内河航运系统监管技术现状与展望

陈德山，范腾泽，元海文，严新平1a,,3

(1.武汉理工大学，a.智能交通系统研究中心，b.交通与物流工程学院，武汉 430063；2.国家水运安全工程技术研究中心，武汉 430063；3.广东省内河港航产业研究有限公司，广东 韶关 512100)

0 引言

内河航运系统凭借经济性优势在交通运输领域发挥巨大作用[1]，被称为“自然的高速公路”，我国内河航运已形成“两横一纵两网十八线”高等级航运网络[2]，截止2021 年，我国内河航道通航里程已达12.76 万km，运输船舶保有量为12.59 万艘。运营船舶数量的持续增长在给内河航运系统带来巨大经济效益的同时也造成了两方面不利影响：一方面，内河航运系统设施建设存在周期长、费用高及难度大的问题，交通建设增长速度与交通需求的逐年快速提升不相适应，内河航道通航压力剧增，在一定程度上提高了水上交通突发事件发生的风险，造成严重生命财产损失[3]；另一方面，航运系统因其承担庞大运输总量而成为能源消耗大户，2020年，全球航运业碳排放占全球人为活动排放总量的比重已逼近3%。IMO(International Maritime Organization)预测，如果控制措施不及时落实，2050年，船舶所排放的CO2数量将会占全球CO2总排放量的12%～18%。

内河航运系统由船舶、航道、港口及各种支持保障设施等要素组成[4]，船舶作为内河航运系统主体，航道起载体作用，港口作为系统运行中转枢纽。内河航运系统监管技术独立于系统要素之外，又针对系统要素，是不增加交通资源建设成本并能提高水上安全水平的有效手段[5]，同时，据北欧最大的港口——哥德堡港统计报告，海事监管机构主动协调和优化船舶进出港口和闸区排班，已成为船舶运营周期中第二大降低碳排放的措施[6]。欧盟制定了面向2030 年交通领域发展计划，旨在建立泛欧运输网络(TEN-T)，构建铁路、公路及内陆水道等一体化网络，提高多式联运衔接效率，其中，重点强调了开发智能、可持续、多模式及高性能的基础设施，提高交通参与者安全水平和改善货物的自由流动[7]。一体化和智能化监管体系建设已上升到我国国家战略层面，2019年，中共中央和国务院发布《交通强国建设纲要》，提出“加强基础设施运行监测检测，开发新一代智能交通管理系统”，交通运输部等部委在《智能航运发展指导意见》中，针对智能航运监管提出“重点突破状态感知、信息交互及运行协同等关键技术，显著提升航运生产运行管理智能化水平”。

在国际战略和国家政策的引导下，海事机构高度重视航运系统监管体系构建与技术的应用。2013年，在欧盟TEN-T政策支持下，针对水路交通研究，瑞典海事局联合芬兰、丹麦及德国等国家的38家权威机构研发MONALISA 2.0项目，搭建了复杂水域船舶交互测试平台，通过检测不同船舶预定路线，在测试平台求解最佳替代路线，并对船员予以路线推荐，以避免交通拥堵，保持船舶安全畅通运营[8]。2015年，为解决当前船与船沟通方式单一的问题，国际航标组织和国际海事组织提出开发VDES(VHF Data Exchange System)的倡议，目的是创建具备更高带宽的高效频谱船舶监管沟通系统，实现船间通讯全球无缝覆盖，目前，第1 代全球VDES卫星网络已于2022年启动应用。2020年，我国江苏海事局精准对接交通运输部提出的“水上大交管”布局，在长江率先建设了“资源要素联网、信息数据联通、交通组织联控及应急指挥联动”内河监管局面，并联合中船重工鹏力科技集团开发国内首套面向海事监管的VTS(Vessel Traffic Service)系统“PRIDe VTS 1000”“船E行”船端平台，集成了水面风险区域动态甄别、船舶碰撞主动预警以及航道船舶智慧管理等功能，极大简化了传统航运船舶“一区一报”的业务流程。浙江海事局整合升级现有水面感知定位系统，接入低轨卫星，建立海事监管云数据库，通过云计算中心分析和预测船舶动态方位、气象和潮汐等数据，形成海事监管全局状态感知，该平台在防止船舶碰撞和水上交通流组织等方面发挥重要作用。交通运输部科学研究院针对目前内河航道安全监测中存在的视频碎片化和子系统数据分离问题，利用BIM(Building Information Modeling)建模技术开发虚拟空间重构的三维航道运行场景，将实时离散的不同视角监控视频与三维场景模型相结合，建立场景中不同视频图像之间的空间相关性，利用VR(Virtual Reality)标签的形式更新和展示数字孪生场景下对应状态，并基于水上安全管理要求和业务逻辑开展监控、取证和应急响应，减轻了管理者了解实时视频画面的压力[9]。

