浙江近海船舶碰撞風險分析方法

王書獻,戴 乾,張勝茂*,范秀梅,胡慧娟,楊勝龍

(1. 農(nóng)業(yè)農(nóng)村部漁業(yè)遙感重點試驗室,中國水產(chǎn)科學研究院東海水產(chǎn)研究所,上海 200090; 2. 大連海洋大學航海與船舶工程學院,遼寧大連 116023; 3. 浙江省海洋水產(chǎn)研究所,浙江省海洋漁業(yè)資源可持續(xù)利用技術研究重點實驗室,浙江舟山 316021; 4. 上海海洋大學海洋科學學院,上海 201306)

在國際物流運輸方式中,水上交通因其低成本、高運量的特征被廣泛使用[1]。隨著水上交通的發(fā)展,各類水上交通事故的數(shù)量也不斷增加,包括碰撞、擱淺等。船舶碰撞是引發(fā)海上安全事故的最主要原因之一[2],研究船舶碰撞風險區(qū)域對海上交通安全具有較大的理論和實際意義。精準的船舶碰撞風險區(qū)域預警能夠保障船舶航行安全。為降低船舶碰撞事故發(fā)生頻率,減輕碰撞事故后果,國內(nèi)外相關領域學者針對船舶碰撞風險、船舶避碰系統(tǒng)展開了詳盡的分析和研究。按照其研究內(nèi)容可以劃分為船舶碰撞原因分析、船舶碰撞風險分析與預報兩類。

船舶碰撞原因分析是從船舶結構、海上環(huán)境、船舶船員等各方面對造成船舶碰撞事故的原因進行分析,有效的船舶碰撞原因分析能夠從根源上降低船舶碰撞事故發(fā)生概率。郝勇等[3]對2007年武漢海事局轄區(qū)船舶碰撞材料構建事故樹,進行定性與定量分析,得出14個主要的危險因素,其分析結果顯示,應急操作不當、違反分道通航以及疲勞駕駛等人為因素是引發(fā)船舶碰撞的主要原因。RIVAI等[4]對日本周圍海域1998—2008年船舶事故進行分析,認為人為因素是船舶碰撞的最主要原因之一。李曉松和孔憲衛(wèi)[5]從人為因素、船舶因素和環(huán)境因素3方面出發(fā),利用貝葉斯網(wǎng)絡理論建立了船舶碰撞致因模型。尹相達等[6]使用復雜系統(tǒng)脆性理論深入研究商漁船碰撞事故的形成機理,認為人為不安全因素是事故發(fā)生的主要原因。因此,船舶碰撞事故的發(fā)生與船舶自身因素、環(huán)境因素及人為因素均有緊密的聯(lián)系,但人為因素仍被認為是造成船舶碰撞事故發(fā)生的最主要因素。

碰撞風險分析與預報研究是基于船舶自動識別系統(tǒng)(Automatic Identification System,AIS)、遙感、雷達等多來源數(shù)據(jù),利用數(shù)據(jù)挖掘、機器學習等數(shù)據(jù)分析技術,對船舶碰撞風險進行分析與預測。詳細的分析報告與精準的碰撞預測能夠幫助船員提高警惕,從而降低船舶碰撞事故發(fā)生概率。船舶領域(ship domain)和碰撞風險指數(shù)(collision risk index, CRI)是船舶碰撞風險分析與預報研究中的重要概念。船舶領域的概念最早由FUJII和TANAKA[7]提出,是船舶碰撞風險研究中的重要概念,其被定義為后船的駕駛員應避免進入前船周圍的領域。在船舶領域的概念被提出后,DAVIS等[8]、賈傳熒[9]等學者先后引入更多的影響因素,構建了更加完善和復雜的船舶領域模型[10-11]。該類完善的船舶領域模型用于衡量船舶之間碰撞事故發(fā)生的概率,是船舶碰撞風險研究中重要的參數(shù)。因此,基于碰撞風險指數(shù)的船舶碰撞模型是船舶交通安全領域研究熱點。GANG等[12]提出一種支持向量機的船舶碰撞風險指數(shù)估計方法,得到了較好的試驗結果。NAMGUNG等[13]在最近會遇距離(distance at the closest point of approach, DCPA)、最近會遇時間(time to the closest point of approach, TCPA)的基礎上,加入了本船速度、目標船速度、本船航向、目標船航向、本船與目標船之間的相對位置等船舶參數(shù),引入具有人工神經(jīng)網(wǎng)絡的推力模型,提出了更加豐富的擴展CRI模型。趙佳妮[14]嘗試將灰色馬爾可夫模型用于海上交通事故預測,提高了預測精度。魏祥淵等[15]基于江蘇鎮(zhèn)江渡船航行避碰智能預警系統(tǒng),評價3種不同精度的雷達對預警準確性的影響,其研究結果顯示,雷達精度對該系統(tǒng)預警準確性有顯著影響。HUANG等[16]從運動預測、沖突檢測、沖突解決等3個過程研究船舶避碰技術,重點研究了從人工駕駛船舶避碰到無人駕駛船舶避碰的過渡。

