基于AIS的船舶航行搁浅风险预警建模研究

梁肇基+王晨+江福才

摘 要：为保障船舶航行安全，基于船舶AIS数据进行挖掘和统计分析，考虑船舶吃水及水位变化对航行搁浅风险的影响，建立了船舶航行搁浅风险预警模型，以为船舶动态监控及行为预警等研究提供参考依据，为有关部门决策管理提供支持。

关键词：AIS 航行 搁浅 风险预警 建模

1.引言

目前，基于船舶AIS数据水上交通流分析主要包括宏观和微观两个层面。宏观研究在初期多借用陆上交通流的相关理论，将其应用到水上交通流研究中，如有学者通过分析船头时序数据，以其有序程度来衡量水上交通流复杂状况等。后多针对水上交通流特征，通过分析某水域交通流AIS数据，得到该水域通航风险程度或航行异常状况，以为通航安全和海事管理提供依据。

如黄亚敏基于AIS数据分析水上交通流复杂性，分别建立了交通流宏观复杂度模型和微观复杂度模型；文元桥等为定量研究局部水域交通流复杂性，通过解析水上交通流结构特征，建立了基于交通密度因子和交通冲突因子的水上交通流复杂性测度模型；杜磊等为实现对目标水域水上交通系统宏观状态的演变趋势的定量描述和分析，根据宏观态势特点，建立了融合动态密度因子和迫近因子的宏观态势评估模型和区域分布模型，并将水域网格化，将各网格的态势在时间维度上扩展，建立了水上交通流宏观态势预测模型。

周翠等为客观地确定港口水域船舶航迹带尺度，运用最小二乘法，建立了基于AIS数据分析的船舶航迹带尺度计算模型，计算出了航迹带尺度，并推算出了船舶漂移系数的取值范围；甄荣为对港口水域船舶异常行为进行识别，首先设计了基于空间—方向距离的船舶轨迹线相似度计算方法以对船舶轨迹进行聚类，后构建了基于贝叶斯分类器的船舶常规航行行为分类和轨迹异常航行行为识别模型。

熊勇等为实时监测环境、操作行为等引起的船舶异常运动情况，基于多核函数非参数估计方法，建立了估计船舶正常运动模式的概率密度函数，并设定了船舶异常运动判断标准，以对航行行为异常的船舶进行监测；肖潇等为得到更为直观的船舶行为特征规律，基于AIS数据对特定船舶会遇信息进行挖掘和分析；向哲等为分析船舶航行特征并保障航行安全，基于AIS数据建立了受限水域船舶领域计算模型，并提出了一种计算受限水域航标安全距离的方法。

桑凌志等通过对分析处理AIS数据及基础通航要素信息，预测船舶航迹，计算动态最近会遇距离和最近会遇时间，得到了航行时空危险度，并实现了船舶实时安全预警；文元桥等基于船舶AIS信息，建立了船舶废气测度模型，定量计算了船舶废气的排放量，并绘制了船舶航行过程中废气排放时空分布图。

本文基于船舶AIS数据，考虑船舶吃水及水位变化对航行搁浅风险的影响，建立了船舶航行搁浅风险预警模型，以为有关部门决策管理提供支持，为船舶航行安全提供保障。

2.数学原理

一般来讲，航道水位与航道水深有如下关系：

h=w+d

其中：h为航道水深，w为水位高度，d为海图标示水深。

船舶航行均具有一定吃水，考虑船舶航行中各种因素导致的船舶下沉情况，船舶吃水与航道水深之间还需要有一定富余量，称之为船舶富裕水深。将船舶富裕水深用F来表示，船舶吃水用H表示，则：