目前，内河航运系统监管技术的普适性和深度智能化研究还需要攻克更多的理论难题，现阶段的海事监管技术更多地集中在监管技术的综合集成和基于数据的信息深度挖掘，目标是在一定程度上降低监管参与者的劳动负荷，尚属于监管的自动化阶段。本文通过分析相关系统研究基础构成，从态势感知、事件监视和组织优化角度阐述技术现状，提炼关键技术，并对未来内河海事监管发展方向提出创新方向，旨在建立一种大范围内高效、智能及全方位的内河航运运行管理体系，对保障内河航运安全，提高内河资源利用效率以及降低温室气体排放方面具有重要意义。

1 内河航运系统监管研究现状

1.1 态势感知

从海事监管角度分析，态势是船舶与通航设施和通航环境等耦合作用后产生的结果，并通过船舶交通流密度/速度、船舶领域、最近会遇距离(Distance at the Closest Point of Approach, DCPA)/最小会遇时间(Time to the Closest Point of Approach,TCPA)、轨迹比例[10]及迫近程度[11]等评估指标衡量，态势感知结果为海事监管人员提供了具有潜在事故风险的观测目标。

内河航运系统运行态势感知承载着揭示水面交通行为影响的基础功能，相关研究主要围绕交通安全需求展开，内河航运态势感知研究伴随传感器技术进步，从单一传感器感知要素运行信息，逐步向多传感器融合感知和智能感知局面发展，如图1所示。

图1 态势感知技术内容Fig.1 Technical content of situation awareness

早在1948 年，世界第一部岸基船舶监测雷达在英国利物浦港建立，标志着海事监管开端，海事监管人员基于雷达回波图像感知固定区域船舶运行位置和航区密度等水面状态。1971年，FUJI[12]基于岸基雷达船舶位置数据首次提出“船舶领域”概念，其定义为：“其他船只必须避开的围绕船只的二维区域或规避区域”，该概念体现了船舶自身安全范围，被广泛应用于船舶逻辑避碰和路径规划。为精细化刻画船舶领域，WANG等[13]进一步考虑了船舶性能的影响，提出四元数船舶领域(Quaternion Ship Domain,QSD)，其形状由船舶速度、长度和机动性参数确定，其大小则由四个方向的半径(前舷、后舷、右舷和左舷)决定，且该半径随船舶速度变化。GOERLANDTETAL等[14]则在船舶操纵性基础上，进一步将冰区这一特殊交通条件纳入船舶领域求解模型，分析了船舶跟随破冰船场景下冰况对船舶周围安全距离的影响。

IMO 要求一定吨位船舶配备船舶自动识别系统(Automatic Identification System，AIS)[15]，AIS 在海事甚高频段自动交替发送当前船舶船号、经纬度及船舶类型等动静态信息，弥补了雷达图像无法直接识别船舶速度以及身份信息识别能力的不足，相关学者利用AIS 数据中船号、航行速度、方向及位置参数设计了两船的最近会遇距离DCPA 和最小会遇时间TCPA指标，通过感知两船时间和空间上最接近距离大小定量刻画船舶危险情况[16]。

伴随水文气象传感器、高清成像技术及甚高频技术等先进传感器技术的飞速发展，内河海事监管向广域方向发展，1985年《国际海上人命安全公约》要求各国在交通流量较大，区域危险程度较高水域建立VTS系统，该系统借助于人机交互界面结合自动化分析技术将AIS、VHF(Very High Frequency)、CCTV(Closed Circuit Television)及天气等航道动态信息集成到电子显示端，有助于提高海事监管人员有效地理解和推理各要素状态的水平，并产生有效的监管决策，VTS系统结构如图2所示。

图2 VTS系统结构Fig.2 VTS system structure

VTS系统集成了船舶位置和环境数据，有关学者为丰富态势感知研究的全面性，结合船舶机动特性等知识，综合评价船舶态势。文元桥等[17]利用风和能见度等水上环境信息结合船舶载重数据建立水上“安全模态”概念，综合考虑了不同吨位船舶在不同环境下的安全波动态势。由于船舶航行过程中转向动作频繁，单纯考虑DCPA 和TCPA 不足以刻画船舶交互行为，致使局部参数波动而错误理解会遇态势，BUKHARI 等[18]增加方位角和罗盘度数参量，采用模糊推理方法评估船舶运动安全态势并予以可视化。YU等[19]基于AIS数据考虑遭遇船的速度和航向机动特性，采用方向约束时空棱镜法表征船间相互作用的动态态势。前述态势感知包含具体求解过程，为提高实际应用效率，JIA等[20]采用循环神经网络建立了船舶运动基本参数与两船会遇态势结果的映射关系，而不考虑两者之间具体机理，该模型可以完成会遇态势的迭代更新预测，并采用累计态势反映两船之间风险变化趋势。

