數據驅動下橋群水域船舶路徑規劃*

吳昌勝 甘浪雄 孫敬東 范健宇 周春輝 張 磊*

(武漢理工大學航運學院1) 武漢 430063) (內河航運技術湖北省重點實驗室2) 武漢 430063) (江蘇海事局后勤管理中心3) 南京 210009)

0 引 言

近年來，長江黃金水道建設日益深入，長江干線跨江橋梁工程數量穩步增長，橋梁建設的集群化形成了以近距離、多橋梁為特征的橋群水域[1]，給水路交通運輸安全帶來了更多危機與挑戰.隨著無人艇、無人潛航器等自主航行技術飛速發展，路徑規劃研究方法日趨成熟.目前，橋群水域船舶航行仍采用傳統人工操舵[2]，人為操作造成的航跡誤差較大，易引發船-橋碰撞事故，橋群水域路徑規劃的研究必要性日益凸顯.

橋群水域通航環境復雜，為研究橋墩對航行船舶的干擾水動力，范平易等[3]建立了橋墩二維有限元水動力數學模型，分析計算了橋墩對通航的影響及影響寬度.Gan等[4]基于Fluent軟件采用準定常與非定常兩類方式，模擬了橋墩鄰域船舶粘性繞流場，計算分析了橋墩附近水動力特性.為界定橋區水域范圍，朱曼等[5]建立失控狀況下的船舶運動模型，采用蒙特卡洛法對船-橋碰撞概率仿真計算，得到不同碰撞概率下的橋區水域范圍.為優化船舶路徑規劃，需大量分析AIS數據，肖瀟等[6]基于AIS軌跡聚類算法和大數據分析技術，完成AIS數據軌跡聚類，并從中獲取典型船舶運動路徑.針對橋群水域路徑規劃，徐言民等[7-8]運用模擬退火粒子算法(SAPSO)對不同維數航路規劃模型求解，證明了其在橋群水域航路規劃方面的適應性，又計算了橋墩紊流區邊界及船橋之間對安全富余量.

綜上分析，橋群水域船舶通航安全研究處于探索階段，利用歷史船舶AIS軌跡數據與優化算法相結合方式進行橋群水域船舶路徑規劃鮮有人提出.開展數據驅動下的橋群水域路徑規劃研究，對提高船舶航行安全及航行經濟效益具有積極意義，使得規劃路徑更加符合實際，為復雜水域船舶路徑規劃提供了新思路.

1 橋群水域環境特征

1.1 橋群水域選取

文獻[9]中界定橋群水域為：相鄰兩座及以上橋梁軸線間距較小，干擾各自流場并影響船舶航行視距或形成“巷道效應”時，橋區上、下游邊界間的水域范圍.橋群水域通航船舶需連續躲避多座橋梁橋墩，船-橋碰撞事故風險更大.

目前，長江武漢段已建橋梁9座，在建橋梁2座，根據武漢橋梁建設規劃，至2019年底投入運營橋梁增加至11座.長江武漢段橋梁布設較為密集、平均間距小，船舶需在較短時間內連續穿越多座橋區，是典型的橋群水域.因此，選取長江武漢段橋群水域作為研究水域，見圖1.

圖1 長江武漢段橋梁布設示意圖

1.2 橋群水域特征分析

由長江武漢段橋梁布設可知，從白沙洲長江大橋到武漢長江大橋約7.5 km的水域上存在4座橋梁，平均間隔僅為2.5 km.橋群水域船舶航行路線隨不同水位期水位及流量變化而改變，各橋梁通航孔主跨尺度存在差異，航道軸線方向上橋墩分布不均、通航孔交替設置以及橋梁軸線不平行，橋梁間距小且水流變化顯著.

2 橋群水域環境建模

2.1 流場分布建模

為建立橋區水域水動力模型并獲取橋墩附近流場數據，利用Mike21軟件對橋區水域進行流場分布建模.Mike21軟件在平面二維自由表面流數值模擬方面功能強大，本文運用軟件中的水動力模塊，主要流程包括基礎數據處理、模型構建以及數值解析.

2.2 水動力模型仿真

2.2.1橋區航道地形建模

文中采用實際尺度對武漢長江大橋附近水域進行水動力分析，見圖2.首先提取橋區水域詳細數據，通過高程轉換及水位數據計算得到航道地形數據；其次確定航道邊界點，將邊界點連線得到航道輪廓線；最后對地形數據差值后得到具體地形數據.

