尉浩然，郭志新，李夢(mèng)霞

摘 要：難航航段存在船舶操縱難度大的問題，本文針對(duì)此問題采用船舶模擬器中的大數(shù)據(jù)實(shí)驗(yàn)，進(jìn)行難航航段操舵規(guī)律的提取，擬合出內(nèi)河特定水域船舶的操舵規(guī)律。根據(jù)船舶操縱性指數(shù)、船舶初始數(shù)據(jù)建立了船舶模型，并根據(jù)外界環(huán)境建立航行環(huán)境模型，采用蒙特卡洛仿真計(jì)算船舶擱淺概率。該模型可以為船舶通航航道的擱淺概率進(jìn)行預(yù)報(bào)，可為海事管理部門監(jiān)管轄區(qū)水域通航安全水平提供重要的參考依據(jù)。

關(guān)鍵詞：操舵規(guī)律;蒙特卡洛仿真;船舶行為;動(dòng)態(tài)風(fēng)險(xiǎn)

中圖分類號(hào)：U675.6 ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A ? ? ? ? ? ?文章編號(hào)：1006—7973（2019）12-0074-02

船舶擱淺主要是受到航行水域水深的影響，在正常航道航行時(shí)，船舶不會(huì)出現(xiàn)擱淺情況，船舶駛離航道時(shí)，有可能出現(xiàn)船舶擱淺的概率。目前結(jié)合外界干擾因素，對(duì)船舶進(jìn)行模擬試驗(yàn)已經(jīng)是較為先進(jìn)的研究方法了。李典慶等[1] 采用混合事件樹方法進(jìn)行船舶駕駛失效所引起的擱淺的模糊概率，解決了傳統(tǒng)事件樹不能處理的人為因素對(duì)擱淺概率的影響;陳婷婷等[2] 建立了船舶航行計(jì)劃失效造成船舶擱淺的事件樹，構(gòu)造了船舶擱淺概率的灰色模糊隸屬度函數(shù)，根據(jù)各基本事件的失效概率來分析航行計(jì)劃失效造成船舶擱淺事故的灰色模糊概率分布情況;胡中凱等[3] 運(yùn)用貝葉斯網(wǎng)絡(luò)對(duì)事件之間的多態(tài)性和邏輯性進(jìn)行了研究。 Mascaro[4]等人對(duì)比相關(guān)文獻(xiàn)，提出一種基于貝葉斯網(wǎng)絡(luò)的船舶航跡異常檢測(cè)模型;Osekowka等[5]基于船舶AIS軌跡數(shù)據(jù)及水上交通信息，運(yùn)用勢(shì)場方法建立了水上交通異常檢測(cè)模型;Lei[6]通過挖掘船舶歷史航跡數(shù)據(jù)分析水域船舶運(yùn)動(dòng)模式，提出了基于實(shí)時(shí)軌跡數(shù)據(jù)的船舶異?；顒?dòng)檢測(cè)算法。

綜上所述，無論是模糊事件樹、事件樹、貝葉斯網(wǎng)絡(luò)等研究方法都或多或少的存在主觀因素，并且對(duì)船舶擱淺的研究局限于一個(gè)宏觀層面。本文將基于操舵規(guī)律這一微觀層面，采集操舵數(shù)據(jù)，建立船舶與環(huán)境模型，預(yù)測(cè)船舶行為，對(duì)船舶擱淺進(jìn)行探究。采用蒙特卡洛仿真模型能夠較好的避開主觀因素的干擾，仿真結(jié)果能夠較好的預(yù)測(cè)該航段船舶的擱淺概率。

1長江上的狹長水域

1.1航段介紹

一般來說，處于三角彎曲的航段，其自然環(huán)境相對(duì)惡劣，事故發(fā)生的概率極高。尹公洲航段正處于這一彎曲位置，通航環(huán)境十分復(fù)雜，是事故多發(fā)地段。因此，本文將尹公洲這一難航航段作為研究水域，研究水域如圖1所示。

