水路交通中风险评估与通过能力研究进展

陈卓欧 郭国平 张金奋吴 兵

（武汉理工大学航运学院1） 武汉 430063） （武汉理工大学智能交通系统研究中心2） 武汉 430063） （水路公路交通安全装备与控制教育部工程研究中心3） 武汉 430063）

0 引 言

随着海上和内河航运业的迅猛发展，某些重要的海湾、港口、航道等水域内船舶数量不断增加，吨位不断提高，给当地水域的交通带来诸多问题.科学评估水域交通安全形势，有效识别出影响交通安全的主要风险因素，进而有针对性地采取风险缓解措施，提高某船舶通过能力，提升航道的服务质量，成为当前水上交通研究领域的两大主题.

水上交通运输作为一个复杂的系统，其功能的发挥受多种因素的影响，而这些因素在不同类型水域环境中具有较大的差异.不同的水域在水文气象条件、船舶特性、航行规则等方面也具有很大的差异.本文针对一些典型水域，如海湾、海峡、港口、内河船闸水上交通流的相关研究成果，分别对风险分析和评价的相关理论与方法，船舶交通组织和调度、通过能力评估的相关研究成果进行分类总结，进而提出未来的研究方向.

1 海 湾

日本是较早研究海湾水域交通流的国家之一，研究主要侧重于原始数据分析.其中较为典型的是Liu等［1］利用2台船用雷达采集东京湾船舶交通流数据，通过雷达图像的叠加，并结合AIS数据，将东京湾水域进行网格化处理，统计每个网格内的船舶密度，识别出交通流密度大的水域.这种方法仅仅实现了交通流数据的初步统计分析，对交通风险的内涵仍需要更进一步研究.

相比之下，美国的San Francisco湾和芬兰的芬兰湾（Gulf of Finland）的研究更加系统和深入.San Francisco湾交通流的研究源于华盛顿州最大的轮渡系统［2］需求的增长，轮渡数量的增加会给当地交通风险带来影响.在当地政府的支持下，美国Virginia联邦大学的Jason［3］研究了当前情况下和3种渡船业务扩张策略：延长轮渡服务时间、增加轮渡班期和引进高速船舶时的船舶会遇数量的变化情况，并与当前状况进行比较，研究风险的增加程度；在后续研究中［4］，针对海事系统这一特定领域，提出Bayes风险分析框架，在数据缺乏的情况下，对具有潜在事故风险情况的Bayes仿真与专家对风险和不确定性的判断相结合，实现海事系统的风险量化评估.

芬兰湾位于芬兰和爱沙尼亚水域之间，随着与俄罗斯之间贸易的增长，该水域交通流量迅速增加.Helsinki理工大学的Kujala［5］对各种类型的事故进行了统计分析，研究交通流交叉区域的碰撞风险问题.J.Montewka［6］提出一种基于最小碰撞距离（minimum distance to collission，MDTC）的碰撞概率模型，较早提出根据船舶的操纵性来评价会遇船舶之间的碰撞危险，认为会遇船舶同时采取最有效的避让操纵情况下，2 条船舶的最近会遇距离越小，碰撞风险越大.该模型认为避碰时相遇船舶同时进行转向操作，这个假设与避碰规则不符.F.Goerland［7］从船舶会遇可能性角度建立了船舶碰撞概率仿真模型，利用Monte Carlo模拟的方法估计事故数量的期望值，得到水域内碰撞事故风险的分布图，并与历史数据进行比较，评估预测结果.

2 海 峡

土耳其的Istanbul海峡是世界上最为繁忙的海峡之一，被美国能源信息部门认为是世界上六大海上交通瓶颈之一［8］，海峡的通过能力和航行安全均是当地管理部门关注的2个焦点.针对这一水域的研究值得借鉴.

在通过能力研究方面，B.Özbas等［9］考虑该海峡船舶追越规则、引航员和拖轮配备等因素对航行安全的影响，认为风和流、引航员配备是影响通过能力的主要因素.D.Mavrakis等［10］则研究将两个方向到达船舶按照客船在最前，危险品船在最后的规则排队，船舶在建立的通行规则模型下依次通过海峡，对不同船舶到达率情况下的通过船舶数量进行仿真分析，结果表明危险品船舶数量的线性增长会导致船舶平均等待时间和队长呈指数增长，而其它类型船舶数量增加时平均等待时间和队长呈线性增长.S.U.Özgecan等［11］则通过建立数学模型研究船舶调度规则，主要思想是在先到先服务（first come first served，FCFS）调度规则基础上为大型危险品船舶设定较高的优先级，并与实际调度规则进行比较验证模型的准确性.

