徐武雄, 初秀民, 雷進(jìn)宇

(1.湖北科技學(xué)院 電子與信息工程學(xué)院，湖北 咸寧 437100；2.武漢理工大學(xué) 國(guó)家水運(yùn)安全工程技術(shù)研究中心，武漢 430063)

內(nèi)河繁忙水域船舶航行風(fēng)險(xiǎn)平行管控系統(tǒng)設(shè)計(jì)

徐武雄1,2, 初秀民2, 雷進(jìn)宇2

(1.湖北科技學(xué)院 電子與信息工程學(xué)院，湖北 咸寧 437100；2.武漢理工大學(xué) 國(guó)家水運(yùn)安全工程技術(shù)研究中心，武漢 430063)

基于平行控制的原理提出內(nèi)河繁忙水域船舶航行風(fēng)險(xiǎn)管控系統(tǒng)的設(shè)計(jì)方法，并對(duì)其結(jié)構(gòu)和關(guān)鍵技術(shù)進(jìn)行研究。闡述船舶航行風(fēng)險(xiǎn)管控平行控制的基本原理；構(gòu)建內(nèi)河繁忙水域船舶航行風(fēng)險(xiǎn)平行管控系統(tǒng)的框架并介紹其功能；探討內(nèi)河繁忙水域船舶航行風(fēng)險(xiǎn)平行管控系統(tǒng)的關(guān)鍵技術(shù)。通過(guò)研究,為提高內(nèi)河繁忙水域船舶交通安全監(jiān)管的科學(xué)化和智能化，減少船舶交通管理系統(tǒng)(Vessel Traffic Services,VTS)監(jiān)管水域船舶航行安全監(jiān)管中的人為失誤，減輕海事監(jiān)管人員的工作壓力，降低船舶航行風(fēng)險(xiǎn)提供參考，推動(dòng)智慧海事的發(fā)展。

繁忙水域；航行風(fēng)險(xiǎn)；平行控制；可視分析

我國(guó)江河湖泊眾多，內(nèi)河水運(yùn)資源豐富，現(xiàn)已基本形成以長(zhǎng)江干線、西江干線、京杭運(yùn)河、珠江三角洲及長(zhǎng)江三角洲航道網(wǎng)為骨干的干支直達(dá)和江?；ネǖ娜珖?guó)航道網(wǎng)。近年來(lái)，水路運(yùn)輸受到國(guó)家和各級(jí)政府的高度重視，已逐步發(fā)展成為我國(guó)綜合交通運(yùn)輸體系中的重要組成部分。這在使船舶快速增多、水上運(yùn)量快速增長(zhǎng)的同時(shí),增加了水上交通的航行風(fēng)險(xiǎn)。尤其是在交通繁忙水域，日均船舶斷面流量可達(dá)到飽和狀態(tài)，在這些水域航行風(fēng)險(xiǎn)非常高。為保證在這些水域航行的安全性，海事部門(mén)采取了許多措施來(lái)降低通航風(fēng)險(xiǎn)、提高通航效率，其中應(yīng)用最廣泛、最有效的措施是建立船舶交通管理系統(tǒng)(Vessel Traffic Services, VTS)。[1]

VTS是利用船舶自動(dòng)識(shí)別系統(tǒng)(Automatic Identification System,AIS)基站、雷達(dá)、閉路電視監(jiān)控系統(tǒng)(Closed Circuit Tele Vision,CCTV)、無(wú)線電話及船載終端等通信設(shè)備對(duì)航行在VTS監(jiān)控水域內(nèi)的船舶進(jìn)行監(jiān)控，為船舶提供航行中所需的安全信息的交通管理系統(tǒng)。[2]VTS為保障所監(jiān)管水域船舶的安全通航發(fā)揮了重要作用，但存在以下不足：

1)缺乏監(jiān)管船舶交通態(tài)勢(shì)和航行風(fēng)險(xiǎn)評(píng)估功能。

2)涉及船舶、通航環(huán)境、航行規(guī)則與法規(guī)、人員(VTS管理人員、船員等)、VTS通航信息感知系統(tǒng)、數(shù)據(jù)處理系統(tǒng)及VTS人機(jī)交互系統(tǒng)等諸多內(nèi)容，是一種數(shù)據(jù)驅(qū)動(dòng)的交通管理復(fù)雜系統(tǒng)，對(duì)VTS操作人員的專業(yè)技能和素質(zhì)的要求極高。

3)VTS監(jiān)管水域多為繁忙水域，船舶交通流密集，VTS不具備異常狀況感知、預(yù)警和決策的功能，這些功能只能通過(guò)人工實(shí)現(xiàn)，而人的精力和能力都有限，可能出現(xiàn)誤判和漏判的情況，使得VTS操作人員的工作負(fù)荷和精神壓力極大。

為彌補(bǔ)VTS的不足，對(duì)內(nèi)河繁忙水域船舶航行風(fēng)險(xiǎn)平行管控系統(tǒng)進(jìn)行研究。首先闡述船舶航行風(fēng)險(xiǎn)管控平行控制的基本原理；其次構(gòu)建內(nèi)河繁忙水域船舶航行風(fēng)險(xiǎn)平行管控系統(tǒng)框架并介紹其功能設(shè)計(jì)；最后探討該系統(tǒng)的關(guān)鍵技術(shù)并進(jìn)行總結(jié)。

