席朝陽(yáng)　金永興　胡勤友　向哲

摘要：

為研究在能見(jiàn)度不良情況下受限水域內(nèi)的常見(jiàn)船型的船舶領(lǐng)域，對(duì)船舶自動(dòng)識(shí)別系統(tǒng)（Automatic Identification System，AIS）數(shù)據(jù)進(jìn)行分析建立船舶領(lǐng)域.該方法借助可視化技術(shù)和網(wǎng)格技術(shù)，結(jié)合研究水域能見(jiàn)度信息，分析南槽水道內(nèi)符合要求的2 000萬(wàn)個(gè)左右AIS數(shù)據(jù)，還原航跡分布圖約50 000張，獲得在受限水域內(nèi)能見(jiàn)度不良情況下船長(zhǎng)80～100 m的船舶領(lǐng)域模型.客觀精確的船舶領(lǐng)域模型能夠提升能見(jiàn)度不良天氣下交通流的預(yù)測(cè)精確度，同時(shí)豐富基于智能技術(shù)研究的船舶領(lǐng)域模型庫(kù).

關(guān)鍵詞：

能見(jiàn)度不良； 船舶自動(dòng)識(shí)別系統(tǒng)（AIS）； 數(shù)據(jù)分析； 船舶領(lǐng)域； 船舶交通流

0引言

能見(jiàn)度不良指任何由于霧、霾、雪、暴風(fēng)雨、沙暴或者其他類(lèi)似原因而使能見(jiàn)度受到限制的情況[1]；然而氣象學(xué)中的能見(jiàn)度不良指視程低于2 n mile時(shí)的情況.《1972年國(guó)際海上避碰規(guī)則》建議將50 m以上船舶的能見(jiàn)度不良標(biāo)準(zhǔn)定為視程低于3 n mile，故本文將視程3 n mile以下天氣視作能見(jiàn)度不良天氣.我國(guó)沿海一年四季都有霧出現(xiàn)，尤其是長(zhǎng)三角地區(qū)能見(jiàn)度不良天氣頗多，對(duì)航運(yùn)事業(yè)發(fā)展造成嚴(yán)重影響.

船舶領(lǐng)域的概念自19世紀(jì)70年代被提出以來(lái)，已經(jīng)大量應(yīng)用于海上交通工程的各個(gè)領(lǐng)域.日本學(xué)者藤井等[2]對(duì)日本某水域船舶交通流進(jìn)行研究時(shí)，提出了相關(guān)的“effective domain”概念，通過(guò)對(duì)雷達(dá)圖像的簡(jiǎn)單疊加，發(fā)現(xiàn)在航機(jī)動(dòng)船周?chē)幸粋€(gè)靜態(tài)的其他船舶免入?yún)^(qū)域.幾十年來(lái)，國(guó)內(nèi)外學(xué)者對(duì)船舶領(lǐng)域進(jìn)行了大量研究.作為海上交通工程的基礎(chǔ)理論，船舶領(lǐng)域被廣泛應(yīng)用在航道船舶交通流預(yù)測(cè)、避碰決策制定和海事安全管理中，例如：張則浩等[3]應(yīng)用船舶領(lǐng)域等基礎(chǔ)理論，對(duì)某港口的飽和度進(jìn)行了研究；賀益雄等[4]應(yīng)用船舶領(lǐng)域基礎(chǔ)理論，研究了對(duì)遇局面的自動(dòng)避碰決策；LIU等[5]應(yīng)用動(dòng)態(tài)四元船舶領(lǐng)域模型對(duì)某海峽的船舶通過(guò)能力進(jìn)行了計(jì)算.

GOODWIN[6]是基于統(tǒng)計(jì)方法研究船舶領(lǐng)域的代表學(xué)者，她對(duì)北海南部水域交通流進(jìn)行了觀測(cè)統(tǒng)計(jì)，并考慮《1972年國(guó)際海上避碰規(guī)則》的影響建立了開(kāi)闊水域的船舶領(lǐng)域模型，根據(jù)船舶號(hào)燈，將船舶領(lǐng)域劃分為3個(gè)大小不等的扇形；范賢華等[7]基于解析表達(dá)方法提出了特定航行環(huán)境下不同的船舶領(lǐng)域模型，豐富了船舶領(lǐng)域模型的類(lèi)型.