在风险分析研究方面，Or等［12］利用Bayes理论对Istanbul海峡历史交通和事故数据进行分析，将事故分为碰撞事故和其他事故两类，计算事故发生条件下的船长、船旗国等因素的状态分布情况，建立条件概率函数模型，研究在当前情况下，以及假设当地交通流密度增加、大船比例增加、油船比例增加等情况下的风险变化情况.Sariöz等［13］则从船舶操纵性建模出发，从微观角度研究在给定船舶和环境等参数情况下引航员能否让船舶安全通过海峡.Özgecan［14］将海峡分成21个小块，每个小块内的风险通过某个时刻从任意方向进入该区域船舶的航行状况计算，包括进入船舶的所有情况（船舶和环境状况等）的属性信息，同时考虑了引发二次事故的风险，研究成果在他的博士论文［15］中有系统的阐述，并且进一步研究了船舶到达规律，调度策略、引航员配备、当地交通流密度等因素对风险的影响.

实际上，通过能力和风险存在着某种内在的联系.船舶调度策略的改变，允许更多的船舶进入海峡，会使风险上升到很高的水平，而选择能够降低风险的调度策略会导致船舶平均等待时间增加，降低通过能力.因此航道的通过能力与航行风险之间存在某种对立的关系，而如何平衡二者之间的关系是需要进一步研究的内容.

3 港口航道

从港口航道交通流方面的研究来看，主要集中在2个方面：（1）针对繁忙港口的船舶进出港调度问题，重点研究航道的通过能力提升和交通拥堵缓解问题；（2）基于港口航道存在多种不利环境，给船舶安全航行造成不利影响，重点研究航行风险缓解问题.

在港口航道通过能力方面，研究工作大多集中于较为繁忙的国际性港口，以及航道条件较差且通过能力不足的内河港口.Y.Gi－Ta等［16］研究了世界上第三大繁忙港口韩国釜山港的船舶拥挤问题，利用AWE－SIM 仿真语言分析了2011年港口存在的潜在拥堵问题，并对预防船舶拥堵亟需解决的问题提出了建议.我国在这方面的研究也较为深入.文元桥等［17］针对港口交叉航道提出一种新的通过能力计算方法，利用船舶领域的思想建立船舶穿越领域、汇入领域和汇出领域，并据此评价航道的通过能力.宁双林等［18］研究了单线航道的通过能力，李德春［19］的研究则更进一步，以天津港为对象，研究了航道在单向通航和双向通航时的通过能力，以及进出港航道受挖泥船影响情况下，航道在单－双向通行模式转换情况下的通过能力.港口吞吐量的提升不仅取决于航道通过能力，还与港口的规模密切相关［20］，因此港口规模与航道通过能力只有协调发展，才能实现港口和航道功能得到充分的发挥.

在进出港船舶航行风险方面的研究中，比较多的是根据船舶的操纵性能参数建立运动方程，并根据特定港口的水文气象特点建立风、流、浪等环境干扰模型，从微观角度研究航行风险.S.Shigeki等［21］研究了系泊在码头船舶的低速运动特征，对船舶纵摇与波浪周期和码头的晃动周期之间的关系进行分析，得到共振和系缆力不对称是造成船舶摇晃的主要原因.代如亮［22］研究了港内船舶低速运动时舵的性能，采用MMG 建模思想，建立低速大漂角兼顾小漂角的船舶运动数学模型，对船舶在浅水区域的操纵性进行模拟仿真.

总体上讲，基于船舶操纵性的船舶运动仿真方面的研究起步较早，取得了很多有意义的成果，但是当前大多数研究的主要目标是使仿真模型能够更加切合船舶的实际运动情况，或者降低模型的算法复杂度，而对船舶运动过程中存在的潜在危险方面的研究较为缺乏.

4 内河船闸

在国外内河船闸方面，美国Mississippi河多级船闸的研究较为系统.L.D.Smith等［23］研究了船舶调度问题，主要目标是平衡公平与效率之间的关系.利用整数规划的思想，以船舶通过所有船闸所用的总时间最小为目标函数建立模型，研究船舶过闸时存在同向跟进和反向汇入两种情况时的船闸通过能力问题.Wang S等［24］研究了船闸建设和改造工程的规划问题，在工程预算一定的情况下，建立船闸建设产生的效益与投入资金之间的关系模型，针对该问题提出利用遗传算法寻求近似最优解的策略，开发出用于工程规划优化的SIMPOT 仿真软件.

以上研究很大程度上依赖于完善的内河交通流数据，而我国由于这方面研究起步较晚，在这方面显得较为缺乏.另一方面，内河航运发达国家实现了内河船型标准化进程，我国尽管在船型标准化方面［25－26］取得了很大的成绩，但是仍然存在较大差距.