内河海事态势感知的研究与实践多以单船和成对船舶为主要研究对象，通过计算船-船态势大小，借助计算机显示技术以协助海事监管人员关注呈紧张态势的船舶，但是，面对船舶数量日益繁多和航运交通趋于高复杂的内河航运系统，只关注船舶与临近船舶的安全态势可能会误导监管人员产生低效的船员路线规划建议或紧急避险指令，如何描述多船会遇下的态势关系是最新研究的关注点。WANG 等[21]提出一种针对多船相遇情况的自适应态势理解模型，该模型的核心功能是推断其他目标船舶的航行意图，主要由两个子模型组成：一是船舶遭遇情景分析模型，实现从全局视角对整个会遇情景的认知；二是模糊推理系统，考虑了多船相遇情况的不确定性，会遇情境分析模型的输出是意图推理模型的输入，结果表明，该模型在复杂的多船会遇情况下具有良好的态势理解性能。ZHEN等[22]针对复杂水域难以准确量化多船相遇情况，提出一种结合密度聚类和多种影响因素的区域船舶会遇态势评估方法。首先，利用DBSCAN 对船舶位置进行聚类，得到遭遇船集群的空间分布；然后，综合考虑聚类船舶DCPA、TCPA 和相对方位角(RB)的影响因素，建立集群碰撞态势计算函数，该研究为复杂水域VTS 中心识别重点观测船舶提供了理论依据，但是聚类算法只考虑空间距较小的集群，对于水面态势的把握仍不够全面。SUI 等[23]引入复杂网络理论感知区域性多船态势，考虑了监管水域内所有船舶间交互关系，弥补了上述研究的不足，建立了以所有船舶为节点，以节点间交互关系为边的图结构，并通过复杂网络理论中结构熵指标评价多船态势复杂度，该研究在态势的广度上有所突破，可实现航道网级别态势感知。

当前内河航运的“感知-处理-传输”技术正逐步升级，例如，智能船舶高度集成了低轨卫星信息[24]和遥感信息[25]，为实时感知除船舶本身之外的相关要素状态(例如，既定路线的航道结构)提供了可能，云计算和云储存等先进信息处理技术支持在线处理船舶运动速度和位置等结构化数据与天气、运营方案及语音指令等非结构化实体大数据，并依靠广域5G移动通信技术实现交互信息与岸基的实时传输[26-27]，将有力支撑内河态势感知逐步融合航道结构、锚地分布及利用率和港口装备运行等信息，形成内河航运综合态势感知网络，促进内河全要素态势多粒度、多模态和及时性表达，以便于态势感知研究成果更好地服务于内河海事监管。

1.2 事件监视

内河航运中船舶安全运行是发挥内河航运经济价值的基础保障。内河运行事件通常指时间和地点随机性强，且对航道通行效率和安全水平有负面影响的船舶碰撞、搁浅现象以及船舶异常行为。在内河海事监管早期，受限于内河航道信息感知设备技术水平不足，相关学者利用事件统计数据分析事件特点，主要开展事件常发区域识别和时间分布规律等事件“后”分析，实时监测系统的应用提供了更为全面的航道信息，推动海事监管向事件“中”检测和事件“前”预测方向发展，如图3所示。

图3 事件监视技术内容Fig.3 Technical content of incident monitoring

内河航道结构特殊性往往对船舶航行造成一定影响，例如，相向而行船舶在弯道航段可能由于横流的侧推作用发生碰撞，从历史事件统计数据中挖掘信息，识别事件常发区域及致因，有助于监管部门对危险水域予以较高关注度，提高监管效率。ZHANG 等[28]建立了内河水域两阶段黑点识别模型，基于历史事件位置数据，首先，采用航道动态分割方法粗略识别事故多发航段；然后，通过DBSCAN 算法精细识别事件率较高的航道水域，完成对航道事件常发地的辨析。XUE 等[29]基于2009—2018年长江三峡水库历史事故统计数据，从事故类别和严重程度，涉及事故的船型、空间等方面开展对比分析，分析船舶事故时空分布特征及致因规律，该研究发现了库区搁浅是最常见的船舶事故，人为失误是造成这些事故的主要原因，主要包括船员疏忽和操作不当，这些研究结果进一步为内河海事监管提供决策支持。

以VTS 系统为代表的内河海事实时监测系统广泛应用，推动相关学者挖掘水面观测数据源内涵信息，内河实时事件识别成为可能，主要包括船舶碰撞事件检测及异常行为检测等。王莹等[30]利用内河水面CCTV 视频监控信息，基于图像识别技术，识别固定视角下视频中的船舶，依据船舶像素点间距离推测船舶间距离和相对速度参数，判断轨迹在空间中是否重叠，完成航道内船舶碰撞事件监视，由于该模型未能充分考虑航区三维空间结构特征，因此，该模型只能针对固定区域和视角(例如，桥区)。传统视觉跟踪方法中考虑了视觉二维图像中单一且浅层的特征，导致船舶识别任务鲁棒性低的问题，为此，CHEN 等[31]提出一个集成多视图学习算法和稀疏表示方法的框架，有效地跟踪三维空间船舶，并分析了连续图像中的船舶交汇行为。基于图像信息开展船舶碰撞的研究具有识别准确率高的优势，但由于CCTV 观测范围有限，对于远距离碰撞检测效果较差。