基于統(tǒng)計(jì)數(shù)據(jù)的船舶領(lǐng)域主要局限于交通流觀測(cè)和雷達(dá)數(shù)據(jù)的使用，在數(shù)據(jù)層面上停留在感官階段，精確度較差；基于解析表達(dá)的船舶領(lǐng)域模型使得領(lǐng)域邊界得以量化，船舶的行為能力占有更主導(dǎo)的地位，但沒(méi)有考慮船舶駕駛員和環(huán)境因素的影響， 使得這類(lèi)模型不能還原船舶領(lǐng)域的需求.[8]

隨著智能計(jì)算機(jī)技術(shù)和科學(xué)算法的發(fā)展，基于智能技術(shù)和科學(xué)算法的研究方法被應(yīng)用在船舶領(lǐng)域的研究中.齊樂(lè)等[9]和WANG等[10]提出了基于科學(xué)算法的船舶領(lǐng)域，其中齊樂(lè)等利用AIS數(shù)據(jù)，依據(jù)海上避碰規(guī)則， 提出了避讓度概念，同時(shí)基于模糊數(shù)學(xué)方法獲得了不同避讓度下船舶領(lǐng)域的邊界曲線， 建立了海上船舶領(lǐng)域模型.HANSEN等[11]通過(guò)智能計(jì)算機(jī)技術(shù)還原船舶歷史信息，得到船舶領(lǐng)域，但是忽略了船舶自身形狀對(duì)船舶領(lǐng)域的影響.向哲等[12]通過(guò)改進(jìn)智能技術(shù)，考慮船舶自身尺寸等問(wèn)題，還原AIS數(shù)據(jù)，得到船舶領(lǐng)域，但未考慮航行因素對(duì)船舶領(lǐng)域的重要影響.基于智能計(jì)算機(jī)技術(shù)的最新船舶領(lǐng)域研究，缺乏對(duì)氣象、水文等對(duì)船舶領(lǐng)域的影響的研究.

本文將影響船舶安全的重要因素——能見(jiàn)度與大數(shù)據(jù)分析技術(shù)相結(jié)合，

研究和分析長(zhǎng)江南槽水道能見(jiàn)度對(duì)船舶安全領(lǐng)域的影響.

1研究方法及步驟

本文主要選取長(zhǎng)江南槽水道（東起南槽燈船，西至圓圓沙燈船，全長(zhǎng)逾50 n mile）為研究水域，該水域?yàn)殚L(zhǎng)江航道繁忙水域，實(shí)行分道通航制管理.該水域80～100 m船舶的AIS信息數(shù)據(jù)量大且集中，故選取長(zhǎng)度為80～100 m船舶為研究對(duì)象.具體研究分為5個(gè)步驟.

步驟1AIS數(shù)據(jù)預(yù)篩選.采用該水域2014年2月1日—2014年6月1日的AIS數(shù)據(jù).

步驟2AIS數(shù)據(jù)篩選與處理.由3個(gè)數(shù)據(jù)篩選步驟和1項(xiàng)數(shù)據(jù)處理步驟組成.

第一步數(shù)據(jù)篩選，根據(jù)上海海洋氣象臺(tái)監(jiān)測(cè)的自南槽燈船至圓圓沙燈船處的氣象數(shù)據(jù)，篩選出2月到6月能見(jiàn)度小于3 n mile，且處于航道通航狀態(tài)的該水域船舶的AIS數(shù)據(jù)；第二步數(shù)據(jù)篩選，根據(jù)實(shí)際情況，將速度幾乎為0的拖船、工程船及錨泊船的AIS信息過(guò)濾掉，篩選出船速在6～12 kn內(nèi)的船舶AIS信息；第三步數(shù)據(jù)篩選，篩選出尺寸閾值為80～100 m的船舶AIS信息.通過(guò)以上篩選，得到符合條件的可用數(shù)據(jù)天數(shù)為41 d（具體日期：2月1，2，3，7，17，18，24，25，26，27，28日；3月1，10，15，19，25，26，27日；4月1，3，12，13，17，18，19，23，27，28，29日；5月11，12，13，14，19，29，21，22，26，27，28，30日），符合條件的目標(biāo)船為800多艘.

數(shù)據(jù)處理：由于船舶幾何中心與AIS信息發(fā)送接收位置并不重合，因此需要對(duì)AIS信息接收位置進(jìn)行修正，以減少船舶幾何因素產(chǎn)生的實(shí)驗(yàn)誤差[12].

