洛佳男， 張寶晨， 耿雄飛， 李亞斌, 馬恒哲

(1.交通運輸部水運科學(xué)研究所， 北京 100088; 2.佛羅里達大學(xué)， 蓋恩斯維爾 32601)

航行安全是推動船舶智能航行技術(shù)發(fā)展的重要前提。相比常規(guī)航行，船舶智能航行綜合應(yīng)用了人工智能、視覺與感知計算、邊緣計算、大數(shù)據(jù)、遙控與運動控制、融合通信、定位與導(dǎo)航系統(tǒng)、時空地理信息等多種先進技術(shù)，理論上可有效減少由人的因素導(dǎo)致的水上交通事故。但從技術(shù)背景和航運發(fā)展歷程來看，船舶智能航行技術(shù)尚處于初級階段，仍需要通過大量的試驗對所應(yīng)用的理論和技術(shù)進行迭代優(yōu)化，且確立適用“有人船”和“無人船”共存[1]的法律法規(guī)、國際航行準(zhǔn)則與標(biāo)準(zhǔn)也需要經(jīng)歷漫長的過渡期。

科學(xué)認知船舶智能航行的安全風(fēng)險，制定詳細的風(fēng)險管控策略，是當(dāng)前政府、學(xué)界和產(chǎn)業(yè)界需要明確的基本問題，關(guān)乎智能船舶的商用化進程。國際海事組織(International Maritime Organization,IMO)在2017年第98次海安會上設(shè)立了海上水面自主船舶(Maritime Autonomous Surface Ships,MASS)議題，相繼開展了MASS的概念、分級以及立法范圍界定等問題研究，并在2019發(fā)布了首個IMO關(guān)于MASS的正式文件——《MASS臨時測試導(dǎo)則》[2-3]。IMO相關(guān)工作為世界范圍內(nèi)的自主船舶技術(shù)研發(fā)、分級、測試和風(fēng)險防范提供了方向。基于此，文獻[4]～[10]從政府治理角度，重點分析了無人自主船舶對于船舶產(chǎn)業(yè)、海上環(huán)境、海事監(jiān)管等方面帶來的挑戰(zhàn)和風(fēng)險，并提出了治理層面的風(fēng)險評估方法和防控策略。學(xué)界主要關(guān)注自主船舶的碰撞風(fēng)險和網(wǎng)絡(luò)安全風(fēng)險兩個方向，通過專家法[11-12]、深度強化機器學(xué)習(xí)[13]、模型預(yù)測控制算法[14]、進化策略優(yōu)化算法[15]、場論[16]、因果關(guān)系[17-18]、人因可靠性分析[19]、系統(tǒng)論[20-21]等方法開展風(fēng)險辨識與評估方法研究，并開發(fā)了自主航行避碰系統(tǒng)[13,15]、航線規(guī)劃系統(tǒng)[22]、網(wǎng)絡(luò)風(fēng)險對抗系統(tǒng)[22]等。同時，也在探索過程中提出了基于《國際海上避碰規(guī)則公約》(Convention on the International Regulations for Preventing Callsions at sea, COLREG)可能會導(dǎo)致自主船舶避碰失敗[23-24]、自主船舶的最低安全性要求——“至少不低于人類駕駛[25]”、人工智能倫理[26]——“危急情況下的避碰抉擇”等問題。

綜上所述，當(dāng)前關(guān)于船舶智能航行的安全風(fēng)險研究主要以自主船舶為研究對象，未能從船岸協(xié)同角度建立支撐船舶智能航行系統(tǒng)構(gòu)建的風(fēng)險辨識框架，也尚未開展從有人、少人到無人、從人工駕駛、輔助駕駛、遙控駕駛到自主駕駛、從開闊水域到復(fù)雜水域的風(fēng)險演化規(guī)律方面的研究。

對此，本文從船岸協(xié)同的角度，結(jié)合“智飛號”船舶智能航行測試的情況，系統(tǒng)研究船舶智能航行風(fēng)險的一般演化規(guī)律及其特征，建立基于多要素、空間、場景、模式相互關(guān)系的風(fēng)險演化概念模型及其數(shù)學(xué)表達模型，為船舶智能航行風(fēng)險認知和管控、政府治理以及基于船岸協(xié)同的船舶智能航行與控制系統(tǒng)的構(gòu)建提供參考。

1 風(fēng)險演化概念模型

構(gòu)建船舶智能航行風(fēng)險演化概念模型可以直觀地構(gòu)筑起對整個系統(tǒng)的風(fēng)險認知框架，分析風(fēng)險本質(zhì)，厘清邊界，辨識核心要素，并建立他們之間的聯(lián)系，從而揭示風(fēng)險演化的一般規(guī)律和特征。本文根據(jù)船岸協(xié)同關(guān)系相關(guān)研究結(jié)論[27]，從風(fēng)險認知角度構(gòu)建了由五要素、四模式、三空間、三場景、三過程構(gòu)成的船舶智能航行風(fēng)險演化概念模型，并將機器取代人的能力作為研究風(fēng)險演化的基礎(chǔ)，如圖1所示。