最近研究表明，考虑多种评价指标对船舶碰撞具有更好的识别效果，YU 等[32]提出了综合多准则框架，用于动态评估不同情景下的船舶碰撞风险，多准则概念体现在对船型、船速差、航向差、相对距离及能见度等7个碰撞影响因素的考虑，通过层次分析(AHP)的决策方法从专家判断中获得碰撞因素的权重，可以实时检测航行过程中船与船之间碰撞风险。CAI 等[33]为检测长江渡轮在渡河过程中的碰撞风险，建立包括DCPA、TCPA、距离和相对速度的风险影响因素，采用熵理论确定因素相应权重，并分析具有不同碰撞风险的几种相遇场景，评估了所提出模型的性能。

船舶运动过程由一系列连续操纵行为构成，如果船舶碰撞是导致人-船受损和水面交通拥塞的直接原因，那么船舶异常行为则是间接原因，开展异常行为检测可以对船舶予以及时预警，主要有基于AIS 数据开展轨迹“点”级别和“段”级别研究，BOTTS[34]以AIS 离散点为分析数据，首先，在地理空间分段，统计不同位置下点速度和航向信息，通过阈值法将船舶运动状态分为动态和静态两类，将不同于区域段内历史点平均速度和平均航向的点识别为异常点，类似的轨迹“点”级别的船舶行为异常识别研究还有HUNANG 等[35]。VRIES 等[36]基于历史轨迹数据研究了轨迹“段”级别的异常行为研究，采用编辑距离作为评价轨迹之间相似性的指标，进一步采用聚类算法辨别低相似度的船舶异常轨迹。但是，轨迹“段”级别的异常检测由于模型输入为一定长度的轨迹数据，需在船舶行驶过一定区域后才可以采集到足够的轨迹集，相关研究多数旨在挖掘离线轨迹中的异常行为，其在船舶异常行为的时效性上不如“点”级别。除对船舶“点”异常和“段”异常等船舶表象异常检测外，还包括船舶自身设备异常的检测，IMO 明确规定：船舶在航行过程中需开启AIS信号机，以保持岸基监管系统捕捉船舶位置信息，但由于障碍物遮挡(桥梁)或者人为关闭等原因导致AIS信号丢失，KELLY[37]通过监测发射器从正常发射功率模式切换到低发射功率模式的接收信号强度变化的位置、持续时间和变化率等，识别出人为故意关闭AIS设备的行为。

从当前船舶运动状态信息中推理船舶运动状态未来演变趋势，内河海事运行事件监视研究从对事件的实时性监视向可预测性方向发展。ABEBE等[38]将AIS 数据分解为平稳性较高的线性部分和波动性较高的非线性部分，分别输入自回归综合移动平均(ARIMA)模型和长短时记忆(LSTM)模型组合，预测船舶轨迹未来的位置，估计轨迹未来走向并评估与他船碰撞可能性，提前生成避碰决策。WU等[39]结合船舶位置、船舶轨迹方向、船舶与桥梁的距离、桥梁参数、自然环境和船速对船桥碰撞工况，提出了一种基于模糊逻辑IF-THEN规则的船桥碰撞风险评价方法，该研究可以在安全导航决策过程中船桥碰撞为高风险时提供预警功能。为降低量化船舶碰撞风险过程的时间消耗，GAO等[40]省去风险计算过程，直接从AIS大数据中提取船舶会遇场景的12 种正常船舶遭遇行为序列，建立序列生成对抗网络，通过模型学习使船舶提前生成适当的拟人化避碰行为。相关学者和科研机构将事件预测模型应用于实践，北海航海保障中心通过NBIoT(Narrow Band Interne to Things)物联网通信模块、北斗定位模块和震动传感器模块等预测船舶超速、船身倾斜以及将受到的冲击力等危险事件，为应急海事救援部门及时启动应急搜救和科学制定搜救方案提供信息依据[41]。FEI等[42]开发了一种集成内河电子海图(IENC)、AIS 及视频图像等多源异构数据的VR-GIS 内河航道监视系统，在线检测船舶碰撞。

尽管前述研究在船舶事件测试上获得了较好的测试效果，但是实际应用效果不甚理想。分析实时事件监视效果不佳的原因，主要有两点：1)数据采集时效性不足，以AIS数据为例，AIS基站采用分布式布设方式，船舶运动数据收集工作存在盲区，同时，数据存在延迟问题[10]；2)事件特征难以捕捉，道路车辆事件一旦发生，往往产生区域车速下降和密度过大等不同于常态的现象[43]，而内河航道船舶行驶行为差异大和距离远，单个船舶发生事件通常不会短时间内影响其他内河要素状态，事件特征不够明显，需采用关联性分析和特征降维等方法开展事件关联性分析，提升事件监视研究的实时性和可预测性。