步驟3航行環(huán)境量化處理，主要任務(wù)為：將研究水域網(wǎng)格化，同時(shí)消除中心船與附近水域他船的位置誤差.以研究水域單船為中心目標(biāo)，將航行水域量化為4 000 m×2 000 m的水域，并網(wǎng)格化為200×100個(gè)小網(wǎng)格；通過(guò)航跡計(jì)算法將不同時(shí)刻的附近水域他船位置推算到中心船AIS信息發(fā)送時(shí)的船舶位置，相關(guān)數(shù)學(xué)推導(dǎo)公式為

式中：A為緯差；B為經(jīng)差；L為東西距；S為推算航程；φ1為起始點(diǎn)緯度；φ2為到達(dá)點(diǎn)緯度；φn為中分緯度；C為航向.

步驟4船舶領(lǐng)域可視化強(qiáng)度圖生成.通過(guò)MATLAB可視化技術(shù)，將800多艘中心船的約

50 000張單目標(biāo)船網(wǎng)格頻圖疊加，生成船舶安全領(lǐng)域二維和三維可視強(qiáng)度圖.其中，網(wǎng)格的強(qiáng)度代表網(wǎng)格水域內(nèi)船舶交通流累計(jì)值，閾值設(shè)為0～1，通過(guò)網(wǎng)格強(qiáng)度的異同觀察研究船舶出現(xiàn)的頻率.

步驟5分析研究結(jié)果.分析二維及三維船舶領(lǐng)域強(qiáng)度圖，同時(shí)與未考慮能見(jiàn)度、同類(lèi)船型及同一研究水域的船舶領(lǐng)域作對(duì)比分析，并通過(guò)航行規(guī)則和專(zhuān)家理論檢驗(yàn)研究結(jié)果.

2船舶領(lǐng)域量化可視強(qiáng)度圖

以每艘目標(biāo)船為中心，將其附近水域量化為網(wǎng)格，其中每個(gè)小網(wǎng)格尺寸為20 m×20 m.因?yàn)榇靶螤畈灰?guī)則，所以將船舶外輪廓所占網(wǎng)格都等同為船舶最大截面面積，如圖2中陰影底部面積所示.在船舶航行過(guò)程中，保持目標(biāo)船中心位置不變，附近水域他船位置發(fā)生相對(duì)變化.根據(jù)船舶間相對(duì)位置計(jì)算公式，計(jì)算船舶間新的相對(duì)位置.圖2 為單目標(biāo)船與他船會(huì)遇時(shí)的網(wǎng)格及相對(duì)位置推算原理圖.圖2中：NT代表真北，α為目標(biāo)船首向與他船首向之間的夾角，β為兩船之間的舷角，T1為目標(biāo)船所占水域，T2為他船所占水域.

研究水域內(nèi)，目標(biāo)船與附近水域他船的會(huì)遇情況被投影成單船會(huì)遇網(wǎng)格圖，800艘目標(biāo)船生成的50 000張單船網(wǎng)格圖疊加起來(lái)成為船舶領(lǐng)域強(qiáng)度圖，其效果類(lèi)似于延時(shí)曝光的照片.強(qiáng)度圖中網(wǎng)格的強(qiáng)度（以顏色深淺表示）表明目標(biāo)船在疊加圖中央時(shí)，其周?chē)騼?nèi)的船舶交通流疊加密度.如圖3中，網(wǎng)格強(qiáng)度的數(shù)值越高表示該網(wǎng)格位置的交通流累計(jì)值越大.

在能見(jiàn)度不良的受限水域，根據(jù)船舶領(lǐng)域二維強(qiáng)度圖可得出初步結(jié)論：

（1）船舶領(lǐng)域形狀大致為類(lèi)橢圓形；

（2）船舶領(lǐng)域長(zhǎng)軸方向與船舶航首向之間存在一個(gè)夾角，方向偏左舷，約為5°～10°；

（3）船舶會(huì)遇時(shí)，船舶正前方和正后方船流密度大于左右舷，而左舷船流密度遠(yuǎn)遠(yuǎn)大于右舷.

船舶領(lǐng)域二維強(qiáng)度圖顯示了船舶領(lǐng)域近似形狀和大小，如要得到研究水域內(nèi)船舶領(lǐng)域大小精確值及其他特性，則需對(duì)船舶領(lǐng)域切割截面進(jìn)行研究.借助可視化軟件，得到船舶領(lǐng)域三維圖，見(jiàn)圖4.