F=h-H

根据前人的研究成果，认为富裕水深F由以下影响因素组成：

F=Sb+h0+h1+h2+h3+h4

式中，Sb为船舶航行时船体下沉量；h0为其它富裕深度；h1为船舶航行龙骨下最小富裕深度；h2为波浪富裕深度；h3为船舶纵倾富裕深度；h4为船舶横倾富裕深度。

（1）h1的计算

根据河港总平面设计规范，船舶航行时龙骨下最小富裕水深的计算结果可以列表的方式算出。

（2）h2的计算

波浪富裕深度，是指因波浪作用导致船舶下沉量的富裕深度，对波浪较大的河口、库区、湖区和水域开阔的港口的波浪推算，按现行标准《内河航道与港口水文规范》执行。

（3）h3、h4的计算

（4）h0的计算

其他富裕深度h0主要包括水密度减小、潮汐测量误差和海图水深误差等引起的船舶吃水的增加量和水深的變化量。一般不予考虑。

（5）Sb的计算

Huuska在1976年考虑水域宽度的影响，引入阻塞系数的概念，得到了船首下沉量的估算公式：

3.模型建立

针对某一艘船舶，可得到其静吃水和船舶所需最小富裕水深，将其加和设为船舶航行吃水W，公式如下：

而水位与航道水深的关系，公式如下：h=w+d，通过比较h与W的大小和差值，即可得到船舶搁浅风险。

将G定义为搁浅风险距离，则G=h-W，将其展开，则得

很显然，若G小于等于0，则搁浅风险为100%，若G大于0，且G越大，船舶搁浅风险越低。

4.模型应用

本文要求构建基于AIS数据的船舶航行搁浅风险预警模型，将该模型定义为基于单船航行的实时预警模型。其模型求解思路如下：

（1）针对某段航道，从船舶AIS数据库采集某段时间内通过该航段的AIS数据，对AIS数据进行解译获取船舶航行吃水信息。

（2）通过建立的船舶搁浅风险距离数学模型获取某段航道某段时间内的船舶搁浅风险距离集Gset，通过聚类分析得到搁浅风险距离段。

（3）将搁浅风险距离段与该航段船舶搁浅事故相关联，得到搁浅事故高发的搁浅风险距离段，并进行等级划分，形成基于船舶搁浅风险距离G的航道搁浅风险等级标准。

（4）针对某实时航行船舶，通过AIS基站获取某航道内某船舶的实时AIS数据，通过船舶搁浅风险距离模型计算得到该船舶在航道航行的实时搁浅风险距离Gship，依据航道搁浅风险等级标准，得到该船舶航行实时搁浅风险概率。

5.结论

目前，基于船舶AIS数据的水上交通流分析，其中非常重要的一个研究方向便是对某海域的船舶AIS数据进行处理和挖掘，根据实际需求和目标来获取并分析该海域交通流或船舶行为特征，以进行动态监控、行为预警等研究。本文即基于船舶AIS数据，考虑船舶吃水及水位变化对航行搁浅风险的影响，建立了船舶航行搁浅风险预警模型，以为有关部门决策管理提供支持，为船舶航行安全提供保障。

参考文献：

[1]黄亚敏.交通复杂性测度研究[D].武汉：武汉理工大学，2014.

[2]文元桥，黄亚敏，杨君兰，等.水上交通流结构复杂度建模[J].中国航海，2014，37（2）： 62-68.

[3]杜磊，文元桥，李正强，等.水上交通宏观态势评估模型[J].大连海事大学学报，2016，42（1）：27-33.

[4]周翠，肖进丽，牟军敏.基于AIS信息的船舶航迹带尺度确定与分析[J].武汉理工大学（交通科学与工程版），2015，39（6）：1278-1282.

[5]甄荣.基于AIS信息的港口水域船舶异常行为识别研究[J].厦门：集美大学，2015.

[6]熊勇，瞿小豪，郭俊维，等.基于AIS数据的渡轮异常运动模式监测[J].中国安全科学学报，2016，26（1）：100-103.

[7]肖潇，赵强，邵哲平，等.基于AIS的特定船舶会遇实况分析[J].中国航海，2014，37（3）：50-53.

[8]向哲，胡勤友，施朝健，等.基于AIS数据的受限水域船舶计算方法[J].交通运输工程学报，2015，15（5）：110-117.

[9]向哲，胡勤友，施朝健，等.一种利用AIS数据计算受限水域内航标安全距离的方法[J].中国安全生产科学技术，2015，11（4）：180-184.

[10]桑凌志，毛喆，张文娟，等.基于航迹预测的实时船舶预警方法[J].中国安全科学学报，201 4，24（8）：164-169.

[11]文元桥，耿晓巧，吴定勇，等.基于AIS信息的船舶废气排放测度模型[J].中国航海，2015，38（4）：96-101.

[12]张洪刚.内河受限水域富余水深研究[D].武汉：武汉理工大学，2012.

[13] JTJ 212-2006，河港工程總体设计规范[S].

[14] JTJ214-2000，内河航道与港口水文规范[S].

[15]孙德勇.黄骅港船舶航行安全富余水深研究[D].大连：大连海事大学，2010.