(安徽交通職業(yè)技術(shù)學(xué)院航海系，安徽 合肥 230001)

0 引 言

船舶碰撞事故是水上交通事故中發(fā)生最為頻繁、造成損失最嚴(yán)重的事故類(lèi)型之一[1]。隨著多層次多目標(biāo)重點(diǎn)避讓優(yōu)選模型在不斷的更新和發(fā)展，將其在航道船舶碰撞危險(xiǎn)度分析中的應(yīng)用，提高了航道船舶碰撞危險(xiǎn)度分析的準(zhǔn)確率[2-3]。以往根據(jù)數(shù)據(jù)精度的評(píng)估方法進(jìn)行分析而且提出了航道船舶碰撞危險(xiǎn)度分析，但是這個(gè)工作不能夠根據(jù)多層次多目標(biāo)重點(diǎn)避讓優(yōu)選模型數(shù)據(jù)開(kāi)展，位置發(fā)現(xiàn)是主要的分析數(shù)據(jù)方法，需要根據(jù)多航道船舶的數(shù)據(jù)進(jìn)行分析和探討[4-5]。

本研究在多層次多目標(biāo)重點(diǎn)避讓優(yōu)選模型下進(jìn)行航道船舶碰撞危險(xiǎn)度分析。通過(guò)選擇與航道船舶航行風(fēng)險(xiǎn)密切相關(guān)的影響因子，結(jié)合駕駛員航行經(jīng)驗(yàn)數(shù)據(jù)，利用多層次多目標(biāo)重點(diǎn)避讓優(yōu)選模型得到各影響因子對(duì)航道船舶碰撞危險(xiǎn)度的貢獻(xiàn)度。此方法有利于提高分析的準(zhǔn)確性和召回率，并且此方法具有較好的運(yùn)行效率和擴(kuò)展性。

1 航道船舶碰撞危險(xiǎn)度分析

航道船舶碰撞危險(xiǎn)度分析的主要思路為根據(jù)多層次多目標(biāo)重點(diǎn)避讓優(yōu)選模型中航道船舶不相關(guān)的數(shù)據(jù)確保狀態(tài)生成以及狀態(tài)過(guò)濾，才能避免噪聲影響以及交通海域擁堵所導(dǎo)致的影響，此方法可以提高多層次多目標(biāo)重點(diǎn)避讓優(yōu)選模型的可靠性。

主要是使用Reduce編程框架進(jìn)行設(shè)計(jì)，通常使用Reduce任務(wù)就可以實(shí)現(xiàn)，因?yàn)楹降来暗耐Ａ魰r(shí)間和情況聯(lián)系很密切，為了獲得分析數(shù)據(jù)，需要給航道船舶設(shè)定一定時(shí)間范圍begin,end，這種框架Reduce的函數(shù)程序如下，

算法1：reduce函數(shù)

reducekey,values ‖key為航道船舶多層次多目標(biāo)重點(diǎn)避讓優(yōu)選模型號(hào),ualues為航道船舶的所有夜間連接記錄。1. regionList=null;2. values記錄要通過(guò)時(shí)間開(kāi)展記錄和排序工作,然后對(duì)給定范圍內(nèi)的交通物理對(duì)象進(jìn)行分析;3.每個(gè)航道船舶和交通海域之間要進(jìn)行聯(lián)系,這樣才能調(diào)用新的模塊,即狀態(tài)序列;4.要開(kāi)展對(duì)深層的狀態(tài)模塊進(jìn)行調(diào)用,這樣才能獲得正確的調(diào)用效果;5.要做好交通物理對(duì)象數(shù)量的處理工作,這樣才能對(duì)相關(guān)的狀態(tài)根據(jù)區(qū)域進(jìn)行分組.;6.要充分地分析各個(gè)區(qū)域,如果區(qū)域g的狀態(tài)數(shù)高于閥值freq那么這個(gè)區(qū)域就處于重要的位置;7.要對(duì)regionList調(diào)用相關(guān)的分析模塊,找到航道船舶的重要位置以及有效時(shí)間。

