基于AIS的船舶航行擱淺風險預警建模研究

梁肇基+王晨+江福才

摘 要：為保障船舶航行安全，基于船舶AIS數據進行挖掘和統計分析，考慮船舶吃水及水位變化對航行擱淺風險的影響，建立了船舶航行擱淺風險預警模型，以為船舶動態監控及行為預警等研究提供參考依據，為有關部門決策管理提供支持。

關鍵詞：AIS 航行 擱淺 風險預警 建模

1.引言

目前，基于船舶AIS數據水上交通流分析主要包括宏觀和微觀兩個層面。宏觀研究在初期多借用陸上交通流的相關理論，將其應用到水上交通流研究中，如有學者通過分析船頭時序數據，以其有序程度來衡量水上交通流復雜狀況等。后多針對水上交通流特征，通過分析某水域交通流AIS數據，得到該水域通航風險程度或航行異常狀況，以為通航安全和海事管理提供依據。

如黃亞敏基于AIS數據分析水上交通流復雜性，分別建立了交通流宏觀復雜度模型和微觀復雜度模型；文元橋等為定量研究局部水域交通流復雜性，通過解析水上交通流結構特征，建立了基于交通密度因子和交通沖突因子的水上交通流復雜性測度模型；杜磊等為實現對目標水域水上交通系統宏觀狀態的演變趨勢的定量描述和分析，根據宏觀態勢特點，建立了融合動態密度因子和迫近因子的宏觀態勢評估模型和區域分布模型，并將水域網格化，將各網格的態勢在時間維度上擴展，建立了水上交通流宏觀態勢預測模型。

周翠等為客觀地確定港口水域船舶航跡帶尺度，運用最小二乘法，建立了基于AIS數據分析的船舶航跡帶尺度計算模型，計算出了航跡帶尺度，并推算出了船舶漂移系數的取值范圍；甄榮為對港口水域船舶異常行為進行識別，首先設計了基于空間—方向距離的船舶軌跡線相似度計算方法以對船舶軌跡進行聚類，后構建了基于貝葉斯分類器的船舶常規航行行為分類和軌跡異常航行行為識別模型。

熊勇等為實時監測環境、操作行為等引起的船舶異常運動情況，基于多核函數非參數估計方法，建立了估計船舶正常運動模式的概率密度函數，并設定了船舶異常運動判斷標準，以對航行行為異常的船舶進行監測；肖瀟等為得到更為直觀的船舶行為特征規律，基于AIS數據對特定船舶會遇信息進行挖掘和分析；向哲等為分析船舶航行特征并保障航行安全，基于AIS數據建立了受限水域船舶領域計算模型，并提出了一種計算受限水域航標安全距離的方法。

桑凌志等通過對分析處理AIS數據及基礎通航要素信息，預測船舶航跡，計算動態最近會遇距離和最近會遇時間，得到了航行時空危險度，并實現了船舶實時安全預警；文元橋等基于船舶AIS信息，建立了船舶廢氣測度模型，定量計算了船舶廢氣的排放量，并繪制了船舶航行過程中廢氣排放時空分布圖。

本文基于船舶AIS數據，考慮船舶吃水及水位變化對航行擱淺風險的影響，建立了船舶航行擱淺風險預警模型，以為有關部門決策管理提供支持，為船舶航行安全提供保障。

2.數學原理

一般來講，航道水位與航道水深有如下關系：

h=w+d

其中：h為航道水深，w為水位高度，d為海圖標示水深。

船舶航行均具有一定吃水，考慮船舶航行中各種因素導致的船舶下沉情況，船舶吃水與航道水深之間還需要有一定富余量，稱之為船舶富裕水深。將船舶富裕水深用F來表示，船舶吃水用H表示，則：

