基于大數(shù)據(jù)挖掘的航標(biāo)作業(yè)船航行安全評估研究

任廣利

(天津海運(yùn)職業(yè)學(xué)院，天津 300350)

0 引 言

航標(biāo)作業(yè)船也被稱為布標(biāo)船，是用于布設(shè)和維護(hù)航標(biāo)基地的勤務(wù)船，也可用于海洋石油開采、海沙開采、海洋水文地質(zhì)探查等區(qū)域標(biāo)記[1]。航標(biāo)作業(yè)船在海上布設(shè)航標(biāo)時，其附近存在暗礁、淺灘以及巖石，是作業(yè)時安全風(fēng)險較高，且航標(biāo)作業(yè)船上搭載起重機(jī)、大量浮標(biāo)以及航標(biāo)儀等設(shè)備，一旦觸及暗礁、巖石或距離淺灘較近，航標(biāo)作業(yè)船會出現(xiàn)碰撞、擱淺的風(fēng)險[2]，威脅航標(biāo)作業(yè)船航行安全，因此對航標(biāo)作業(yè)船航行安全進(jìn)行評估意義重大。目前有學(xué)者研究船航行安全評估方法，如張葉等[3]提出基于KNN 算法的船舶評估方法，該方法采集船舶操縱姿態(tài)數(shù)據(jù)后，使用KNN 算法得到船舶風(fēng)險評估結(jié)果。杜沛等[4]則通過分析船舶航行的海洋環(huán)境要素，建立評估指標(biāo)體系后，利用層次分析方法得到船航行風(fēng)險評估結(jié)果。上述2 種方法雖可實(shí)現(xiàn)船航行風(fēng)險評估結(jié)果，但前者僅從船航行姿態(tài)角度其航行風(fēng)險進(jìn)行分析，而后者則僅從船航行海洋環(huán)境角度對其風(fēng)險進(jìn)行評估，二者方法均存在一定的片面性。大數(shù)據(jù)挖掘方法是利用分析處理算法、機(jī)器學(xué)習(xí)算法等從海量大數(shù)據(jù)內(nèi)挖掘隱含信息的數(shù)據(jù)處理方法，目前該方法在交通、醫(yī)療、航海等多個領(lǐng)域應(yīng)用極為廣泛[5]。研究基于大數(shù)據(jù)挖掘的航標(biāo)作業(yè)船航行安全評估方法，為保障航標(biāo)作業(yè)船安全航行提供技術(shù)支持。

1 航標(biāo)作業(yè)船航行安全評估方法

1.1 大數(shù)據(jù)挖掘的航行安全評估指標(biāo)體系構(gòu)建

1.1.1 R 聚類算法的航行安全評估指標(biāo)定量篩選

對航標(biāo)作業(yè)船航行安全評估指標(biāo)定量聚類的目的是將反映相同或相近的指標(biāo)歸為一類，保障航標(biāo)作業(yè)船航行安全評估指標(biāo)的全面性。使用大數(shù)據(jù)挖掘算法中的R 聚類算法篩選航標(biāo)作業(yè)船航行安全評估指標(biāo)定量，其過程如下：

令存在n個航標(biāo)作業(yè)船航行安全評估指標(biāo)，將該n個指標(biāo)劃分為P類，則第i類指標(biāo)離差平方和表達(dá)公式為：

式中：Yi為第i類指標(biāo)離差平方和；ni為第i類指標(biāo)個數(shù)；為第i個評估指標(biāo)的第j個樣本值向量；為第i個評估指標(biāo)的平均樣本值向量。

依據(jù)式(1)對航標(biāo)作業(yè)船航行安全評估指標(biāo)進(jìn)行聚類，每合并一個類別[6]，離差平方和的數(shù)值就要增大，依據(jù)最小原則對航標(biāo)作業(yè)船航行安全評估指標(biāo)進(jìn)行聚類，則k類的總離差平方和表達(dá)公式如下：

式中，Y為k類的總離差平方和。

經(jīng)過上述步驟反復(fù)迭代，即可得到P個航標(biāo)作業(yè)船航行安全評估指標(biāo)類別，完成航行安全評估指標(biāo)定量篩選。

1.1.2 因子分析的最大信息含量評估指標(biāo)遴選

篩選完航標(biāo)作業(yè)船航行安全評估指標(biāo)后，利用因子分析方法遴選最大信息含量的指標(biāo)，并建立航標(biāo)作業(yè)船航行安全評估體系。因子分析的本質(zhì)是利用少數(shù)具有實(shí)際意義的公因子線性組合的方式描述評估目標(biāo)[7]，因子分析表達(dá)公式如下：

