基于贝叶斯网络的内河航道拥堵预警系统设计

周俊华，陈先桥，张 笛，张金奋

(1.交通运输部 水运科学研究院，北京100088;2.武汉理工大学 计算机科学与技术学院，湖北 武汉430070)

21 世纪以来，我国内河航运迅速发展，已形成了以长江、珠江、京杭运河、淮河、黑龙江和松辽水系为主体的内河航运体系。在内河运输方式日益多样化、内河运输总量不断增长的背景下，内河航道通航保障能力与航道通过能力需求之间存在着一定矛盾。加之当前内河船舶标准化、大型化、专业化发展趋势明显，水上交通事故时有发生，使得内河航道监管与维护工作面临复杂局面，并不断呈现出许多新的特点。因此迫切要求航道管理部门转变传统的航道维护与管理方式［1－3］，积极采用现代化航道监管与维护技术及手段，全面监测监控内河航道通航状态，加强航道事故风险防范能力建设，以实现内河航道管理及维护现代化的目标，从而提高航运效率与航行安全性［4－5］。

1 内河航道拥堵预测预警技术

1.1 内河航道拥堵成因分析

笔者认为内河航道拥堵可分为无事故类和事故类航道拥堵两种类型。无事故类航道拥堵是指由航道水深不足、通航条件较差等所导致的航道通过能力下降而无法满足航道实际通过需求的拥堵。这类航道拥堵成因机理相对简单，即某个或多个航道通航条件超出或低于安全警戒值(如水深不足而限航)，其预测预警通过对航道条件状态进行及时监测监控来实现。事故类航道拥堵是指内河航道发生安全事故造成航道正常通过能力下降，从而导致船舶因航道因素航行缓慢甚至船舶禁航［6－8］的拥堵。这类航道拥堵成因机理复杂，笔者重点对其进行分析。

在“人、机、环境”3 因素事故致因理论的基础上，事故类航道拥堵成因可视为一个由“人、船舶、环境、管理”4 因素构成的复杂致因系统。其中:“人”主要指船员因素，包括船员(船长)的年龄、文化程度、持证情况和技术水平等;“船舶”主要包括船舶自身技术状态、装载状况以及船舶类型与结构等因素;“环境”主要包括航道通航条件和航道交通状况两类因素，如航道水深、流速、能见度、通航密度和助航设施状况等;“管理”主要包括海事部门管理、航道部门管理与船公司管理等因素。根据博德现代事故因果连锁理论，事故类内河航道拥堵是由人员、船舶、环境和管理等因素共同导致的，造成事故的直接原因主要包括人为差错，船舶、机械或设备故障等，事故表现形式有船舶碰撞、搁浅、浪损和翻沉等，主要损失包括人员伤亡和财产损失。

1.2 水上交通碍航风险因素分析

(1)人为因素。人是船舶航行安全的主体，在水上事故中，人为因素是导致交通事故最主要的直接因素，在碍航事故中更是如此。但必须指出的是，人员因素尤其是船员也常常受到环境因素的影响。同时，船员的年龄结构、文化程度、培训、持证情况、属性、个人性格与心理状态等，都直接影响船员的行为，对事故起决定性作用。其他的人员如引航员、管理人员、码头工人等，也会在履行各自职责时出现差错或过失，在某些事故中成为导致事故发生的原因。

(2)环境因素。除不可抗力外，环境因素较少成为事故的直接因素，但常常是造成人为失误的诱导因素之一。环境因素分为自然环境和通航环境，自然环境因素主要包括能见度(主要是雾、雪、雨的影响)、大风浪、水流、暗涌状况等水文条件;通航环境主要包括航道状况(航行宽度、深度、曲率半径、水下碍航物等)、通航密度和助航设施完善程度等。

