摘 要

水运业的快速发展，导致特别是像港口等受限水域，其交通运输日趋繁盛。因此其成为水上交通事故的多发地带，原因不外于交通环境复杂和船舶交通流密度大，所以船舶交通管理的难度也越来越大。虽说港口水域设有VTS系统，且在保障船舶航行安全、防止船舶污染水域环境、提高交通效率等方面发挥了重要作用，但VTS的监管模式还是依靠人工监控为主，复杂的交通态势难免会使VTS值班员在应对时顾此失彼，复杂的交通局面对VTS值班员的工作经验、处理方式、预判能力等都是严峻考验，人工监管方式已不能跟上港口水域船舶交通的迅速发展。建立一种新的VTS安全预警预测机制是适应时代的要求，尤其是对船舶航行中的碰撞危险做出及时、准确的预警。本文通过对船舶领域模型、碰撞预警、风险等级排序等关键技术进行研究，为VTS预警系统中存在的问题提供了新的解决思路。论文的研究成果对船舶航行安全的提高，水上交通事故的避免，港口水域内航道的通行能力的提高及船舶的营运效率的提高起了重要的作用。

关键词：VTS；船舶领域；船舶避碰；风险排序

Abstract

With the rapid development of the water transportation industry, the water traffic has become more heavy. Because of the complex environment and the high-density traffic flow, the restricted waters such as ports have become major areas where traffic accidents happen. Thus, the difficulty of ship traffic management is also increasing. Although the ports are equipped with the VTS(Vessel Traffic Service) system which plays an important role in ensuring the navigational safety, preventing ships from polluting the water, and improving transportation efficiency, the supervision model of VTS still relies on manual monitoring. When dealing with a complex situation, the VTS duty officer is also challenged in work experience, handling methods, and pre-determination ability. Therefore, it is imperative to establish a new VTS security early warning and prediction mechanism , which are more advanced, especially in making timely and accurate early warning of collision hazards in the navigation. By studying the key technologies such as ship domain model, collision warning, and risk ranking, the thesis tries to provide new solutions to the existing problems in the VTS early warning system. It is hopeful that the research results can be helpful in improving the safety of ship navigation, avoiding water traffic accidents, improving the capacity of navigation channels in port waters and the operational efficiency.

Key Words: VTS;Ship domain; Avoidance of collision by ships; Risk Sorting

目 录

第一章 绪论 1

1.1研究背景 1

1.2国内外研究现状 2

1.3论文研究的目的及意义 3

1.4论文主要内容和技术路线 3

1.4.1论文主要内容 3

1.4.2技术路线 3

第二章船舶领域构建 5

2.1船舶领域 5

2.2模型的建立 6

第三章 船舶碰撞预警模型 9

3.1船舶动界 9

3.2DCPA和TCPA 10

3.3 船舶相互间交通态势判断 11

3.4船舶碰撞预警模型 12

第四章 风险等级排序 15

4.1 风险因素的构成 15

4.2 风险排序模型的建立 15

第五章 模型实例计算 22

5.1船舶领域实例计算 22

5.2船舶碰撞预警模型实例计算 24

5.3风险等级排序模型实例计算 24

第六章 结论与展望 26

参考文献 27

致谢 28

附录 1

第一章 绪论

1.1 研究背景

随着时代的发展，海运业更加迅速发展，世界各个港口水域交通流日益增大。我国作为海洋大国，尤其是我国占据了十个全球吞吐量最大的港口中的七个，不难想象我国水域交通流之大了。这是把双刃剑，一方面极大地促进我国经济的发展，但同时另一方面，水上交通安全的问题也日渐突现出来。在港口等受限水域不仅交通环境复杂，而且船舶交通流密度大，这使其成为水上交通事故的多发地带。对水上交通安全和水域环境造成了很大威胁，船舶交通也越来越难以管理。2017年4月18日，深圳籍散货船“粤电57轮”和“3062”船在广州港进港航道29号灯浮附近水域发生触碰事故，造成“3062”船翻沉。2018年珠江口3月28日，一艘名为“樱桃”Morning Cherry的出口滚装船与另一艘名为Chen Chang 332的沙船在沙角41SJ锚地附近发生严重碰撞，导致“辰昌332”沉没，两人失踪。2018年5月16号凌晨，在福建省福州市平潭塘屿岛西南1.8海里附近水域，事故船舶是一艘辽宁丹东籍干货船“鸿鹏”轮，当时导致11人落水，其中5人在16号当天获救，4人遗体已被打捞，2人失联。这些事故的发生造成了严重的人命、财产损失及巨大的社会影响。