1 平行控制原理

交通系統(tǒng)是一個(gè)多學(xué)科、跨領(lǐng)域的復(fù)雜系統(tǒng)。單純采用傳統(tǒng)的反饋控制和現(xiàn)代控制等方法已不能對(duì)這種復(fù)雜系統(tǒng)進(jìn)行較為有效的控制和管理。對(duì)此,王飛躍[3]針對(duì)平行系統(tǒng)提出一種新的控制方法——平行控制。

平行控制是由某個(gè)自然的現(xiàn)實(shí)系統(tǒng)和對(duì)應(yīng)的1個(gè)或多個(gè)虛擬的或理想的人工系統(tǒng)組成的系統(tǒng)，是在大數(shù)據(jù)和數(shù)據(jù)驅(qū)動(dòng)的基礎(chǔ)上邁向計(jì)算控制科學(xué)的一種途徑。平行控制是基于ACP的方法[4]得到的，其原理見(jiàn)圖1。ACP是指人工社會(huì)、計(jì)算試驗(yàn)和平行執(zhí)行的有機(jī)組合。在該框架下，有3種主要的工作模式, 即:學(xué)習(xí)與培訓(xùn)、試驗(yàn)與評(píng)估及控制與管理。

圖1 平行控制與管理原理圖

針對(duì)基于ACP 的平行控制,相關(guān)科研人員已開(kāi)展多年的研發(fā)和應(yīng)用工作，并已在社會(huì)經(jīng)濟(jì)和國(guó)家安全等領(lǐng)域的應(yīng)用中取得顯著成效。梁吉業(yè)等[5]提出人工交通系統(tǒng)的基本系統(tǒng)構(gòu)成和框架、主要建模和研究方法及分析手段和可能的應(yīng)用方式，為對(duì)復(fù)雜的交通系統(tǒng)實(shí)行平行控制提供經(jīng)驗(yàn)。寧濱等[6]針對(duì)目前城市軌道交通中亟待解決的安全、高效和可靠運(yùn)行等方面的關(guān)鍵問(wèn)題, 運(yùn)用復(fù)雜系統(tǒng)研究中的人工交通系統(tǒng)、計(jì)算試驗(yàn)和平行執(zhí)行方法,提出基于ACP方法的城市軌道人工交通平行系統(tǒng)體系研究。唐少虎等[7]給出基于平行系統(tǒng)理論的路段行程時(shí)間預(yù)測(cè)模型,設(shè)計(jì)基于集散波的行程時(shí)間計(jì)算試驗(yàn)方法,提出多模型自適應(yīng)行程時(shí)間預(yù)測(cè)并給出模型動(dòng)態(tài)優(yōu)化策略，同時(shí)通過(guò)試驗(yàn)證明該方法的有效性。楊柳青等[8]為解決當(dāng)前城市停車(chē)愈加困難的問(wèn)題,提出基于ACP方法的城市平行停車(chē)系統(tǒng)，通過(guò)平行執(zhí)行的方式完成人工停車(chē)系統(tǒng)與實(shí)際停車(chē)系統(tǒng)滾動(dòng)優(yōu)化等主要過(guò)程。

綜上所述，平行控制理論和方法對(duì)復(fù)雜交通系統(tǒng)的控制與管理是有效的。這種方法目前主要應(yīng)用在道路和軌道交通領(lǐng)域，還未見(jiàn)在水上交通領(lǐng)域應(yīng)用的實(shí)例。VTS是一個(gè)典型的復(fù)雜系統(tǒng)，交通要素包括船舶、人員、航道、水文、氣象、管理和法規(guī)等，通過(guò)構(gòu)建VTS的平行系統(tǒng)，利用平行控制的方法進(jìn)行控制和管理是一種新的有效方法。

2 內(nèi)河繁忙水域船舶航行風(fēng)險(xiǎn)平行管控系統(tǒng)框架與功能設(shè)計(jì)

基于ACP方法構(gòu)建的內(nèi)河繁忙水域船舶航行風(fēng)險(xiǎn)平行管控系統(tǒng)框架見(jiàn)圖2。系統(tǒng)由實(shí)際VTS和人工VTS組成，這2個(gè)系統(tǒng)構(gòu)成平行管理系統(tǒng)。數(shù)據(jù)采集平臺(tái)對(duì)雷達(dá),AIS,VHF和CCTV等監(jiān)管設(shè)備生成的數(shù)據(jù)進(jìn)行匯集并存儲(chǔ)在數(shù)據(jù)倉(cāng)庫(kù)中，同時(shí)將水文和氣象部門(mén)發(fā)布的水文及氣象信息匯集到數(shù)據(jù)倉(cāng)庫(kù)中。數(shù)據(jù)倉(cāng)庫(kù)作為數(shù)據(jù)中心，在給實(shí)際VTS提供監(jiān)管水域所需的實(shí)時(shí)水上交通數(shù)據(jù)的同時(shí),給人工VTS提供歷史的和實(shí)時(shí)的水上交通數(shù)據(jù)。