航道船舶碰撞危險(xiǎn)度分析法對(duì)于出現(xiàn)碰撞的區(qū)域進(jìn)行搜索找到重要的區(qū)域位置，由于航道船舶的位置出現(xiàn)了多個(gè)，所以航道船舶的位置也會(huì)出現(xiàn)改變，航道船舶碰撞危險(xiǎn)度分析法需要找到航道船舶的重要位置和航道船舶的位置變化狀況，利用分析方法MLMTKAO進(jìn)行的分析可以找到航道船舶碰撞的位置以及有效時(shí)間。

分析時(shí)間因素對(duì)航道船舶所處狀態(tài)的影響可用以下模型：

(1)

(2)

同時(shí)，當(dāng)航道船舶處于“歸屬”狀態(tài)時(shí)，交通海域更靠近居住地，則“在家”的可能性越高，相應(yīng)的工作也相同。因此，多層次多目標(biāo)重點(diǎn)避讓優(yōu)選模型描述位置和狀態(tài)的關(guān)系可用以下公式表達(dá)：

(3)

當(dāng)前航道船舶的位置意味著航道船舶處于“ 工作“ 狀態(tài)并且表示航道船舶的狀態(tài)。確定航道船舶在某個(gè)時(shí)間點(diǎn)的狀態(tài)可用以下公式表達(dá)：

(

4)

在lx≥1時(shí)，證明航道船舶在該時(shí)間點(diǎn)處于“在家”狀態(tài)；否則，航道船舶處于“工作”狀態(tài)。

2 實(shí)驗(yàn)與結(jié)果分析

獲得的數(shù)據(jù)來(lái)源主要是上海海事局提供的交通數(shù)據(jù)，這個(gè)數(shù)據(jù)源有3211342個(gè)航道船舶，包括了2014年8月15日到2015年3月11日的期間多層次多目標(biāo)重點(diǎn)避讓優(yōu)選模型上網(wǎng)的交通海域記錄數(shù)據(jù)以及位置信息，數(shù)據(jù)空間的總量為1.6TB，駕駛員在撥打電話(huà)以及收發(fā)短信的時(shí)候都會(huì)出現(xiàn)訪(fǎng)問(wèn)日志，而且隨機(jī)的對(duì)98搜航道船舶的數(shù)據(jù)進(jìn)行了算法的準(zhǔn)確性分析。

圖1 不同網(wǎng)格粒度下的時(shí)間性能

圖2 不同半徑下的時(shí)間性能

算法的準(zhǔn)確度評(píng)價(jià)主要是使用準(zhǔn)確率(Precision)、召回率(Recall)進(jìn)行分析，精度使用平均誤差(mean_error)，如果算法獲得的與正在行駛的航道船舶距離小于2000米，可以了解得知交通海域的分布密度不平衡，而且信號(hào)會(huì)出現(xiàn)擁堵的情況，兩千米的值是比較合理的，認(rèn)為獲得了一個(gè)重要的信息位置，而找到的重要位置個(gè)數(shù)是P，實(shí)際的重要位置個(gè)試試為R，找到正確的位置個(gè)數(shù)是Q，于是有Precision=Q/P，Recall=Q/R，F(xiàn)1-measure=2×PRP+R。假設(shè)實(shí)際重要位置為l，算法找出的位置為f，則

(5)

其中，ed一般是l與f兩個(gè)位置之間的歐式距離。

表1對(duì)MLMTKAO優(yōu)化之后的性能進(jìn)行了分析，以往算法網(wǎng)格長(zhǎng)度以及交通海域的半徑為500米，從圖中了解到兩種算法在進(jìn)行修正之后性能得到的，這主要是因?yàn)楣ぷ鞯睾秃降来靶旭偟奈恢眠M(jìn)行了更正，這表明找出的重要位置P數(shù)量在不斷的縮小而且找到的正確位置數(shù)量(Q)也在增加，實(shí)際的位置數(shù)量不會(huì)發(fā)生改變，準(zhǔn)確率和召回率也在不斷提升，最后會(huì)導(dǎo)致F1不斷增加，由于航道船舶的位置在相鄰的住宅中得到了修改，所以位置一般

