雷進(jìn)宇， 初秀民， 蔣仲廉， 王 樂

(武漢理工大學(xué) a.智能交通系統(tǒng)研究中心， 武漢 430063；b.國家水運安全工程技術(shù)研究中心， 武漢 430063)

船舶交通管理系統(tǒng)(Vessel Traffic Services,VTS)是繁忙水域監(jiān)管中采取的重要手段之一。國際海事組織對VTS的定義為：由主管機關(guān)實施的，用于提高船舶交通安全和效率與保護(hù)環(huán)境的服務(wù)，在VTS覆蓋水域內(nèi)，這種服務(wù)應(yīng)能與交通相互作用并對交通形勢的變化做出反應(yīng)。VTS系統(tǒng)具有信息服務(wù)、助航服務(wù)、交通組織及支持聯(lián)合行動等4大主要功能,工作模式主要以人工監(jiān)控、人工決策和人工干預(yù)為主[1]。VTS的廣泛應(yīng)用，實現(xiàn)了真正意義上的全天候全方位的管理，在很大程度上減少了水上交通事故的發(fā)生，為提高通航效率和保障航行安全發(fā)揮了不可或缺的作用[2]。VTS每天24 h不間斷地運行，匯聚和存儲大量多源異構(gòu)數(shù)據(jù)。然而，VTS本身并不具備對海量數(shù)據(jù)分析的能力，特別是對異常狀況感知、預(yù)警和決策的能力，只能通過人工來完成。由于受管理人員的精力和能力的限制，誤判及漏判等現(xiàn)象時有發(fā)生，極易影響VTS監(jiān)管水域船舶航行安全。因此，研究VTS航行態(tài)勢感知及管理的智能決策具有重要現(xiàn)實意義。

在VTS航行管理決策技術(shù)研究中，孫苗等[3]引入形成擱淺緊迫局面的時間值來判斷船舶擱淺危險的緊迫程度，指導(dǎo)有關(guān)人員及時向存在擱淺危險的船舶發(fā)出危險預(yù)警信息。ZISSIS等[4]采用RPROP神經(jīng)網(wǎng)絡(luò)算法實時預(yù)測VTS監(jiān)管水域船舶航行行為，為船舶航行管理決策提供基礎(chǔ)數(shù)據(jù)。WIERSMA等[5]率先將態(tài)勢感知理論引入VTS管理人員認(rèn)知評價中，并比較Endsley’s SAGAT與性能監(jiān)控PMI兩種模型效果。當(dāng)前VTS研究大多是宏觀管理與評估技術(shù)的研究，結(jié)合態(tài)勢感知模型的航行智能決策是VTS未來的發(fā)展方向，而基于態(tài)勢感知模型的VTS管理人員認(rèn)知模型、VTS區(qū)域船舶航行風(fēng)險決策管理方法和提升VTS管理人員人機交互方法則是VTS的研究熱點。

態(tài)勢感知(Situation Awareness，SA)是人機工效學(xué)中的一個重要研究領(lǐng)域[6-8]，由于其在框架模型、數(shù)據(jù)預(yù)處理、量化感知及動態(tài)預(yù)測等關(guān)鍵技術(shù)問題上顯示出良好的魯棒性，在海事安全研究中引起關(guān)注。WESTRENEN等[9]分析空中交通與水路交通控制中態(tài)勢感知技術(shù)的異同，并根據(jù)VTS的功能要求與特性，指出采用態(tài)勢感知用于水上交通管理的優(yōu)勢。CHEN等[10]針對海事安全防恐態(tài)勢相關(guān)數(shù)據(jù)量巨大和變化快的特點，開發(fā)基于遺傳算法的海事安全防恐態(tài)勢知識發(fā)現(xiàn)系統(tǒng)。LAVIGNE等[11]提出運用可視分析技術(shù)識別船舶行為，并結(jié)合動態(tài)思維導(dǎo)圖輔助目標(biāo)船舶多部門協(xié)同管控分析與決策，減少海事領(lǐng)域態(tài)勢感知的信息過載。