1.2舵角數(shù)據(jù)處理

本文是依據(jù)操舵規(guī)律對(duì)船舶的行為預(yù)測(cè)，因此舵角數(shù)據(jù)需要作為輸入?yún)?shù)。本文通過船舶模擬器中大數(shù)據(jù)的模擬實(shí)驗(yàn)，同一駕駛員在同一航段的模擬操舵，得到了2000次的舵角數(shù)據(jù)，進(jìn)行統(tǒng)計(jì)分析.仿真原型采用長江實(shí)測(cè)船型意大利籍散貨船“尤麗愛娃”，船舶長221m，寬32米，與實(shí)測(cè)K為0.079 s-1、T為128 T/s。采用MATLAB自帶的分布擬合，由擬合結(jié)果可知，該統(tǒng)計(jì)數(shù)據(jù)能夠較好的服從正態(tài)分布，舵角分布近似為正態(tài)分布 。

2蒙特卡洛方法估算船舶擱淺率

本文以船舶操縱野本模型如式（1）所示為基礎(chǔ)，結(jié)合蒙特卡洛仿真思想輸入舵角控制量，預(yù)測(cè)下一時(shí)刻船舶船位在內(nèi)河航道的分布，進(jìn)而量化船舶偏離航道的擱淺概率。蒙特卡洛過程首先建立一個(gè)與仿真的現(xiàn)實(shí)系統(tǒng)存成一系列關(guān)系的數(shù)學(xué)模型，并定義該模型的輸入量和輸出量。

（1）

式（1）中：K、T為操縱性指數(shù); 為船舶轉(zhuǎn)首角加速度; 為船舶轉(zhuǎn)首角速度 ?為舵角。

本文假設(shè)船舶在轉(zhuǎn)向過程中（t≦100s）不改變主機(jī)轉(zhuǎn)速，考慮到船舶在轉(zhuǎn)向運(yùn)動(dòng)過程中的速降，即轉(zhuǎn)向過程中的航速小于初始航速，在多數(shù)情況下，用平均航速來代替，其范圍為初始航速的85%-95%，本文取船舶在轉(zhuǎn)向過程中（t≦100s）的航速。船舶操舵后的縱距X和橫距Y可用式（2）求解，如式（2）所示，根據(jù)不同的舵角值輸入，將會(huì)得到不同的船位。在這個(gè)仿真系統(tǒng)中根據(jù)舵角的分布規(guī)律，隨機(jī)產(chǎn)生上萬次隨機(jī)舵角，依據(jù)隨機(jī)舵角獲得船位隨機(jī)運(yùn)行位置，最終根據(jù)頻率計(jì)算概率。

3 操舵規(guī)律對(duì)船舶位置分布影響仿真模型

仿真框架分為船舶的初始化設(shè)置模塊、船舶行為狀態(tài)判斷模塊、輸出與存儲(chǔ)模塊。

船舶的初始化設(shè)置模塊用于輸入船舶的一些基本參數(shù)來構(gòu)建船舶模型的重要數(shù)據(jù)。輸入實(shí)驗(yàn)航段的舵角分布規(guī)律作為“隨機(jī)數(shù)”;船舶行為狀態(tài)判斷模塊，主要是進(jìn)行船舶行為的判斷。采用MATLAB軟件隨機(jī)產(chǎn)生符合該航段操舵規(guī)律的舵角數(shù)據(jù)，將舵角數(shù)據(jù)輸入船舶模型，在模型上顯示船舶下一時(shí)刻船舶位置的顯示。結(jié)合航道信息，計(jì)算下一時(shí)刻船舶分布于航道外的概率;輸出與存儲(chǔ)模塊，將有效信息如船舶下一時(shí)刻的船舶位置預(yù)測(cè)分布與船舶的擱淺概率輸出并進(jìn)行儲(chǔ)存，并將船舶的初始化設(shè)置模塊的數(shù)據(jù)一并儲(chǔ)存，形成一個(gè)完整的數(shù)據(jù)系統(tǒng)。

4仿真實(shí)驗(yàn)與分析

4.1試驗(yàn)參數(shù)設(shè)置

試驗(yàn)?zāi)M是一小段時(shí)間間隔內(nèi)（模擬時(shí)間間隔設(shè)為100s），根據(jù)船舶AIS數(shù)據(jù)情況下對(duì)船舶下一時(shí)刻船舶行為的預(yù)測(cè)模擬實(shí)驗(yàn)。實(shí)驗(yàn)中初始的航段操舵規(guī)律是通過船員使用模擬器進(jìn)行大數(shù)據(jù)實(shí)驗(yàn)獲得，不同船員的操舵規(guī)律是不一致的，會(huì)有一定的偏差。

