留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

船间危险驶过持续时间模型及应用分析

杨家轩 周洋宇 刘家国

杨家轩, 周洋宇, 刘家国. 船间危险驶过持续时间模型及应用分析[J]. 中国舰船研究, 2021, 16(5): 1–9 doi: 10.19693/j.issn.1673-3185.02015
引用本文: 杨家轩, 周洋宇, 刘家国. 船间危险驶过持续时间模型及应用分析[J]. 中国舰船研究, 2021, 16(5): 1–9 doi: 10.19693/j.issn.1673-3185.02015
YANG J X, ZHOU Y Y, LIU J G. Ship near-miss duration model and application analysis[J]. Chinese Journal of Ship Research, 2021, 16(5): 1–9 doi: 10.19693/j.issn.1673-3185.02015
Citation: YANG J X, ZHOU Y Y, LIU J G. Ship near-miss duration model and application analysis[J]. Chinese Journal of Ship Research, 2021, 16(5): 1–9 doi: 10.19693/j.issn.1673-3185.02015

船间危险驶过持续时间模型及应用分析

doi: 10.19693/j.issn.1673-3185.02015
基金项目: 国家自然科学基金资助项目(41861144014,41501490)中央高校基本科研业务费(3132019365)
详细信息
    作者简介:

    杨家轩,男,1981年生,博士,副教授,硕士生导师。研究方向:海上交通工程,航海安全保障,船舶交通组织与管理,AIS数据挖掘,水面无人航行器避碰。E-mail:yangjiaxuan@dlmu.edu.cn

    周洋宇,男,1995年生,硕士生。研究方向:海洋大数据挖掘,水面无人航行器避碰,海上交通风险分析,航海安全保障。E-mail:1480041808@qq.com

    刘家国,男,1979年生,博士,教授,博士生导师。研究方向:物流与供应链管理,港航运营管理。E-mail:liujiaguo@gmail.com

    通信作者:

    杨家轩

  • 中图分类号: U675.7

Ship near-miss duration model and application analysis

  • 摘要:   目的  危险驶过是船舶会遇时的一种特殊情况,从时间维度对其建模以评价船舶潜在碰撞风险。  方法  首先,建立船间危险驶过时间模型,并利用藤井船舶领域模型检测危险驶过场景,定义危险驶过持续时间和平均持续时间。然后,基于船舶自动识别系统(AIS)数据的时间同步处理,建立该持续时间的计算模型,再利用危险驶过持续时间来分析船舶交通安全风险的时间维度特征。最后,以渤海海域内的船舶航行安全为研究对象对所提模型进行验证。  结果  结果表明,船间危险驶过持续时间与船舶类型、尺度相关。按照船舶类型分析,油船发生船间危险驶过的平均持续时间最长(252.63 s),客船的最短(180 s);按船舶尺度分析,大型船舶的最长(272.65 s),中型船舶的最短(180 s)。  结论  所提模型可以准确计算船间危险驶过持续时间,结果可以为从时间维度研究海上交通风险提供新思路。
  • 图  1  同步内插过程

    Figure  1.  Synchronous interpolation process

    图  2  目标船与本船位置关系

    Figure  2.  Position relationship between target and own ship

    图  3  船间危险驶过时的相对运动

    Figure  3.  Relative movement of ship encountering near-miss

    图  4  $t_{i - {\rm{start}}}^n$$t_{i - {\rm{end}}}^n$的计算流程图

    Figure  4.  Calculation flowchart of $t_{i - {\rm{start}}}^n$ and $t_{i - {\rm{end}}}^n$

    图  5  船1航迹

    Figure  5.  Navigation trajectory of ship 1

    图  6  船2航迹

    Figure  6.  Navigation trajectory of ship 2

    图  7  两船会遇的运动参数图(船1为本船,船2为目标船)

    Figure  7.  Motion parameters of two encountering ships (own ship—ship 1, target ship—ship 2)

    图  8  两船会遇的运动参数图(船2为本船,船1为目标船)

    Figure  8.  Motion parameters of two encountering ships (own ship—ship 2, target ship—ship 1)

    图  9  渤海海域2017年1月各类型船舶AIS数据统计

    Figure  9.  Statistics of various types of ship navigated in the Bohai Sea area based on AIS data (Jan. 2017)

    图  10  研究海域内发生船间危险驶过的各尺度船舶数量

    Figure  10.  Numbers of various sizes of ship involved in near-miss situations in the research sea area

    表  1  AIS数据标准传输速率

    Table  1.   Standard transmission rate of AIS data

    船舶状态传输频率
    /(帧·s−1
    航速/kn是否改变航向
    0180
    (0,14]12
    4
    (14,23]6
    2
    >233
    2
    下载: 导出CSV