分析三維立體圖左右側(cè)視圖、前后平視圖和俯視圖可得，在能見(jiàn)度不良受限水域中80～100 m船舶的船舶領(lǐng)域有以下特征：

（1）船舶領(lǐng)域長(zhǎng)軸長(zhǎng)度為520 m，短軸長(zhǎng)度為144 m；

（2）船舶領(lǐng)域長(zhǎng)軸是

（3）船舶領(lǐng)域長(zhǎng)軸與船舶中軸線夾角為8.32°.

在研究水域、數(shù)據(jù)來(lái)源和船舶類(lèi)型相同的情況下，未考慮能見(jiàn)度情況（文獻(xiàn)[12]）與考慮能見(jiàn)度情況（本文）的結(jié)果對(duì)比見(jiàn)圖5.

a）文獻(xiàn)[12]結(jié)果

b）本文結(jié)果

圖5未考慮能見(jiàn)度情況與考慮能見(jiàn)度情況下

船舶領(lǐng)域模型二維強(qiáng)度圖對(duì)比

對(duì)比分析結(jié)果：未考慮能見(jiàn)度情況和本文考慮能見(jiàn)度不良兩種情況下船舶領(lǐng)域的大小分別為5.8倍船長(zhǎng)和5.2倍船長(zhǎng)，航首向與船舶領(lǐng)域長(zhǎng)軸夾角分別為9.46°和8.32°.

3對(duì)比分析與檢驗(yàn)

3.1研究結(jié)果專(zhuān)家檢驗(yàn)

本文研究結(jié)果總結(jié)如下：（1）船舶領(lǐng)域形狀大致為類(lèi)橢圓形.（2）船舶交通流中船舶航行速度越大，船舶安全領(lǐng)域會(huì)越大.（3）船舶領(lǐng)域左舷偏大，且其長(zhǎng)軸方向與船舶航首向之間存在一個(gè)夾角，方向偏左舷，為8.32°，長(zhǎng)軸約為5.2倍船長(zhǎng)，短軸約為1.44倍船長(zhǎng).（4）在分析水域內(nèi)，船舶左舷的交通流密度始終大于右舷的交通流密度，前后方交通流密度大于左右舷的交通流密度.（5）在狹水道內(nèi)，船舶領(lǐng)域長(zhǎng)軸隨著船型的增大而增大，但船舶領(lǐng)域短軸卻未發(fā)生明顯變化；在分道通航水域內(nèi)，下行船舶受順流操縱性影響，其船舶領(lǐng)域較上行船舶的大.

經(jīng)過(guò)海事專(zhuān)家的指導(dǎo)，筆者認(rèn)為上述船舶領(lǐng)域形狀符合客觀實(shí)際，理由如下：（1）受定線制影響，來(lái)船都來(lái)自左舷，同行船舶為了安全，保持前后航行狀態(tài)，所以左舷船舶密度遠(yuǎn)遠(yuǎn)大于右舷船舶密度，前后方船舶密度大于左右舷船舶密度.（2）國(guó)際避碰規(guī)則對(duì)船舶駕駛員良好船藝有要求，所以一般追越船舶都從左舷追越，造成左舷船舶密度大.（3）狹窄水域內(nèi)的船舶追越使得船舶操縱者會(huì)更加“在意”來(lái)自左邊的船舶.（4）狹水道風(fēng)、流因素對(duì)船舶操縱性能的影響導(dǎo)致船舶領(lǐng)域長(zhǎng)軸方向與船首向之間產(chǎn)生夾角.

3.2結(jié)果對(duì)比分析

文獻(xiàn)[12]在能見(jiàn)度良好情況下的長(zhǎng)江南槽水道船舶領(lǐng)域長(zhǎng)軸與在能見(jiàn)度不良情況下船舶領(lǐng)域長(zhǎng)軸比值為1.16∶1.將船舶操縱避碰理論與實(shí)際研究結(jié)合分析可知，船舶航行速度為影響因素之一，前者研究平均速度高于后者研究平均速度，故船舶領(lǐng)域值偏大.船舶安全領(lǐng)域長(zhǎng)軸方向與航首向之間夾角比為1.14∶1，其原因?yàn)樵谀芤?jiàn)度不良天氣下船舶操縱者對(duì)船舶安全狀態(tài)的敏感度較高，故船舶領(lǐng)域長(zhǎng)軸與航首向夾角偏小.