(3)船舶因素。船舶因素是另一影响水上交通安全的直接因素。船舶因素包括船龄、船舶结构、船舶吨位、船舶类型、船舶载重和船舶自身技术缺陷等。

(4)风险因素关联性分析。上述水上交通安全系统构成显示，管理因素也是影响水上交通安全的主要因素之一。如果说安全风险主要来自于船员与通航环境等因素，那么通过加强安全监管就可以降低安全风险，预防和减少事故发生。绝大部分碍航事故由个体经营船舶造成，缺乏系统的安全管理体系是造成航道碍航的主要间接原因。

人员、船舶、环境风险与管理控制之间关系密切，人、船、环境因素的相互作用是导致交通事故发生的重要原因。从事故控制角度出发，如果能够在管理过程中干预环境因素，人、船、环境因素的风险将不能演变为危险事件。针对环境因素的干预就是解决船舶航行中信息缺失问题。预警管理作为一种干预手段，通过对水上交通安全状态的监测，采集和识别风险信息，做出预控管理决策并组织实施，有利于规避风险，减少安全事故发生。

1.3 Bayes 网络建模的可行性

从现有的研究资料来看，针对航道拥堵事故风险预测与评价的相关研究甚少，但是相关风险分析理论在其他各类事故风险预测与评价方面的应用研究则较多，如安全指标评价法、灰色系统理论、模糊数学、综合安全评价，以及Bayes 网络分析法等［9－10］。

由航道拥堵成因机理可知，内河航道拥堵风险受诸多因素影响，而这些影响因素间往往又是相互关联的，其信息具有随机性、不确定性和相关性的特点。Bayes 网络可以较好地解释变量之间的不确定性和相关性，并进行不确定性推理。其次，Bayes 网络表示的是各变量间的关联性，具备在信息不完备情况下处理复杂问题的能力。同时，Bayes 网络良好的学习能力使得模型可以在不断补充数据的过程中进一步完善、优化，这也保证了Bayes 网络运用于内河航道拥堵风险建模的优越性。

1.4 内河航道拥堵预测预警建模

整个航道拥堵预测预警建模过程可分为5 个步骤:①风险因素评价指标体系建立;②风险因素预处理;③关键风险因素筛选(Bayes 网络节点确立、节点状态赋值);④关键风险因素关系模型(Bayes 网络节点方向确立与模型敏感性分析);⑤拥堵风险量化评价指标CRI 计算与分级。整体建模思路如图1 所示。

图1 航道拥堵预警Bayes 模型建模思路

首先，通过层次分析法对上述因素进行分类，建立多层级的内河航道拥堵风险因素评价指标体系。其次，考虑到影响内河航道拥堵的因素较多，建模首先利用航道安全事故历史统计资料对航道拥堵风险因素进行预处理，寻找出航道拥堵的主要影响因子，进而利用皮尔逊(Pearson)积矩相关系数的方法从上述因子中提取出最为关键的因子，并进行因子分级筛选，建立各因子之间的影响关系模型。这里主要是为了完成内河航道拥堵预测预警Bayes 模型节点的选取以及确定节点间的方向，即父子节点的关系。Bayes 网络同一节点可以作为多个节点的子节点，也可以作为多个节点的父节点，但Bayes 网络不能出现环路。在给每个节点赋予相关状态后，下一步有必要进行节点概率验证，对已建模型进行敏感性分析，以确保航道拥堵预测预警模型的可靠性和科学性。

由于需要综合考虑拥堵的概率和事故等级，因此需引入拥堵风险的量化评价指标CRI=VP ×VC(VP 为拥堵发生的概率、VC 为拥堵的严重程度)，以此作为评判拥堵风险的标准。此外，为量化拥堵事故“特别重大、重大、较大和一般”4 个等级程度，有必要确定各等级所对应的CRI 取值范围。这需考虑预测航道的实际情况，同时选取每个等级中直接经济损失的下限作为该等级的严重程度取值。根据CRI 计算结果，存在“不预警、四级蓝色预警、三级黄色预警、二级橙色预警、一级红色预警”5 种拥堵风险评价状态。

