摘 要

近年来随着数据驱动的船舶的发展，水上运输效率得到了明显的提高。在水上运输效率提高的同时，船舶碰撞事故发生的频率也在增加，船舶航行安全问题一直是海事研究的重点。本文基于船舶自动识别系统（AIS）产生的海量数据，对长江口南槽水域内船舶的动态信息进行统计和分析，分别建立了船舶会遇态势的判别模型和船舶会遇风险计算模型，并采用多层感知机神经网络对船舶未来会遇风险进行预测。本文主要工作内容包括:

（1）对长江口南槽水域AIS数据进行解析和预处理，采用不定长窗口拉格朗日插值算法对配对的会遇过程数据进行同步插值处理，得到完整的船舶会遇态势信息，为会遇态势提取建模及算法设计提供了数据基础。

（2）分析船舶会遇的时空演化特征，提取特定时间窗口内的相对距离和航向夹角特征，分别构建三种会遇态势会遇特征序列，采用支持向量机（SVM）算法对会遇特征序列进行分类辨识建模，实现会遇态势自动提取，且准确率达到90%。

（3）对船舶会遇特征参量进行计算，通过航向角，相对速度，两船相对距离三种会遇特征参量实现了会遇风险组合度量，并根据会遇不同阶段特点对组合风险值进行量化分级并建立船舶会遇风险计算模型。使用多层感知机神经网络对预测未来20s会遇风险等级。

关键词：船舶会遇；AIS数据；风险计算；风险预测

Abstract

In recent years, with the development of data-driven ships, the efficiency of water transportation has been significantly improved. While the efficiency of water transportation is improving, the frequency of ship collision accidents is also increasing. The safety of ship navigation has always been the focus of maritime research. Based on the huge amount of data generated by the Ship Automatic Identification System(AIS), this paper makes statistics and analysis on the dynamic information of ships in the waters of the South channel of the Yangtze River estuary, and establishes the model of the ship encounter situation and the calculation model of the ship encounter risk. Multi-layer perceptron neural network is used to predict the future risks of ships. The main contents of this paper include:
(1) Analyzing and pre-processing the AIS data in the South channel of the Yangtze River estuary, and using the Lagrange interpolation algorithm of the indefinite long window to synchronize the matching encounter process data, the complete ship encounter situation information is obtained. It provides a data base for the modeling and algorithm design of the situation extraction.
(2) Analyzing the characteristics of the space-time evolution of the ship encounter, extracting the relative distance and heading angle characteristics in a specific time window, and constructing three types of feature sequences respectively. Support Vector Machine(SVM) algorithm is used to classify and identify the encounter feature sequence and realize the encounter situation automatic extraction.
(3) The calculation of the parameters of the characteristics of the encounter of the ship has achieved the combined measurement of the encounter risk through the heading angle, relative speed, and the relative distance between the two ships. According to the characteristics of different stages, the combined risk values are quantified and graded, and a model of risk calculation is established. Using multi-layer perceptron neural networks to predict the future 20s will encounter risk levels.

