李晗+章文俊+李國帥+尹建川+蘇華偉+劉曉磊

DOI：10.13340/j.jsmu.2017.03.005

文章編號：1672-9498（2017）03002506

摘要：

為科學有效地制定大風天氣下港口船舶應急疏散方案，降低疏散風險，建立基于灰云和改進層次分析法（Analytic Hierarchy Process， AHP）的船舶應急疏散模型。該方法用灰云模型取代傳統(tǒng)的白化權函數(shù)，能有效反映疏散優(yōu)先級信息的模糊性和隨機性。采用三標度法構造判斷矩陣，確定指標權重，指標權重計算過程被簡化。根據(jù)船舶綜合聚類結果將其歸入預先設定的級別中，同一級別船舶疏散順序依據(jù)具體情況確定。對天津港某港區(qū)24艘靠泊船進行模擬計算，結果驗證了該模型的有效性。

關鍵詞：

港口船舶； 灰云聚類； 層次分析法（AHP）； 疏散模型

中圖分類號： U698.5

文獻標志碼： A

Emergency evacuation model of ships in ports based on

gray cloud and improved AHP

LI Han， ZHANG Wenjun， LI Guoshuai， YIN Jianchuan， SU Huawei， LIU Xiaolei

（

Navigation College， Dalian Maritime University， Dalian 116026， Liaoning， China）

Abstract：

To formulate the emergency evacuation plan of ships in ports under strong wind scientifically and efficiently and reduce the risk of evacuation， the ship emergency evacuation model is established based on the gray cloud and the improved Analytic Hierarchy Process （AHP）. The gray cloud model is adopted to substitute the traditional whitenization weight function， thus the fuzziness and randomness of evacuation priority information can be effectively reflected. The threescale method is adopted to construct the judgment matrix so as to determine index weight， where the calculation process of the weight is simplified. Ships can be classified into predefined levels according to their comprehensive clustering results； the evacuation order of the ships with the same priority is determined according to actual conditions. Twenty four berthing ships in an area of Tianjin Port are taken for example， and the result verifies the effectiveness of the proposed model.

Key words：

ship in port； gray cloud clustering； Analytic Hierarchy Process （AHP）； evacuation model

0引言

在全球變暖的背景下，臺風、寒潮等氣象災害事件的強度不斷增大[1]，如何在有限的時間內以現(xiàn)有的資源完成對港口船舶的應急疏散是當前國內外研究熱點和難點問題。因此，迫切需要建立船舶應急疏散順序決策模型，以提高緊急情況下船舶的疏散安全與效率。

目前，國內外在船舶應急疏散順序方面已經(jīng)有了一些研究成果。文獻[23]利用綜合評判法對港口各港區(qū)作出危險度評判，得到籠統(tǒng)的船舶應急疏散方案。文獻[4]應用多層次多目標模糊優(yōu)選理論得到船舶間客觀的相對風險比較值，進而確定船舶應急疏散順序。文獻[5]采用離散事件仿真方法對船舶疏散結果進行評估，發(fā)現(xiàn)船舶的初始位置、載重量等因素對疏散時間的影響較大。文獻[6]利用灰色變權聚類法建立船舶應急疏散模型，該模型能較好地反映實際情況，指標權重的確定方法能夠體現(xiàn)出不同指標在聚類中作用的差異。文獻[7]基于元胞自動機得到船舶緊急疏散順序模型，但只考慮了撤離時間，并沒有考慮撤離風險問題。

灰色系統(tǒng)理論和云理論都能較好地解決信息不完備問題，目前灰云模型已廣泛應用于電力[8]、環(huán)境[910]、軍事[11]、交通[12]等多個領域的系統(tǒng)評價和決策研究工作中。由于船舶疏散順序具有不完全性和非確知性，本文提出基于灰云聚類的船舶疏散模型，將云理論引入灰色聚類的白化權函數(shù)中，反映不同等級邊界信息的不完全性、模糊性和隨機性，并運用改進的層次分析法

（Analytic Hierarchy Process， AHP）

計算指標權重，考慮決策者偏好以體現(xiàn)不同指標在聚類過程中的重要程度。模擬計算結果表明該模型符合客觀實際并易于實施。endprint

1港口船舶疏散模型指標體系

根據(jù)文獻[26]以及具體船舶疏散調度方案，結合具體港口實時船舶?？壳闆r，建立考慮疏散風險和效率的船舶應急疏散評價指標體系，包括船舶因素、泊位因素、航道因素、環(huán)境因素等4個一級指標和12個二級指標，見圖1。圖1中：船舶類型、掩護程度依照專家分析法取值[6]，屬于定性指標；其余指標可由船舶資料和港區(qū)實際情況獲得評價數(shù)據(jù)，屬于定量指標。船舶載況指標通過船舶實際吃水與滿載吃水比值確定?？紤]到指標數(shù)據(jù)的可比性和易獲取性，可根據(jù)港口實際情況對指標進行擴充或刪減。