国内针对我国内河船闸的特点也取得了一系列研究成果.早期的研究主要是根据航道特点建立经验公式，对基本通过能力、可能通过能力、设计通过能力进行估计［27－28］，评估航道的服务质量.后续研究中则利用了排队论的思想，首先对船舶到达规律利用理论分布进行拟合［29］，然后利用离散事件仿真软件研究航道船舶流、船舶等待时间等指标.廖鹏［30］基于G／G／1排队模型，建立估算待闸时间近似数学模型，得出船舶待闸时间不仅与交通负荷有关，而且与船舶到闸和过闸的离散程度有关.黄海鸥等［31］在此基础上对多线船闸建立2个顾客等级的M／G／K 服务系统排队模型，该模型计算量较大.Zhang 等［32］的研究更进一步，利用并行遗传算法研究船闸拥堵缓解问题，以所有过闸船舶的加权延迟最小化为目标，每个船闸各自寻求局部最佳调度策略，研究很大程度上依赖于实时数据的采集.

从国内外对船闸交通流的研究来看，主要集中在提升通过能力上，而对船舶过闸时存在的潜在风险方面的分析较少.对于船舶来说，一旦在船闸水域发生事故，将会给其他过闸船舶的顺利通过造成影响［33－37］，很容易造成船舶拥堵.因 此，在分析船闸通过能力时，船舶过闸风险是需要考虑的重要因素之一.

5 结论与展望

从当前水上交通风险的研究成果来看，拥有完善的历史和实时交通流数据会大大增加研究结论的可靠性，然而这在实际研究中往往很难做到.相关领域的专家知识可以在一定程度上弥补以上不足.水上交通方面的专家根据多年的工作经历，对交通态势作出经验估计，对风险评估的研究具有重要的指导意义.而Bayes理论是将历史数据与先验知识（即专家知识）相结合的很好的工具.因此，在Bayes理论框架下研究交通流风险是今后的发展方向之一.

目前排队论和系统仿真方法已广泛应用于航道通过能力研究中，基本能够实现航道的服务能力、不同船舶到达率条件下的平均等待时间、最大等待时间的变化情况等方面的评估.而在宏观角度上，对航道、船闸等通过能力与实际需求，如船舶等待时间，港口、锚地利用率等之间内在关系的探索，从水路运输系统的角度研究航道的通过能力，实现航道通过能力与实际需要协调发展是今后研究中需要进一步考虑的问题.

作为当前研究的2个焦点问题，交通风险和通过能力之间存在某种内在的联系.尽管国外有研究表明通过改变航行规则来提升通过能力会造成风险大幅度增加，而为了降低风险，则会导致船舶等待时间急剧增加，但如何针对我国水域的特点，综合考虑水域船舶管理规则，船舶通行服务质量保证，以及水域安全形势等因素，对风险和通过能力之间折中关系仍然需要做进一步探索.

综上所述，针对某个特定航道内船舶的航行特点，通过系统采集交通流数据，结合相关领域专家知识，利用先进的理论，系统研究水上交通风险与通过能力之间的关系，对航运资源的有效发挥，管理人员决策支持，安全形势改善等方面具有重要的理论和现实意义.

［1］LIU Shun，HAGIWARA H，SHOJI R，et al.Radar network system to observe ＆analyze tokyo bay vessel traffic［J］.Aerospace and Electronic Systems Magazine，2004，19（11）：3－11.

［2］JOHAN R W，RENE Van Dorp，JASON R W，et al.A aisk management procedure for the Washington state ferries［J］.Risk Analysis，2001，21（1）：127－142.

［3］JOHAN R W，MERRICK J.RENE Van Dorp，et al.A traffic density analysis of proposed ferry service expansion in san francisco bay using a maritime simulation model［J］.Reliability Engineering and System Safety，2003（81）：119－132.

［4］JOHAN R W，MERRICK J，RENE Van Dorp.Speaking the truth in maritime risk assessment［J］.Risk Analysis，2006，26（1）：1－30.

［5］KUJALA P，HANNINEN M T，AROLA J，et al.Analysis of the marine traffic safety in the gulf of finland［J］.Reliability Engineering and System Safety，2009（94）：1349－1357.

［6］MONTEWKA J，HINZ T，KUJALA P，et al.Probability modeling of vessel collisions［J］.Reliability Engineering and System Safety，2010（95）：573－589.

［7］GOERLANDT F，KUJALA P.Traffic simulation based ship collision probability modeling［J］.Reliability Engineering and System Safety，2011（96）：91－107.

［8］BA＿AR E，Köse E.Due to the heavy marine traffic and associated risk the oil spill scenarios at kandilli which is the narrowest point in Istanbul strait［C］∥International Oil Spill Conference，2011：1－4.

［9］ALMAZÖ，˙ILHAN O，ÖZBAS B.Investigation of transit maritime traffic in the strait of Istanbul through simulation modeling and scenario analysis［J］.International Journal of Simulation，2006，7（7）：1－9.