圖2 內(nèi)河繁忙水域船舶航行風(fēng)險(xiǎn)平行管控系統(tǒng)框架

設(shè)計(jì)人工VTS是構(gòu)建整個(gè)平行系統(tǒng)的關(guān)鍵。人工VTS由通航環(huán)境設(shè)置子系統(tǒng)、交通流生成子系統(tǒng)、船舶行為識(shí)別子系統(tǒng)、航線風(fēng)險(xiǎn)評(píng)估子系統(tǒng)、可視化子系統(tǒng)、電子航道圖子系統(tǒng)及管理和決策子系統(tǒng)等子系統(tǒng)構(gòu)成,可模擬實(shí)際的交通狀況，生成仿真交通流。通航環(huán)境設(shè)置子系統(tǒng)可對(duì)交通環(huán)境參數(shù)進(jìn)行設(shè)置，以便模擬不同條件下的交通狀態(tài)；交通流生成子系統(tǒng)可根據(jù)交通流的歷史數(shù)據(jù),采用蒙特卡洛方法生成仿真交通流；船舶行為識(shí)別子系統(tǒng)對(duì)船舶的行為特征進(jìn)行挖掘,對(duì)船舶的異常行為進(jìn)行分類(lèi)和識(shí)別；航線風(fēng)險(xiǎn)評(píng)估子系統(tǒng)可對(duì)交通流的動(dòng)態(tài)演化過(guò)程進(jìn)行分析，對(duì)可能出現(xiàn)的風(fēng)險(xiǎn)進(jìn)行計(jì)算和預(yù)測(cè)；電子航道圖子系統(tǒng)為可視化提供背景；管理和決策子系統(tǒng)可根據(jù)交通狀態(tài)對(duì)交通組織及調(diào)度方式進(jìn)行調(diào)整，為實(shí)際VTS的交通控制和管理提供最優(yōu)的方案。

可視化分析、高性能計(jì)算機(jī)平臺(tái)和交互控制是連接監(jiān)管者與人工VTS的橋梁。可視化分析模塊通過(guò)可視化界面的視覺(jué)呈現(xiàn),利用數(shù)據(jù)可視化方法輔助用戶對(duì)VTS監(jiān)管水域復(fù)雜的船舶航行態(tài)勢(shì)及航行風(fēng)險(xiǎn)進(jìn)行分析決策；交互控制為人機(jī)對(duì)話提供接口和方法，加速海事人員對(duì)當(dāng)前態(tài)勢(shì)及風(fēng)險(xiǎn)可視化結(jié)果的理解和分析；高性能計(jì)算機(jī)平臺(tái)包括高性能計(jì)算、并行計(jì)算、高性能仿真引擎和仿真資源管理等，能保證在異構(gòu)環(huán)境下的負(fù)載共享、多機(jī)容錯(cuò)、復(fù)雜的作業(yè)管理及調(diào)度和大規(guī)模并行計(jì)算等，用于實(shí)現(xiàn)對(duì)各類(lèi)仿真資源的綜合利用和管理及仿真模型的高效運(yùn)行，為仿真模型及應(yīng)用的開(kāi)發(fā)、運(yùn)行、重用和互操作提供集成環(huán)境。

平行系統(tǒng)有3種工作模式：

1)學(xué)習(xí)和培訓(xùn)。人工VTS可為管理人員提供一個(gè)學(xué)習(xí)和培訓(xùn)的模擬平臺(tái)，使其熟悉和掌握VTS的基本操作及交通態(tài)勢(shì)的發(fā)展變化過(guò)程。

2)試驗(yàn)與評(píng)估。通過(guò)改變仿真參數(shù)，可在人工VTS上開(kāi)展各種試驗(yàn)，以評(píng)估不同通航條件下交通的態(tài)勢(shì)及不同組織和調(diào)度方式的優(yōu)劣，獲得最優(yōu)的控制和管理方案。

3)平行執(zhí)行。實(shí)際VTS和人工VTS可同時(shí)運(yùn)行，這2個(gè)系統(tǒng)的控制和管理方案均由人工VTS提供，實(shí)際VTS在運(yùn)行過(guò)程中將運(yùn)行效果反饋給人工VTS，人工VTS對(duì)效果進(jìn)行評(píng)估，若效果不理想，再在人工VTS中對(duì)方案進(jìn)行調(diào)整，并通過(guò)計(jì)算試驗(yàn)進(jìn)行測(cè)試，將調(diào)整好的方案再次提供給實(shí)際VTS以對(duì)原來(lái)的方案進(jìn)行優(yōu)化，這樣就構(gòu)成一個(gè)完整的閉環(huán)控制和管理系統(tǒng)。

3 航行風(fēng)險(xiǎn)平行管控系統(tǒng)關(guān)鍵技術(shù)

船舶航行風(fēng)險(xiǎn)平行管控系統(tǒng)是一個(gè)由數(shù)據(jù)驅(qū)動(dòng)的復(fù)雜系統(tǒng)，包含數(shù)據(jù)集成、人工VTS船舶行為識(shí)別、船舶交通態(tài)勢(shì)評(píng)估與風(fēng)險(xiǎn)預(yù)測(cè)和平行管控系統(tǒng)多維參數(shù)可視化等關(guān)鍵技術(shù)。

3.1 數(shù)據(jù)集成技術(shù)

