朱航標(biāo),吳 青,楊滿江,王良武,吳 兵

(1.武漢理工大學(xué) 物流工程學(xué)院,湖北 武漢 430063；2.武漢理工大學(xué) 國家水運(yùn)安全工程技術(shù)研究中心,湖北 武漢 430063；3.中國艦船研究設(shè)計(jì)中心,湖北 武漢 430064；4.武漢理工大學(xué) 智能交通系統(tǒng)研究中心,湖北 武漢 430063)

智能船舶因其在提升船舶安全性、實(shí)現(xiàn)節(jié)能減排和減少人力成本等方面的前景受到廣泛關(guān)注[1]。2018年，羅爾斯羅伊斯公司和芬蘭國有渡輪運(yùn)營商Finferries實(shí)現(xiàn)了世界上第一艘載有80名乘客的全自動(dòng)航行渡船；2019年，日本宣布完成了全球首次“有人自動(dòng)航行船舶”的自主航行系統(tǒng)海上試驗(yàn)(Iris Leader號)；武漢理工大學(xué)國家水運(yùn)安全工程技術(shù)研究中心繼2018年在南京板橋汽渡率先實(shí)現(xiàn)了船舶輔助駕駛后，于2019年在代爾夫特理工大學(xué)實(shí)現(xiàn)了8 500 km的遠(yuǎn)程船模駕控測試。

隨著智能船舶技術(shù)的不斷發(fā)展，智能船舶有望在中長期內(nèi)投入營運(yùn)[2]，然而智能船舶的航行安全問題是當(dāng)前的技術(shù)難點(diǎn)，也是國際上研究的熱點(diǎn)。RAMOS等[3]使用層次任務(wù)分析(hierarchical task analysis, HTA)和IDAC模型相結(jié)合的方法，分析自主船舶駕控中可能出現(xiàn)的人為失誤，從而完善自主航行系統(tǒng)的設(shè)計(jì)，以確保航行安全。UTNE等[4]提出了一種智能船舶在線風(fēng)險(xiǎn)建模的框架，利用系統(tǒng)理論過程分析(systems theoretic process analysis, STPA)方法識別并分析航行風(fēng)險(xiǎn)，以提高智能船舶的決策能力和智能化程度。HEIKKILA等[5]基于目標(biāo)結(jié)構(gòu)表示法(goal structuring notation, GSN)提出了一種安全鑒定方法，并將智能船舶整合到現(xiàn)有的海事監(jiān)管框架中，以降低智能船舶的航行風(fēng)險(xiǎn)。

以上研究表明，當(dāng)前智能船舶安全研究主要集中在船舶安全設(shè)計(jì)，缺少船舶交通流風(fēng)險(xiǎn)方面的研究。鑒于目前智能船舶仍未投入使用，難以開展實(shí)船實(shí)驗(yàn)，有必要開發(fā)交通流仿真軟件獲取仿真數(shù)據(jù)，并在此基礎(chǔ)上開展面向水域的航行風(fēng)險(xiǎn)研究[6]，為智能船舶航行安全的后續(xù)研究提供數(shù)據(jù)和理論支撐。

1 船舶航行風(fēng)險(xiǎn)評價(jià)軟件的相關(guān)研究

船舶航行風(fēng)險(xiǎn)評價(jià)軟件的研究主要集中在交通流仿真方法[7]，目前已有相關(guān)風(fēng)險(xiǎn)評價(jià)軟件，在界面和功能設(shè)計(jì)方面具有良好的借鑒意義。

1.1 現(xiàn)有船舶航行相關(guān)風(fēng)險(xiǎn)評價(jià)軟件

(1)芬蘭灣船舶航行風(fēng)險(xiǎn)評價(jià)軟件。GOERLANDT等[8]設(shè)計(jì)了船舶碰撞風(fēng)險(xiǎn)評價(jià)軟件，提出了船舶碰撞事故仿真模型，通過分析AIS數(shù)據(jù)，提取芬蘭海灣的交通流特征，利用蒙特卡羅方法實(shí)現(xiàn)交通流仿真，從而評估芬蘭灣船舶航行的安全狀況。

(2)新加坡海峽交通流仿真軟件。KANG等[9]開發(fā)了海上交通流仿真軟件，通過設(shè)置航線、船舶類型和船舶尺寸等參數(shù)，對交通流進(jìn)行仿真，并分析新加坡海峽在不同通航環(huán)境下的交通流特征。

(3)舊金山灣渡輪航行風(fēng)險(xiǎn)評價(jià)軟件。DORP等[10]創(chuàng)建了水上交通流仿真軟件，根據(jù)最接近點(diǎn)參數(shù)建立船舶碰撞概率模型，記錄并分析特定時(shí)刻仿真水域內(nèi)船舶的狀態(tài)數(shù)據(jù)，并將船舶碰撞次數(shù)實(shí)時(shí)顯示在電子海圖上，從而評價(jià)舊金山灣渡輪的運(yùn)行狀況。