由于船舶碰撞事故的危害性極大,國內(nèi)外避碰研究較為豐富。但是,在過去的船舶避碰研究中,除了致因分析[17-18]外,多注重基于某艘船附近的狀態(tài),建立危險度模型用于表征該狀態(tài)下船舶發(fā)生碰撞的危險程度。例如,鄭中義和吳兆麟[19]提出空間碰撞危險度與時間碰撞危險度的概念,完善了船舶碰撞危險度模型。章澤虎[20]使用模糊綜合評價方法提出了新的船舶碰撞危險度模型。TSOU和HSUEH[21]使用人工智能領域的蟻群算法,構建了優(yōu)化的避碰模型。倪生科等[22]基于混合遺傳算法,針對不同會遇狀態(tài)下的船舶避碰路徑規(guī)劃問題,建立了避碰路徑規(guī)劃模型。馬杰等[23]針對受限水域避碰問題,提出將速度障礙思想與人工勢場理論相結合的船舶避碰決策方法,該模型在仿真環(huán)境下能夠滿足船舶避碰過程中的操縱受限要求。該類研究可服務于船舶實時智能避碰系統(tǒng),輔助避碰系統(tǒng)做實時決策。但這些傳統(tǒng)船舶避碰研究多為從單艘船舶出發(fā)探究某船舶微觀層面的碰撞風險模型,著眼于單艘船舶在其航行過程中根據(jù)周圍環(huán)境實時判斷船舶碰撞風險并作出避碰反應。從微觀上對單艘船舶做碰撞風險分析和決策,理論上能夠大大減輕船舶發(fā)生碰撞事故的概率,但是,微觀上的船舶碰撞風險分析存在2點不足:第一,該方式需要船舶上配備有較高算力以完成實時運算,目前,中國漁船通常依賴船長經(jīng)驗,根據(jù)AIS或雷達數(shù)據(jù)做出避碰決策,復雜的實時碰撞風險模型難以得到充分應用,即當前的漁業(yè)船舶信息化普及程度難以支持其高強度運算;第二,該方式難以得到碰撞風險與海域之間的關系,不能為航線規(guī)劃等宏觀避碰工作做參考。針對以上2點不足,本文從宏觀上分析了浙江近海各個區(qū)域的船舶碰撞風險,并進行風險等級劃分,對航線規(guī)劃、降低船舶碰撞行為發(fā)生概率具有重要意義。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來源與特征

本文基于AIS數(shù)據(jù)研究浙江近海的船舶碰撞風險等級,使用的船舶信息均來自浙江沿海岸基AIS和衛(wèi)星AIS。信息主要包括船舶基本信息(靜態(tài)數(shù)據(jù))及船位信息(動態(tài)數(shù)據(jù))。船舶動態(tài)數(shù)據(jù)與船舶靜態(tài)數(shù)據(jù)格式分別如表1和表2所示。動態(tài)數(shù)據(jù)包括船舶唯一標識符、數(shù)據(jù)上傳時間、位置、航速、航向、數(shù)據(jù)來源等信息。其中數(shù)據(jù)來源為1時,表示數(shù)據(jù)來自岸基;數(shù)據(jù)來源為17時,表示數(shù)據(jù)來自衛(wèi)星。本文使用浙江近海AIS數(shù)據(jù)共170GB,包含的數(shù)據(jù)量較大。為了保證數(shù)據(jù)的可用性,首先對數(shù)據(jù)進行了初步清洗。數(shù)據(jù)清洗的原則為,剔除數(shù)據(jù)集中航速、航向、經(jīng)度、緯度等關鍵信息缺失的記錄。

表1 AIS動態(tài)數(shù)據(jù)格式Tab.1 AIS dynamic data format

表2 AIS靜態(tài)數(shù)據(jù)格式Tab.2 AIS static data format

1.2 風險等級劃分

1.2.1 風險等級要素

海上船舶的避碰是一個復雜龐大的課題,某個海域內(nèi)的碰撞風險不僅與船舶因素有關,還與氣候氣象、船員健康等外界因素有關,且各個因素之間可能會存在相互影響,形成相互關聯(lián)、制約的復雜系統(tǒng)。因此,對船舶的碰撞風險評價具有模糊性,運用模糊綜合評價方法是必要的可行方案之一。運用該方法首先需要確定可能對結果產(chǎn)生影響的因素。