水上交通信息具有多源和異構(gòu)等特性，采用數(shù)據(jù)倉(cāng)庫(kù)與中間件技術(shù)相融合的數(shù)據(jù)集成方法(見(jiàn)圖3)[9]，其中ETL(Extraction Transformation Loading)過(guò)程為數(shù)據(jù)的整理轉(zhuǎn)換和映射復(fù)制過(guò)程[10]。用戶通過(guò)數(shù)據(jù)倉(cāng)庫(kù)與中間件交互，中間件在全局模式的基礎(chǔ)上通過(guò)ETL過(guò)程將用戶指令交付給數(shù)據(jù)源，數(shù)據(jù)源通過(guò)ETL過(guò)程將返回指令交付給中間件。這種數(shù)據(jù)集成方法既能滿足數(shù)據(jù)更新頻繁、數(shù)據(jù)實(shí)時(shí)性和一致性要求高的情況，又能適合數(shù)據(jù)異構(gòu)分布、網(wǎng)絡(luò)延遲大、需快速處理和進(jìn)行備份的場(chǎng)合。

圖3 數(shù)據(jù)集成技術(shù)

3.2 人工VTS船舶行為識(shí)別技術(shù)

3.2.1人工VTS船舶行為特征數(shù)據(jù)挖掘

3.2.1.1 船舶屬性特征選擇算法

船舶屬性信息是進(jìn)行航行行為識(shí)別和航行風(fēng)險(xiǎn)預(yù)測(cè)的基礎(chǔ)數(shù)據(jù)。由于船舶屬性信息眾多，因此如何選取有效的屬性特征是船舶行為識(shí)別需解決的問(wèn)題。

Filter型特征選擇算法不依賴任何學(xué)習(xí)算法，僅依靠特定的特征評(píng)價(jià)準(zhǔn)則(如Fisher分值、互信息、對(duì)稱不確定性度量)完成特征的選擇。[11]該類(lèi)算法不僅運(yùn)算速度快,而且分類(lèi)效果比較好。因此，采用Filter型的基于兩階段評(píng)價(jià)的特征子集搜索流程算法來(lái)選擇船舶屬性。該算法能有效降低船舶屬性信息維數(shù)，從而提高船舶風(fēng)險(xiǎn)預(yù)測(cè)計(jì)算量。

3.2.1.2 船舶時(shí)空軌跡聚類(lèi)算法

軌跡聚類(lèi)的目的是通過(guò)分析軌跡的時(shí)間和空間屬性特征，將相似的軌跡聚集到一個(gè)集合中，從而發(fā)現(xiàn)船舶的運(yùn)動(dòng)特征和行為模式。采用子空間聚類(lèi)(CLustering In QUEst, CLIQUE)算法對(duì)船舶軌跡進(jìn)行分析。[12]

3.2.2人工VTS船舶行為識(shí)別方法

在VTS的日常監(jiān)管中，對(duì)船舶異常行為進(jìn)行識(shí)別是非常關(guān)鍵的，及時(shí)發(fā)現(xiàn)船舶的異常行為并采取適當(dāng)?shù)奶幹么胧┛山档徒煌ㄊ鹿实陌l(fā)生率。船舶的異常行為通常表現(xiàn)為船舶速度異常(過(guò)慢或過(guò)快)、船舶軌跡異常(偏離正常的航線)和船舶吃水異常(船舶超載)等。[13]異常識(shí)別分析是根據(jù)船舶行為的歷史記錄提取出船舶運(yùn)動(dòng)總體的宏觀行為特征，由此找出與總體特征差異較大的個(gè)體行為。船舶的異常行為通常是偶發(fā)的，生成的異常數(shù)據(jù)較少，本文采用機(jī)器學(xué)習(xí)的方法對(duì)船舶異常行為進(jìn)行識(shí)別。

由于船舶異常行為樣本較少，因此采用改進(jìn)的P范數(shù)稀疏重構(gòu)方法識(shí)別船舶異常行為。首先將所有的字典軌跡和測(cè)試軌跡標(biāo)準(zhǔn)化;然后根據(jù)P范數(shù)稀疏重構(gòu)算法計(jì)算船舶航行軌跡的稀疏系數(shù)矩陣，同時(shí)計(jì)算軌跡的相似度值，根據(jù)相似度值對(duì)船舶行為進(jìn)行識(shí)別和劃分;最終輸出測(cè)試樣本的船舶航行行為類(lèi)別。

3.3 船舶交通態(tài)勢(shì)評(píng)估與風(fēng)險(xiǎn)預(yù)測(cè)技術(shù)

3.3.1VTS監(jiān)管繁忙水域船舶交通態(tài)勢(shì)演化

將繁忙水域船舶交通態(tài)勢(shì)模型分為3個(gè)層級(jí)[14-15](見(jiàn)圖4),其中:第1層用于感知目前環(huán)境的狀態(tài)、屬性及動(dòng)態(tài)相關(guān)因素和環(huán)境影響關(guān)鍵因素；第2層通過(guò)對(duì)關(guān)鍵因素進(jìn)行綜合,并根據(jù)顯著事件與因素的關(guān)聯(lián)，理解當(dāng)前態(tài)勢(shì)；第3層反映最近趨勢(shì)的變化情況并提供態(tài)勢(shì)預(yù)警,使應(yīng)對(duì)決策更加科學(xué)、及時(shí)。

圖4 交通態(tài)勢(shì)評(píng)估框架

3.3.1.1 數(shù)據(jù)采集及特征提取(感知層)

數(shù)據(jù)采集及特征提取是交通態(tài)勢(shì)評(píng)估的基礎(chǔ)。通過(guò)對(duì)環(huán)境感知數(shù)據(jù)進(jìn)行采集，構(gòu)建相關(guān)的航行靜態(tài)特征及數(shù)據(jù)集；以靜態(tài)數(shù)據(jù)為支撐，研究單艘船舶的相關(guān)移動(dòng)特性；以區(qū)域?yàn)橛^測(cè)對(duì)象，抽取所有單艘船舶的區(qū)域特性，完成對(duì)區(qū)域流動(dòng)性、聚散性和區(qū)域速度等3個(gè)表征特性的獲取。