式中：xi為第i個航標(biāo)作業(yè)船航行安全評估指標(biāo)，其中i=1,2,···,p，p為指標(biāo)總數(shù)；εi為xi的特殊因子；qj為第j個公因子，且j=1,2,···,k，k為公因子數(shù)量；aij為第i個指標(biāo)在第j個公因子上的負(fù)載數(shù)值。

利用篩選的航標(biāo)作業(yè)船航行安全評估指標(biāo)建立相關(guān)系數(shù)矩陣，該矩陣由Z表示，矩陣的特征值由ηj表示，該特征值是公因子qj解釋航標(biāo)作業(yè)船航行安全評估指標(biāo)的總方差，則qj對航標(biāo)作業(yè)船航行安全評估指標(biāo)數(shù)值方差貢獻(xiàn)計算公式如下：

式中，wj為qj對航標(biāo)作業(yè)船航行安全評估指標(biāo)數(shù)值方差貢獻(xiàn)值。

對式(4) 結(jié)果進(jìn)行排序處理，當(dāng)累積方差貢獻(xiàn)超過80%以上，說明其提取到的公因子可代表幾乎全部的航標(biāo)作業(yè)船航行安全評估原始信息。然后選擇前K個特征值對應(yīng)的公因子，使用主成分分析方法計算其因子荷載陣，則因子正交旋轉(zhuǎn)時，ηj和aij的關(guān)系表達(dá)公式如下：

將式(5)代入式(4)內(nèi)，通過式(4)選取累積方差超過80%的公因子，再利用式(3)進(jìn)行計算，記得遴選到最大信息含量的航標(biāo)作業(yè)船航行安全評估指標(biāo)，利用該指標(biāo)建立的航標(biāo)作業(yè)船航行安全評估指標(biāo)體系，如表1 所示。對航標(biāo)作業(yè)船航行安全評估指標(biāo)體系進(jìn)行賦值量化處理，數(shù)值＞7 為高風(fēng)險，數(shù)值位于5～6 區(qū)間時為中風(fēng)險，數(shù)值位于3～4 為低風(fēng)險，數(shù)值＜3 為無風(fēng)險。

表1 航標(biāo)作業(yè)船航行安全評估指標(biāo)體系Tab. 1 Navigation safety assessment index system for aids to navigation operation ships

1.2 基于模糊層次綜合評估算法的航標(biāo)作業(yè)船航行安全評估

依據(jù)表1 內(nèi)的航標(biāo)作業(yè)船航行安全評估指標(biāo)體系，使用大數(shù)據(jù)挖掘算法中的模糊層次綜合評估算法實(shí)現(xiàn)航標(biāo)作業(yè)船航行安全評估，其過程如下：

利用航標(biāo)作業(yè)船航行安全評估指標(biāo)體系建立航標(biāo)作業(yè)船航行安全評估因素集，該因素集可將航標(biāo)作業(yè)船航行安全評估因素劃分為多個層次，則航標(biāo)作業(yè)船的航行安全評估因素集表達(dá)公式如下：

式中：U表示航標(biāo)作業(yè)船的航行安全評估因素集；m為評價因素個數(shù)。

建立航標(biāo)作業(yè)船的航行安全評估的評價集，其表達(dá)公式如下：

式中：V為航標(biāo)作業(yè)船的航行安全評估的評價集，vi∈V。

依據(jù)式(7)結(jié)果，可得到航標(biāo)作業(yè)船航行安全評估指標(biāo)體系內(nèi)二級指標(biāo)的評估模糊隸屬度，對該隸屬度進(jìn)行量化后，得到二級指標(biāo)影響因素評價矩陣表達(dá)公式如下：

式中：Gi為第i個二級指標(biāo)影響因素評價矩陣。

依據(jù)式(8)，則航標(biāo)作業(yè)船航行安全評估一級指標(biāo)的因素評估矩陣表達(dá)公式如下：

式中，Hi為一級指標(biāo)的因素評估矩陣；Wi=(wi1,wi2,···,wim)為指標(biāo)權(quán)重集； ?為模糊運(yùn)算符。

依據(jù)上述公式結(jié)果，建立航標(biāo)作業(yè)船航行安全評估綜合評價矩陣，表達(dá)公式如下：

利用式(10)即可得到航標(biāo)作業(yè)船航行安全評估結(jié)果。

2 實(shí)驗(yàn)結(jié)果與分析

以10 艘同型號航標(biāo)作業(yè)船作為實(shí)驗(yàn)對象，該航標(biāo)作業(yè)船滿載排水量為2000 t，航速為14.5 kn，續(xù)航力為3500 n mile，自持力為40 晝夜。船上配置2 臺起重機(jī)和絞盤，起重機(jī)起吊能力為10 t，航標(biāo)位于甲板位置，搭載8 個，利用本文方法對該航標(biāo)作業(yè)船航行安全進(jìn)行評估。