2 内河航道拥堵预测预警系统设计

2.1 内河航道拥堵预测预警系统架构

按照系统设计目标，内河航道拥堵预警系统的总体架构如图2 所示。系统由数据采集与存储子系统、数据查询子系统、数据分析与处理子系统、拥堵预测与评价子系统以及报警与调度子系统等组成，相关信息通过数据库进行存储。其中，数据采集与存储子系统由多种内河航道通航状态的数据前端采集系统组成，该子系统利用传感器技术、通信传输技术、网络技术和数据库技术等，实现对航道条件状态与航道交通状态数据的动态监控和历史对比分析。借助GIS 技术平台，实现实时可视化的航道状态、航道交通状态的监控与预警及应急处置决策两大功能，具体功能包含电子航道图信息显示、通航要素信息(气象、水位、航标等)监控、船舶动态监控、船舶流量监控和航道视频监视。

图2 航道拥堵预警系统框架

2.2 内河航道拥堵预测预警系统功能

系统作业主要流程为:首先，系统通过对水文气象、航标和船舶流量等航道通航状态数据的获取与分析，实现对非事故类航道拥堵的预测预警。同时，对于事故类航道拥堵预测预警，系统在获取上述数据后，根据Bayes 网络模型进行航道拥堵风险实时在线预测。当分析结果满足预警条件时，系统预警发布模块会触发相应级别的报警，并自动调用相应预警处置预案和专家库等模块，通过系统语音调度模块还可在该系统上进行事故应急调度指挥。此外，系统在发布完预警后，对拥堵事故的发生和发展过程进行实时跟踪，将相关信息记录在专家库，为今后航道拥堵处理提供一手资料。系统功能如图3 所示。

图3 航道拥堵预测预警系统功能

系统基于MS Visual Studio 平台，采用C#语言开发，GIS 平台采用ArcGIS Desktop 9.3，数据库采用Oracle 10g。

3 结论

为了实现加快发展畅通、高效、平安、绿色内河航运的工作目标，利用信息化、数字化技术手段，开展内河航道通航状态监控以及航道安全风险防范技术研究很有必要。笔者所设计的系统对于加快数字航道建设、提升航道通航保障能力具有较重要的现实意义。

［1］ 蔡丽娟，罗本成，徐鲁宁.内河航道拥堵的成因与对策分析［J］.水运科学研究，2009，12(3):33－36.

［2］ ZHANG D，YAN X，YANG Z.Application of formal safety assessment to navigational risk of Yangtze River［C］//The 30th International Conference on Ocean，Offshore and Arctic.［S.l.］:［s.n.］，2011:1024－1031.

［3］ ZHANG D，YAN X，YANG P.Use of encounter model for collision risk assessment of Yangtze River［C］//The 1st International Conference on Transportation Information and Safety，［S.l.］:［s.n.］，2011:768－772.

［4］ 林强，徐峰. 数字航道综合监控系统在航道维护管理中的作用［J］.水运工程，2011，5 (3):47－50.

［5］ 徐敏，陈先桥. 内河船舶航行三维仿真关键技术研究［J］.武汉理工大学学报，2012，34(2):52－55.

［6］ ELMASRY R S，ELSAYED A E.Impact of uncertainty and risk assessment in multimedia project scheduling［C］//Management of Innovation and Technology，2006 IEEE International Conference. Singapore:［s.n.］，2006:653－657.

［7］ RENIERS G L L，DULLAERT W. DomPrev planning:user－friendly software for planning domino effects prevention［J］.Safety Science，2007(45):1060－1081.

［8］ MANSOURI M，NILCHIANI R. A risk management－based decision analysis framework for resilience in maritime infrastructure and transportation systems［C］//IEEE Sys Con 2009－3rd Annual IEEE International Systems Conference. Vancouver:［s. n.］，2009:35－41.

［9］ 刘亮，张培林.长江水上交通安全预警管理运行机制研究［J］.交通信息与安全，2010，28(4):116－119.

［10］刘亮，张培林.长江干线水上交通安全预警模型研究［J］.船海工程，2009，38(5):170－174.