现阶段船舶交通管理系统在提高船舶安全航行、船舶航行效率及保护海洋环境等方面发挥了极其重要的作用，它是沿海港口水域内不可或缺的管理和服务手段。但日益复杂的水上交通态势对VTS的监管模式以及值班员的工作能力提出了新的要求。VTS值班员在监控工作中面对复杂的交通态势、交通风险评估、危险处置等工作都需要丰富的工作经验、良好的工作素质和宏观交通把握处理能力。但人的精力是有限，而且也不能保障持续高度的精神集中，判断力也会因为周围事物的影响而不精准，处理复杂局面每个人的能力不同，而且每个人对复杂交通态势的处理方式和理解也不相同，因此会导致不同的结果：发现紧迫局面，或没有发现构成紧迫局面，也可能对紧迫局面的处理不当，或及时发现并做出正确判断和妥善处理。所以这就导致传统的VTS监管方式已不能满足港口水域船舶交通迅速发展的需求，而VTS预警作为预防和应对水上交通风险的一种安全管理手段，能够提前评估船舶交通态势、并及时警示VTS值班员，并为VTS值班员采取相关措施提供决策支持。截至今，我国沿海和长江干线已建成或即将建成几十个VTS中心、数百个个雷达站。沿海重要水域和主要港口基本实现了雷达链状覆盖，长江干线航段基本实现全方位安全监管。

一般来说VTS系统都附带有设备供应商自带研发的预警系统，其主要是通过人工设定DCPA（最小会遇距离）和TCPA（最小会遇时间）等参数实现报警功能。因为港口水域船舶交通量较大，交通流态势又复杂，所以现有的VTS预警系统中单凭设置DCPA和TCPA阈值来进行预警的方法并不准确，存在很高的虚警率，会影响了VTS值班员的正常值守。而实际工作中值班员经常会关闭VTS设备中的报警功能，这导致值班员无法对水整个监控域的船舶碰撞和搁浅风险进行有效辨识。因此，对VTS预警系统关键技术开展深入研究，充分利用VTS系统中海量的数据信息，并引入新的技术手段以使VTS预警功能不断完善就显得尤为重要，目前，对VTS系统中的预警模型进行研究已经成为近年来国内外研究的热点问题。

1.2 国内外研究现状

世界上第一个岸基雷达的港口监控站于 1948 年在马恩岛的道格拉斯市由Cossor雷达公司建成。而随着时代的进步，经济全球化的带动，世界贸易呈爆炸式发展，导致港口建设也得到了迅猛发展，因此VTS系统数目也得到了迅速增长。从第一个VTS系统的诞生发展至今，它已经成为一个重要的岸基服务系统。VTS系统是一种由海事主管机关实施的对海上交通进行管理的重要手段。其通常是由雷达系统、AIS系统（船舶自动识别系统）、船岸通信系统、CCTV（闭路电视监控系统）、交通数据处理系统等组成。VTS系统主要用雷达系统和AIS系统采集辖区内船舶的实时动态数据，综合水文气象、视频监控等各类影响因素，经过交通数据处理系统，在电子海图基础上直观显示辖区内船舶交通态势、系统具备搁浅碰撞预警等信息，并通过VHF等通信手段，主动或被动地向船舶提供航行信息服务、助航服务和交通组织服务等。目的在于保障船舶航行安全，提升所在水域的通航效率。