3.3.1.2 特征分析及融合處理(理解層)

通過(guò)對(duì)提取到的特征進(jìn)行分析，實(shí)現(xiàn)對(duì)當(dāng)前態(tài)勢(shì)的評(píng)估。某些特征(如聚散性、移動(dòng)性等特征)是無(wú)法用定量方式來(lái)描述的，本文采用Adaboost的算法構(gòu)建特征的描述隸屬度函數(shù)。

3.3.1.3 態(tài)勢(shì)預(yù)測(cè)(預(yù)測(cè)層)

在交通特征提取及交通態(tài)勢(shì)評(píng)價(jià)函數(shù)的基礎(chǔ)上，采用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型對(duì)交通態(tài)勢(shì)進(jìn)行預(yù)測(cè)，同時(shí)將態(tài)勢(shì)預(yù)測(cè)結(jié)果細(xì)分為基于交通流的匯聚趨勢(shì)、流動(dòng)趨勢(shì)及基于多粒度的航行態(tài)勢(shì)，針對(duì)不同態(tài)勢(shì)構(gòu)建其輸入特征及輸出結(jié)果。

3.3.2船舶交通航行態(tài)勢(shì)與風(fēng)險(xiǎn)多粒度計(jì)算

3.3.2.1 多粒度計(jì)算

觀測(cè)者在進(jìn)行風(fēng)險(xiǎn)觀測(cè)和調(diào)度操作時(shí)，所采用的視角通常是不固定的，如觀測(cè)者需知道某艘具體船舶的碰撞風(fēng)險(xiǎn)及其航行態(tài)勢(shì)，或需某區(qū)域的風(fēng)險(xiǎn)分布及交通流狀態(tài)等。因此，引入多粒度的計(jì)算方式可給觀測(cè)者呈現(xiàn)更多的視角及更豐富的信息。[16]

以船舶數(shù)量為粒度的載體，以單艘船舶為最小粒度，以單個(gè)海事監(jiān)管人員負(fù)責(zé)的整體航行區(qū)域?yàn)樽畲罅６龋瑯?gòu)建一種自適應(yīng)粒度劃分方式。粒度越小，粒度空間內(nèi)包含的船舶數(shù)量越少;粒度越大，粒度空間內(nèi)包含的船舶數(shù)量越多。

粒度的層次越深，粒度越細(xì)，代表地理空間越小。粒度表示聚類(lèi)結(jié)果簇的大小，而簇由密度大小決定。這里的層數(shù)代表使用密度的個(gè)數(shù),在密度確定之后,算法就會(huì)產(chǎn)生一個(gè)帶有次序的聚類(lèi)結(jié)果，該次序即表示簇之間的關(guān)系。

本文采用OPTICS(Ordering Points To Identify the Clustering Structure)聚類(lèi)算法實(shí)現(xiàn)自適應(yīng)粒度劃分。VTS操作人員在海事地圖上隨機(jī)框選一片區(qū)域，通過(guò)對(duì)該區(qū)域的船舶進(jìn)行OPTICS聚類(lèi)，即可得到自適應(yīng)的粒度劃分。OPTICS是一種基于密度的聚類(lèi)方法，能根據(jù)密度的高低生成一個(gè)次序，該次序結(jié)構(gòu)所包含的信息相當(dāng)于從多次不同參數(shù)設(shè)置范圍內(nèi)獲取的多個(gè)基于密度的聚類(lèi)結(jié)果的簇，從而形成具有樹(shù)型結(jié)構(gòu)的聚類(lèi)。

3.3.2.2 多粒度航行風(fēng)險(xiǎn)計(jì)算

在不同粒度的觀測(cè)空間內(nèi)對(duì)航行態(tài)勢(shì)的偏重各有不同。在微觀粒度空間內(nèi)，若觀測(cè)對(duì)象為單個(gè)船舶，則航行態(tài)勢(shì)計(jì)算更側(cè)重于該船與其他船舶的碰撞風(fēng)險(xiǎn)及該船自身的異常航行風(fēng)險(xiǎn);在更大的粒度空間內(nèi)，更側(cè)重于對(duì)整體交通流態(tài)勢(shì)的觀測(cè)。

① 單船航行風(fēng)險(xiǎn)。單船船舶碰撞事故的實(shí)時(shí)風(fēng)險(xiǎn)可表示為

R=PC

(1)

式(1)中:R為繁忙水域船舶碰撞事故的風(fēng)險(xiǎn);P為船舶碰撞和擱淺事故發(fā)生的概率;C為事故的后果。

對(duì)于P的計(jì)算：首先依據(jù)船舶預(yù)測(cè)運(yùn)動(dòng)矢量與他船的動(dòng)態(tài)船舶領(lǐng)域的幾何關(guān)系判斷船舶會(huì)遇的概率;然后通過(guò)動(dòng)態(tài)風(fēng)險(xiǎn)建模和貝葉斯網(wǎng)絡(luò)概率推理計(jì)算各類(lèi)致因因素作用下的碰撞概率。