1.1 “人、機、管、環(huán)、信”五因素

人為因素、船機因素、管理因素、環(huán)境因素(以下簡稱“人、機、管、環(huán)”)是辨識安全風(fēng)險源的四類基本因素，主要通過細化四因素的二級風(fēng)險指標(biāo)，按照一定原則賦予權(quán)重，并通過數(shù)學(xué)公式計算得出風(fēng)險概率，從而為風(fēng)險管控提供量化依據(jù)。

本研究根據(jù)監(jiān)管部門、船企、科研部門的32名代表的綜合意見，結(jié)合船舶智能航行三種駕駛模式的特點，提出將“信息技術(shù)和船舶智能航行技術(shù)”列為第五類因素(以下簡稱“信技”)，形成“人、機、管、環(huán)、信”五因素。通過進一步細化每一類因素的屬性和指標(biāo)，并約定使用“因素”表征風(fēng)險識別、評估和管控的風(fēng)險源，使用“要素”表示構(gòu)成船舶智能航行系統(tǒng)的主要組件，如表1所示。

表1 “人、機、管、環(huán)、信”五要素釋義表

1.2 “人工、輔助、遙控、自主”四駕駛模式

人工駕駛模式是傳統(tǒng)駕駛模式。輔助駕駛、遙控駕駛和自主駕駛是船舶智能航行的三種駕駛模式。輔助駕駛是目前技術(shù)已可以實現(xiàn)的，部分操作實現(xiàn)自動化，是可以為船舶駕駛?cè)藛T提供決策支持的駕駛模式。遙控駕駛通過船岸雙方的指令交互，實現(xiàn)船舶遠程操作和控制。自主駕駛則是完全由機器系統(tǒng)做出自主決策的駕駛模式。三種模式可以在同一航次基于不同場景進行切換。

1.3 “物理、規(guī)則、賽博”三空間

物理空間、規(guī)則空間和賽博空間是對“人、機、管、環(huán)、信”五要素的進一步抽象。物理空間用于表征現(xiàn)實世界的具體事物。規(guī)則空間是人在物理空間的基礎(chǔ)上建立的行為約束。賽博空間則是船舶智能航行的新問題，對船岸協(xié)同理念、遙控駕駛、自主駕駛技術(shù)的實現(xiàn)具有重要影響。賽博空間的治理也將成為船舶智能航行的主要保障手段[28]。

1.4 “內(nèi)河、沿海、遠洋”三場景

內(nèi)河、沿海、遠洋是船舶航行的三大場景。三個場景對于五要素、四模式和三空間的要求均不相同，在航道條件、水上通航構(gòu)筑物、通信條件以及人員要求等具有顯著差異[29-30]，因此將三場景作為風(fēng)險演化分析的邊界條件。

1.5 “港外航行、進出港、靠離泊”三過程

復(fù)雜交通場景下的駕駛安全與效率是反映智能航行系統(tǒng)技術(shù)水平的重要指標(biāo)?！吨悄艽耙?guī)范(2020)》將智能航行分為基本功能和進階功能兩類，其中基本功能是指航路與航速設(shè)計和優(yōu)化，進階功能包括開闊水域自主航行和全航程自主航行[31]。全航程自主航行可進一步區(qū)分為狹窄水道、復(fù)雜環(huán)境和自動靠離泊三種場景，這是分別從自然條件、交通條件以及船舶技術(shù)三個方面提出要求。本文在此基礎(chǔ)上進一步將場景細化為船舶航行的離泊、出港、港外航行、進港、靠泊五個階段，用于突出外部條件的變化。

2 風(fēng)險演化數(shù)學(xué)表達模型

為準(zhǔn)確描述船舶智能航行風(fēng)險演化的規(guī)律和特征，需要將概念模型轉(zhuǎn)化為可進行判斷、計算和趨勢預(yù)測的數(shù)學(xué)表達模型。

2.1 定義

定義1：智能航行系統(tǒng)是由“人、機、管、環(huán)、信”五要素構(gòu)成的復(fù)雜系統(tǒng)，使用I表示，則有

I=Fp+Fs+Fe+Fm+Fi

(1)

式(1)中，F(xiàn)p為人為要素，F(xiàn)s為船機要素，F(xiàn)e為環(huán)境要素，F(xiàn)m為管理要素，F(xiàn)i為信技要素。