1.2 現(xiàn)有軟件優(yōu)缺點(diǎn)分析

現(xiàn)有軟件主要依靠自主編程實(shí)現(xiàn)仿真，軟件優(yōu)點(diǎn)如表1所示，但同時(shí)也存在如下問題：①仿真對象固定。現(xiàn)有軟件仿真對象均為常規(guī)船舶，不具備智能船舶仿真能力，無法滿足對混有智能船舶水域航行風(fēng)險(xiǎn)進(jìn)行評價(jià)的需求。②研究場景單一?，F(xiàn)有軟件研究場景主要為海上開闊水域，缺乏對內(nèi)河水域場景的研究，且無法根據(jù)使用者自身需求設(shè)定場景，工程應(yīng)用的推廣難度大。③無法開展預(yù)設(shè)場景研究?，F(xiàn)有軟件多是重現(xiàn)歷史數(shù)據(jù)，不能仿真預(yù)設(shè)參數(shù)的交通流，無法開展對混有智能船舶水域交通流的仿真研究。

表1 各船舶航行風(fēng)險(xiǎn)軟件優(yōu)點(diǎn)

2 軟件設(shè)計(jì)總體設(shè)計(jì)及實(shí)現(xiàn)

為解決上述問題，軟件需包含仿真環(huán)境構(gòu)建、混合交通流仿真、風(fēng)險(xiǎn)評價(jià)輸出3個(gè)模塊，軟件總體設(shè)計(jì)框圖如圖1所示。

圖1 軟件總體設(shè)計(jì)框圖

2.1 仿真環(huán)境構(gòu)建模塊

采用Qt界面和YimaEnc電子海圖引擎技術(shù)，基于電子江圖數(shù)據(jù)，對水域進(jìn)行功能分區(qū)，構(gòu)建仿真水域環(huán)境，該模塊可根據(jù)用戶需求自定義?？紤]到內(nèi)河水域交通流密度大、礙航建筑物多等特點(diǎn)，軟件引入Zone區(qū)域概念。Zone區(qū)域分為3類：碼頭/港口、船舶聚集錨地、航線必經(jīng)地。每個(gè)Zone區(qū)域，根據(jù)船舶實(shí)際活動(dòng)范圍，確定為一個(gè)封閉的幾何圖形。軟件通過添加Zone區(qū)域，提升仿真水域復(fù)合度，提高仿真環(huán)境可信度。仿真環(huán)境構(gòu)建示例如圖2所示。

圖2 仿真環(huán)境構(gòu)建示例

2.2 混合交通流仿真模塊

混合交通流仿真模塊是軟件進(jìn)行航行風(fēng)險(xiǎn)評價(jià)的關(guān)鍵支撐。該模塊通過建立不同的船舶行為模型，仿真智能船舶和常規(guī)船舶；根據(jù)交通流數(shù)據(jù)，生成交通流事件，實(shí)現(xiàn)混有智能船舶水域的交通流仿真。

2.2.1 船舶仿真

根據(jù)《智能船舶規(guī)范》(2020)[11]中對智能船舶的定義，軟件仿真的智能船舶與常規(guī)船舶的差異體現(xiàn)為更短的安全距離、更快的反應(yīng)速度和更嚴(yán)格地遵守避碰規(guī)則。軟件通過縱向和橫向兩個(gè)維度的控制，實(shí)現(xiàn)船舶仿真。在船舶縱向控制方面，軟件建立自由航行模型。針對上述差異性，筆者建立不同的追越模型分別模擬兩類船舶的橫向運(yùn)動(dòng)。

(1)自由航行模型。自由航行是指船舶按照擬定的航向和航速航行，不受外部交通環(huán)境影響，即船舶的縱向運(yùn)動(dòng)。船舶處于自由航行模式時(shí)，船速在最大值左側(cè)小幅波動(dòng)：

SOGi,T=rand(0.8，1)×SOGi,max

(1)

式中：SOGi,T為船舶i在T時(shí)刻的對地速度；SOGi,max為船舶i的最大對地速度；rand(0.8，1)為0.8到1之間的隨機(jī)實(shí)數(shù)。

(2)追越模型。在仿真中，船舶不斷在自由航行和追越兩種行為模式中切換。當(dāng)滿足如下兩個(gè)條件時(shí)，船舶行為由自由航行切換到追越：

SOGh,i,T

(2)

di,T≤dsafe

(3)

式中：SOGh,i,T為T時(shí)刻船舶i的前船的對地速度；di,T為T時(shí)刻船舶i與前船的距離；dsafe為確保航行安全的船舶間距。式(2)為確定性條件，通過感知判斷即可實(shí)現(xiàn)。式(3)中dsafe為唯一變量，決定追越的危險(xiǎn)程度。

