內河典型水域船舶領域特征

文元橋， 李 通, 鄭海濤， 黃 亮,2， 周春輝,2， 肖長詩,2

(1. 武漢理工大學航運學院， 武漢 430063； 2. 內河航運技術湖北省重點實驗室， 武漢 430063；3. 國家水運安全工程技術研究中心， 武漢 430063)

內河典型水域船舶領域特征

文元橋1,2,3， 李 通1, 鄭海濤1， 黃 亮1,2， 周春輝1,2， 肖長詩1,2

(1. 武漢理工大學航運學院， 武漢 430063； 2. 內河航運技術湖北省重點實驗室， 武漢 430063；3. 國家水運安全工程技術研究中心， 武漢 430063)

為獲取內河典型水域的船舶領域特征，利用船舶歷史軌跡數據建立統計模型。通過網格化目標船周圍水域，計算每一時刻下目標船周圍距其最近的他船所占的網格，疊加每時刻下他船的網格分布，得到單船的網格密度圖，對同一長度類型的船舶的網格密度圖進行疊加，得到特定類型船舶的網格密度圖。觀測該網格密度圖和分析該網格密度數據，得到特定類型船舶領域的形狀和大小。分析結果表明：在內河典型水域，船舶領域的形狀和尺度均與傳統的基于理論分析的領域形狀和尺度及海上自由航行水域船舶領域的形狀和尺度有較大的區別。內河水域船舶的領域形狀受船舶行為影響明顯，呈非對稱橢圓狀，且橢圓長軸與船首向平行。船舶領域長度為船長的2.5～3.5倍，船寬的16～21倍；船舶領域寬度為船長的1.5～2.0倍，船寬的9～12倍。

船舶領域； 內河典型水域； 歷史軌跡數據； 網格密度圖

船舶領域[1]是指本船為保證航行安全，不許他船進入的本船周圍的一片水域，廣泛應用于船舶避碰和船舶航行風險評估等領域中。

在海上船舶研究領域，GOODWIN[2]在對北海南部水域進行海上交通觀測和利用雷達數據進行統計研究之后，在考慮國際海上避碰規則影響的基礎上，建立開闊水域的船舶領域模型，該船舶領域由船舶號燈劃分的3個不等扇形組成。此后，DAVIS等[3-4]，VAN DDR TAK等[5]和COLDWELL[6]對藤井和GOODWIN提出的船舶領域模型進行改進和完善。KIJIMA等[7-8]提出基于阻擋區域和瞭望區域的船舶領域，考慮船舶操縱參數和船速的影響，但未考慮人和環境的因素。WANG[9]結合模糊集理論，提出了模糊四元船舶領域模型，用于船舶空間碰撞危險度的評價，所得結果具有一定的優越性。PIETRZYKOWSKI[10]采用人工神經網絡，提出動態模糊船舶領域模型，將人的經驗數據和船舶的因素融入到模型中，但未考慮環境因素。周丹等[11]利用人工神經網絡研究船舶領域與其影響因素間的關系，考慮因素比較全面，所得結果具有較好的擬合度。

在內河水域船舶研究領域，大多數研究集中于構建船舶領域與船舶自身屬性的關系方面。賈傳熒[12]通過研究受限水域內船舶領域大小與船舶航速、船舶尺度之間的關系，提出受限水域內可變尺度的船舶領域。廖河樹等[13]在考慮船舶操縱性能和航行環境的影響之后，建立船舶在狹水道航行的球場式船舶領域，其尺寸是與本船船長、船寬和航速相關的函數。徐周華等[14]通過對我國內河船舶操縱與避碰的特點進行分析之后提出船舶領域三維模型的設想，該船舶領域與本船的大小、運動性能、水域及與他船的相互位置關系等因素有關。陳厚忠等[15]結合水動力學和船舶操縱性能，對船舶通過橋區的可行性進行分析，建立矩形船舶領域模型，其尺寸與橋墩寬度、船寬和單雙向通航等因素有關。范賢華等[16]基于水流條件對船舶航行的影響，提出一種改進的船舶領域模型。