定義2：智能航行安全風(fēng)險指系統(tǒng)可能發(fā)生和引起不良后果的危險，使用RI表示，進一步地設(shè)w為權(quán)重參數(shù)，則有

RI=(F,w) {Fp,Fs,Fm,Fe,Fi}=F

(2)

定義3：事故用AC表示；造成事故的風(fēng)險因素(指標(biāo))定義為ri，則有

AC=f(ri)·T·Sri?RI

(3)

式(3)中，T與S分別指事故發(fā)生所在的時間域和空間域，ri為RI的子集。

定義4:假設(shè)智能航行在內(nèi)河、沿海、遠洋場景已明確其要素屬性、風(fēng)險指標(biāo)以及事故類型，則可設(shè)內(nèi)河水域為邊界條件BI、沿海水域為邊界條件BC、遠洋水域為邊界條件BO。

2.2 無人化趨向的風(fēng)險演化表達

用人工駕駛(MM)、輔助駕駛(MS)到遙控駕駛(MR)再到自主駕駛(MA)來表征從有人到少人再到無人的三種漸變模式，則有

(4)

式(4)中，δM表示不同模式下的風(fēng)險集合的變化狀態(tài)，這種變化可以進一步地使用三種模式下F要素的權(quán)重w變化分布及趨勢來表示，即Fdw，從而得出特定邊界條件下的風(fēng)險演化關(guān)系SH1。

在尚未具備大量智能航行事故案例的情況下，可以基于專家法進行匿名反饋，對五要素及其風(fēng)險指標(biāo)的權(quán)重進行打分。圖2和表2為根據(jù)前述專家樣本庫結(jié)論進行數(shù)據(jù)歸一化處理的權(quán)重分布情況，反映了樣本庫認知范圍內(nèi)的系統(tǒng)各要素的重要程度。

圖2 各要素在不同駕駛模式下的權(quán)重分布

表2 各要素在不同駕駛模式下的權(quán)重歸一化數(shù)值

2.2 風(fēng)險事故的連鎖效應(yīng)表達

由式(2)和(3)可知，事故是關(guān)于ri在T域和S域的函數(shù)，ri是RI的子集，得出風(fēng)險事故是在特定空間和時間下由特定事件觸發(fā)的風(fēng)險演化結(jié)果，具有隨機性和不確定性。

事故的可預(yù)測性可以直接用于后果損失評價，是機器在面向復(fù)雜事件時進行合理抉擇的一個關(guān)鍵問題。通過限定智能航行系統(tǒng)駕駛模式MA，則風(fēng)險事故的連鎖效應(yīng)(SH2)可以表示為

(5)

式(5)中，AC1為發(fā)生的事故，CSc為機器決策算法，AC2為可能導(dǎo)致的連鎖事故。

根據(jù)式(5)得出CSc是風(fēng)險事故連鎖效應(yīng)的觸發(fā)事件，同時后續(xù)風(fēng)險僅與Fs、Fi、Fe相關(guān)，用偽代碼表示如下

算法 機器決策 if AC1 happened: //事故發(fā)生 {PRI}={Fs, Fi, Fe}·T //后續(xù)風(fēng)險集發(fā)生概率 for p in PRI: sort(p) //概率與后果排序 action() //執(zhí)行

2.3 安全與效率的平衡演化表達

根據(jù)船舶泊位到泊位間的航行過程，進一步將三場景細化為離泊(P1)、出港(P2)、航行(P3)、進港(P4)、靠泊(P5)五個階段，使用SH3表示不同階段的風(fēng)險演化關(guān)系，則有：

(6)

式(6)中，δFe表示不同航行階段環(huán)境的變化量，dsafety和defficiency分別代表安全量和效率量，其比值代表安全與效率的導(dǎo)數(shù)。

船舶從開闊水域到復(fù)雜交通水域風(fēng)險發(fā)生概率呈顯著的線性關(guān)系[21]。在假設(shè)其他條件穩(wěn)定的條件下，智能航行系統(tǒng)風(fēng)險演化主要表現(xiàn)為環(huán)境變化下人和機器駕駛水平的適應(yīng)能力，即求解顧及效率最佳化的安全性極限。

3 風(fēng)險演化規(guī)律與特征分析

3.1 無人化趨向下的風(fēng)險演化

從人工駕駛、輔助駕駛、遙控駕駛再到自主駕駛，本質(zhì)上是技術(shù)水平的不斷提高來彌補人為因素主導(dǎo)性不斷減弱的過程，即機器取代人的能力。人為因素一直都是導(dǎo)致船舶事故的主因[32]。無人化趨向是否意味著船舶事故發(fā)生概率、損失程度的不斷減少,是智能航行領(lǐng)域中一個需要長期觀察和論證的科學(xué)假設(shè)。同時，受限于海、陸、空在物理、規(guī)則、賽博三個空間中的顯著差異，這一問題也幾乎難以從汽車自主駕駛系統(tǒng)和飛機自動駕駛系統(tǒng)的演進中得到答案。

