事件，并存入數(shù)據(jù)庫。仿真開始時，到達離港時間的船舶自動生成并按對應行為模型運行，隨后匯成交通流并動態(tài)顯示在電子江圖上。

2.3 風險評價輸出模塊

風險評價輸出模塊主要是獲取仿真中船舶在航數(shù)據(jù)，利用區(qū)域船舶航行風險評價模型[14]提出的3個船舶碰撞風險指標：速度離散指數(shù)、加減速程度、船舶領域重疊數(shù)，對各Zone區(qū)域進行船舶碰撞風險的實時評價。

(1)速度分析?？紤]到區(qū)域內船舶對地速度的極值較低，選用速度離散指數(shù)作為風險指標。首先，確定評價區(qū)域的范圍，即Zone區(qū)域邊界坐標，軟件可從仿真環(huán)境構建模塊獲取；其次，明確特定時刻T通過該區(qū)域的所有船舶，利用式(6)計算船舶i在該區(qū)域的平均速度；最后，逐個計算該區(qū)域內所有船舶的平均速度，并求出速度離散指數(shù)。速度離散指數(shù)越高，表明該區(qū)域內船舶發(fā)生碰撞的可能性越大。

(6)

(2)加(減)速度分析。船舶加(減)速發(fā)生在追越、轉彎等情況下，即可能發(fā)生碰撞的場景。因此，選用船舶加(減)速的程度作為風險指標。首先，確定評價區(qū)域的范圍及該區(qū)域內的所有船舶；其次，利用式(7)逐個計算區(qū)域內船舶的加(減)速度；最后，利用式(8)計算加(減)速度平方值的平均值。

(7)

(8)

(3)船舶領域分析。目前，學者主要使用船舶領域評價對地航向對碰撞風險的影響。因此，筆者選用模糊船舶領域[15]重疊數(shù)作為風險指標。模糊船舶領域是指船舶周圍的一個區(qū)域，即船舶應與其他船舶和物體保持的距離。區(qū)域的形狀、大小取決于航行安全等級γ和相對方位角Ki，根據(jù)模糊船舶領域定義(definition of ship fuzzy domain,DSF),相對方位角為Ki時的模糊船舶領域描述為[16]：

DSFKi={γ,dKi}={μDSFKi(dKi),dKi}

(9)

式中：DSFKi為相對方位角為Ki時的模糊船舶領域；dKi為距船舶水平面中心的距離;dKi∈[0,+∞)；μDSFKi為設置航行安全等級的成員函數(shù)，μDSFKi∈[0,1]；航行安全等級γ=μDSFKi(dKi)。

根據(jù)專家經(jīng)驗將航行安全等級γ分為0.9、0.6兩個值，γ值越高表示航行安全等級越高，即船舶航行需要的安全距離越短?？紤]到智能船舶具有更短的安全距離，故仿真中智能船舶取γ=0.9；常規(guī)船舶取γ=0.6。

首先，確定評價區(qū)域的范圍及該區(qū)域內所有船舶的位置和速度；其次，繪制所有船舶在時刻T不同γ值的船舶領域；最后，統(tǒng)計船舶領域重疊數(shù)并記錄位置。若船舶領域重疊數(shù)大于零，則存在碰撞的可能性，其值越高表示船舶發(fā)生碰撞的可能性越大。

(4)風險指標分析。將航行風險等級分為低風險和高風險兩個等級。當3個指標中任意2個指標超過設定閾值時，則判定區(qū)域內船舶具有低航行風險；當3個指標均超過設定閾值時，則判定區(qū)域內船舶具有高航行風險。風險指標分析如表2所示。

表2 風險指標分析

2.4 軟件應用實例

(1)試驗簡介。試驗選取長江南京段為研究場景，研究河段坐標為(118.44°E,32.06°N)(118.56°E,32.10°N)。在Qt5.12環(huán)境下利用C++語言實現(xiàn)上述算法，導入S57格式的電子江圖數(shù)據(jù)，并將水域進行功能分區(qū)，構建仿真環(huán)境；設置交通流數(shù)據(jù)，其中智能船舶在仿真船舶中的占比為30%，生成混合交通流；設置仿真開始時間為上午10:30，結束時間為下午2:30。選取下午2:00時刻船舶在航數(shù)據(jù)進行區(qū)域航行風險評價分析，該時刻軟件運行界面如圖3所示。

圖3 軟件運行界面

根據(jù)前文提出的方法，分別計算各Zone區(qū)域的速度離散指數(shù)、加減速程度、船舶領域重疊數(shù)，如表3所示。對于碼頭區(qū)域，各項指標均為0，因此未在表中列出。

表3 區(qū)域船舶碰撞風險指標值

(2)試驗結果分析。由長江海事局歷史數(shù)據(jù)得知，區(qū)域2因連接主航道和分支航路且航道相對狹窄，是航行事故多發(fā)地。由表3可知，區(qū)域2的速度離散指數(shù)和加減速程度分別為5.54和0.57。因此，選擇速度離散指數(shù)為5、加減速程度值為0.5、船舶領域重疊數(shù)大于0，作為本次長江南京段仿真的風險閾值。那么，區(qū)域1、區(qū)域2和區(qū)域8具有高船舶碰撞風險、區(qū)域7具有低船舶碰撞風險，區(qū)域內應采取降低船舶航速、限制交通流量等安全措施，其他區(qū)域較安全。試驗結果分析如圖4所示。

圖4 風險評價結果

3 結論

筆者對航行風險評價軟件的構建及其各功能模塊進行了分析和論述。首先，通過建立仿真環(huán)境模型，將水域進行功能分區(qū)；其次，建立不同的船舶行為模型，仿真混有智能船舶的交通流，研究不同船舶組成占比下仿真水域內船舶航行情況；最后，以長江南京段為場景開展試驗，設定智能船舶占比為30%，分析得到各區(qū)域船舶航行風險等級。該軟件是對未來內河水域海事風險評價的積極探索，可為海事部門的安全監(jiān)管工作提供參考。