    表  2  案例研究中的船舶发生危险驶过次数和持续时间

    Table  2.   Statistics of near-miss frequency and duration for encountering ships in case study

    本船目标船危险驶过
    次数
    $ {T}_{i}^{n} $/s$ {T}_{\mathrm{n}\mathrm{e}\mathrm{a}\mathrm{r}-\mathrm{m}\mathrm{i}\mathrm{s}\mathrm{s}} $/s${\overline {T} }_{\mathrm{n}\mathrm{e}\mathrm{a}\mathrm{r}-\mathrm{m}\mathrm{i}\mathrm{s}\mathrm{s} }$/s
    636091155304008001480480480
    255805584260,12018090
    下载: 导出CSV

    表  3  研究海域内发生船间危险驶过的船舶数量

    Table  3.   Statistics of various types of ship encountered near-miss in the research sea area

    船舶类型危险驶过船舶数量海域内占同类船舶数量的比例/%
    货船24911.20
    油船123.60
    客船17.14
    总计26210.19
    下载: 导出CSV

    表  4  各类型船舶发生船间危险驶过次数及持续时间

    Table  4.   Statistics of near-miss frequency and duration for various types of ship

    船舶类型危险驶过次数$ {T}_{\mathrm{n}\mathrm{e}\mathrm{a}\mathrm{r}-\mathrm{m}\mathrm{i}\mathrm{s}\mathrm{s}} $/s$ {\overline{T}}_{\mathrm{n}\mathrm{e}\mathrm{a}\mathrm{r}-\mathrm{m}\mathrm{i}\mathrm{s}\mathrm{s}} $/s
    油船194 800252.63
    货船44099 240225.55
    客船1180180
    总计460104 220226.57
    下载: 导出CSV

    表  5  不同会遇场景下船间危险驶过次数与持续时间

    Table  5.   Statistics of near-miss frequency and duration for ships in the encountering situations

    场景危险驶过次数$ {T}_{\mathrm{n}\mathrm{e}\mathrm{a}\mathrm{r}-\mathrm{m}\mathrm{i}\mathrm{s}\mathrm{s}} $/s${\overline{T} }_{\mathrm{n}\mathrm{e}\mathrm{a}\mathrm{r}-\mathrm{m}\mathrm{i}\mathrm{s}\mathrm{s} }$/s
    本船目标船
    油船−油船72 340334.29
    货船−油船429960237.14
    货船−货船39288 080224.69
    油船−货船122 460205
    货船−客船61 200200
    客船−货船1180180
    总计460104 220226.57
    下载: 导出CSV

    表  6  船舶尺度聚类结果

    Table  6.   Ship length clustering results

    船舶类型船舶尺度L/m数量/艘
    大型≥26093
    中型≥168~<260114
    小型<16855
    下载: 导出CSV

    表  7  研究海域内不同尺度船舶危险驶过的次数及持续时间

    Table  7.   Statistics of near-miss frequency and duration for various sizes of ship in the research sea area

    船舶尺度危险驶过
    次数
    $ {T}_{\mathrm{n}\mathrm{e}\mathrm{a}\mathrm{r}-\mathrm{m}\mathrm{i}\mathrm{s}\mathrm{s}} $/s$ {\stackrel{-}{T}}_{\mathrm{n}\mathrm{e}\mathrm{a}\mathrm{r}-\mathrm{m}\mathrm{i}\mathrm{s}\mathrm{s}} $/s
    大型22661 620272.65
    中型17631 680180.00
    小型5810 920188.28
    总计460104 220226.57
    下载: 导出CSV

    表  8  不同尺度船舶及会遇场景下危险驶过次数与持续时间

    Table  8.   Statistics of near-miss frequency and duration for various sizes of ship in the encountering situations