报警模块是VTS系统中的极为重要的部分，它能评估船舶间交通态势和相互关系，进而判断船舶是否有碰撞搁浅风险，并发出报警信息，为VTS值班员的决策提供参考依据。石世云通过对宁波VTS系统预警功能进行研究，发现该系统也是通过计算船舶的DCPA和TCPA，来设置相应的警戒区，从而对航行在警戒区内的船舶发出报警^[1]。通过对我国VTS系统中的报警模块研究发现^[2-10]，目前的VTS主要是根据船舶的DCPA和TCPA来判定船舶是否存在碰撞风险，但是现有的报警阈值选取的单一性，不能将各类情况一就而论，比如阈值设置太小的话不能及时发现危险，而阈值太大的话，导致系统又不能有效地进行预警。比如当船舶在进出港航道正常双向航行的时候，虽然DCPA数值较小，但实际上是没有碰撞危险的，而系统只用简单的DCPA和TCPA标准去判断船舶的碰撞危险，这显然是不合理的，因此导致报警信息数目过多，并且部分报警信息显然错误，致使系统存在很高的虚警率，在一定程度上干扰了VTS值班员的判断。为此对现有的VTS预警系统开展深入研究就显得尤为重要了。

1.3 论文研究的目的及意义

随着航运业的迅速发展，世界水道的交通越来越繁忙，为了安全考虑越来越多的港口建设了VTS系统，VTS在保障船舶安全、提高交通效率、防止环境污染等方面都发挥了重要的作用。但其监管模式基本上还是依靠人工，VTS值班人员业务经验不足、精力不集中或疲劳过度等因素而产生的错误判断会给水域的安全问题造成很大的隐患，VTS值班员在应对日益复杂的交通态势和日益庞大的交通流，处理问题可能会顾此失彼。鉴于此，本文从改善船舶交通管理系统预警功能的角度出发，分析研究了当前VTS预警系统中普遍存在的问题，从VTS预警系统中船舶领域、碰撞预警、风险等级排序等关键技术进行了深入研究，提出相应的解决思路，拟改善目前VTS预警系统中虚警率高、对船舶交通风险识别能力不足的现状。论文研究对充分发挥VTS监管作用，减少船舶碰撞事故的发生，保障水上交通安全，确保港口水域交通的平稳运行具有重要的研究价值和实际意义。

1.4 论文主要内容和技术路线

1.4.1 论文主要内容

本篇论文一共分为六个章节，每章具体内容如下：

第1章 阐述了论文研究的背景、目的及意义，并对目前国内外关于VTS预警系统、船舶领域、船舶碰撞预警模型的研究现状进行具体说明，介绍了本文研究的主要内容和采取的技术路线。

第2章 通过对目前船舶领域模型和人工智能算法的学习和研究，通过输入船舶自身的动态、静态信息以及所处的交通环境信息，运用BP神经网络算法，建立船舶领域模型，作为VTS预警和风险等级排序的重要理论基础和依据。

第3章 在所建船舶领域的基础上，结合船舶在航行过程中最小会遇时间、最小会遇距离的数学计算模型，设计并建立基于船舶领域的船舶碰撞预警模型。

第4章 通过引入船舶危险度的概念，针对影响船舶危险度的船舶类型、TCPA、DCPA、周边船舶密度、船舶特性时间、来船速度比、来船方位等多个因素进行分析研究，建立一种船舶风险等级排序模型，为VTS值班员优先处理最紧迫局面提供参考依据。

第5章 通过查阅资料搜集相关数据，将数据代入模型之中进行实例计算，验证模型的可行性。

第6章 总结全文的研究内容及成果，并做出相关展望。

1.4.2 技术路线

①查阅关于船舶领域、船舶动界、船舶风险预警、危险排序等相关文献资料，对BP神经网络、层次分析等方法进行学习，为后面建立船舶领域模型、碰撞预警模型和风险排序模型打好理论基础。

②建立船舶领域模型

将船舶领域水平面方向进行建模，综合考虑影响水平面方向上船舶领域的船长、船速、吃水、船舶类型、能见度、风级等因素，运用神经网络处理非线性问题的特点建立其领域模型；通过输入船舶动静态及周围环境信息，建立船舶领域模型。

③建立船舶碰撞预警模型

本文拟将船舶领域/船舶动界和传统的基于DCPA/TCPA的预警方法结合起来，综合考虑可能影响船舶航行安全的各种因素，就船舶在不同交通态势的情况下建立对应的碰撞预警模型，降低传统模型的误报警。