1.3 组织优化

2020年，我国三峡船闸平均每艘船舶排队延误超110 h[44]，规划和管理船舶运行排班，提高航区、港区及闸区通航效率是内河海事监管部门职责。内河航运系统组织优化研究包括两方面内容：一方面，基于航道航区划分的空间“硬”调节，即通过定线制航行规则规范船舶运行路线；另一方面，考虑到进出港区和闸区的船舶类型和尺度不同，一定区域内存在最佳船舶排班运行方案，使得通航效率最优，船舶调度研究通过建立非线性船舶运行规划模型获取最佳船舶运行排班，为渠化船舶通航，提升港口运营效率提供指导建议。组织优化技术内容如图4所示。

图4 组织优化技术内容Fig.4 Technical content of organization and optimization

不同船舶为争取对本船经济效益最优的航行路线往往抢先进出航道，由于内河航道空间资源有限，多船会遇和交叉现象可能会造成区域性航道秩序紊乱，IMO 为渠化船舶交通，于1967 年，通过了第一个船舶定线制计划[45]，该定线制建立了分道通航航行规则，对船舶航区划分上下行边界，使船员规划路线有“法”可依。ZHANG等[46]解释了天津港复合(即“进”“出”并行)航道中存在交通分道通航方式，分为双进双出、单进双出及单出双进这3 种类型，其中，大吨位船舶在航道中间即主航道行驶，小型船舶在两侧辅助航道行驶，天津港港区航道分道通航如图5所示。除分道通航规则外，IMO为提高机动能力受吃水限制的船舶效益，设计深水航路和推荐航道，在船舶流量和密度较大的区域对不同吨位和不同类型船舶行驶航路进行物理空间分级。针对航道的特殊性做专用定线制设计，江苏海事局在传统定线制航行基础上，规定京杭大运河和长江主干交汇处船舶采用“环岛绕行”方式行驶，一定程度上避免河口区域船舶碰撞。已有研究对航道定线制方案安全效益开展分析[47]，定线制航行规则从地理空间上维护了航道秩序。截止2010 年，全世界共有261处船舶定线制被IMO认可并采纳。

图5 船舶分道通航Fig.5 Vessel traffic separation schemes

不同于航道定线制的空间“硬”调节，船舶调度研究从时间角度优化重组船舶进出港口和闸区排队等顺序，即以一种“软”优化方式提高内河交通运行效率。船舶调度类似于作业车间调度问题，一定数量的船舶相当于工件，泊位闸区类似于车间机器，调度解决的任务为把船舶分配给泊位和闸区的某个时间段，目标为找到最佳船舶分配顺序，使船舶总等待时间或平均等待时间最小，由于排班方式存在多种可能，主要采用启发式算法和遗传算法求解模型。ZHANG等[48]仅考虑单向港口的航道泊位协调，建立以最小总等待时间为目标，以船舶间安全时空间隔为约束的非线性规划模型，并通过模拟退火和多种群遗传算法求解在泊进港顺序，实验模拟了10 艘和20 艘船舶进出港口数值案例，证明了所建立模型下的船舶等待时间要明显小于传统的“先到先服务”方案。为提高船舶进出双向航道集装箱港区效率，郑红星等[49]提出了一种重点考虑服务规则的新型船舶调度优化算法。首先，同时考虑双向航道的现实约束和港口夜航的安全规定；然后，构建以所有船舶在港总等待时间最小为目标的混合整数规划模型得出最佳的船舶进出港次序；最后，设计嵌入聚合策略的分支切割算法求解模型，为双向航道集装箱港口的船舶调度优化提供了决策支持。

上述研究以船舶总等待时间最低为模型的目标函数，然而内河航运系统包含许多不确定性，例如，水文气象对交通流的影响，会使原优化方案失效。这导致理论研究结果难以取得实际效益。LIU等[50]针对双向通道港区期船泊位规划问题，考虑了航道限制、泊位-船舶匹配约束和潮汐等因素，建立了决策模型是混合整数线性规划的模型。由于闸区船舶交通需求时间分布不均匀导致内河航道船闸拥堵。DENG 等[51]提出具有服务时间窗的瓶颈模型描述船舶通过船闸的动态调度过程，探索了两种拥堵收费方案和移动服务时间窗口(MST)的新管理方案，以及收费和MST的组合方案，研究结果表明，在大多数情况下，单独的MST可以有效地替代收费方案，在某些条件下的表现甚至优于最佳收费方案。鉴于拥堵收费引发的学术争论和公众争议，这一发现很有吸引力。此外，将MST与任一收费方案相结合总是可以产生更高的效率。

综上，在组织优化理论研究过程中增加不确定事件的考虑，建立多目标和动态优化策略，进一步考虑航运时空资源消耗等动态信息，补偿随机因素引起的模型偏差，通过模型的迭代求解更新最优方案，更好地服务于智慧海事监管实际应用。