由上述對態(tài)勢感知及應(yīng)用研究現(xiàn)狀的分析可知，結(jié)合可視分析的智能態(tài)勢感知模型與技術(shù)在船舶航行安全態(tài)勢領(lǐng)域的研究尚處于探索階段，亟需深入開展船舶航行態(tài)勢感知模型結(jié)構(gòu)、態(tài)勢感知智能算法以及可視分析等研究?；谏鲜霰尘埃疚拈_展對VTS監(jiān)管水域船舶航行態(tài)勢感知系統(tǒng)的研究。

1 VTS航行風(fēng)險認(rèn)知分析研究概述

船舶航行風(fēng)險分析與態(tài)勢評估是VTS船舶航行指揮決策的基礎(chǔ)。近年來，國內(nèi)外學(xué)者針對繁忙水域船舶航行風(fēng)險分析及風(fēng)險態(tài)勢評估等方面進(jìn)行了大量的研究工作。

1.1 船舶航行風(fēng)險分析

船舶領(lǐng)域是船舶航行風(fēng)險評估的基本參數(shù)。因此，船舶領(lǐng)域一直也是船舶航行風(fēng)險評估的熱點。為實現(xiàn)船舶領(lǐng)域影響因素的重要性評價與因素約簡，降低能見度良好時船舶領(lǐng)域模型的復(fù)雜度，周丹等[12]選擇主成分回歸算法和基于粗糙集的相關(guān)算法對其進(jìn)行分析，確定影響船舶領(lǐng)域的因素的重要性。作為船舶避碰中的重要參考因素，最近會遇點(Closest Point of Approach，CPA)在船舶避碰態(tài)勢分析中廣泛應(yīng)用。JEONG等[13]統(tǒng)計在MOKPO-Gu航道中最小會遇距離(Distance at Closest Point of Approach,DCPA)小于1 n mile的數(shù)據(jù)以評估航道交通流的安全性和特征，研究結(jié)果顯示CPA對航道空間的使用和船舶交通的安全都起到積極的作用。在幫助緊迫局面下船舶航行方面，CHIN等[14]針對港口水域建立基于CPA的碰撞風(fēng)險回歸模型，而模型中的DCPA和最小會遇時間(Time to Closest Point of Approach,TCPA)是得到碰撞風(fēng)險的關(guān)鍵因素。

1.2 船舶航行風(fēng)險態(tài)勢評估

船舶航行狀態(tài)以及交通態(tài)勢演化是船舶航行風(fēng)險分析的主要研究方向之一。PERERA等[15]為提升船舶航行駕駛態(tài)勢感知能力，建立基于航行風(fēng)險的船舶航行間距定量計算模型。SNIDARO[16]針對海事安全態(tài)勢分析不確定性數(shù)據(jù)處理的問題，提出采用馬爾可夫邏輯網(wǎng)絡(luò)數(shù)據(jù)融合模型，并對異常船舶航行態(tài)勢進(jìn)行判別。在區(qū)域交通態(tài)勢演化分析方面，郭遲等[17]從時間、空間等不同維度對數(shù)據(jù)進(jìn)行降維，基于區(qū)域動力學(xué)特征和移動對象的行為模式，提出一種位置大數(shù)據(jù)的協(xié)同挖掘方法，深化各類交通數(shù)據(jù)的挖掘及研究。

這些研究工作在一定程度上完善了水上通航交通風(fēng)險及評估系統(tǒng)，降低水上交通事故的發(fā)生概率，但在VTS監(jiān)管水域交通日益繁忙的情況下，船舶交通航行態(tài)勢的感知和實時風(fēng)險計算的研究工作仍顯不足。因此，以大數(shù)據(jù)為基礎(chǔ)，開展基于船舶航行態(tài)勢的風(fēng)險研究，揭示VTS監(jiān)管水域船舶航行態(tài)勢的演化機理，進(jìn)行航行風(fēng)險態(tài)勢預(yù)測，將有助于實現(xiàn)更全面的VTS監(jiān)管水域的船舶航行安全管理及指揮。