某海域的碰撞風險高低與該海域內(nèi)各個船舶的碰撞風險有關,因此,為確定某海域船舶碰撞風險的影響因素,可以參照單艘船舶碰撞風險的影響因素。在當前有關單艘船舶碰撞風險的相關研究中,主要使用最近會遇距離DCPA、最近會遇時間TCPA作為評價船舶碰撞風險的依據(jù)。其中DCPA主要與兩船的位置和航向有關,TCPA主要與兩船的位置和航速有關。因此,本文在評價單個格網(wǎng)內(nèi)的碰撞風險時,將船舶分布密度、船舶平均航速及船舶平均航向變化率作為影響海域內(nèi)船舶碰撞風險的3個因素。

其中,船舶分布密度計算方法如公式(1)所示。

(1)

式(1)中,ρ表示船舶分布密度,N表示單位時間段某個格網(wǎng)內(nèi)AIS接收到的數(shù)據(jù)量,S表示該格網(wǎng)的面積,其計算方法如公式(2)。

S=R2(λ2-λ1)·(sinφ2-sinφ1)

(2)

式(2)中,S表示格網(wǎng)面積,R表示地球半徑(km),λ1、λ2表示經(jīng)度(弧度),φ1、φ2表示緯度(弧度)。

船舶平均航速計算方法如公式(3)所示。

(3)

船舶平均航向變化率計算方法如公式(4)所示。

(4)

為綜合評價船舶分布密度、船舶平均航速與船舶平均航向變化率3個因素的影響,本技術采用判斷矩陣分析法對上述3個要素做權重分析。判斷矩陣分析法是模糊綜合評價中的一種常見方法,常常用于層次分析法中要素權重的確定[24]。判斷矩陣分析法將n個因素排列成一個n階判斷矩陣,通過在因素之間的兩兩比較,根據(jù)各個因素的重要程度確定矩陣中元素值的大小。并計算出判斷矩陣的最大特征根及其對應的特征向量,該特征向量即為各個因素的權重系數(shù)。在對各個要素之間做兩兩比較時,參照的標準如表3所示。

表3 因素重要程度判斷值表Tab.3 Factor importance judgment value

1.2.2 風險等級劃分

在碰撞危險度相關研究中,傳統(tǒng)研究一般為碰撞危險度設定一個安全閾值。例如,碰撞危險度模糊取值在0～1之間,安全閾值設為0.5,碰撞危險度大于0.5則為危險情況,碰撞危險度小于0.5則為安全情況。將每個格網(wǎng)的安全等級劃分為“安全”和“不安全”2個等級太過簡化,不能明確比較不同格網(wǎng)之間的碰撞風險差異。因此,本文將風險等級設定為Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ共5個等級,Ⅰ級表示風險等級最低,Ⅴ級表示風險等級最高。等級劃分方式選用等距離劃分法:首先計算出船舶碰撞風險評價要素的標準分數(shù);為了使分類數(shù)值均為正數(shù),對要素集合按照公式(5)再做一次線性變換。

x**=x+|min(X)|

(5)

式(5)中,X表示所有碰撞風險評價要素集合,x是X集合中的值,x**表示x經(jīng)過線性變換后的值;最后,將新集合按照數(shù)值大小5等分,對應不同的碰撞風險等級,如表4所示。

表4 風險等級劃分Tab.4 Classification of risk levels

2 結果

2.1 船舶時空分布結果

對所有船舶進行分類后,對2020年各月浙江近海漁船、商船的空間分布與速度分布按照時間段進行統(tǒng)計,得到的結果如圖1所示。

圖1 2020年浙江近海船舶時空信息統(tǒng)計圖Fig.1 Statistics of time and space information of Zhejiang offshore vessels in 2020