2 内河航运系统运行监管关键技术

分析内河航运系统态势感知、事件监视及组织优化研究内容可以得出，态势感知技术是对内河海事要素运行安全程度的认知，伴随传感器技术发展而适应性进步，通过发掘船舶运行规律，建立事件监视模型，实时高效可预测识别运行事件，为提高内河航运系统运行效率，采用“硬”调节与“软”优化方式指导船舶运营。总之，内河航运系统监管水平的提高，关键在于建立水路交通融合感知网，结合数据分析技术提高系统的综合态势感知能力，弥补当前态势感知研究只考虑船舶因素和数据信息来源单一的不足；建立全要素全息场景图，还原系统全要素和全过程的不同时空下的运行信息；建立水路交通智能管控系统，结合智能分析技术提炼船舶、航道和港口以及各种支持保障设施发展演化规律，对全要素异常事件“管”，对实际要素运行执行“控”，形成自协调的内河航运系统监管局面。

2.1 内河水路交通多模式一体化融合感知网

我国正处于推进天基信息网、未来互联网和移动通信网全面融合发展阶段[52]。内河海事监管领域应相应建立多模式一体化融合感知网，打破当前以VTS为主体的内河海事监管应用局限，支撑海事监管参与者对水面和岸基交通参与者状态的准确把握，包括：天基通信网络、空基通信网络、陆基通信网络及海基通信网络，全面可持续采集内河Volume(体量浩大)、Variety(模态繁多)、Velocity(生成快速)和Value(价值巨大)这4“V”特征的“全要素”场景数据[27]。

天基通信网络由多颗卫星或卫星组网构成，作为接入内河海事监管全要素信息，并实现天地传输的重要网络，承接高带宽接入、中继传输及广域航道设备目标跟踪等功能；空基通信网络通常由无人机和临近空间飞艇等移动空中平台组网构成，通过图像技术和激光技术采集内河全要素信息，例如，通过无人机视觉摄像功能记录船舶裂纹腐蚀区域图像[53]；陆基通信网络由陆地蜂窝和互联网等传统移动通信网络设施构成，针对区域性船舶监管功能，以低成本传输船舶感知信息和航道环境感知信息等陆基信息；针对江海两用船舶及江海交界区域港口交通的安全监管，建立海基通信网络，具体有各类水面舰艇和水上浮台组网等，实现内河和海洋交互水域要素监管信息的无缝衔接与可靠传输。多模式一体化融合感知网如图6所示。

图6 多模式一体化融合感知网Fig.6 Multi-mode integration and fusion perception network for inland waterway navigation system

2.2 内河水路交通全息场景图

传统内河海事监管电子航道图借助可视化技术，以二维图表形式显示航道船舶静态与动态信息[54]，在监管对象数量和种类上无法满足交通运输部海事局提出的“全要素海事监管”[55]需求，对三维空间下的要素信息理解也较为片面。

构建内河水路交通全息场景图可实现对系统要素更为全面的理解。采集“全要素”结构化信息，例如，按照要素功能对95个中类或325个小类信息分层收集和归纳[56]。“全息”要求在数据挖掘技术支持下，观测和还原船舶、航道和港口以及各种支持保障设施场景数据从低维到高维空间，从时域到频域，从属性层级到监管功能层级的演变过程，其中，属性层级包括：船舶运动参数、结构信息及环境数据等信息；监管功能层级包括：交通流波动性分析和航道交通短期态势发展趋势等海事监管需求信息，超越传统海事监管中对要素物理表象规律的表达，并实现信息的储存和可回溯。面对复杂交通场景下的内河海事监管任务，增加人机交互的参与度，引入全息三维显示技术，例如，数字全息术，从时间、空间及层级维度将监管信息以人类可以理解的形式建立三维电子航道图，由人工研判交通复杂度，考虑到船员或监管参与者接受程度存在很强的主观性，监管信息显示方式和显示内容也需动态调整。

2.3 内河水路交通智能管控系统

建立内河水路交通智能管控系统是服务于海事监管部门监管，提升通航效率的直接手段，包括“管”“控”两方面研究内容，“管”是对船舶行为、港口运营及辅助设施的作业过程中异常事件监管，“控”则完成对航道时空资源的优化分配。

“管”具体包括事件机理分析和事件识别研究。由于内河航道事件的发生往往是在多个间接事件的累计结果[57]，事件机理分析应结合事件致因理论，采用系统论、统计学及关联性分析等知识，分析事件孕育、发生及消散过程中微观、中观及宏观航道交通流高相关特征的协同演化规律，并基于数据驱动或模型驱动方法剖析不同事件类型之间的耦合原理；事件识别以事件机理为模型基础，采用聚类和机器学习等方法训练模型学习船舶、航道、港口以及各种支持保障设施正常运行规律，对不同于常规运行机理的数据集以概率形式表达最可能事件类别，结合周围环境等信息自动定位内河航道事件，降低传统海事监管“人盯死守”负荷。在事件机理分析和事件识别模型经过测试调优后对接内河航道实时数据云平台，基于水上交通管理设备开发智能“电子巡航”“事件预警”等应用功能。