2 基于可視分析的VTS航行風(fēng)險認(rèn)知框架設(shè)計

可視分析是時空大數(shù)據(jù)分析的方法之一，主要利用數(shù)據(jù)可視化方式呈現(xiàn)并結(jié)合人機交互，幫助人們探索、理解和分析數(shù)據(jù)。在交通態(tài)勢可視分析的研究中，SCHEEPENS等[18]將船舶按照時間和位置進(jìn)行聚類，并結(jié)合直方圖、點圖和象形符號分析各聚類的船舶動靜態(tài)信息的比例分布。GUO等[19]利用平行坐標(biāo)圖來反映多種路口環(huán)境態(tài)勢的關(guān)系，并使用時序圖和主題河來探究路口軌跡數(shù)據(jù)的微觀模式。此外，WANG等[20]利用像素圖、熱力圖及堆疊圖，深入研究交通擁堵現(xiàn)象的態(tài)勢演變。

可視分析在理解交通態(tài)勢的過程中得到廣泛的應(yīng)用，然而，系統(tǒng)完整的可視分析框架尚未建立。因此,本文擬采用體系結(jié)構(gòu)方法，結(jié)合認(rèn)知理論、態(tài)勢感知和人機交互可視分析技術(shù)，實現(xiàn)航行風(fēng)險態(tài)勢感知認(rèn)知可視分析系統(tǒng)頂層設(shè)計，設(shè)計VTS監(jiān)管水域船舶航行風(fēng)險認(rèn)知系統(tǒng)。根據(jù)體系結(jié)構(gòu)方法中系統(tǒng)頂層設(shè)計“自上而下”的原則，設(shè)計基于認(rèn)知環(huán)跨層結(jié)構(gòu)的航行風(fēng)險態(tài)勢感知可視分析系統(tǒng)頂層架構(gòu)見圖1。該系統(tǒng)主要由航行風(fēng)險態(tài)勢感知、航行風(fēng)險管理決策和航行風(fēng)險認(rèn)知可視分析等3個模塊組成。

1)航行風(fēng)險態(tài)勢感知模塊由通航環(huán)境感知層、通航態(tài)勢理解層和通航風(fēng)險預(yù)測層組成。通過對繁忙水域船舶的密度分布、速度分布和船舶間距分布等船舶航行時空特征進(jìn)行建模與跟蹤，從而揭示VTS監(jiān)管水域船舶航行風(fēng)險態(tài)勢演化，它是VTS船舶航行指揮決策的基礎(chǔ)。

2)航行風(fēng)險管理決策模塊提出航行指揮決策推理過程、可視化方法展示推理過程，為水上交通安全監(jiān)管和交通規(guī)劃提供決策參考。該模塊的核心是由感知、融合、決策和控制組成的認(rèn)知環(huán)，并通過組件之間的協(xié)作形成閉環(huán)反饋控制結(jié)構(gòu)。

3)航行風(fēng)險認(rèn)知可視分析模塊通過有效的可視化圖形與人機交互實現(xiàn)繁忙水域船舶航行態(tài)勢實現(xiàn)風(fēng)險評價、航行指揮決策可視化呈現(xiàn)。通過風(fēng)險態(tài)勢演變的可視化，提升決策者對監(jiān)管水域總體通航態(tài)勢的科學(xué)認(rèn)知水平；基于視覺認(rèn)知機理優(yōu)化船舶航行決策可視化方案，加深監(jiān)管者對決策依據(jù)的判斷和對決策后果的理解。

3 關(guān)鍵技術(shù)分析

船舶航行風(fēng)險態(tài)勢感知系統(tǒng)是一個復(fù)雜的人機交互系統(tǒng)，它包含船舶航行風(fēng)險態(tài)勢評價方法與預(yù)測模型、船舶航行決策多維參數(shù)可視分析技術(shù)及船舶航行風(fēng)險態(tài)勢感知認(rèn)知試驗驗證與效用評測等關(guān)鍵技術(shù)。

3.1 VTS監(jiān)管水域船舶航行風(fēng)險態(tài)勢評價方法與預(yù)測模型

3.1.1VTS監(jiān)管水域航行風(fēng)險態(tài)勢智能評價算法

擬采用非對稱的船舶領(lǐng)域模型，并通過子空間聚類算法分析VTS監(jiān)管繁忙水域的船舶航行軌跡，通過統(tǒng)計分析標(biāo)定船舶領(lǐng)域模型參數(shù)。