隨著現代自動識別系統(Automatic Identification System，AIS)技術的興起，基于AIS的船舶領域研究變得越來越有意義，齊樂等[17]利用瓊州海峽航行船舶的AIS數據，通過數理統計和模糊數學方法，獲得不同避讓度下船舶領域的邊界曲線，建立海上船舶領域模型。HANSEN等[18]和向哲等[19]利用AIS數據，分別對丹麥與德國之間的Fehmarn Belt水域和受限水域內的船舶領域模型進行研究，所得結果的差異表明航行環境對船舶領域模型有較大的影響。

通過以上研究可知，目前對船舶領域的研究方法主要分為基于統計分析、基于解析表達和基于智能技術等3種，其中：統計分析法所采用的數據為雷達觀測數據，信息量少，因此所得結果不夠精確；解析法在構建船舶領域模型時雖然考慮了船舶本身的操縱特性，但忽略了船舶駕駛員和環境因素對船舶領域的影響；基于智能技術的方法還只是使用簡易模型，對人為因素和航行環境等復雜因素還遠未考慮到。

此外，在海上船舶研究領域已出現相對較多的基于觀測數據的實證研究，但在內河船舶研究領域，對船舶領域模型的研究大多還停留在理論和計算模型階段，缺乏實證研究。對此，選擇內河典型水域，采用AIS觀測數據對內河船舶的領域特征進行研究，以得到領域尺寸與船舶尺寸之間的關系。

1 數據與算法

1.1 數據及研究區域的選取

研究水域為長江中游武漢段，西起武漢鸚鵡洲長江大橋水域，東至黃岡公鐵兩用長江大橋水域(見圖1),全長44.92 n mile，通航船舶長度主要為60～120 m，包含武漢長江大橋、武漢長江二橋、武漢二七長江大橋、天興洲長江大橋、武漢青山長江大橋和陽邏長江公路大橋等6處橋區，天興洲水道、牧鵝洲水道、羅湖洲水道等3處彎曲航段，以及漢口港、青山港和陽邏港等多處港口及碼頭，航行環境特征豐富，為內河典型水域。

圖1 長江中游武漢段水域

研究選用的AIS數據來自于長江海事局AIS數據中心，包含武漢段水域內2014年1月份超過1 000萬條在航船舶AIS數據記錄，該數據為時間序列數據，每時刻下都包含對應船舶的位置、航向、船首向、航速和船舶尺寸等信息，相對于雷達數據提供的船舶位置和航向信息顯得更加豐富。由于AIS基站不能同時發送每艘船舶的數據信息，因此各艘船舶的信息之間存在一定的時差，且每艘船的AIS數據也可能包含有位置異常值和速度異常值，在應用前需對初始AIS數據進行插值和異常數據剔除。

1.2 算法原理

船舶領域的邊界可由一艘船周圍各方位上允許其他船舶靠近的最近距離來確定；該最近距離可通過選取目標船，以目標船在航行過程中距離目標船最近的他船的相對位置的分布情況來表示。為更清楚地反映目標船周圍距其最近的他船的分布情況，將目標船每航行時刻下的周圍水域網格化，并將他船按其尺寸看作是以其航向為長軸方向的矩形，然后判斷該矩形所占的網格數，為所占網格計數為1，不為所占網格計數為0，其原理見圖2。此外，將目標船每航行時刻下網格編號相同的網格計數疊加，以獲得單船的網格密度圖。由于一艘船舶在所選水域的航行時間有限，其單船網格密度圖所反映的信息通常不夠完整，因此按照目標船的長度對其進行分類，通過疊加同一長度類型目標船的單船網格密度圖獲得特定類型船舶的網格密度圖，該網格密度圖能比較完整地反映目標船周圍距其最近的他船的航行分布情況，可用來對不同長度類型船舶的領域特征進行分析。該計算流程見圖3。

圖2 單船網格計算原理

圖3 算法流程

1.3 具體計算步驟

由于初始AIS數據中包含一些異常數據，因此需從所選的AIS數據中剔除船舶長度和寬度不符合實際情況、船舶位置異常(不在航行水域內)、速度異常及航向異常的數據信息。此外，AIS數據中的位置信息為AIS天線位置，并非船舶中心，因此需將該位置換算到船舶中心。另外，由于AIS基站不能同時發送每艘船舶的數據信息，使得目標船的航行信息與在其附近水域內的其他船舶的航行信息之間一定的時差，因此需采用數據插值的方法將其他船舶的位置推算至待研究的目標船發出AIS信息的時刻，以保證航行信息同步。利用處理好的AIS數據進行以下所需的網格密度圖計算。