在圖1(a)中,4條曲線分別表示漁船白晝、漁船夜間、商船白晝、商船夜間的分布密度情況。該分布密度是每個格網(wǎng)內(nèi)的船舶數(shù)量與格網(wǎng)面積的比值,單位是艘·km-2。一個月份的平均船舶分布密度能夠體現(xiàn)船舶在該月份內(nèi)的密集程度。在圖1(b)中,4條曲線分別表示漁船白晝、漁船夜間、商船白晝、商船夜間的航速信息,某時間段內(nèi)航速信息是該時間段內(nèi)所有AIS航速信息的平均值,表示該時間段內(nèi)船舶的整體行進速度。圖1(a)顯示,2020年浙江近海商船在各個月份的分布密度較漁船穩(wěn)定,在2020年2月分布最稀疏,4—9月分布較為密集,且商船在白晝與夜間的分布沒有明顯差異;漁船在不同月份的分布差異較大,且具有明顯的晝夜差異性(漁船白晝分布密度高于夜間分布密度)。漁船在2月、5—7月的分布相對稀疏,在4月份達到峰值,分布密度從8月開始逐步上升到穩(wěn)定水平。圖1(b)顯示,商船在2020年全年的平均航速較漁船穩(wěn)定,基本保持在10節(jié)左右,且白晝與夜間的速度差異不明顯;漁船在不同月份的航速變化較大,且具有明顯的晝夜差異性(漁船白晝航速整體高于夜間航速)。漁船速度在3—4月達到最低值,約為4節(jié),5月航速值達到最高,約為8節(jié)。

2.2 風險要素評價結果

從表5可以看出,船舶分布密度的權重最高,平均航速次之,平均航向變化率權重最低。其結果與實驗前的預調查分析基本一致(一般近岸海域航速較低,但近岸海域是船舶事故高發(fā)區(qū)域,且航速高僅在船舶密度大的情形下存在風險,因此航速的權重低于船舶分布密度),船舶分布密度是影響某區(qū)域內(nèi)船舶碰撞風險等級的最主要因素。

表5 層次分析法分析結果Tab.5 Analytic hierarchy process analysis results

2.3 風險等級劃分結果

綜合考慮漁船、商船的區(qū)域碰撞風險,并按照等距離法劃分2020年浙江附近海域各區(qū)域內(nèi)的碰撞風險等級,得到的劃分結果如圖2所示。

圖2結果顯示,2020年浙江近海船舶碰撞高風險區(qū)域(碰撞風險等級在Ⅲ級以上)主要集中在航線附近。但是不同月份的具體情況略有差異,5—7月的碰撞高風險(Ⅴ級)區(qū)域極少,3—4月的碰撞高風險區(qū)域較多。為了得到更具有普遍性的結論,對2020年全年浙江近海做整體碰撞風險等級劃分,如圖3所示。

圖2 2020年各月浙江附近海域船舶碰撞風險等級Fig.2 Risk levels of ship collisions in waters near Zhejiang in each month of 2020

圖3顯示,浙江近海船舶碰撞高風險區(qū)域主要集中在舟山漁場中部(尤其是29.5°N～30.4°N、121.5 E°～123°E之間的海域)、魚山漁場西部與陸地交界處(尤其是28.5°N～29.4°N、121.6°E ～122.5°E之間的海域)等,溫臺漁場的整體風險碰撞等級相對較低。

圖3 2020年浙江近海碰撞風險等級分布圖Fig.3 Distribution map of Zhejiang offshore collision risk levels in 2020

為了進一步驗證本文提出模型的可靠性,對中華人民共和國海事局網(wǎng)站中公布的浙江近海船舶事故報告進行統(tǒng)計。統(tǒng)計結果顯示,2020年浙江近海發(fā)生的有明確位置信息的船舶碰撞事故共20起,其中15起發(fā)生在舟山漁場中部,5起發(fā)生在魚山漁場西部。在2020年全年船舶碰撞風險區(qū)域評估結果中,該20起事故發(fā)生地點的碰撞風險等級均在Ⅲ級以上。本文得出的浙江近海區(qū)域碰撞風險等級在2020年得到驗證。因此,該碰撞風險計算方案具有一定的可行性,能夠為航行船舶提供高風險區(qū)域碰撞預警。

3 討論

本文在宏觀上對浙江近海的船舶碰撞風險等級做了劃分,與相關學者的研究有一定的相似之處。馮馨予等[25]利用AIS數(shù)據(jù)引入船舶碰撞風險算子(vessel collision risk operator,VCRO),得到宏觀層面的風險模型。其VCRO主要考慮到船舶之間的安全距離、船舶在相遇過程中距離的變化率及船舶航向的相對方向等,研究思路與本文類似。但馮馨予對6 n mile內(nèi)每艘船舶建立關系風險矩陣,直觀顯示觀測船舶與周圍船舶發(fā)生碰撞風險的嚴重程度。而本文使用0.1°格網(wǎng)對目標區(qū)域進行格網(wǎng)劃分,根據(jù)各個區(qū)域內(nèi)的船舶動態(tài)信息劃分碰撞風險等級。本文方案的優(yōu)勢在于能夠直觀地顯示出目標海域內(nèi)各個格網(wǎng)的碰撞風險等級,幫助船員提高防范警惕高風險區(qū)域,為船舶管理部門制定航線提供參考資料。