2基于灰云和改進AHP的模型

2.1船舶應急疏散模型流程

根據(jù)船舶應急疏散指標體系的特點，提出基于灰云和改進AHP的模型對惡劣天氣下在港系泊船舶疏散風險進行評價，對在航道內航行的船舶直接進行疏散，決策流程見圖2。收到港口應急疏散指令后，各部門確定港內船舶條件、港口條件和自然環(huán)境條件，定量化評價指標和評價指標等級信息，然后結合改進的AHP理論進行聚類分析，確定疏散優(yōu)先級。

2.2正態(tài)灰云白化權模型

正態(tài)云模型在自然社會科學和生產(chǎn)活動中具有良好的普適性和獨特的數(shù)學性質，因此本文用正態(tài)云模型取代傳統(tǒng)白化權函數(shù)，得到正態(tài)灰云白化權模型（簡稱灰云），見圖3。灰云的數(shù)字特征用峰值

λx，左右界值Lx，Rx，熵En以及超熵He來表征。熵和超熵分別表示等級邊界的模糊性和隨機性。正態(tài)灰云的生成算法如下：

（1）在區(qū)間Lx，Rx內，生成以Cx為期望，以En=Rx-Lx/6為標準差的正態(tài)隨機數(shù)xi。

（2）生成以En=Rx-Lx/6為期望，以He=En/α（α通常取6～8）為標準差的正態(tài)隨機數(shù)E′n。

（3）計算ui=exp-（x-Cx）2E′n22，令xi，ui為云滴。

（4）重復上述步驟，直至產(chǎn)生所需要的m個云滴為止。

若j指標k灰類的白化權函數(shù)為

fkj（x）=

exp-（x-Cx）2E′n22，x∈[Lx，Rx]

0，x[Lx，Rx]

（1）

則稱其為適中測度正態(tài)灰云白化權模型；

若為

fkj（x）=

exp-（x-Cx）2E′n22，x∈[Lx，Cx]

1，x∈[Cx，Rx]

0，x[Lx，Rx]

（2）

則稱其為上限測度正態(tài)灰云白化權模型；

若為

fkj（x）=

1，x∈[Lx，Cx]

exp-（x-Cx）2E′n22，x∈[Cx，Rx]

0，x[Lx，Rx]

（3）

則稱其為下限測度正態(tài)灰云白化權模型。

根據(jù)指標類型、取值區(qū)間以及評價等級數(shù)目確定各疏散等級的灰云白化權模型。圖3給出了典型的五等級正態(tài)灰云白化權模型，低優(yōu)先級的灰云白化權函數(shù)類型為下限測度，較低、一般和較高優(yōu)先級的為適中測度，高優(yōu)先級的為上限測度。

2.3確定聚類權重

三標度AHP是傳統(tǒng)AHP的簡化算法，省略了一致性檢驗和對判斷矩陣的修正，且自動滿足一致性要求，克服了傳統(tǒng)AHP的弊端[13]。計算步驟[14]如下：

（1）構造判斷矩陣

[WTHX]A[WTBX]。

采用三標度法對同層指

標進行兩兩比較形成判斷矩陣

[WTHX]A[WTBX]，

改進后的標度定

義見表1。表1中

aij為第i指標與第j指標相比的重要性。

（2）計算判斷矩陣的最優(yōu)傳遞矩陣

[WTHX]R[WTBX]。該矩陣的元素

rij=1nnk=1（aik-ajk）=1nnk=1（ajk+akj）

（4）

（3）求擬優(yōu)傳遞矩陣

[WTHX]B[WTBX]。該矩陣的元素

bij=exp rij

（5）

（4）計算矩陣

[WTHX]B[WTBX]的最大特征值所對應的特征向量[WTHX][WTBX]：

[WTHX]B[WTBX]=λmax

[WTHX][WTBX]

（6）

（5）對

[WTHX][WTBX]進行歸一化處理，確定指標權重：

w[WTBX]i=imj=1j

（7）

模型中一級指標Ui的權重為wi，二級指標

在一級指標下的權重為

[WTHX]π[WTBX]i=vi1vi2…vin，n為該一級指標下二級指標的個數(shù)，二級指標的綜合權重為

[WTHX]V[WTBX]=w1

[WTHX]π[WTBX]1w2

[WTHX]π[WTBX]2…wi

[WTHX]π[WTBX]i。

2.4灰云白化權聚類

（1）各指標聚類系數(shù)。將指標

數(shù)據(jù)xj代入各評價等級的灰云白化權模型中，計算指標j關于灰類k

的灰云聚類系數(shù)fkj（xj）。灰云模型每次計算的白化權值都不相同，因此經(jīng)過多次計算后可得到聚類系數(shù)云團，指標V31聚類系數(shù)云團見圖4。