研究擬采用船舶領(lǐng)域侵入程度及侵入時間作為船舶碰撞風(fēng)險評估參數(shù)；結(jié)合船舶基礎(chǔ)信息數(shù)據(jù)庫，采用模糊評價方法與PAWSA模型[21]實現(xiàn)繁忙水域船舶航行風(fēng)險識別與網(wǎng)格化計算。

3.1.2VTS監(jiān)管水域船舶交通態(tài)勢演化模型

VTS監(jiān)管水域船舶航行態(tài)勢演化本質(zhì)上對繁忙水域船舶的密度分布、速度分布和船舶間距分布等船舶航行時空特征進(jìn)行建模與跟蹤。擬采用高斯混合模型(Gaussian Mixture Model，GMM)建立船舶航行時空軌跡特征模型，并利用增量學(xué)習(xí)的機制實時計算GMM參數(shù)，實現(xiàn)船舶航行時空軌跡特征的動態(tài)跟蹤。

針對傳統(tǒng)高斯混合模型中采用的EM(Expectation-Maximum)算法存在耗時過長的問題，擬采用一種增量式的估計算法[22-23]。該算法對每個VTS網(wǎng)格分區(qū)數(shù)據(jù)塊在初始時間步進(jìn)行GMM建模，使用增量學(xué)習(xí)的機制更新數(shù)據(jù)塊GMM在每個時間步的參數(shù)。計算每個數(shù)據(jù)塊在每個時間步的數(shù)據(jù)塊潛在特征運動的概率和指定特征存在的兩種概率,再將這兩種概率進(jìn)行線性結(jié)合，建立新的特征分類場，使用給定閾值過濾分類場，結(jié)合區(qū)域增長算法提取所有的連通特征區(qū)域；計算目標(biāo)特征和所有檢測到的區(qū)域距離，得到最為匹配的區(qū)域并將其作為新的目標(biāo)特征，并在下一個時間步的循環(huán)中使用。最終，追蹤目標(biāo)特征隨時間的變化。

3.1.3VTS監(jiān)管水域船舶航行風(fēng)險預(yù)測模型

船舶航行風(fēng)險態(tài)勢預(yù)測模型架構(gòu)見圖2，其模型是3層結(jié)構(gòu)信息流且具有跨層處理的架構(gòu)。以船舶航行態(tài)勢分析及航行風(fēng)險要素網(wǎng)格化計算為基礎(chǔ)，利用時序?qū)蛹売洃?Hierarchical Temporal Memory，HTM)智能算法[24]實現(xiàn)船舶航行態(tài)勢多粒度、多維特征信息流融合在線處理，并預(yù)測繁忙水域的船舶航行風(fēng)險。

3.2 VTS監(jiān)管水域船舶航行決策多維參數(shù)可視分析技術(shù)

3.2.1VTS監(jiān)管水域船舶航行態(tài)勢可視化方法

船舶信息的可視化有助于增強用戶對當(dāng)前環(huán)境的認(rèn)知與理解，支持用戶對決策的制定。因此，依據(jù)態(tài)勢感知中的感知層、理解層和預(yù)測層等3層模型分別建立不同的信息可視化模型，實現(xiàn)對船舶航行態(tài)勢的多層次、系統(tǒng)的信息可視化。

(1)感知層可視化中主要實現(xiàn)環(huán)境中的各種要素特征的可視化，例如：水文、航道、氣象等環(huán)境狀態(tài)與船舶的靜態(tài)、動態(tài)整體特征。

(2)理解層可視化主要負(fù)責(zé)對繁忙水域中各要素之間的關(guān)聯(lián)及當(dāng)前水域的航行態(tài)勢特征信息進(jìn)行可視化。

(3)預(yù)測層可視化側(cè)重于水域中航行態(tài)勢預(yù)測趨勢的可視化展示。

用戶可根據(jù)其專業(yè)知識對預(yù)測算法、預(yù)測時間、預(yù)測范圍等算法參數(shù)進(jìn)行調(diào)整。系統(tǒng)依據(jù)預(yù)測算法重新計算不同區(qū)域時變的船舶靜態(tài)、動態(tài)信息及環(huán)境要素，將其輸入感知層與理解層的可視化模型并動態(tài)展示航行態(tài)勢,提升監(jiān)管者對未來一段時間內(nèi)通航態(tài)勢的理解與預(yù)測能力。