“控”旨在采用基于时空等约束的数学规划模型优化航道资源分配，渠化通航，重点针对港区和闸区等繁忙水域。内河航道空间结构复杂，近海航道水深受潮汐影响明显[58]，为提高航道利用率，应引入时空消耗理论，制定符合不同时间和不同空间结构下的多船型动态渠化策略；以满足内河航运系统要素运行正常需求为前提，以化解航道紧张态势、缓解交通事件和提高内河航运整体效能为目标，结合用户最优、系统均衡及运筹学等理论，建立多约束条件下的航道效率最优模型，通过优化求解方法，例如，蚁群算法和模拟退火等智能寻优算法，灵活动态划定船舶诱导时空范围，求解航线优化和船舶操纵方案，例如，平均速度路线引导策略和行程时间路线诱导策略[59]，并将最优结果通过“船E行”等信息集成平台进行更新和发布，同时，根据船舶的信息反馈和航道资源的实时状态优化调整诱导路线和范围结果，实现内河航道交通效率的动态平衡。

3 新一代内河航运系统的监管模式探索

新一代航运系统明确提出未来航运系统船舶智能化是发展方向，水路运输系统典型场景为“岸基驾控为主，船端值守为辅”[60]“船-港-货，人-机-环”融会贯通，自洽共享，船员的劳动负荷将得到缓解。伴随船舶、航道、港口及各种支持保障设施运行方式的变革，内河航运系统监管理念由被动监管和人工全程主导逐步向主动监管和人工适时介入过渡。

平行系统理论采用人工社会(Artificial Societies)、计算实验(Computational Experiments)和平行执行(Parallel Execution)方法[61]，通过在数字空间建立一个与物理空间平行的镜像实体，基于现实物理数据驱动刻画物理系统实时动态特征，利用感知-演化预测-反馈的检测框架在平行环境中开展真实世界难以开展的各种分析研究，完成对物理实体全生命周期的运作、管理与维护。新一代航运系统架构中的绿色智能船舶、数字生态设施、可靠岸基支持和韧性组织运营之间协同联动，各个实体要素物理分散但信息互联共享[60]，为构建平行环境提供物理模型及协同作业逻辑和海量的数据支持。

本文提出一种基于平行理论的内河航运平行监管系统，结合“平行建模-平行计算-平行执行”理念[61]，将内河航运系统监管全要素和监管全任务映射到一个与现实相对应的平行环境中，在平行环境下开展内河航运主动监管，与“岸基驾控为主，船端值守为辅”内河航运场景新范式相辅相成，加快推进内河航运系统监管无人化和智能化建设。内河航运平行监管系统架构如图7所示。

图7 内河航运平行监管系统架构Fig.7 Parallel regulatory system framework for inland Waterway Navigation

3.1 物理及耦合关系平行建模

为保障平行环境中的内河船舶、航道、港口及各种支持保障设施能够高精度和差异化表达其在现实场景中的演化过程，开展系统全要素物理结构的建模，理想情况下，内河航运平行监管系统应涵盖物理世界中全部模型，但从内河海事平行监管实际应用角度出发，应针对某一特殊监管需求，确定与监管需求高相关度对象，简略表达真实世界，减少低相关度因素带来的平行计算干扰[62]。依据船舶结构参数，设计船舶材料力学模型，基于声呐和遥感获取的航道和港区物理结构数据，借助3D 建模软件平台开发数字航道和港区环境，在平行环境中还原内河航运三维空间的物理实体；在物理模型构建基础上，开展要素映射机理及其动态耦合关系建模，量化表达不同要素之间的耦合关系，例如，采用水动力学和流固耦合理论分析水体和船舶战术半径等运动状态相互影响关系，同时，开展船舶、航道、港口及各种支持保障设施协同作业逻辑建模。数据是实现虚实结合和双向实时联系的持续驱动力。借助5G等通讯技术和计算机接口技术将自主靠离泊系统操纵信息[63]、自动引导车(Automated Guided Vehicles,AGV)运行信息[27]及港口货物移动信息等动态数据，人员资质和航道结构信息等静态数据源源不断地传输到平行环境中，驱动模型进行实时状态更新，逐步逼近实际要素运行的实际状态，实现离线与在线平行建模，实现数字空间要素运行具备实际物理含义，且与现实全方位同步。