圖2 橋區航道地形模型示意圖

2.2.2網格化處理及參數設置

橋區航道地形建模后，為得到橋墩周圍水動力的精確數據，對航道模型網格化處理，見圖3.地形數據精度與網格密度相關，增加橋墩附近網格密度，可進一步優化航道模型.

圖3 網格化示意圖

航道地形模型網格化處理后保存為m21fm文件，并對航道水位和流量變化參數進行設置.為確保船舶航行安全，選取水位和流量的最高點分析航道水動力數據，其中水位為25 m，流量為50 000 m3/s.橋區水流邊界見圖4，圖中兩側邊界為閉合邊界，定義為水流覆蓋最大邊界；上邊界和下邊界為開邊界，分別定義為水流入口和出口.

圖4 橋區水流邊界示意圖

2.2.3橋區水域仿真結果

結合航道模型采用Mike21軟件對流向流速分布進行仿真，設置360 min運行步長仿真，結果見圖5.

圖5 仿真結果示意圖

2.3 橋墩安全區范圍計算

2.3.1橋墩紊流區建模

橋墩附近水域紊流區會對過橋船舶產生影響，嚴重時會導致船-橋碰撞事故.為此，船舶在橋群水域航行時要避開紊流區，明確橋墩與船舶間的通航安全距離.在橋墩紊流區寬度研究方面，莊元等[10]通過水槽模擬實驗總結了圓頭橋墩紊流區寬度計算公式為

E=0.88Ks×v0.75b0.56h0.44

(1)

b=(L-B)×sinγ+B

(2)

式中：E為紊流區寬度；b為墩形計算寬度；Ks為墩形相關系數，取0.8；L，B分別為墩長和墩寬；γ為橋軸線法線與水流流向的夾角；v為橋墩附近水流流速；h為橋墩附近水深.

通過水動力模型仿真得到了橋墩附近水域參數數據，利用Mike21軟件得出橋墩附近水域流場模型分布情況，見圖6.

圖6 橋墩附近流場和流向分布圖

由橋墩附近水域流場數據可知，最大流速為4.3 m/s，水流與橋墩夾角為5°.通過對鸚鵡洲大橋和武漢長江大橋形成的橋群水域建模計算，橋墩紊流區寬度見表1.

表1 紊流區寬度計算表

2.3.2橋墩安全富裕量

船舶過橋航行中受風流影響會產生風、流漂移，為此橋墩安全區建模中，除橋墩紊流區安全范圍外還應增加橋墩安全富裕量，防止船舶因風、流漂移進入紊流區而發生碰撞的風險.Tian[11]對船舶與航道底邊間的富裕寬度進行了分析，得出散貨船航速大于6 kn的條件下富裕寬度應為1倍船寬.基于此將安全紊流區寬度與安全富裕量數值相加，可得最終橋墩安全區范圍.

3 AIS數據轉向點聚類

3.1 聚類數據選取

1) 轉向角選取 選取長江武漢段單船AIS數據，數據預處理前計算最大轉向角約為3.15°，單船軌跡數據預處理后可得最大轉向角超過5°.根據實際情況，選取5°作為單船航線轉向點閾值篩選轉向點，得到每條軌跡轉向點數據，運用聚類算法將相近轉向點聚類成簇.

2) 轉向點篩選 單條航線航跡轉向點篩選后，將代表船型在橋群水域航行的航跡從數據庫中提取，通過轉向點識別獲取多船航行轉向點數據.以武漢長江大橋與鸚鵡洲大橋形成的橋群水域上行3 000 t級貨船AIS數據為例，圖7為篩選后生成的轉向點數據熱力圖.

圖7 轉向點數據熱力圖

由圖7可知，船舶航經橋區水域時轉向操作的次數較多，且橋區水域附近的轉向點密度更大.兩橋間水域也存在船舶轉向操作，但相對較少.

3.2 AIS數據聚類效果展示

為更好體現橋群水域船舶航行特征，增加聚類轉向點數據后進行分析，以各類數據核心點為圓心畫圓，用不同顏色表示聚類數據.轉向點聚類整體可視化效果見圖8.