對(duì)于C的計(jì)算：根據(jù)《船舶交通事故調(diào)查》報(bào)告，將事故相關(guān)信息分為環(huán)境類(lèi)信息、船舶類(lèi)信息和結(jié)果類(lèi)信息等3類(lèi)；根據(jù)數(shù)據(jù)實(shí)際情況，選擇能見(jiàn)度、遇險(xiǎn)月、日時(shí)間段和遇險(xiǎn)區(qū)域等4類(lèi)環(huán)境信息，選擇船舶種類(lèi)、船齡、總噸位、裝載和船舶所有人等5類(lèi)船舶信息及事故等級(jí)信息(即事故的后果信息)進(jìn)行建模。同時(shí),采用置信規(guī)則庫(kù)專家系統(tǒng)建立船舶碰撞類(lèi)事故后果實(shí)時(shí)預(yù)測(cè)模型，并對(duì)各類(lèi)信息進(jìn)行狀態(tài)劃分，對(duì)船舶碰撞類(lèi)事故后果實(shí)時(shí)預(yù)測(cè)模型進(jìn)行訓(xùn)練，以得到優(yōu)化參數(shù)，提高預(yù)測(cè)效率。

在事故后果計(jì)算中，采用先驗(yàn)概率分布的方法對(duì)這些不確定數(shù)據(jù)進(jìn)行處理。即當(dāng)出現(xiàn)不確定數(shù)據(jù)時(shí)，利用幾個(gè)基本置信結(jié)構(gòu)代替該數(shù)據(jù)，各狀態(tài)的信度則利用所有已知數(shù)據(jù)的分布來(lái)表示。

② 船舶交通簇風(fēng)險(xiǎn)。對(duì)于高粒度，將一片區(qū)域內(nèi)的船舶劃分成一個(gè)交通簇序列。交通簇的風(fēng)險(xiǎn)側(cè)重于整體交通態(tài)勢(shì)的風(fēng)險(xiǎn)及交通簇的內(nèi)部風(fēng)險(xiǎn)。交通簇速度因子及交通簇整體密度是構(gòu)成交通簇風(fēng)險(xiǎn)的2個(gè)重要因素。

3.3.2.3 VTS監(jiān)管繁忙水域船舶交通航行風(fēng)險(xiǎn)預(yù)測(cè)模型

在交通態(tài)勢(shì)評(píng)估及粒度計(jì)算的基礎(chǔ)上，利用云模型建立針對(duì)VTS監(jiān)管水域內(nèi)的船舶交通航行風(fēng)險(xiǎn)的微觀風(fēng)險(xiǎn)預(yù)測(cè)模型和宏觀風(fēng)險(xiǎn)預(yù)測(cè)模型。

① 基于云模型的微觀風(fēng)險(xiǎn)預(yù)測(cè)模型。以微觀船舶行為(主要指避碰行為)為研究對(duì)象，度量本船周?chē)膽B(tài)勢(shì)及通航狀態(tài)對(duì)本船的影響，利用云模型中云發(fā)生器的概念構(gòu)建對(duì)應(yīng)的風(fēng)險(xiǎn)分布函數(shù)，生成相應(yīng)的風(fēng)險(xiǎn)云函數(shù)，進(jìn)而對(duì)其風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)。[17]

基于單船航行風(fēng)險(xiǎn)的計(jì)算方法，計(jì)算得到每艘單船對(duì)應(yīng)的風(fēng)險(xiǎn)值及相應(yīng)的特征參數(shù),記為p={x,t1,t2,t3}，其中,x為其風(fēng)險(xiǎn)評(píng)價(jià)值，{t1,t2,t3}為其特征序列。利用云模型中的云變換方法得到每個(gè)x值的隸屬云函數(shù)，通過(guò)云模型中隸屬度判別的方式對(duì)其風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)。

② 宏觀風(fēng)險(xiǎn)預(yù)測(cè)模型。在不同粒度層級(jí)的交通風(fēng)險(xiǎn)計(jì)算中，采用云模型中的云綜合方法對(duì)粒度層級(jí)進(jìn)行綜合及提升，構(gòu)建通航區(qū)域整體的宏觀交通流風(fēng)險(xiǎn)預(yù)測(cè)模型。云模型的定義及云綜合的方法如下：

設(shè)論域U={u};A1(Ex1,En1,He1)和A2(Ex2,En2,He2)為論域U上的2個(gè)云模型。設(shè)U是一個(gè)用數(shù)值表示的定量論域，C是U上的定性概念。若定量值x屬于U是定性概念C的一次隨機(jī)實(shí)現(xiàn)，則x對(duì)C的確定度μ(x)∈[0,1]是有穩(wěn)定傾向的隨機(jī)數(shù)。

μ:U→[0,1],∨x∈U,x→μ(x)

(2)

期望Ex是云滴在論域空間分布的期望，是最能代表定性概念的點(diǎn)，是這個(gè)概念量化的最典型樣本。將x看作是一個(gè)云滴，若Ex1

A3=A1∪A2

(3)

Ex3=(Ex2+Ex1)/2+(En2+En1)/4

(4)

En3=(Ex2-Ex1)/4+(En2+En1)/2

(5)

He3=max(He1+He2)

(6)

3.4 平行管控系統(tǒng)多維參數(shù)可視化技術(shù)

3.4.1基于態(tài)勢(shì)感知模式的多層次信息可視化模型

依據(jù)態(tài)勢(shì)感知中的感知層、理解層和預(yù)測(cè)層等3層模型建立不同的信息可視化模型,從而實(shí)現(xiàn)對(duì)船舶航行態(tài)勢(shì)多層次、系統(tǒng)化的信息可視化。