1.3.1單艘目標船的網格圖

以目標船為正中心，以其艏向為縱軸方向，將其附近水域被等分為300×100個網格，為更加準確地記錄目標船周圍水域距其最近的他船的航行情況，劃定每個網格的長度和寬度均為10 m，從位于該矩形水域的其他船舶中選出距離目標船最近的船舶的AIS數據，按船舶長度和寬度計算矩形，并判明該矩形所占的網格，可獲得目標船各航行時刻的單船網格圖。此外，為將目標船作為中心視角，保證目標船在各航行時刻下的艏向始終為網格圖的縱軸方向，須解決由于目標船處于航行狀態，使得其他船舶的相對方位一直在變的問題，從而對該矩形水域內的所有其他船舶的航向和目標船的航向進行換算，以保證所選統計樣本的準確性。

1.3.2獲取單船網格密度圖

為更加準確地反映單艘目標船在航行過程中距離其最近的他船的航行情況，同時考慮到內河船舶實際航速的分布范圍，將目標船在每航段內的航行信息插值到每2 s一個間隔。隨著目標船航行時間的推移，可獲得大量的單船網格圖，累加這些網格圖可獲得單船的網格密度圖。

1.3.3獲取特定類型船舶的網格密度圖

對目標船進行分類，對特定類型的目標船的單船網格密度圖進行疊加，以獲得比較完整的反映目標船周圍距離其最近的他船的航行分布信息。本文只考慮船舶尺度對船舶領域的影響，因此根據內河水域船舶的長度分布，將目標船劃分為60～69 m，70～79 m，80～89 m，90～99 m，100～109 m和110～119 m等6類，對每類船舶的網格密度圖進行疊加，獲得特定類型船舶的網格密度圖，通過觀測該密度圖和分析該密度數據來得到各類船舶領域的形狀和大小。

2 船舶領域統計結果分析

2.1 船舶領域統計結果

利用武漢段AIS數據獲得超過4 000萬張網格圖，并將其按船舶長度進行分類和疊加，最終獲得特定類型船舶的網格密度圖，按密度大小填充顏色，可清晰地顯示船舶領域的形狀。6類船舶的船舶領域見圖4，其中橫軸和縱軸均表示網格數。

a) 60～69 m船舶的領域

b) 70～79 m船舶的領域

c) 80～89 m船舶的領域

d) 90～99 m船舶的領域

e) 100～109 m船舶的領域

f) 110～119 m船舶的領域

圖4中，網格密度圖中心(橫軸50個網格，縱軸150個網格，即圖中實線的交點)即目標船周圍一小片水域，其網格密度遠低于其他水域，可將該水域認為是船舶領域。

對網格密度圖進行切割,得到各類船舶領域的大小[19]，分別選取該網格密度圖中心周圍的長軸方向幾列網格密度數據和短軸方向幾行網格密度數據，生成的斷面見圖5。以密度最大值的20%為閾值來對該斷面圖進行切割，由該斷面圖可知:6類船舶領域長度分別占24個、25個、26個、28個、30個和32個網格，寬度分別占11個、13個、15個、17個、20個和22個網格；6類船舶本身長度分別占7個、8個、9個、10個、11個和12個網格，寬度分別占1.16個、1.28個、1.42個、1.58個、1.70個和1.91個網格。船舶領域長度與船長的比值分別為3.43，3.13，2.89，2.80，2.73和2.67；船舶領域寬度與船長的比值分別為1.55，1.63，1.69，1.74，1.78和1.81；船舶領域長度與船寬的比值分別為20.69，19.53，18.31，17.72，17.65和16.75；船舶領域寬度與船寬的比值分別為9.37，10.19，10.72，11.01，11.51和11.38。