Key Words： Ships will meet; AIS data; Risk calculation; Risk forecasting

目录

第1章 绪 论 1

1.1 研究的背景和意义 1

1.1.1 研究背景 1

1.2 国内外研究现状 4

1.2.1 国内外AIS数据应用的研究现状 4

1.2.2 国内外会遇态势的研究现状 5

第2章 AIS数据解析与预处理 7

2.1 研究的水域介绍 7

2.2 AIS数据解析 7

2.3 AIS数据预处理 9

2.3.1 AIS数据清洗 9

2.3.2 AIS数据插值 10

2.4 本章小结 11

第3章 会遇态势信息提取 12

3.1 会遇态势定义 13

3.2 会遇场景时空配对 14

3.3 会遇态势提取 15

3.3.1计算会遇特征 15

3.3.2 会遇态势分类模型 15

3.4 提取会遇态势结果 16

3.5 本章小结 20

第4章 会遇风险预测 21

4.1 会遇特征参量的计算 21

4.2 会遇风险建模 22

4.2.1不同态势下建模 22

4.2.2 模型参数的计算 24

4.3 模型的评价 24

4.4 船舶会遇风险的预测 28

4.4.1 船舶会遇风险等级的确定 28

4.4.2 未来会遇风险滚动预测 28

4.4.3 船舶会遇风险建模 29

4.4.4 实例展示 30

第5章 结论 35

参考文献 36

致 谢 37

第1章 绪 论

1.1 研究的背景和意义

1.1.1 研究背景

航运业作为交通运输中的重要组成部分，近年来，伴随着世界经济的发展，人们对水资源的关注和对水资源的利用逐渐增加，世界各国也越来越多地投入水资源开发，航运业在世界贸易中的地位日益重要。世界经济的发展也提高了世界各地各港口、水域和水路的交通密度。随着经济和科学技术的发展，船舶技术也越来越先进。水运交通行业逐步向大规模的、专业化的、高速的、智能化的趋势发展。随着交通流密度的增加和船舶技术的发展，海上运输效率的提高，同时也增加了航行的危险性，导致了水上交通事故频繁发生。在船舶航行中，水上交通安全问题给船员的生命和财产安全造成了巨大的威胁，水上交通事故也对水域环境造成了巨大的污染和危害。根据研究和统计，船舶碰撞事故是航行水域中最常见和危害最大的事故，它的后果除造成重大人员伤亡和经济损失外，还会对事故水域的生态系统造成严重的破坏。因此，如何避免船舶碰撞、确保航行安全问题，一直是航运事业关注的焦点，对相关问题的研究具有重大意义。

我国作为世界航海大国，拥有广阔的海域面积，90%以上的国际贸易货物运输是需要通过海运来完成，国民的经济兴盛与海运事业密不可分。无论是海洋捕捞和养殖还是海上旅客和货物运输，都离不开航海事业，因此保障海上运输安全是我国海事研究中一项重要的课题。综合重多碰撞事故的调查报告数据，结合案例实际分析，导致船舶碰撞事故的主要原因有如几个方面：如船员素质的缺陷、操作失误、了望疏忽和避让不当等人为因素，其中最主要的因素是船员对船舶会遇态势的判别失误。

图1.1为会遇态势误判的典型案例，“Y”船作为让路船舶，从0030时与“Z”船形成交叉会遇局面，两船行驶到0046时相隔距离约1海里左右，“Y”船一直没有采取任何的避让措施，当行驶至0046时两船形成紧迫会遇局面后，才开始采取“右舵20”、“正舵”等避让措施。与此同时“Z”船在0046时左右也开始相继采取“左舵20”、加速、“左满舵”等避让措施，这些避碰措施都没有得到预期效果，最终导致两船在0048时发生碰撞。此次事故造成“Z”轮沉没，3人失踪，“Y船首部受损。

图1.1 “Y”轮和“Z”轮发生碰撞事故的过程

在这起事故中，从两船行驶的轨迹至碰撞可看出 “Y”轮的船舶观察人员对两船交叉相遇的会遇态势没有做出准确的判别，没有采取及时的避让行为，这是导致两船发生碰撞的主要原因。

当前我国航海领域船舶自动识别系统 (Automatic Identification System)，简称AIS得到了广泛的应用，它能使所有船舶可视化的航向、航线、船名等信息均在电子海图上显示，并且具有增强ARPA雷达、船舶系统管理、船舶数据报告等功能^[1][1]，实践证明它的应用有助于加强海上生命安全、提高航行的安全性和效率，使航海界进入了数字化时代。