計算云團的期望值，并將某一指標的不同等級聚類系數(shù)歸一化，得到的灰云聚類系數(shù)作為最終的白化權值。

fkjEx（xj）=fkj1（xj）+fkj2（xj）+…+fkjq（xj）/qendprint

（8）

fkj（xj）=fkjEx（xj）

[DD（]nk=1[DD）]

fkfEx（xj）

（9）

式中：fkjq（xj）表示第q次計算得到的灰云聚類系數(shù)；q為云滴數(shù)，即計算次數(shù)，本文取q=100。

（2）綜合聚類系數(shù)。計算對象i關于評價等級k的綜合聚類系數(shù)

σki=nj=1fkj（xj）·wj

（10）

式中：wj為指標j在綜合聚類中的權重。

（3）確定評價等級。若maxσki=σki，則將對象i歸至灰類k。

3模型驗證

3.1建立優(yōu)先等級的灰云模型

天津港主航道全長36.9 km，設有9個錨地，其中大沽口散化錨地、大沽口北錨地、大沽口南錨地和10萬噸級錨地位置見圖5。北疆港區(qū)南部泊位主要是散雜貨船、集裝箱船、滾裝船等的專用泊位，且部分泊位已經(jīng)完成新一輪的升級改造。南疆港區(qū)北部為新建的煤炭、礦石和原油碼頭，見圖6。用圖1所示指標建立港區(qū)的疏散模型，將船舶疏散順序優(yōu)先級分為5個優(yōu)先級{低，較低，一般，較高，高}。各指標數(shù)據(jù)越大表示疏散風險越大，說明該船疏散優(yōu)先級越高。同一疏散優(yōu)先級的船舶撤離順序可根據(jù)實際情況調整。

（1）以天津港南疆和北疆港區(qū)2016年10月29日14時部分在港系泊船舶為例（見表2，其中船舶類型T為油船，B為散貨船，G為雜貨船，C為集裝箱船），依據(jù)指標對數(shù)據(jù)進行量化和歸一化，部分結果見表3。運用基于灰云和改進AHP的船舶應急疏散模型對船舶進行模擬計算，以確定N強風時的疏散方案。

（2）船舶疏散優(yōu)先程度評價標準的劃分根據(jù)專

家意見確定，但無法給出嚴格的評分標準。在模擬計算中對各指標疏散優(yōu)先級的峰值作出以下規(guī)定：以各評價指標值的均值為一般等級灰類的峰值，從均值分別向0和1的方向3等分，得到的4個等分點即是該評價指標的其他4個灰類的峰值；再根據(jù)等級數(shù)目確定等級邊界

Lx，Rx，從而得到該指標的灰云白化權函數(shù)。由評價等級劃分的原則可知，一般優(yōu)先級白化權函數(shù)由兩個半云組成。船舶類型指標

3.2確定指標權重

運用成對比較法和三標度法構造各級指標對其上一層每個因素的成對比較矩陣，一級指標相對最高層的成對比較矩陣（判斷矩陣）見表5。

3.3灰云聚類及疏散等級

將各船舶歸一化后指標值依次代入式（8）和（9）

確定各等級灰云聚類系數(shù)，指標V31聚類系數(shù)云圖見圖4。結合各指標權重，利用式（10）計算各船各等級綜合聚類系數(shù)后，判斷疏散等級。本文使用MATLAB 7.11編程實現(xiàn)基于改進AHP的定權灰云聚類，求得24艘船在N強風下的綜合聚類系數(shù)，見表6。

同理可得S強風時的疏散方案，結果見表7。

3.4結果分析

（1）疏散優(yōu)先級高的船舶主要包含大型油船，載重量較大、吃水較深的散貨船；疏散優(yōu)先級較高的船舶均為集裝箱船；疏散優(yōu)先級一般的船舶主要包括吃水較淺、疏散距離較短的散貨船；疏散優(yōu)先級低的船舶主要為載重量較小或吃水更淺的散雜貨船。

（2）雖然13號船的船長和載重量較小，但是其停靠的“G6增”泊位長度、碼頭前沿水深、航道水深

均較小，所以其疏散優(yōu)先級較同載重量的船舶高。同一港池內的同類型船舶疏散優(yōu)先級基本一致，這與港口生產(chǎn)中的疏散方案總體一致。

（3）在其他條件不變，只改變風向的情況下，在港區(qū)泊位?？康拇娘L舷角發(fā)生改變，導致其疏散優(yōu)先級發(fā)生改變，如：泊位“S1”和“S4”由吹攏風轉為吹開風，其疏散優(yōu)先級有所下降；泊位“G6增”由吹開風轉為吹攏風，致使其疏散優(yōu)先級上升一個等級。比較兩次模擬結果發(fā)現(xiàn)，不同風向下同一艘船的疏散優(yōu)先級聚類系數(shù)會發(fā)生相應的變化，但是由于風向與泊位法線夾角指標的權重較低，反映到最終疏散優(yōu)先級評估上時會發(fā)現(xiàn)很多船的疏散優(yōu)先級并未改變。