為進一步探究本文得出的區(qū)域碰撞風險等級在更長時間范圍內(nèi)的正確性,統(tǒng)計2011—2020年浙江省農(nóng)業(yè)農(nóng)村廳報告中公布的商漁船碰撞事故42起。統(tǒng)計結果顯示:從空間分布看,商漁船碰撞事故高發(fā)區(qū)域主要集中在28.5°N ～31.5°N、121.5°E～124.0°E之間海域,涉及舟山漁場中部、魚山漁場西部與陸地接壤處等。在該42起事故中,28起發(fā)生在航路附近(距離航路距離小于10 n mile),14起事故發(fā)生在其他區(qū)域,航路附近事故數(shù)是其他區(qū)域的2倍。將浙江近海按照禁漁區(qū)線分為禁漁區(qū)線內(nèi)和禁漁區(qū)線外,則該42起商漁船碰撞事故可以分為30起禁漁區(qū)線內(nèi)事故和12起禁漁區(qū)線外事故,這可能是由于禁漁線內(nèi)有較多的小型捕撈漁船作業(yè),而小型捕撈漁船是船舶事故高發(fā)船型。上述統(tǒng)計及分析表明,浙江近海船舶碰撞事故在空間上具有明顯的分布規(guī)律,且分布規(guī)律主要受航道、禁漁區(qū)線等因素影響。航道、禁漁區(qū)線直接影響商船、漁船的分布密度,與本文判斷矩陣分析法的權重矩陣趨勢吻合。從分析結果看,該42起事故均發(fā)生在全年碰撞風險等級Ⅲ級以上區(qū)域,進一步說明了本文得出的全年區(qū)域碰撞風險等級圖具有長期可用性。從時間分布看,各月份碰撞事故發(fā)生比例呈現(xiàn)雙峰結構。10年間的統(tǒng)計結果顯示,4月發(fā)生碰撞事故的頻次最高,為7起,占全部事故的16.7%,其次為3月和9月,各發(fā)生6起碰撞事故,分別占全部事故的14.3%,6—7月較低,6—7月發(fā)生的碰撞事故一共僅占7.1%?？傊?碰撞事故高發(fā)月份主要集中在休漁期前與期后數(shù)月。從本文的分月分析結果看,3月、4月和9月的高風險區(qū)域明顯高于其他月份,5—7月的高風險區(qū)域較少,與10年間的碰撞事故時間特性相吻合。

本文提出的船舶碰撞風險等級劃分方法具有很強的普適性,除可應用在浙江附近海域外,還可移植到其他任何目標海域,具有較大的應用前景。但是本文方法在風險等級確定中仍存在一定的優(yōu)化空間。例如,在確定區(qū)域碰撞風險等級時,本文僅僅考慮了船舶分布密度、船舶航速、船舶平均航向變化率等要素。事實上,影響區(qū)域碰撞風險的因素除了上述船位因素外,還有氣候、光照、時間等外界因素。例如,根據(jù)浙江省農(nóng)業(yè)農(nóng)村廳公布的商漁船碰撞事故報告[26],船舶碰撞事故發(fā)生在夜間(18:00—次日6:00)的頻次要遠高于發(fā)生在白晝(6:00—18:00)的頻次,且發(fā)生在下半夜(0:00—6:00)的頻次尤其高。本文為從宏觀評價區(qū)域風險等級,忽略了時間等要素,但從歷史碰撞事故看,晝夜信息對碰撞事故的發(fā)生具有顯著影響,因此,在未來研究中可以添加晝夜因素,按照晝夜分別計算區(qū)域碰撞風險等級。另外,各個區(qū)域的光照、氣候也有規(guī)律可循,在未來研究中應加入氣候、光照等外界信息,進一步細化不同區(qū)域的碰撞風險等級。

4 結論

本文基于2020年浙江附近岸基AIS及星基AIS數(shù)據(jù),使用模糊綜合評價等多種方法,對浙江附近海域做碰撞風險等級劃分。本文針對浙江近海,以1年的船舶數(shù)據(jù)做分析,試圖找到碰撞行為時空分布的一般規(guī)律,以提高船員在中高風險區(qū)域的警惕,降低船舶碰撞行為的發(fā)生概率。研究結果表明:

(1)浙江近海船舶碰撞高風險區(qū)域主要集中在舟山漁場中部、魚山漁場西部與陸地交界處等,溫臺漁場的整體風險碰撞等級相對較低。

(2)本文提出的船舶碰撞風險等級劃分方法具有較強的可行性和可移植性。浙江近海2020年全年的船舶碰撞事故均發(fā)生在風險等級Ⅲ級以上區(qū)域。