3.2.2VTS監(jiān)管水域船舶航行風(fēng)險可視化方法

由于船舶航行風(fēng)險是一種具有不確定性的數(shù)據(jù)類型。因此，借鑒集合數(shù)據(jù)的不確定性可視化方法，對船舶航行風(fēng)險進(jìn)行展現(xiàn)。

(1)利用核密度估計方法(Kernel Density Estimation，KDE)重構(gòu)風(fēng)險數(shù)據(jù)集合對象的高維分布;

(2)結(jié)合集合均值與集合分布差異描述不同集合數(shù)據(jù)對象之間的不相似性關(guān)系;

(3)利用基于拉普拉斯的降維投影方法將多維度不確定性感知的繁忙水域的船舶航行風(fēng)險信息投影至二維的可視化視圖中，深入研究船舶航行風(fēng)險的分布模式等[25]。

基于上述所提出的VTS船舶航行風(fēng)險網(wǎng)格計算結(jié)果，采用數(shù)據(jù)語境圖展現(xiàn)不同網(wǎng)格中的船舶航行風(fēng)險值[26]。同時，采用布局空間填充和量化的方式，進(jìn)一步體現(xiàn)特定數(shù)值信息在圖中分布的區(qū)域。

3.2.3VTS監(jiān)管水域船舶航行決策過程可視化方法

通過VTS船舶航行指揮決策推理過程的可視化，提供一種更直觀的數(shù)據(jù)理解渠道，以做出科學(xué)合理的決策。在船舶航行指揮決策推理可視化中需要解決的主要問題有:

(1)決策者對船舶航行態(tài)勢進(jìn)行判斷時，能獲取得出該結(jié)論的主要理由；

(2)當(dāng)決策者對感興趣的理由交互時，能向其展示產(chǎn)生該理由的證據(jù);

(3)在展示證據(jù)的時候，能讓決策者快速明白推理的可信度并隱藏?zé)o關(guān)證據(jù),為了使決策者理解整個推理過程，擬采用對于常規(guī)自動推理模型的推理過程的有向無環(huán)圖(Directed Acyclic Graph，DAG)可視化模型來展示(見圖3)。

可視化界面主要由兩部分組成：

(1)推理過程圖展示部分，即整體采用DAG圖;

(2)Sugiyama Layout的方法展示推理過程[27]見圖4。

DAG和Sugiyama的方法展示示意見圖4中左上角梯形柱圖表示推理的可信度，向上黑色條數(shù)越多則表示存在這種行為的可信度越高，向下黑色條數(shù)則表示不存在該行為的可信度。中間利用思維導(dǎo)圖的形式展示由推理得到最終假設(shè)的過程，箭頭則表示推理的先后順序。右側(cè)證據(jù)矩陣模型展示船舶在不同數(shù)據(jù)庫中登記的船舶屬性信息，以展示不同證據(jù)之間的沖突和相似性，便于決策者發(fā)現(xiàn)船舶是否存在人為篡改信息等不一致的行為。矩陣塊的著色深淺則表示船舶屬性在多個數(shù)據(jù)庫中的不一致，用戶鼠標(biāo)懸停時可查看具體信息。其中，對于數(shù)據(jù)源的可信度展示，擬采用時間軸技術(shù)展示方法，即提供一個時間軸，用戶可在時間軸上查看數(shù)據(jù)源記錄的時間并做出決策。時間軸技術(shù)側(cè)重于分析時變特性，可使用點邊圖表示，也可使用矩陣表示。使用點邊圖時，通常會將每個時間步的圖重疊或并列放置。