（4）雖然同尺度的9號船與10號船停靠泊位走向一致，受自然條件影響相同，屬同一疏散優(yōu)先級，但是因為10號船的V14，V22和V23指標的指標值的高優(yōu)先級灰云聚類系數(shù)高于9號船的，其疏散風險更大，所以10號船綜合聚類系數(shù)中的高等級聚類系數(shù)大于9號船的。同尺度的12號散貨船與23號集裝箱船泊位走向一致，因為集裝箱船接近滿載，且集裝箱船受風面積更大，所以應優(yōu)先疏散23號集裝箱船，這與實際情況相符。

4結論

為提高船舶疏散決策的科學性，建立基于灰云和改進層次分析法（AHP）的船舶應急疏散模型。采用灰云模型實現(xiàn)灰數(shù)的白化過程，綜合考慮評估中指標的不完全性、模糊性和隨機性，提高了白化權值的可信度。在確定各指標權重時，采用三標度法構造判斷矩陣，簡化了判斷過程，克服了傳統(tǒng)AHP需要一致性檢驗的弊端。利用該模型對天津港南疆和北疆港區(qū)部分在港船舶進行模擬計算和分析，結果能夠較好地反映實際情況，驗證了模型的有效性，為其他港口船舶應急疏散決策提供了一定的參考依據(jù)。本文只在指標選取時考慮到船舶疏散效率，所以結果并未確定安全疏散的時間界限，因此在兼顧安全的原則下提高疏散效率是今后需要研究的課題。

參考文獻：

[1]

張慶云， 陶詩言， 彭京備. 我國災害性天氣氣候事件成因機理的研究進展[J]. 大氣科學， 2008， 32（4）： 815825.

[2]戴冉， 朱世良， 伊偉利， 等. 大孤山及大窯灣區(qū)域部分重點泊位風險評估及應急避險演練方案研究[R]. 大連： 大連海事大學， 2012： 98116.

[3]張杰， 戴冉， 岳興旺. 營口海區(qū)極端惡劣天氣下的船舶疏散方案研究[J]. 航海技術， 2011（6）： 6970.endprint

[4]秦泗一. 極端天氣下船舶疏散順序的研究[D]. 大連： 大連海事大學， 2009.

[5]PITANA T， KOBAYASHI E. Assessment of ship evacuations in response to pending tsunamis[J]. Journal of Marine Science and Technology， 2010， 15（3）： 242256. DOI： 10.1007/s0077301000910.

[6]吳祖新， 戴冉， 張軍. 基于灰色變權聚類的船舶應急疏散模型[J]. 上海海事大學學報， 2015， 36（1）： 5055. DOI： 10.13340/j.jsmu.2015.01.009.

[7]熊子龍. 基于元胞自動機的船舶緊急疏散順序研究[D]. 廈門： 集美大學， 2015.

[8]王雁凌，張雪佼，閻敬民. 基于變權灰云模型的風電場并網(wǎng)技術性綜合評價[J]. 電網(wǎng)技術， 2013， 37（12）： 35463551. DOI： 10.13335/j.10003673.pst.2013.12.038.

[9]黎育紅， 陳玥. 基于灰云白化權函數(shù)的洪水災害綜合等級評估[J]. 自然災害學報， 2013， 22（1）： 108114. DOI： 10.13577/j.jnd.2013.0115.

[10]范亞瓊， 燕雪峰， 陳海燕. 基于改進離差最大化方法的梯形灰云評估模型[J]. 計算機技術與發(fā)展， 2016， 26（4）： 2024.

[11]彭紹雄， 王海濤， 鄒強. 潛空導彈武器系統(tǒng)作戰(zhàn)效能評估模型[J]. 系統(tǒng)工程理論與實踐， 2015， 35（1）： 267272.

[12]龔慧佳， 軒少永， 胡甚平， 等. 基于灰云模型的海上交通系統(tǒng)風險推理方法[J]. 中國航海， 2016， 39（2）： 8791.

[13]張衛(wèi)中， 陳從新， 張敬東. 改進的AHP及其在地災易發(fā)程度分區(qū)中的實踐[J]. 土木建筑與環(huán)境工程， 2009， 31（2）： 8589.

[14]陳志鼎， 張揚， 閆海蘭. 基于熵權和改進AHP的中小型水電工程施工風險評估模型及應用[J]. 水電能源科學， 2016， 34（7）： 171174， 162.

（編輯賈裙平）endprint