a) 60～69 m船舶領域長軸斷面

b) 70～79 m船舶領域長軸斷面

c) 80～89 m船舶領域長軸斷面

d) 90～99 m船舶領域長軸斷面

e) 100～109 m船舶領域長軸斷面

f) 110～119 m船舶領域長軸斷面

g) 60～69 m船舶領域短軸斷面

h) 70～79 m船舶領域短軸斷面

i) 80～89 m船舶領域短軸斷面

j) 90～99 m船舶領域短軸斷面

k) 100～109 m船舶領域短軸斷面

l) 110～119 m船舶領域短軸斷面

圖5 各類船舶的領域長軸及短軸斷面

2.2 結果分析

由圖4可知：所劃分的6類船舶領域均呈非對稱橢圓狀，且橢圓長軸與艏向平行，領域尺寸與船舶尺寸的比值均有所變化。隨著目標船舶尺度的增大，船舶領域尺度和領域右邊的密度也逐漸增大，這表明船舶越大，其右舷船舶追越情況更加頻繁，這也符合內河航行水域大船在占據主航道之后，他船多從其右舷追越的情況，這種船舶行為使得領域左右密度不對稱，從而形成領域形狀的非對稱性；隨著目標船舶尺度的增大，領域前后高密度區域逐漸變廣，領域左邊的密度逐漸增大，這表明船舶越大，其艏艉跟馳現象和左舷對遇情況更加明顯，這種不同大小船舶的行為差異使得領域長度與船舶尺度的比值逐漸減小，領域寬度與船舶尺度的比值逐漸增加。因此，在內河典型水域，船舶領域的形狀和尺度均與傳統的基于理論分析的領域形狀和尺度及海上自由航行水域船舶領域的形狀和尺度有較大區別，領域的形狀受船舶行為的影響明顯。

令目標船長為x1，目標船寬為x2，領域長度與船長的比值為y1，領域寬度與船長的比值為y2，領域長度與船寬的比值為y3,領域寬度與船寬的比值為y4(見圖6)，其相互之間的擬合關系為

(1)

由圖5可知：領域長度和船長的比值在2.5～3.5，船舶越長，比值相對越小；領域寬度和船長的比值在1.5～1.9，船舶越長，比值相對越大；領域長度和船寬的比值在16～21，船舶越寬，比值相對越小；領域寬度和船寬的比值在9～12，船舶越寬，比值相對越大。

a) 船舶領域長度和船長的比值與船長的擬合關系

b) 船舶領域寬度和船長的比值與船長的擬合關系

c) 船舶領域長度和船寬的比值與船寬的擬合關系

d) 船舶領域寬度和船寬的比值與船寬的擬合關系

圖6 船舶領域長度、寬度與船長、船寬的擬合關系

3 結束語

本文提出利用船舶歷史軌跡數據進行內河典型水域船舶領域特征研究的統計方法，并選取武漢段內的航行船舶的實際軌跡數據進行統計分析，通過獲取的網格密度圖和網格密度數據得到所劃分的6類船舶的領域的形狀、長度和寬度，結果表明：在內河典型水域，船舶領域的形狀和尺度均與傳統的基于理論分析的領域形狀和尺度及海上自由航行水域船舶領域的形狀和尺度有較大區別，領域尺度與船舶尺度的比值并非定值，領域的形狀受船舶行為的影響明顯，呈非對稱橢圓狀，且橢圓長軸與艏向平行。該船舶領域特征研究只考慮船舶尺度的影響，為獲得更加準確的內河典型水域船舶領域模型，今后需考慮船舶速度、航行環境等更多因素對船舶領域的影響。

[1] FUJII Y, TANAKA K. Traffic Capacity[J]. Journal of Navigation, 1971, 24(4): 543-552.

[2] GOODWIN E M. A Statistical Study of Ship Domains[J]. Journal of Navigation, 1975, 28(3): 328-344.

[3] DAVIS P V, DOVE M J, STOCKEL C T. A Computer Simulation of Marine Traffic Using Domains and Arenas[J]. Journal of Navigation, 1980, 33(2): 215-222.

[4] DAVIS P V, DOVE M J, STOCKEL C T. A Computer Simulation of Multi-Ship Encounters[J]. Journal of Navigation, 1982, 35(2): 347-352.