(1)感知層可視化主要負(fù)責(zé)對(duì)通航環(huán)境要素及區(qū)域內(nèi)船舶交通流總體特征進(jìn)行可視化，例如對(duì)環(huán)境的狀態(tài)、屬性及船舶的靜態(tài)特征和動(dòng)態(tài)特征進(jìn)行可視化。不同特征可采用不同的可視化方法。

(2)理解層可視化主要負(fù)責(zé)對(duì)當(dāng)前水域內(nèi)各要素之間的關(guān)聯(lián)及水域態(tài)勢(shì)特征信息進(jìn)行可視化。對(duì)感知層可視化結(jié)果進(jìn)行篩選縮放，形成VTS區(qū)域態(tài)勢(shì)與通航要素的初步關(guān)聯(lián)；采取散點(diǎn)圖矩陣展示感興趣的屬性關(guān)聯(lián)，加深對(duì)當(dāng)前航行態(tài)勢(shì)的理解。

(3)預(yù)測(cè)層可視化主要對(duì)水域內(nèi)需預(yù)測(cè)的航行態(tài)勢(shì)進(jìn)行可視化展示，利用歐氏距離函數(shù)的OPTICS算法,采取漸進(jìn)式聚類(lèi)可視化方式并結(jié)合基于粒子系統(tǒng)的動(dòng)畫(huà)可視化方法，展示不同粒度下航行態(tài)勢(shì)的動(dòng)態(tài)變化。

3.4.2VTS監(jiān)管水域船舶航行風(fēng)險(xiǎn)可視化

3.4.2.1 基于不確定性可視化的船舶航行風(fēng)險(xiǎn)多變量多維度展示方法

由于船舶航行風(fēng)險(xiǎn)是一種時(shí)變、多變量的集合模擬數(shù)據(jù)集,因此在對(duì)船舶航行風(fēng)險(xiǎn)進(jìn)行可視化時(shí)借鑒集合數(shù)據(jù)的不確定性可視化方法，根據(jù)不同參數(shù)、不同分辨率下的輸出研究風(fēng)險(xiǎn)模型參數(shù)敏感度，展示當(dāng)前區(qū)域風(fēng)險(xiǎn)的不確定性。

首先利用核密度估計(jì)方法重構(gòu)風(fēng)險(xiǎn)數(shù)據(jù)集合對(duì)象的高維分布;然后結(jié)合集合均值與集合分布差異描述不同集合數(shù)據(jù)對(duì)象之間的不相似性關(guān)系;最后利用基于拉普拉斯的不確定性感知降維投影方法將多維度、多變量的繁忙水域船舶航行風(fēng)險(xiǎn)信息投影至二維的可視化視圖中，從而探索風(fēng)險(xiǎn)的分布模式等，并在多粒度計(jì)算的基礎(chǔ)上結(jié)合人機(jī)交互技術(shù)展現(xiàn)不同粒度的風(fēng)險(xiǎn)值。

3.4.2.2 人機(jī)交互技術(shù)

在風(fēng)險(xiǎn)可視化系統(tǒng)中,除了視覺(jué)呈現(xiàn)以外，人機(jī)交互技術(shù)也是整個(gè)系統(tǒng)中的重要組成部分。由于大面積的監(jiān)視水域和大規(guī)模的船舶交通集使人無(wú)法從有限的可視化空間中得到所有的啟示,因此需加入人機(jī)交互技術(shù),允許用戶操作可視化視圖對(duì)風(fēng)險(xiǎn)信息進(jìn)行深層次的探索。采用概覽、縮放、過(guò)濾、關(guān)聯(lián)、記錄及細(xì)節(jié)提取等交互技術(shù)。[18]

4 結(jié)束語(yǔ)

本文針對(duì)VTS管理決策與人機(jī)交互存在的不足，基于平行控制的原理，提出內(nèi)河繁忙水域船舶航行風(fēng)險(xiǎn)管控系統(tǒng)的設(shè)計(jì)方法。研究了該平行控制系統(tǒng)的框架結(jié)構(gòu)和關(guān)鍵技術(shù)，總結(jié)了船舶行為模式與異常識(shí)別理論，闡述了交通態(tài)勢(shì)演化模型，提出了VTS監(jiān)管繁忙水域船舶航行風(fēng)險(xiǎn)預(yù)測(cè)方法和VTS監(jiān)管繁忙水域船舶交通管理多維參數(shù)可視化方法。該研究對(duì)減少內(nèi)河繁忙水域船舶航行風(fēng)險(xiǎn)、提高安全監(jiān)管人員的工作效率具有重要意義。此外，基于可視分析技術(shù)的船舶航行態(tài)勢(shì)評(píng)估、航行安全風(fēng)險(xiǎn)計(jì)算和船舶航行決策等研究成果有助于海事人員提取海量數(shù)據(jù)背后的有用信息，提升監(jiān)管業(yè)務(wù)能力，從而保障船舶安全航行。

然而，海事監(jiān)管是一項(xiàng)復(fù)雜、龐大的任務(wù)，通常需將監(jiān)管水域劃分為多片小區(qū)域，由多名工作人員相互配合來(lái)完成。因此,如何建立多用戶協(xié)作的VTS監(jiān)管水域船舶航行風(fēng)險(xiǎn)態(tài)勢(shì)可視分析方法、多屏幕監(jiān)管區(qū)域邊界信息共享機(jī)制等還有待研究。

[1] LEE G, KIM S Y, LEE M K. Economic Evaluation of Vessel Traffic Service (VTS): A Contingent Valuation Study[J]. Marine Policy, 2015, 61: 149-154.