本文忽略操舵延時(shí)及舵角變化率（即自正舵至舵角操舵時(shí)間為零），且假設(shè)t1 = 0時(shí)，轉(zhuǎn)首角速度 = 0，即船舶初始為直航狀態(tài)，基于式（1）求解船舶轉(zhuǎn)首對(duì)操舵的響應(yīng)，見式（3）

4.2實(shí)驗(yàn)結(jié)果輸出及分析

將模擬器中獲取的航經(jīng)該航段的航速求取平均值得：，以5kn為初始航速。本文仿真實(shí)驗(yàn)的次數(shù)n=次，并以所得舵角分布為輸入預(yù)測(cè)了100s后船舶偏離航道中線的頻率分布圖，如圖2所示：

以舵角分布為和初始航速為5kn為輸入時(shí)，橫向偏移量在（-20m，20m）的范圍的概率最大為0.476;在（-100m，100m）范圍的總體概率為0.999。該航段航道單向?qū)挾燃s200m，基于本文舵角和航速輸入條件下，根據(jù)圖4可知，偏離中心航道是在100m之外的為擱淺船舶，由此可知，船舶在此條件下擱淺概論低于0.001。

5 結(jié)論與展望

船舶行為與航行安全密切相關(guān)，結(jié)合內(nèi)河水域船舶操舵存在一定的分布規(guī)律，以船舶操縱野本模型為基礎(chǔ)，結(jié)合蒙特卡洛仿真思想輸入舵角控制量，預(yù)測(cè)下一時(shí)刻船舶船位在內(nèi)河航道的分布，進(jìn)而量化船舶偏離航道的擱淺概率。船舶行為預(yù)測(cè)模型已經(jīng)能夠模擬出船舶操舵后較短時(shí)間內(nèi)（t<100s）的船舶運(yùn)動(dòng)軌跡，使用船舶操縱模擬器統(tǒng)計(jì)分析某航段的操舵規(guī)律，進(jìn)而預(yù)測(cè)該航段的船舶行為集，該方法為無準(zhǔn)確舵角輸入的船舶行為預(yù)測(cè)提供了新思路。本文主要是研究船舶操縱這一微觀層面下，某一航段船舶操舵這一數(shù)據(jù)分布規(guī)律，輸入船舶運(yùn)動(dòng)模型中，來得出船舶的擱淺率。通過改變不同的舵角分布規(guī)律，計(jì)算出不同的船舶擱淺概論，在擱淺概率處于極低時(shí)，記錄此時(shí)的舵角分布規(guī)律，此舵角分布規(guī)律可用于該航段船舶的操縱時(shí)，操舵的安全范圍。通過仿真模擬可以知道船舶安全通過某一航段的操舵安全范圍，為船舶安全航行提供參考。

參考文獻(xiàn)：

[1] 李典慶，唐文勇，張圣坤. 船舶駕駛失效擱淺概率的混合事件樹分析[J]. 上海交通大學(xué)學(xué)報(bào)，2003，08：1146-1150.

[2]陳婷婷，施朝健，雷琴. 基于灰色模糊集理論的船舶擱淺概率分析[J]. 安全與環(huán)境學(xué)報(bào)，2015，04：21-24.

[3] 胡中凱，尹群，劉海燕. 基于貝葉斯網(wǎng)絡(luò)方法對(duì)船舶擱淺概率的研究[J]. 艦船科學(xué)技術(shù)，2010，02：23-26+31

[4] Mascaro S，Nicholson A，Korb K. Anomaly detection in vessel tracks using Bayesian networks [J]. International Journal of Approximate Reasoning，2014（55）： 84-98.

[5] Osekowska E，Johnson H，Carlsson B. Grid size optimization for potential field based maritime anomaly detection [J]. Transportation ?Research ?Procedia，2014（3）：720-729.

[6] Lei P. Exploring trajectory behavior model for anomaly detection in maritime moving objects，IEEE2013[C]. Seattle.

基金項(xiàng)目：國家級(jí)大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目（201810497237）