[5] VAN DER TAK C, SPAANS J A. A Model for Calculating a Maritime Risk Criterion Number[J]. Journal of Navigation, 1977, 30(2): 287-295.

[6] COLDWELL T G. Marine Traffic Behaviour in Restricted Waters[J]. Journal of Navigation, 1983, 36(3): 430-444.

[7] KIJIMA K, FURUKAWA Y. Design of Automatic Collision Avoidance System Using Fuzzy Inference[C]//Proceeding of IFAC Conference on Control Applications in Marine Systems, 2001.

[8] KIJIMA K, FURUKAWA Y. Automatic Collision Avoidance System Using the Concept of Blocking Area[C]//Proceeding of IFAC Conference on Manoeuvring and Control of Marine Craft, 2003.

[9] WANG N. An Intelligent Spatial Collision Risk Based on the Quaternion Ship Domain[J]. Journal of Navigation, 2010, 63(4):733-749.

[10] PIETRZYKOWSKI Z. Ship’s Fuzzy Domain-a Criterion for Navigational Safety in Narrow Fairways[J]. Journal of Navigation, 2008, 61(3):499-514.

[11] 周丹，鄭中義. 船舶領域與其影響因素的關系[J]. 大連海事大學學報，2016，42(3)：25-30.

[12] 賈傳熒. 擁擠水域內船舶領域的探討[J]. 大連海運學院學報，1989，15(4): 15-19.

[13] 廖河樹, 彭國均. 船舶在狹水道航行的碰撞危險性評價研究[J]. 中國航海, 2003 (1): 48-52.

[14] 徐周華，牟軍敏，季永清. 內河水域船舶領域三維模型的研究[J]. 武漢理工大學學報(交通科學與工程版)，2004，28(3): 380-383.

[15] 陳厚忠，郭國平. 內河并列橋梁橋區水域船舶領域模型與通過能力研究[J]. 船海工程，2008，37(5): 113-116.

[16] 范賢華，張慶年，周鋒，等. 水流條件下內河船舶領域模型[J]. 大連海事大學學報，2013， 39(1): 46-48.

[17] 齊樂, 鄭中義, 李國平. 互見中基于AIS數據的船舶領域[J]. 大連海事大學學報, 2011, 37(1):48-50.

[18] HANSEN M G, JENSEN T K, LEHN-SCHI?LER T, et al. Empirical Ship Domain Based on AIS Data[J]. Journal of Navigation, 2013, 66(6): 931-940.

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

CharacteristicsofShipDomaininTypicalInlandWaters

WENYuanqiao1,2,3，LITong1,ZHENGHaitao1，HUANGLiang1,2，ZHOUChunhui1,2，XIAOChangshi1,2

(1. School of Navigation, Wuhan University of Technology, Wuhan 430063， China; 2. Hubei Key Laboratory of Inland Shipping Technology, Wuhan 430063， China; 3. National Engineering Research Center for Water Transport Safety, Wuhan 430063， China)

In order to understand the characteristics of the ship domain in typical inland waters, the historical trajectory data of ships are studied, and the statistic model is constructed. Meshes are created in the vicinity of the target ship and the cells occupied by the closest ship at sampling time are recorded. In this way the diagram of ship number of each cell for single ship can be plotted. Overlying the diagrams of same type ships gives a diagram for ships of particular type. Looked into the resultant diagram, the shape and size of the ship domain can be determined. An interesting fact is seen in the investigation that the ship domain in real life is quite different from the theoretical prediction. The shape of the ship domain in typical inland waters takes the form of an asymmetrically shaped ellipse, with its major axis coinciding with the ship’s central line. The ratio of ship domain length to ship length is 2.5～3.5,and 16～21 to ship breadth; the ratio of ship domain width to ship length is 1.5～2.0 and 9～12 to ship breadth.

ship domain; typical inland waters; historical trajectory data; density-in-cell diagram

2017-11-24

國家自然科學基金(51579204; 51679180;51709218);武漢理工大學國家級大學生創新創業訓練計劃資助(20171049712005)

文元橋(1975—)，男，湖北松滋人，教授，博士生導師，博士，研究方向為水上交通安全與環境。E-mail：3444324@qq.com

1000-4653(2018)01-0043-05

U675

A