[2] 徐武雄,初秀民,劉興龍. 水上交通信息可視化技術(shù)研究進(jìn)展[J]. 中國(guó)航海,2015,38(1):41-46.

[3] 王飛躍. 平行控制: 數(shù)據(jù)驅(qū)動(dòng)的計(jì)算控制方法[J]. 自動(dòng)化學(xué)報(bào), 2013, 39(4): 293-302.

[4] 王飛躍, 劉德榮, 熊剛,等.復(fù)雜系統(tǒng)的平行控制理論及應(yīng)用[J]. 復(fù)雜系統(tǒng)與復(fù)雜性科學(xué), 2012, 9(3): 1-12.

[5] 梁吉業(yè)，馮晨嬌，宋鵬. 大數(shù)據(jù)相關(guān)分析綜述[J].計(jì)算機(jī)學(xué)報(bào)，2016(1)：1-16.

[6] 寧濱, 王飛躍, 董海榮, 等.基于ACP方法的城市軌道交通平行系統(tǒng)體系研究[J]. 交通運(yùn)輸系統(tǒng)工程與信息, 2010, 10(6): 22-28.

[7] 唐少虎, 劉小明, 陳兆盟,等.基于計(jì)算實(shí)驗(yàn)的城市道路行程時(shí)間預(yù)測(cè)與建模[J]. 自動(dòng)化學(xué)報(bào), 2015, 41(8):1516-1527.

[8] 楊柳青,王飛躍,張艷麗, 等.基于ACP方法的城市平行停車(chē)系統(tǒng)[J]. 指揮與控制學(xué)報(bào), 2015, 1(4): 384-390.

[9] 李偉衛(wèi), 李梅, 張陽(yáng), 等. 基于分布式數(shù)據(jù)倉(cāng)庫(kù)的分類(lèi)分析研究[J]. 計(jì)算機(jī)應(yīng)用研究, 2013, 30(10): 2936-2939.

[10] 王世水, 王元元, 高應(yīng)波. 基于ETL的數(shù)據(jù)集成優(yōu)化研究與實(shí)現(xiàn)[J]. 天津工業(yè)大學(xué)學(xué)報(bào), 2013, 32(3): 78-81.

[11] 李智廣, 付楓, 孫鑫, 等. 基于聯(lián)盟博弈的Filter特征選擇算法[J]. 計(jì)算機(jī)工程, 2013, 39(4): 230-233.

[12] 向柳明, 周渭博, 鐘勇. 基于高斯過(guò)程的CLIQUE改進(jìn)算法[J]. 計(jì)算機(jī)應(yīng)用, 2015, 35(2): 85-87.

[13] 朱飛祥, 張英俊, 高宗江. 基于數(shù)據(jù)挖掘的船舶行為研究[J]. 中國(guó)航海, 2012, 35(2): 50-54.

[14] ENDSLEY M R. Toward a Theory of Situation Awareness in Dynamic Systems[J]. Human Factors, 1995, 37(1): 32-64.

[15] BRADY P W, WHEELER D S, MUETHING S E, et al. Situation Awareness: A New Model for Predicting and Preventing Patient Deterioration[J]. Hospital Pediatrics, 2014, 4(3): 143-146.

[16] 陳玉明, 吳克壽, 孫金華. 基于知識(shí)粒度的異常數(shù)據(jù)挖掘算法[J]. 計(jì)算機(jī)工程與應(yīng)用, 2012, 48(4): 118-120.

[17] 張仕斌, 許春香, 安宇俊. 基于云模型的風(fēng)險(xiǎn)評(píng)估方法研究[J]. 電子科技大學(xué)學(xué)報(bào), 2013, 42(1): 92-104.

[18] 徐武雄,初秀民,劉興龍. 船舶行為可視分析關(guān)鍵技術(shù)研究[J]. 武漢理工大學(xué)學(xué)報(bào)(信息與管理工程版),2015(5):451-454.

Parallel-Control-BasedNavigationRiskManagementSystemforBusyInlandWaters

XUWuxiong1,2,CHUXiumin2,LEIJinyu2

(1. School of Electronic and Information Engineering, Hubei University of Science and Technology, Xianning 437100, China; 2. National Engineering Research Center for Water Transport Safety, Wuhan University of Technology, Wuhan 430063, China)

The structure and the key technology of the navigation risk management system of parallel control type are studied. After the principle of system design is briefly introduced, the framework of the system and the function design is described. The system for busy waters is studied in particular. The system will make contribution to navigation safety by reducing human errors, which otherwise might occur because of fatigue.

busy waterway； navigation risk； parallel control； visual analytics

2017-11-20

國(guó)家自然科學(xué)基金(61273234;51479155)

徐武雄(1971—),男,湖北咸寧人，副教授，博士生，研究方向?yàn)榻煌鞣抡婕翱梢暬?。E-mail: xwxiong@qq.com

雷進(jìn)宇(1989—),男,福建福州人,博士生,研究方向?yàn)榇敖煌骺梢暦治觥-mail: jylei@whut.edu.cn

1000-4653(2018)01-0064-06

U676.1

A