可以反映出實(shí)際狀況，而且誤差也在不斷下降。

表1 優(yōu)化措施的影響

表2 算法性能比較

表2列舉的兩種算法以及其他算法在數(shù)據(jù)中的準(zhǔn)確情況，數(shù)據(jù)挖掘算法(Data mining algorithm，DMA)和研究的網(wǎng)絡(luò)并行算法主要使用的相同的編程，不能夠通過(guò)海事局獲得的交通海域覆蓋范圍，而且交通海域的覆蓋范圍一般在500米，通過(guò)表1,2知道MLMTKAO與TIS兩種算法在修正之后得到的實(shí)驗(yàn)結(jié)果一般比DMA與數(shù)據(jù)定位算法(Data location algorithm，DLA)要高，蜂窩網(wǎng)絡(luò)算法(Cellular network algorithm，CNA)和文中說(shuō)到的算法性能差距不大，而且精度也不會(huì)超過(guò)本研究說(shuō)到的算法，DLA的算法性能不好，主要是因?yàn)樗惴ㄐ枰M(jìn)行航道船舶交通海域危險(xiǎn)度分析操作，深刻地影響航道船舶的重要位置。DMA的效果很好，但是主要體現(xiàn)的重要的問(wèn)題和現(xiàn)實(shí)情況，許多航道船舶在多層次多目標(biāo)重點(diǎn)避讓優(yōu)選模型頻繁使用的地區(qū)就是在這些劇，一般獲得了比較高的算法精度。

為了更好的測(cè)量網(wǎng)格尺寸對(duì)MLMTKAO時(shí)間性能的重要作用，因?yàn)樵S多數(shù)據(jù)開(kāi)展了不同的計(jì)算機(jī)性能測(cè)試，獲得了結(jié)果如圖1。根據(jù)圖表知道，如果網(wǎng)格數(shù)據(jù)太小那么算法的使用時(shí)間就會(huì)延長(zhǎng)，而且MLMTKAO的線(xiàn)性加速性也更好，都認(rèn)為在不同交通海域的覆蓋會(huì)有不同的算法時(shí)間性。根據(jù)圖2可知半徑越小那么效率就會(huì)增強(qiáng)，這和MLMTKAO獲得的結(jié)果是不一樣的，一般交通海域的覆蓋面積增加，那么交通海域航道船舶碰撞危險(xiǎn)度也會(huì)增加，導(dǎo)致了分析的輸入數(shù)量也不斷的增加，也會(huì)增加運(yùn)行算法運(yùn)行的時(shí)間，而MLMTKAO的網(wǎng)格邊長(zhǎng)增加的話(huà)網(wǎng)格的數(shù)量也會(huì)不斷減少，運(yùn)行的時(shí)間也會(huì)不斷的縮短。

3 結(jié) 論

提出將多層次多目標(biāo)重點(diǎn)避讓優(yōu)選模型用于航道船舶碰撞危險(xiǎn)度分析，通過(guò)航道船舶的活動(dòng)記錄找到重要的區(qū)域然后進(jìn)行分析，已獲得的結(jié)果對(duì)航道船舶的重要位置進(jìn)行分析，比較當(dāng)前的工作來(lái)說(shuō)，研究中多層次多目標(biāo)重點(diǎn)避讓優(yōu)選模型所表現(xiàn)出的兼容性顯示出該模型在研究船舶碰撞危險(xiǎn)度領(lǐng)域良好的應(yīng)用前景。

參考文獻(xiàn):

[1] Szlapczynski, R., & Szlapczynska, J. An analysis of domain-based Ship Collision risk parameters. Ocean Engineering, 2016,126:47-56.

[2] Dong, Y., & Dan, M. F. Probabilistic Ship Collision risk and Sustainability assessment considering risk attitudes. Structural Safety, 2015,53:75-84.

[3] Do, K. D. Synchronization motion tracking control of Multiple Underactuated Ships with Collision Avoidance. IEEE Transactions on Industrial Electronics, 2016,63(5):2976-2989.

[4] J. B?ocki, Dworzecka, M., Beck, F., & Feldmeier, H. Collective Degrees of freedom and one-body Dissipation in heavy ion Collisions ☆. Physics Letters B, 2016,99(1):13-16.

[5] Blankertz, R., Gathen, J. V. Z., & Ziegler, K. Compositions and Collisions at degree p 2 p 2 mathcontainer loading Mathjax. Journal of Symbolic Computation, 2013,59(6):113-145.