對無人化趨向風(fēng)險演化的主要特征分析如下，具體表現(xiàn)為：

1) 人工駕駛、輔助駕駛模式下，人為因素仍是主要風(fēng)險源，輔助駕駛模式下信技因素首次納入風(fēng)險識別域，權(quán)重分布會略有調(diào)整。

2) 遙控駕駛模式下，人通過遙控駕駛系統(tǒng)對船體運動的精確控制以及通信保障是這一階段的主要風(fēng)險特征。為此，遙控駕駛必然經(jīng)歷從少人到無人在船的過渡期，有人在船的遙控駕駛將是常態(tài)。同時，人為因素進一步延伸到船岸兩類人員，且對于岸基人員的操船技能要求全面高于傳統(tǒng)船舶駕駛?cè)藛T。

3) 自主駕駛模式下，人為因素幾乎消失，駕駛層面轉(zhuǎn)而對智能航行系統(tǒng)技術(shù)等級和技術(shù)水平的全面依賴，船岸協(xié)同下的政府、港口以及船舶間的關(guān)系影響作用顯著增強，有人在船的自主駕駛亦可能成為常態(tài)。

3.2 風(fēng)險事故的連鎖效應(yīng)

船舶智能航行事故在時空域的發(fā)生和傳播具有海因里希因果連鎖效應(yīng)[33]，可以使用基于航道網(wǎng)絡(luò)模型方法，利用元胞自動機[34]準(zhǔn)確表述不同時刻下的交通狀態(tài)，其一般規(guī)律和特征具體表現(xiàn)為：

1) 航行安全事故是由細粒度的風(fēng)險指標(biāo)相互作用引起的系統(tǒng)性故障，從統(tǒng)計角度表現(xiàn)為單一風(fēng)險因素為主導(dǎo)、多風(fēng)險因素共同參與的因果關(guān)系。

2) 單一風(fēng)險可以進一步傳播，其作為因變量引起多重風(fēng)險的并發(fā)連鎖。

3) 機器學(xué)習(xí)下的自主駕駛倫理問題會引發(fā)風(fēng)險傳播的不確定性，即以何種尺度來衡量自身、他船或他物的重要性。

4) 航行安全事故不是單一事件。

3.3 安全與效率的平衡演化

單一場景的劃分可以作為風(fēng)險演化規(guī)律研究的一種限定條件，通過不同場景組合不斷迭代系統(tǒng)決策能力。“智飛”號在交叉會遇局面下，采取了最安全的避碰策略(見圖3)，即在交叉會遇船已過本輪正橫后，仍采取繞會遇船船尾的航線，在不考慮其他船舶條件下，碰撞風(fēng)險為0，但油耗呈正比上升。結(jié)合前述關(guān)于風(fēng)險演化表達模型的相關(guān)結(jié)論，得出復(fù)雜場景下的安全與效率演化特征：

1) 安全性的提升在一定程度上會削弱航行效率。

2) 安全與效率的最佳平衡點可以用于表征船舶智能航行系統(tǒng)技術(shù)水平的最高要求。

3) 同等條件下，安全性在離泊、出港、港外航行、進港和靠泊五個過程呈正態(tài)曲線分布，效率則呈反向正態(tài)曲線分布，即顯著的反比關(guān)系。

圖3 “智飛”號交叉會遇局面下的避碰決策示意圖

4 結(jié) 論

認知安全風(fēng)險是構(gòu)建基于船岸協(xié)同的船舶智能航行系統(tǒng)的前提條件。通過理論和實際測試分析，本文將信息技術(shù)因素列為“人、機、管、環(huán)”外的第五類因素，并得出如下結(jié)論：①在無人化趨向下，受信技因素作用影響，人為因素比重逐漸下降，但人對航行安全所發(fā)揮的作用并未下降，在遙控模式下甚至不低于人工駕駛和輔助駕駛；②信息技術(shù)因素是船舶智能航行系統(tǒng)中安全治理的重要方向，其不僅涉及通信與網(wǎng)絡(luò)本身，而且船舶感知認知水平相比岸與岸、岸與船、船與船之間的信息精確性、及時性與可靠性更為重要；③風(fēng)險傳播具有連鎖效應(yīng)，避免風(fēng)險傳播引發(fā)連鎖反應(yīng)導(dǎo)致事故損失需要從立法、技術(shù)、標(biāo)準(zhǔn)等多個層面共同約定；④安全與效率的平衡演化是表征船舶智能航行系統(tǒng)技術(shù)水平的標(biāo)志，也是下一階段的主要研究方向。