圖8 武漢橋群河段整體聚類效果圖

為提高聚類結果精度和準確性，將兩橋間水域聚類半徑范圍設置為50 m，橋區水域聚類半徑范圍設置成20 m，利用matlab對生成節點可視化.橋區水域聚類效果見圖9，圖中不同軌跡轉向點集合，聚類得到的航路轉向點范圍存在一定的重合.

圖9 橋區水域聚類效果圖

3.3 轉向點連通性辨識

由于不同軌跡轉向點集合聚類得到的航路轉向點范圍存在一定重合，若將各聚類中心點連線，顯然與實際船舶航線不符，因此需對航路轉向點間的連通性進行判斷.為此，提取各聚類結果中的數據，并對轉向點連通性進行辨識，將同一MMSI下的點進行連線，見圖10.由圖10可知，各航路轉向點間的關聯性存在重疊，各點集連通性關系見表2.

圖10 連通性辨識示意圖

表2 點集連通性是否關系表

將圖10中存在三點及以上互有連通性的航路轉向點歸為一類，各點集可分為三類：S1=[B,C,E,F]，S2=[A,D,F]，S3=[A,E,F].通過將航路轉向點分類可知，該水域船舶航行路線大致可分為三種情況，進行路徑規劃時需對各類航路轉向點點集進行計算.

4 橋群水域路徑規劃

通過結合橋群水域特征建立橋群水域環境模型，分析橋墩安全區范圍，用于規劃橋群水域船舶航行路徑的邊界.將數據分析得到的航跡轉向點作為約束條件，采用合適的路徑規劃算法，以實現數據驅動下的路徑規劃，見圖11.

圖11 路徑規劃對比圖

船舶路徑規劃常用算法有：A*算法、粒子群優化算法(PSO)、蟻群算法(ACO)，以及遺傳算法(GA)等，其中PSO算法是全局尋優的優化算法.通過將A*算法和PSO算法對比，以圓形為障礙物進行路徑規劃，采用PSO算法得到的結果更符合船舶實際航線，因此PSO算法更加適用于橋群水域的路徑規劃.

4.1 無數據驅動的路徑規劃

選定起點為武漢長江大橋橋墩模型下游，終點為鸚鵡洲大橋上游.設定船舶起點與終點坐標，AIS軌跡數據沒有加入的情況下，以最小航行距離為路徑規劃目標，見圖12.正常航跡中，船舶從左岸往右岸需穿過第三個通航孔.未加入航路轉向點時獲取最短路徑，背離了橋群水域通航規則，結果與歷史實際航線數據不符.

圖12 無數據驅動下路徑規劃效果圖

4.2 數據驅動下的路徑規劃

充分考慮橋群水域環境特征對路徑規劃的影響，將軌跡分析與數據處理技術應用于數據驅動，通過大數據平臺對軌跡和環境數據處理，再設置路徑起止點自動進行路徑規劃.利用數據挖掘、聚類分析等方法得到橋群水域船舶轉向點，將其作為約束條件與環境信息建模結合，通過歷史船舶AIS軌跡數據驅動，實現橋群水域船舶路徑規劃.

以AIS數據聚類分析得到的航路轉向點作為約束條件，將轉向點數據分為兩組.進行最短路徑規劃的同時航跡需穿過設定轉向點，航路轉向點的加入使得路線中拐點增加，通過對歷史經驗數據分析得到具有轉向特征的點位，改變了路徑規劃路線，見圖13.

圖13 數據驅動下路徑規劃效果對比圖

由圖13可知，基于數據驅動的船舶規劃路線，遵循了歷史實際AIS軌跡特征的第三通航孔，更符合船舶實際通航特征.為選取最優規劃路徑，通過篩選軌跡數據并計算路徑長度，可得第二組數據的規劃路徑長度更短，規劃路徑精度更高.

5 結 束 語

為優化橋群水域船舶路徑規劃，基于武漢段長江實際地形數據構建水動力模型，計算橋墩紊流安全區范圍.結合橋群水域船舶通航特征，對AIS軌跡數據聚類并辨識航路轉向點連通性，采用PSO算法進行實例路徑規劃對比.實例驗證表明，所建立的路徑規劃環境模型更真實可靠，AIS軌跡數據的融入使得路徑規劃更符合船舶實際航行線路，規劃路徑精度更高，進一步驗證數據驅動對橋群水域的路徑規劃具有實際意義.然而，本文只考慮了靜態路徑規劃，后期可結合周圍動態環境進行動態路徑規劃研究.