4結(jié)束語(yǔ)

本文借鑒網(wǎng)格化技術(shù)在AIS數(shù)據(jù)處理上建立船舶領(lǐng)域的應(yīng)用，結(jié)合影響船舶領(lǐng)域的因素，建立了船舶尺寸為80～100 m、能見(jiàn)度不良情況下的受限水域內(nèi)船舶領(lǐng)域模型，并分別通過(guò)理論檢驗(yàn)和對(duì)比實(shí)驗(yàn)驗(yàn)證了結(jié)果.

研究在能見(jiàn)度不良天氣下的船舶領(lǐng)域，能夠提升霧天船舶交通流的預(yù)測(cè)精確度，給海事部門(mén)提供更精確的基礎(chǔ)數(shù)據(jù).例如，2013年上海海事局開(kāi)展在能見(jiàn)度不良情況下深水航道通航能力的研究，如果有精確的霧航中船舶領(lǐng)域基礎(chǔ)數(shù)據(jù)，則有助于準(zhǔn)確地預(yù)測(cè)在能見(jiàn)度不良情況下的交通流，進(jìn)而支撐在能見(jiàn)度不良天氣下航行規(guī)章和制度的制定.

本文處于利用AIS數(shù)據(jù)分析建立船舶安全領(lǐng)域研究的初級(jí)階段，如何細(xì)化船舶速度對(duì)船舶領(lǐng)域的影響，如何綜合人因素、其他氣象因素、水文因素等對(duì)船舶領(lǐng)域的影響是后續(xù)研究需要完善的.綜上，基于智能計(jì)算機(jī)技術(shù)，通過(guò)系統(tǒng)的實(shí)驗(yàn)，將科學(xué)的歸納方法應(yīng)用到分析AIS 數(shù)據(jù)建立船舶領(lǐng)域，是我們未來(lái)的研究探索方向.

參考文獻(xiàn)：

[1]張炳成， 劉慶生， 蔡存強(qiáng). 在能見(jiàn)度不良情況下航行事故分析及對(duì)策[J]. 航海技術(shù)， 2006（4）： 68.

[2]FUJI Yahei， TANAKA Kenichi. Traffic capacity[J]. Journal of Navigation， 1971， 24（4）： 543552. DOI： 10.1017/S0373463300022384.

[3]張則浩， 于祖杰， 劉強(qiáng)， 等. 龍口港航道飽和度研究[J]. 大連海事大學(xué)學(xué)報(bào)， 2014， 40（1）： 3336.

[4]賀益雄， 黃立文， 牟軍敏. 基于MMG和船舶領(lǐng)域的對(duì)遇局面自動(dòng)避碰[J]. 中國(guó)航海， 2014， 37（4）： 9295.

[5]LIU Shaoman， ZHENG Kai， WU Zhaolin， et al. New inland river channel transit capacity evaluation method based on dynamic quaternion ship domain model[C]//IEEE SICE the 54th Annual Conference， Hangzhou， China， 2015： 652656. DOI： 10.1109/SICE.2015.7285386.

[6]GOODWIN E M. A statistical study of ship domains[J]. Journal of Navigation， 1975， 28（3）： 328344. DOI： 10.1109/SICE.2015.7285386.

[7]范賢華， 張慶年， 周鋒， 等. 水流條件下內(nèi)河船舶領(lǐng)域模型[J]. 大連海事大學(xué)學(xué)報(bào)， 2013， 39（1）： 4648.

[8]劉紹滿， 王寧， 吳兆麟. 船舶領(lǐng)域研究綜述[J]. 大連海事大學(xué)學(xué)報(bào)， 2011， 37（1）： 5154.

[9]齊樂(lè)， 鄭中義， 李國(guó)平. 互見(jiàn)中基于AIS數(shù)據(jù)的船舶領(lǐng)域[J]. 大連海事大學(xué)學(xué)報(bào)， 2011， 37（1）： 4850.

[10]WANG Ning， TAN Yue， LIU Shaoman. Ship domain identification using fast and accurate online selforganizing parsimonious fuzzy neural networks[C]//IEEE Proceedings of the 30th Chinese Control Conference. Yantai， China， 2011： 52715276.

[11]HANSEN M G， JENSEN T K， LEHNSCHILER T， et al. Empirical ship domain based on AIS data[J]. Journal of Navigation， 2013， 66（6）： 931940. DOI： 10.1017/S0373463313000489.

[12]向哲， 胡勤友， 施朝健， 等. 基于AIS數(shù)據(jù)的受限水域船舶領(lǐng)域建立方法[J]. 交通運(yùn)輸工程學(xué)報(bào)， 2015， 15（5）： 110117.

（編輯賈裙平）