④建立风险等级排序模型

针对港口水域船舶交通密度大，可能同时出现多个报警信息的情况，引入船舶危险度的概念，运用层次分析计算船舶危险度的量化数值，以定量的数据反映出船舶发生危险程度的大小，建立一种危险等级的排序模型。

⑤模型实例计算，验证模型可行性。

第二章 船舶领域构建

2.1 船舶领域

自1963年藤井弥平等人提出船舶领域概念：绝大多数后续船舶驾驶员避免进入的前一艘在航船舶周围的领域^[11]。船舶领域在海上工程学中的许多领域被应用。港口水域由于交通态势复杂、可航水域受限、船舶航行受环境影响更为敏感，且常常实施有交通管理规则，因此船舶领域所考虑的因素较港外水域更为复杂。

船舶领域受到多种不确定性因素的影响，主要包括船舶驾驶员、船舶本身（包括船长、船速、船舶类型船舶操纵性）、自然环境（包括能见度、风级、航道条件）、船舶周边交通环境等因素。这一领域的构建主要是由港口水域自身的特征所决定的。由于影响船舶领域的因素众多，同一艘船舶在不同的自然条件、或不同的航行状态下，其领域大小会发生明显动态变化。

本文借鉴藤井、Goodwin等人建立船舶领域模型的思路^[12]，将港口水域内船舶领域看成是一个包容在平面内的椭圆形模型（图2.1）。

图2.1维船舶领域模型

椭圆方程为：

（2.1）

A点是船舶领域与Y轴正方向交点，坐标(0，a)；

B点是船舶领域与Y轴负方向交点，坐标(0，-a)；

C点是船舶领域与X轴正方向交点，坐标(b，0)；

D点是船舶领域与X轴负方向交点，坐标(-b，0)；

根据图2-2，设定基准的船舶领域为：

（2.2）

其中m为“船舶领域之长轴系数”、n为“船舶领域之短轴系数”。

Y轴正方向作为船舶的航迹向，每一艘目标船舶用菱形图形表示，实船大小与图形大小等比例显示，图形长度与船长LOA（Length Over ALL，船舶总长）相同，宽度与船宽相同。

2.2 模型的建立

选择单隐层的BP神经网络建立模型，针对港口船舶领域建模的特点，选择影响船舶领域的因素，包括船舶速度、吃水、船舶类型、能见度、风级、船舶操纵性六个因素作为研究对象，船舶领域长轴系数和短轴系数作为输出。

Matlab是一种主要用于数据分析和计算的数学软件，本文采用Matllab软件中的BP神经网络工具箱将航速、吃水、船舶类型、能见度、风级、船长等变量作为输入，船舶领域大小（长轴系数m、短轴系数n）作为输出的经验数据进行学习，通过将调研获取的样本数据代入网络进行训练，得到航速、吃水、船舶类型、能见度、风级、船长与船舶领域大小之间的映射关系，然后输入实船数据即可求得船舶领域长轴系数m和短轴系数n。

BP神经网络算法的具体如下：

lt;1gt;目标特征的提取

通过对国内外船舶领域研究现状的了解，综合考虑影响船舶领域大小的交通环境、船舶静态和动态参数，选取船舶速度、船舶吃水、船舶长度、船舶类型、能见度和风级等数据作为目标船舶的特征因子。其中船舶类型分为：危险品船舶、客船和其他类型船舶，分别用量化的数字3、2、1表示它们，方便模型的计算。

lt;2gt;输入节点设置

对于网络的输入节点，针对“船—环境”系统中影响船舶领域的各个因素，我们选取影响船舶领域的六个因素，包括船舶速度（f1）、船舶吃水（f2）、船舶类型（f3）、能见度（f4）、风级（f5）、船舶操纵性（f6）共五个输入节点组成输入向量P=（f1，f2，f3，f4，f5，f6）。

lt;3gt;输入样本归一化

由于样本数据的大小和量纲的差异，如果直接作为网络输入可能会导致网络训练达不到精度要求或者出现过拟合的问题，所以在网络训练之前，必须归一化处理训练数据集。本文选取premnmx函数，即离差标准化，将样本矩阵归一化到[-1,1]区间之间，函数式：

（2.3）

其中max表示同一个指标所测数据的最大值，min表示数据的最小值。