尽管借助了高科技、数字化、现代化的避碰系统，但船舶碰撞事故仍然层出不穷。各种海上事故的统计、调查和分析表明，80%以上事故的发生是因为人员操作错误和船舶管理不当等人为因素^[2][2]。在碰撞事故中，由于缺乏基于AIS数据的实时、有效的辨别会遇态势的方法，无法有效的感知不同态势下的会遇风险，因此需要更高效和更准确的船舶会遇态势判断方法和风险计算方法。

1.1.2 研究的目的和意义

确保船舶的航行安全、避免可预测的航行风险，是水上交通安全研究的重要课题。在船舶航行风险中，船舶碰撞风险占主要比重，而船舶会遇关系到船舶碰撞的风险，对船舶会遇态势的预测和评估的避碰研究的关键。目前大部分对船舶会遇的危险度的研究是根据部分数据进行统计分析和观察监测，这种方法由于缺乏足够、有效的实时数据，不能清楚地了解到船舶会遇的实时动态情况。为了改善这种预测方法，需要通过一些数据计算方法，掌握船舶航行的实时动态信息，对船舶的最近会遇点的位置和区域进行聚类，以此减少船舶碰撞事故的发生，提高船舶自动化航行的安全性。

各种研究表明，对会遇态势风险的量化分析^[3][3]，是完全可行和必要的。在相同的会遇情景下，船舶会遇的次数随时间、位置和船舶交通流强度的变化而变化。

根据国内外众多学者的研究调查表明，由值班人员对船舶在各种碰撞情况下的风险感知对防止船舶碰撞事故至关重要。Endsley（1995）将态势感知分为三个阶段：1级（态势感知）、2级（态势综合）和3级（未来态势预测）^[4][4]。很多这方面的学者的研究显示，71%的人为错误是由于航程中缺乏态势感知造成的，其中，1级占58.5%，其次2级和3级分别占32.7%和8.8%。综上所述，态势感知的缺乏是碰撞事故中人为错误的关键因素。

以往的船舶会遇态势的判别多采用船员调查的方式，即采用调查的方法收集船员对某一会遇态势的认知，从而对会遇态势进行判别。这种方式由于依赖于人工经验，从而导致因人为失误而发生的船舶碰撞事故。因此需要一种基于AIS数据的更准确有效的会遇态势判别方法。

目前，基于AIS数据的船舶自动避碰决策方法在现实中得到广泛的运用，AIS系统配合全球定位系统(GPS)，掌握船舶实际位置、当前船速、改变航向率及航向等船舶动态信息，及船名、呼号、吃水、船舶尺度及危险货物等船舶静态资料^[5][5]。AIS系统的在判别船舶会遇态势方面具有以下特点：1、它能显示更多目标信息，存储容量大，给自动避碰系统的节省更多的计算时间。2、配合使用GPS的AIS 系统之后，使船舶信息来源准确率高、误差小，特别是在一些通航船舶密度大的狭长水道和航道内，使用AIS可以避免由于船舶密度增加过快，而导致的类似于ARPA雷达出现误跟踪或跟丢失的现象。 3、开启船舶上的AIS系统后，它可以将目标船舶的动向意图信息不间断地、实时地提供参考者，周围船舶如转向率、航迹向等的动态信息，特别是与船舶安全航行相关方面的信息，就会被“看到”，较人工监控更及时、更准确，对会遇局面反映的更全面。

本论文将以AIS数据基础，对船舶的会遇态势进行识别，进而实现对船舶会遇态势风险预测和分析。

1.2 国内外研究现状

随着科技的进步和经济发展的需要，数据驱动的船舶在大数据、信息物理系统等技术的推动下，逐渐形成了“智能船舶”这一概念，这是在船舶自动化、信息化后船舶行业又一重要的发展趋势。当数字时代，信息技术、电子技术和网络技术迅速发展，大量的高科技信息产品被应用到船舶设计上，现代船舶正在由之前传统的机电控制向数字化、信息化和自动化的形式转变，使船舶安全性能和运输效率得到显著提高。