對于常規(guī)船舶，dsafe的取值如式(4)所示，可確保下一時(shí)刻兩船在任何速度條件下均不會(huì)發(fā)生碰撞，為最安全理論極限。

dsafe=SOGi,max

(4)

對于智能船舶，應(yīng)具有更短的安全距離和更快的反應(yīng)速度，以提高交通系統(tǒng)的運(yùn)行效率，故引入安全因子λ調(diào)節(jié)dsafe的取值：

dsafe=λ|SOGi,T-SOGh,i,T|+(1-λ)SOGi,max

(5)

其中，λ∈[0,1]，dsafe為追越的極限安全距離，是兩船速度差和安全因子λ均衡后的取值(假設(shè)仿真步長為1s)。λ值越大，船舶追越時(shí)與前船的間距要求越低，智能船舶安全等級越高。

2.2.2 交通事件生成

交通事件是指一艘船舶完成的一次航行，由船舶尺寸、航路點(diǎn)、船速、離港時(shí)間4個(gè)要素組成，是交通流仿真的基本單元[12]。根據(jù)輸入的交通流數(shù)據(jù)，生成若干交通事件。將輸入的參數(shù)經(jīng)過非平穩(wěn)泊松過程[13]處理，得到若干近似實(shí)際的交通事件，并存入數(shù)據(jù)庫。仿真開始時(shí)，到達(dá)離港時(shí)間的船舶自動(dòng)生成并按對應(yīng)行為模型運(yùn)行，隨后匯成交通流并動(dòng)態(tài)顯示在電子江圖上。

2.3 風(fēng)險(xiǎn)評價(jià)輸出模塊

風(fēng)險(xiǎn)評價(jià)輸出模塊主要是獲取仿真中船舶在航數(shù)據(jù)，利用區(qū)域船舶航行風(fēng)險(xiǎn)評價(jià)模型[14]提出的3個(gè)船舶碰撞風(fēng)險(xiǎn)指標(biāo)：速度離散指數(shù)、加減速程度、船舶領(lǐng)域重疊數(shù)，對各Zone區(qū)域進(jìn)行船舶碰撞風(fēng)險(xiǎn)的實(shí)時(shí)評價(jià)。

(1)速度分析。考慮到區(qū)域內(nèi)船舶對地速度的極值較低，選用速度離散指數(shù)作為風(fēng)險(xiǎn)指標(biāo)。首先，確定評價(jià)區(qū)域的范圍，即Zone區(qū)域邊界坐標(biāo)，軟件可從仿真環(huán)境構(gòu)建模塊獲?。黄浯?，明確特定時(shí)刻T通過該區(qū)域的所有船舶，利用式(6)計(jì)算船舶i在該區(qū)域的平均速度；最后，逐個(gè)計(jì)算該區(qū)域內(nèi)所有船舶的平均速度，并求出速度離散指數(shù)。速度離散指數(shù)越高，表明該區(qū)域內(nèi)船舶發(fā)生碰撞的可能性越大。

(6)

(2)加(減)速度分析。船舶加(減)速發(fā)生在追越、轉(zhuǎn)彎等情況下，即可能發(fā)生碰撞的場景。因此，選用船舶加(減)速的程度作為風(fēng)險(xiǎn)指標(biāo)。首先，確定評價(jià)區(qū)域的范圍及該區(qū)域內(nèi)的所有船舶；其次，利用式(7)逐個(gè)計(jì)算區(qū)域內(nèi)船舶的加(減)速度；最后，利用式(8)計(jì)算加(減)速度平方值的平均值。

(7)

(8)

(3)船舶領(lǐng)域分析。目前，學(xué)者主要使用船舶領(lǐng)域評價(jià)對地航向?qū)ε鲎诧L(fēng)險(xiǎn)的影響。因此，筆者選用模糊船舶領(lǐng)域[15]重疊數(shù)作為風(fēng)險(xiǎn)指標(biāo)。模糊船舶領(lǐng)域是指船舶周圍的一個(gè)區(qū)域，即船舶應(yīng)與其他船舶和物體保持的距離。區(qū)域的形狀、大小取決于航行安全等級γ和相對方位角Ki，根據(jù)模糊船舶領(lǐng)域定義(definition of ship fuzzy domain,DSF),相對方位角為Ki時(shí)的模糊船舶領(lǐng)域描述為[16]：

DSFKi={γ,dKi}={μDSFKi(dKi),dKi}

(9)

式中：DSFKi為相對方位角為Ki時(shí)的模糊船舶領(lǐng)域；dKi為距船舶水平面中心的距離;dKi∈[0,+∞)；μDSFKi為設(shè)置航行安全等級的成員函數(shù)，μDSFKi∈[0,1]；航行安全等級γ=μDSFKi(dKi)。