［10］ MAVRAKIS D，KONTINAKIS N.A queueing mode of maritime traffic in bosporus straits［J］.Simulation Modelling Practice and Theory，2008（16）：315－328.

［11］ÖZGECAN S U，ÖZBAS B，ALTOK T，et al.Transit vessel scheduling in the strait of istanbul［J］.Journal of Navigation，2009（62）：59－77.

［12］OR I，KAHRAMAN I.A simulation study of the accident risk in the Istanbul Channel［J］.International Journal of Emergency Management，2002，1（2）：110－124.

［13］SARIÖZ K，NARLI E.Assessment of manoeuvring performance of large tankers in restricted waterways：a real－time simulation approach［J］.Ocean Engineering，2003（30）：1535－1551.

［14］ÖZGECAN S U，ÖZBA S’B，ALTOK T，et al.Risk analysis of the transit vessel traffic in the strait of Istanbul［J］.Risk Analysis，2009，29（10）：1454－1472.

［15］ÖZGECAN S.TÜTÜN U.Performance modeling and risk analysis of transit vessel traffic in the Istanbul strait：studies on queues with multiple types of interruptions［D］.New Brunswick Rutgers：the State University of New Jersey，2008.

［16］GI－TAE Y，MICHAEL Roe，SOAK S M.Evaluation of the marine traffic congestion of north harbor in busan port［J］.Journal of Waterway Port Coastal and Ocean Engineering，2007，133（2）：87－93.

［17］文元桥，刘敬贤.港口公共航道船舶通过能力的计算模型研究［J］.中国航海，20103，3（2）：35－39.

［18］宁双林，宋向群，郭子坚，等.单线航道通过能力仿真研究［J］.水道港口，2008，29（3）：166－169.

［19］李德春.港口航道通航能力仿真分析［D］.天津：天津大学，2007.

［20］ZHANG Jinfen，YAN Xinping，CHEN Xianqiao，et al.Study on the coordination between berths and channel in Tianjin port［C］∥1stInternational Conference on Transportation Information and Safety，2011：1－8.

［21］SAKAKIBARA S，KUBO M.Characteristics of lowfrequency motions of ships moored inside ports and harbors on the basis of field observations［J］.Marine Structures，2008（21）：196－223.

［22］代如亮.港内低速时船舶舵效的研究［D］.大连：大连海事大学，2007.

［23］SMITH L D，ROBERT M，JAMES F C，et al.Sweeney II.triangulation of modeling methodologies for strategic decisions in an inland waterway transportation system［C］∥Proceedings of the 42nd Hawaii International Conference on System Sciences，2009：1－10.

［24］WANG S，SCHONFELD P.Genetic algorithms for selecting and scheduling waterway project，2006：1－47.

［25］鲍学训，朱 晖，晏远春.京杭运河江苏段船型标准化研究［J］.水运工程，2007（8）：85－88.

［26］廖 鹏，毛 宁.京杭运河苏北段船舶大型化和标准化分析［J］.水运工程，2007（12）：72－76.

［27］廖 鹏.内河船舶交通流量的时空分布特征［J］.水利水运工程学报，2009（2）：33－38.

［28］周 祥.京杭运河淮安段通过能力研究［D］.武汉：武汉理工大学，2009.

［29］谭志荣，严新平，刘 亮.长江干线桥区船舶到达规律数学模型及检验［J］.交通信息与安全，2010，29（2）：70－73.

［30］廖 鹏.繁忙船闸的船舶待闸时间分析与估算［J］.南京：东南大学学报：自然科学版，2009，39（2）：408－412.

［31］黄海鸥，张 玮，李骁春.基于排队理论的京杭运河船闸通过能力研究［J］.武汉理工大学学报：交通科学与工程版，2009，33（3）：604－607.

［32］ZHANG Xiaopan，FU Xide，YUAN Xiaohui.Simulation based parallel genetic algorithm to the lockage co－scheduling of the three gorges project［C］∥International Conference on Computer Science and Software Engineering，Wuhan，China，2008：324－327.

［33］刘明俊，万长征.航道通过能力影响因素的分析［J］.船海工程，2008（5）：116－118.

［34］段丽红，文元桥，戴建峰，等.水网航道通过能力的时空消耗计算模型［J］.船海工程，2012（5）：134－137.

［35］振 东，刘敬贤，晏 林.基于模糊层次分析法的天津港复式航道通航安全综合评价［J］.船海工程，2012（2）：126－129.

［36］陈厚忠，郭国平.清澜港5000t级航道风险分析与评价［J］.船海工程，2008（4）：82－84.

［37］张 鹏.三峡过闸船舶安全管理对策研究［D］.武汉：武汉理工大学，2006.