随着AIS系统的普及，基于大数据开展水上交通规律研究已经成为了目前水上交通领域的重点领域。AIS数据被广泛运用于船舶避碰、水域风险概率计算、船舶轨迹聚类分析等研究工作中。同时，AIS数据也被广泛运用在船舶会遇态势的研究中，国内外学者开展了很多相应的工作。

1.2.1 国内外AIS数据应用的研究现状

文元桥、张帆、周春辉等^[6][6]基AIS数据建立了船舶领域模型，针对典型类型的船舶领域和典型水域的船舶进行了统计分析，研究了具有典型特征的AIS数据，并利用这些AIS数据构建船舶领域统计方法模型，并根据目标船与周围船舶的相对位置对模型进行了验证，对比分析直航船舶与横驶船舶的船舶领域差异，得出直航船舶与横驶船舶的船舶领域之间的区别；通过在船舶领域内对比不同尺度的上、下行的船舶，得出船舶规模和航速等因素对船舶领域的影响。该船舶领域模型研究为船舶在水上航行会遇风险预测和避碰研究提供了依据。

学者冮龙晖、郑中义、齐乐等^[7][7]根据避碰规则和航海实践经验，应用AIS数据技术，通过对琼州海峡AIS数据的验证，研究了一种通过AIS数据提取船舶会遇信息的方法，从而提取对船舶在不同会遇态势下的会遇样本进行提取，得到船舶的会遇信息和船舶相对运动参数，对船舶领域模型的研究做出了重大的贡献。

国内学者王振洲、王宇、蒋庆朝等^[8][8]通过在渔船上的AIS数据的应用表明，AIS数据的应用加强了船舶与船舶之间的沟通，有效减少了船舶碰撞事故的发生；加强了船舶与岸上设施、机构的沟通，可以自动收发信息，提高了岸上机构对在航船舶的监管力度和效率。龚进交等^[9][9]通过对舟山渔场的调查和研究也表明，AIS数据在渔船上的应用大大降低了渔船碰撞事故发生的概率，提高了水上交通运输的安全性。

国际海事组织(IMO)一直致力于解决船舶在航行中存在的碰撞问题和安全隐患。世界主要的海运国家于1910年在布鲁塞尔召开国际海事会议，此次会议第一次通过了《1910年国际海上避碰规则》，后来又经历多次的修改，形成了现在的1972年《国际海上避碰规则》^[10][10]，《规则》对驾驶、航行、航速、会遇、避碰都进行了明确的规定，成为在公海和连接于公海的一切通航水域都要共同遵守的海上交通规则，同时强制商船安装GPS、AIS、电子海图、声纳设备、雷达设备等电子导航定位设备，以减少和避免船舶航行事故的发生。

近几年来，美国和挪威等许多国家开始研究和应用了卫星探测AIS技术。卫星AIS^[11][11]是一种先进的船舶定位技术，它是通过卫星来接收船舶发出的AIS报文信息，然后将这些信息发传送到地上相应的接收设备，实现陆地对远海航行船舶的有效监管，使陆地上管理机构能够及时掌握船舶的动态信息，更进一步加强海上船舶与船舶之间的沟通，减少船舶水上事故的发生。

欧盟的ATOMOS Ⅳ项目目的是将当前最先进的计算机技术运用到船舶的控制系统中，引入“以人为中心”的船舶控制系统和控制界面，更方便地获取船舶的数据和信息，对船舶进行风险评估，以此提高船舶控制的便利性、可靠性和船舶航行的安全性。

日本27个机构联合发起的SSAP项目旨在通过GPS定位系统、AIS自动识别系统、雷达和自动驾驶系统，使舰载和岸基服务系统能够获取有关船舶、舰载设备和导航环境的数据，从而使陆地和船舶能够执行大量的任务，指导船舶进行性能测试、航线确定、设备优化和安全避让等，提高航行安全系数。

1.2.2 国内外会遇态势的研究现状