F=h-H

根據前人的研究成果，認為富裕水深F由以下影響因素組成：

F=Sb+h0+h1+h2+h3+h4

式中，Sb為船舶航行時船體下沉量；h0為其它富裕深度；h1為船舶航行龍骨下最小富裕深度；h2為波浪富裕深度；h3為船舶縱傾富裕深度；h4為船舶橫傾富裕深度。

（1）h1的計算

根據河港總平面設計規范，船舶航行時龍骨下最小富裕水深的計算結果可以列表的方式算出。

（2）h2的計算

波浪富裕深度，是指因波浪作用導致船舶下沉量的富裕深度，對波浪較大的河口、庫區、湖區和水域開闊的港口的波浪推算，按現行標準《內河航道與港口水文規范》執行。

（3）h3、h4的計算

（4）h0的計算

其他富裕深度h0主要包括水密度減小、潮汐測量誤差和海圖水深誤差等引起的船舶吃水的增加量和水深的變化量。一般不予考慮。

（5）Sb的計算

Huuska在1976年考慮水域寬度的影響，引入阻塞系數的概念，得到了船首下沉量的估算公式：

3.模型建立

針對某一艘船舶，可得到其靜吃水和船舶所需最小富裕水深，將其加和設為船舶航行吃水W，公式如下：

而水位與航道水深的關系，公式如下：h=w+d，通過比較h與W的大小和差值，即可得到船舶擱淺風險。

將G定義為擱淺風險距離，則G=h-W，將其展開，則得

很顯然，若G小于等于0，則擱淺風險為100%，若G大于0，且G越大，船舶擱淺風險越低。

4.模型應用

本文要求構建基于AIS數據的船舶航行擱淺風險預警模型，將該模型定義為基于單船航行的實時預警模型。其模型求解思路如下：

（1）針對某段航道，從船舶AIS數據庫采集某段時間內通過該航段的AIS數據，對AIS數據進行解譯獲取船舶航行吃水信息。

（2）通過建立的船舶擱淺風險距離數學模型獲取某段航道某段時間內的船舶擱淺風險距離集Gset，通過聚類分析得到擱淺風險距離段。

（3）將擱淺風險距離段與該航段船舶擱淺事故相關聯，得到擱淺事故高發的擱淺風險距離段，并進行等級劃分，形成基于船舶擱淺風險距離G的航道擱淺風險等級標準。

（4）針對某實時航行船舶，通過AIS基站獲取某航道內某船舶的實時AIS數據，通過船舶擱淺風險距離模型計算得到該船舶在航道航行的實時擱淺風險距離Gship，依據航道擱淺風險等級標準，得到該船舶航行實時擱淺風險概率。

5.結論

目前，基于船舶AIS數據的水上交通流分析，其中非常重要的一個研究方向便是對某海域的船舶AIS數據進行處理和挖掘，根據實際需求和目標來獲取并分析該海域交通流或船舶行為特征，以進行動態監控、行為預警等研究。本文即基于船舶AIS數據，考慮船舶吃水及水位變化對航行擱淺風險的影響，建立了船舶航行擱淺風險預警模型，以為有關部門決策管理提供支持，為船舶航行安全提供保障。

參考文獻：

[1]黃亞敏.交通復雜性測度研究[D].武漢：武漢理工大學，2014.

[2]文元橋，黃亞敏，楊君蘭，等.水上交通流結構復雜度建模[J].中國航海，2014，37（2）： 62-68.

[3]杜磊，文元橋，李正強，等.水上交通宏觀態勢評估模型[J].大連海事大學學報，2016，42（1）：27-33.

[4]周翠，肖進麗，牟軍敏.基于AIS信息的船舶航跡帶尺度確定與分析[J].武漢理工大學（交通科學與工程版），2015，39（6）：1278-1282.

[5]甄榮.基于AIS信息的港口水域船舶異常行為識別研究[J].廈門：集美大學，2015.

[6]熊勇，瞿小豪，郭俊維，等.基于AIS數據的渡輪異常運動模式監測[J].中國安全科學學報，2016，26（1）：100-103.

[7]肖瀟，趙強，邵哲平，等.基于AIS的特定船舶會遇實況分析[J].中國航海，2014，37（3）：50-53.

[8]向哲，胡勤友，施朝健，等.基于AIS數據的受限水域船舶計算方法[J].交通運輸工程學報，2015，15（5）：110-117.

[9]向哲，胡勤友，施朝健，等.一種利用AIS數據計算受限水域內航標安全距離的方法[J].中國安全生產科學技術，2015，11（4）：180-184.

[10]桑凌志，毛喆，張文娟，等.基于航跡預測的實時船舶預警方法[J].中國安全科學學報，201 4，24（8）：164-169.

[11]文元橋，耿曉巧，吳定勇，等.基于AIS信息的船舶廢氣排放測度模型[J].中國航海，2015，38（4）：96-101.

[12]張洪剛.內河受限水域富余水深研究[D].武漢：武漢理工大學，2012.

[13] JTJ 212-2006，河港工程總體設計規范[S].

[14] JTJ214-2000，內河航道與港口水文規范[S].

[15]孫德勇.黃驊港船舶航行安全富余水深研究[D].大連：大連海事大學，2010.