驗(yàn)證本文方法對航標(biāo)作業(yè)船航行安全評估指標(biāo)定量篩選能力，以歸一化互信息指標(biāo)作為衡量指標(biāo)，測試在本文方法篩選指標(biāo)數(shù)量不同時的歸一化互信息數(shù)值，結(jié)果如圖1 所示。分析圖1 可知，本文方法在篩選航標(biāo)作業(yè)船航行安全評估指標(biāo)時，其歸一化互信息數(shù)值隨著篩選指標(biāo)數(shù)量的增加而降低，在指標(biāo)數(shù)量為20 個之前時，其歸一化互信息數(shù)值接近1.0，指標(biāo)數(shù)量持續(xù)增加，本文方法歸一化互信息數(shù)值呈現(xiàn)小幅度下降趨勢。指標(biāo)數(shù)量為50 個時，本文方法刪選航標(biāo)作業(yè)船航行安全評估指標(biāo)的歸一化互信息數(shù)值依然高達(dá)0.95。上述結(jié)果說明：本文方法篩選航標(biāo)作業(yè)船航行安全評估指標(biāo)時的歸一化互信息數(shù)值較高，篩選的航標(biāo)作業(yè)船航行安全評估指標(biāo)精度較高。

圖1 評估指標(biāo)篩選歸一化互信息數(shù)值Fig. 1 Normalized mutual information value of evaluation index screening

進(jìn)一步驗(yàn)證本文方法建立航標(biāo)作業(yè)船航行安全評估指標(biāo)體系能力，以航標(biāo)作業(yè)船航行安全評估指標(biāo)體系的信息貢獻(xiàn)率作為衡量指標(biāo)，以二級評估指標(biāo)作為實(shí)驗(yàn)對象，以統(tǒng)計方式計算其信息貢獻(xiàn)率，測試結(jié)果如表2 所示。分析表2 可知，本文方法建立的航標(biāo)作業(yè)船航行安全評估指標(biāo)二級指標(biāo)的信息貢獻(xiàn)率數(shù)值最大值為0.961 1，最小值為0.926 9，上述信息貢獻(xiàn)率數(shù)值較大，均超過0.9，其說明本文方法建立的航標(biāo)作業(yè)船航行安全評估指標(biāo)體系可充分描述航標(biāo)作業(yè)船航行安全狀態(tài)。

表2 二級評估指標(biāo)信息貢獻(xiàn)率Tab. 2 Contribution rate of secondary evaluation indicator information

利用本文方法對該10 艘航標(biāo)作業(yè)船在其作業(yè)區(qū)域的航行安全進(jìn)行評估，其評價結(jié)果如表3 所示。綜合分析圖2 和表3 可知，應(yīng)用本文方法可有效評估航標(biāo)作業(yè)船在航行過程中的安全風(fēng)險等級，為航標(biāo)作業(yè)船航線規(guī)劃和作業(yè)提供安全等級提醒，有效保障航標(biāo)作業(yè)船航行的安全性。

表3 航標(biāo)作業(yè)船航行安全評估結(jié)果Tab. 3 Navigation safety assessment results of navigation aids operation ship

以某一艘航標(biāo)作業(yè)船作為實(shí)驗(yàn)對象，將其安全評估一級指標(biāo)作為衡量指標(biāo)，評估其在航行作業(yè)中的安全風(fēng)險，結(jié)果如表4 所示。分析表4 可知，使用本文方法評估航標(biāo)作業(yè)船的航行安全風(fēng)險等級中，來自一級指標(biāo)航標(biāo)作業(yè)船和安全數(shù)據(jù)信息內(nèi)的二級指標(biāo)均為無風(fēng)險狀態(tài)，而其人為因素的安全風(fēng)險等級則較高，尤其工作強(qiáng)度，其為高風(fēng)險狀態(tài)。綜上結(jié)果，利用本文方法兒可評估航標(biāo)作業(yè)船航行安全風(fēng)險等級，依據(jù)其航行安全風(fēng)險，可對航標(biāo)作業(yè)船的人為因素加強(qiáng)管理和調(diào)整，有效保障航標(biāo)作業(yè)船的航行安全性。

表4 航標(biāo)作業(yè)船航行安全評估結(jié)果Tab. 4 Navigation safety assessment results of navigation aids operation ship

3 結(jié) 語

本文提出基于大數(shù)據(jù)挖掘的航標(biāo)作業(yè)船航行安全評估方法，利用大數(shù)據(jù)挖掘技術(shù)建立航標(biāo)作業(yè)船航行安全評估指標(biāo)體系，并利用大數(shù)據(jù)挖掘技術(shù)中的模糊層次綜合評估方法實(shí)現(xiàn)航標(biāo)作業(yè)船航行安全評估。經(jīng)過實(shí)驗(yàn)驗(yàn)證，本文方法具備較好的可行性，可用于航標(biāo)作業(yè)船航行安全評估。