3.2 平行数据集建立与信息挖掘

新一代航运系统中各个实体要素物理分散，平行环境下的数字要素与实体要素一一对应，平行环境中要素信息具有反映现实场景内容的价值，例如，航道交通流信息可体现时变的拥塞状态，船舶结构参数反映其健康状况等，且其各种物理特征都在不断演化推进。自适应提取和清洗，分析现实船舶、航道和港口以及各种支持保障设施运行过程中的动态数据。针对个别监管任务过程中采集样本数据不足的问题，研究基于生成对抗网络等方法的数据生成方法，形成大量可控和规范数据，并将其与原始数据融合建立平行数据集[64]。进一步，以监管任务为导向，分析和预测要素未来多分辨率尺度交通演变趋势，例如，识别内河船舶碰撞和航道拥塞等，平行环境下交通演变被认为是现实场景可能发生的一种情况。因此，通过平行信息分析结果，提前判断内河船舶碰撞事件和区域交通状态情况等，并采用集成学习方式在平行环境中开展重复试验，迭代求解，生成最佳避碰决策、最优航速及航道资源的最优分配等。平行计算不需要额外的信息采集装备和人力投入，具有成本低和安全性高的优势。

3.3 平行监管及交互可视化

平行环境下的内河水路交通系统在场景规模上与现实形式不同但相互等价，并持续产生数据交互。针对平行要素的智能管控方案可以完全应用于现实世界，因此，结合计算机技术将具体方案转化为船舶主机转速等设备的控制信号等，为提高指令响应速度和响应完成度，需引入控制理论的相关知识作为基础。同时，平行监管可以在镜像中汇总评估各个执行机构的子系统和部件状态的执行效果，包括：误差及其机理分析，故障诊断与定位分析等，以实驱虚，形成正负反馈，主动将模型无法理解的复杂结果，系统发送人工接管请求[65]，选择人工评判和内河平行监管系统推荐方案组合后的优化方案。

人在环路方案评选或策略制定过程中，通过设计易于人理解的图形用户界面，优化信息管理模块界面布局，引入全息成像等“沉浸式”交互方案，方便人工实时查询与提取内河要素运行信息，提升平行计算模型最优决策生成能力。

值得注意的是，内河航运平行监管系统下的监管工作与传统海事监管有不同的理念：

(1)监管的主动性：传统内河海事采用“人盯死守”的被动监管方式，船舶搁浅和碰撞等事件识别往往存在滞后。平行监管模式可以在平行环境中监管与现实对应的数字对象，持续对内河海事多源异构数据开展信息挖掘，形成对航运要素的主动监管局面。

(2)监管的全面性：由于海事监管船舶、航道、港口以及各种支持保障设施种类多样性且相互间多存在耦合作用，传统内河海事监管过程中人工难以实现全要素动态监管和协调监管。平行监管模式下可以主动推理微观、中观及宏观多尺度下要素发展演变，预知现实航道发展演变结果，结合人工干预在平行环境下迭代求解船舶最佳航速和排班方案等，建立起一个全面和可协调的监管模式。

内河航运平行监管系统通过平行环境与实际交通系统之间虚实互动和闭环反馈方式，为各个要素规避风险源提供航行指导建议。在内河海事监管向智慧化发展过程中，武汉理工大学已开发了基于虚拟现实技术的汽渡船舶安全辅助驾驶项目[66]，如图8所示，该项目针对船舶穿越航道和在不良天气下运行等航行特点，研制了一套汽渡安全辅助驾驶系统，汽渡船舶在运行过程中持续将自身状态感知、周围航行环境感知及碰撞风险预警等信息与岸基平台交互，岸基操控人员通过遥控的方式在数字空间实现对该汽渡船舶的远程、平行及动态监管，该系统于2018 年7 月在南京板桥汽渡船上安装运行。

图8 武汉理工大学“汽渡安全辅助驾驶系统”Fig.8 Ferry safety assistance driving system from WHUT

4 结论

分析了内河航运系统监管态势感知、事件监视及组织优化研究的历史沿革与趋势，由于海事监管初期监管设备较为匮乏，监管人员基于雷达信息掌握水面船舶位置和船舶密度等基础物理态势，感知技术的快速发展推动态势感知向多船感知和智能感知方向发展；事件监视经历了事件后分析、事件中检测和事件前预测这3个阶段，由于数据采集时效性不足和事件特征难以捕捉，事件监视可预测性研究仍有发展空间，需采用关联性分析和特征降维等方法开展事件强关联特征提取研究；组织优化研究主要从时间和空间层面优化内河航道资源利用，目前，有关船舶进出港排班等时间优化模型研究仍过于理论化，缺乏对内河突发事件的考虑，将内河航运系统运行过程中不确定性因素，例如，将检测环境差异导致数据误差波动和航道拥塞造成船舶诱导执行率低等因素纳入到模型求解过程中，使求解方案能有效地指导复杂内河要素运行，值得深入研究，以便推动组织优化方案更好地服务于海事监管实际应用。

面向新一代内河航运系统，构建内河航运平行监管系统成为未来内河海事监管重要方向，结合新一代航运系统所铺设的数字生态设施和组织运营信息网络，将现实场景信息映射到数字空间，采用平行监管方式将解析方案应用于内河交通实际场景，实现各要素与数字空间要素互为参照和协同运行。结合团队技术积累，阐述平行环境下的内河航运系统及其功能，在此研究基础上，构建内河航运平行监管系统，将实现内河航运系统从传统被动的监管方式向全面、主动及协同转变。