根據(jù)專家經(jīng)驗(yàn)將航行安全等級γ分為0.9、0.6兩個(gè)值，γ值越高表示航行安全等級越高，即船舶航行需要的安全距離越短?？紤]到智能船舶具有更短的安全距離，故仿真中智能船舶取γ=0.9；常規(guī)船舶取γ=0.6。

首先，確定評價(jià)區(qū)域的范圍及該區(qū)域內(nèi)所有船舶的位置和速度；其次，繪制所有船舶在時(shí)刻T不同γ值的船舶領(lǐng)域；最后，統(tǒng)計(jì)船舶領(lǐng)域重疊數(shù)并記錄位置。若船舶領(lǐng)域重疊數(shù)大于零，則存在碰撞的可能性，其值越高表示船舶發(fā)生碰撞的可能性越大。

(4)風(fēng)險(xiǎn)指標(biāo)分析。將航行風(fēng)險(xiǎn)等級分為低風(fēng)險(xiǎn)和高風(fēng)險(xiǎn)兩個(gè)等級。當(dāng)3個(gè)指標(biāo)中任意2個(gè)指標(biāo)超過設(shè)定閾值時(shí)，則判定區(qū)域內(nèi)船舶具有低航行風(fēng)險(xiǎn)；當(dāng)3個(gè)指標(biāo)均超過設(shè)定閾值時(shí)，則判定區(qū)域內(nèi)船舶具有高航行風(fēng)險(xiǎn)。風(fēng)險(xiǎn)指標(biāo)分析如表2所示。

表2 風(fēng)險(xiǎn)指標(biāo)分析

2.4 軟件應(yīng)用實(shí)例

(1)試驗(yàn)簡介。試驗(yàn)選取長江南京段為研究場景，研究河段坐標(biāo)為(118.44°E,32.06°N)(118.56°E,32.10°N)。在Qt5.12環(huán)境下利用C++語言實(shí)現(xiàn)上述算法，導(dǎo)入S57格式的電子江圖數(shù)據(jù)，并將水域進(jìn)行功能分區(qū)，構(gòu)建仿真環(huán)境；設(shè)置交通流數(shù)據(jù)，其中智能船舶在仿真船舶中的占比為30%，生成混合交通流；設(shè)置仿真開始時(shí)間為上午10:30，結(jié)束時(shí)間為下午2:30。選取下午2:00時(shí)刻船舶在航數(shù)據(jù)進(jìn)行區(qū)域航行風(fēng)險(xiǎn)評價(jià)分析，該時(shí)刻軟件運(yùn)行界面如圖3所示。

圖3 軟件運(yùn)行界面

根據(jù)前文提出的方法，分別計(jì)算各Zone區(qū)域的速度離散指數(shù)、加減速程度、船舶領(lǐng)域重疊數(shù)，如表3所示。對于碼頭區(qū)域，各項(xiàng)指標(biāo)均為0，因此未在表中列出。

表3 區(qū)域船舶碰撞風(fēng)險(xiǎn)指標(biāo)值

(2)試驗(yàn)結(jié)果分析。由長江海事局歷史數(shù)據(jù)得知，區(qū)域2因連接主航道和分支航路且航道相對狹窄，是航行事故多發(fā)地。由表3可知，區(qū)域2的速度離散指數(shù)和加減速程度分別為5.54和0.57。因此，選擇速度離散指數(shù)為5、加減速程度值為0.5、船舶領(lǐng)域重疊數(shù)大于0，作為本次長江南京段仿真的風(fēng)險(xiǎn)閾值。那么，區(qū)域1、區(qū)域2和區(qū)域8具有高船舶碰撞風(fēng)險(xiǎn)、區(qū)域7具有低船舶碰撞風(fēng)險(xiǎn)，區(qū)域內(nèi)應(yīng)采取降低船舶航速、限制交通流量等安全措施，其他區(qū)域較安全。試驗(yàn)結(jié)果分析如圖4所示。

圖4 風(fēng)險(xiǎn)評價(jià)結(jié)果

3 結(jié)論

筆者對航行風(fēng)險(xiǎn)評價(jià)軟件的構(gòu)建及其各功能模塊進(jìn)行了分析和論述。首先，通過建立仿真環(huán)境模型，將水域進(jìn)行功能分區(qū)；其次，建立不同的船舶行為模型，仿真混有智能船舶的交通流，研究不同船舶組成占比下仿真水域內(nèi)船舶航行情況；最后，以長江南京段為場景開展試驗(yàn)，設(shè)定智能船舶占比為30%，分析得到各區(qū)域船舶航行風(fēng)險(xiǎn)等級。該軟件是對未來內(nèi)河水域海事風(fēng)險(xiǎn)評價(jià)的積極探索，可為海事部門的安全監(jiān)管工作提供參考。