3.3 VTS監(jiān)管水域船舶航行風(fēng)險態(tài)勢感知認(rèn)知試驗驗證與效用評測

3.3.1多用戶協(xié)作的繁忙水域船舶航行風(fēng)險認(rèn)知可視分析試驗平臺

為驗證研究提出方法的有效性，結(jié)合電子海圖開發(fā)繁忙水域船舶航行風(fēng)險認(rèn)知可視分析試驗平臺軟件系統(tǒng)。試驗系統(tǒng)中除視覺呈現(xiàn)外，人機交互技術(shù)是整個系統(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法從有限的可視化空間得到所有的啟示,因此，需要使用人機交互技術(shù)，允許用戶人員操作可視化視圖對風(fēng)險信息進(jìn)行深層次的探索。

3.3.2航行決策管理多維參數(shù)可視化方法效用評測

態(tài)勢感知全局評估技術(shù)(Situation Awareness Global Assessment Technique, SAGAT)是一種較成熟的用于態(tài)勢感知的可視分析系統(tǒng)的效用評測方法。其評價過程為:

(1)利用以VTS監(jiān)管目標(biāo)為導(dǎo)向的任務(wù)分析方法，明確完成任務(wù)所需的信息，并依照態(tài)勢感知的3個層次對水域通航態(tài)勢信息進(jìn)行分類;

(2)根據(jù)上述信息設(shè)計問卷，問卷全面覆蓋監(jiān)管水域通航態(tài)勢感知所需信息;

(3)在用戶使用態(tài)勢感知可視分析系統(tǒng)時，隨機中斷決策者的操作過程，并且隱藏系統(tǒng)某類可視化視圖，顯示問卷并由用戶回答;

(4)循環(huán)執(zhí)行“操作-中斷-回答”的過程，直至所有問題回答完畢。

根據(jù)用戶的問卷調(diào)查情況，對通航態(tài)勢可視分析系統(tǒng)的功能進(jìn)行評價。僅靠SAGAT技術(shù)不易判斷出決策者對態(tài)勢的理解與預(yù)測情況，因此，該研究擬采用態(tài)勢感知全局評估技術(shù)[28]并結(jié)合眼動儀等儀器實現(xiàn)可視化方法的效用評測；同時，通過層次分析法、模糊評價法、調(diào)查問卷以及試驗數(shù)據(jù)分析，實現(xiàn)航行決策管理多維參數(shù)可視化方法效用評測。根據(jù)試驗測試結(jié)果，對航行決策過程可視化模型與方法進(jìn)行修正，尋求最佳的航行風(fēng)險認(rèn)知方法與可視化技術(shù)。

4 結(jié)束語

針對目前VTS管理決策中缺乏監(jiān)管水域船舶交通態(tài)勢與航行風(fēng)險評估功能的問題，以態(tài)勢感知理論為基礎(chǔ)，以可視分析方法為手段，提出VTS監(jiān)管水域風(fēng)險認(rèn)知的航行態(tài)勢感知系統(tǒng)。設(shè)計VTS監(jiān)管水域船舶航行風(fēng)險態(tài)勢感知認(rèn)知框架，并闡述其中的關(guān)鍵技術(shù)；研究基于時空數(shù)據(jù)挖掘的船舶航行風(fēng)險態(tài)勢評價方法，通過揭示船舶航行風(fēng)險態(tài)勢演化機理，建立船舶航行風(fēng)險不確定性預(yù)測模型；通過構(gòu)建VTS管理人員決策多維參數(shù)可視化算法和系統(tǒng)評估方法，開展可視分析系統(tǒng)驗證與改進(jìn)。

本文研究有助于提高VTS監(jiān)管水域船舶航行安全，推動智慧航運的發(fā)展。在后續(xù)研究中，將依照上述框架與方法，結(jié)合船舶航行特征，研發(fā)實現(xiàn)通航態(tài)勢可視化系統(tǒng)，并在VTS監(jiān)管水域開展驗證與應(yīng)用。與現(xiàn)有的多數(shù)關(guān)注歷史數(shù)據(jù)分析與挖掘相關(guān)的研究不同，VTS是一種對監(jiān)管水域?qū)崟r監(jiān)控的動態(tài)系統(tǒng)；如何結(jié)合大數(shù)據(jù)存儲及智能分析技術(shù)實現(xiàn)海量數(shù)據(jù)流信息快速有效地處理,是一項巨大的挑戰(zhàn)，也是研究的主要出發(fā)點。