    场景危险驶过次数$ {T}_{\mathrm{n}\mathrm{e}\mathrm{a}\mathrm{r}-\mathrm{m}\mathrm{i}\mathrm{s}\mathrm{s}} $/s$ {\overline{T}}_{\mathrm{n}\mathrm{e}\mathrm{a}\mathrm{r}-\mathrm{m}\mathrm{i}\mathrm{s}\mathrm{s}} $/s
    本船目标船
    大型小型9630 840321.25
    大型中型9723 640243.71
    大型大型337 140216.36
    中型小型9619 140199.38
    小型中型112 100190.90
    小型小型468 700189.13
    中型中型6711 220167.46
    小型大型1120120.00
    中型大型131 320101.54
    总计460104 220226.57
    下载: 导出CSV
  • [1] DU L, GOERLANDT F, KUJALA P. Review and analysis of methods for assessing maritime waterway risk based on non-accident critical events detected from AIS data[J]. Reliability Engineering & System Safety, 2020, 200: 106933.
    [2] BERGLUND R, HUTTUNEN M. Analysis of crossing ship traffic in the gulf of Finland.[R]. [S. l.]: VTT Technical Research Centre of Finland, 2008.
    [3] FUKUTO J, IMAZU H. New collision alarm algorithm using obstacle zone by target (OZT)[J]. IFAC Proceedings Volumes, 2013, 46(33): 91–96. doi: 10.3182/20130918-4-JP-3022.00044
    [4] PARK J W. A study on the estimation of a safe speed for prevention of ship's collision in VTS area[D]. Mokpo: Mokpo National Maritime University, 2014.
    [5] LANGARD B, MOREL G, CHAUVIN C. Collision risk management in passenger transportation: a study of the conditions for success in a safe shipping company[J]. Psychologie Française, 2015, 60(2): 111–127.
    [6] KIM K I, JEONG J S. Visualization of ship collision risk based on near-miss accidents[C]//2016 Joint 8th International Conference on Soft Computing and Intelligent Systems (SCIS) and 17th International Symposium on Advanced Intelligent Systems (ISIS). Sapporo, Hokkaido: IEEE, 2016: 323-327.
    [7] YOO S L. Near-miss density map for safe navigation of ships[J]. Ocean Engineering, 2018, 163: 15–21. doi: 10.1016/j.oceaneng.2018.05.065
    [8] GOERLANDT F, MONTEWKA J, LAMMI H, et al. Analysis of near collisions in the Gulf of Finland[J]. Astronomische Nachrichten, 2012, 126(18): 293–293.
    [9] 谭志荣, 张球林, 王伟, 等. 基于Near Miss的成山头水域交通冲突风险可视化[J]. 中国航海, 2016, 39(4): 43–46, 107. doi: 10.3969/j.issn.1000-4653.2016.04.010

    TAN Z R, ZHANG Q L, WANG W, et al. Visualization of traffic conflict risk in chengshantou waters based on Near Miss[J]. Navigation of China, 2016, 39(4): 43–46, 107 (in Chinese). doi: 10.3969/j.issn.1000-4653.2016.04.010
    [10] ZHANG W B, GOERLANDT F, MONTEWKA J, et al. A method for detecting possible near miss ship collisions from AIS data[J]. Ocean Engineering, 2015, 107: 60–69. doi: 10.1016/j.oceaneng.2015.07.046
    [11] ZHANG W B, GOERLANDT F, KUJALA P, et al. An advanced method for detecting possible near miss ship collisions from AIS data[J]. Ocean Engineering, 2016, 124: 141–156. doi: 10.1016/j.oceaneng.2016.07.059
    [12] ZHANG W B, KOPCA C, TANG J J, et al. A systematic approach for collision risk analysis based on AIS data[J]. The Journal of Navigation, 2017, 70(5): 1117–1132. doi: 10.1017/S0373463317000212
    [13] 赵梁滨. 基于AIS数据和循环神经网络的船舶轨迹异常检测[D]. 大连: 大连海事大学, 2019.

    ZHAO L B. Ship trajectory outlier detection based on AIS data and recurrent neural network[D]. Dalian: Dalian Maritime University, 2019 (in Chinese).
    [14] ZHAO L B, SHI G Y, YANG J X. Ship trajectories pre-processing based on AIS data[J]. The Journal of Navigation, 2018, 71(5): 1210–1230. doi: 10.1017/S0373463318000188
    [15] NORRIS A. AIS Implementation–success or failure?[J]. The Journal of Navigation, 2007, 60(1): 1–10. doi: 10.1017/S0373463307004031
    [16] 马杰, 刘琪, 张春玮, 等. 基于AIS的数据时空分析及船舶会遇态势提取方法[J]. 中国安全科学学报, 2019, 29(5): 111–116.

    MA J, LIU Q, ZHANG C W, et al. A method for extracting ship encounter situation based on spatio-temporal analysis of AIS data[J]. China Safety Science Journal, 2019, 29(5): 111–116 (in Chinese).
    [17] THEODOROPOULOS G S, TRITSAROLIS A, THEODORIDIS Y. Evolving clusters: online discovery of group patterns in enriched maritime data[C]//Proceedings of the 1st International Workshop on Multiple-Aspect Analysis of Semantic Trajectories. Würzburg, Germany: Springer, 2020: 50-65.
    [18] FUJII Y, SHIOBARA R. The analysis of traffic accidents[J]. The Journal of Navigation, 1971, 24(04): 534–543. doi: 10.1017/S0373463300022372
  • 加载中
图(10) / 表(8)
计量
  • 文章访问数:  43
  • HTML全文浏览量:  21
  • PDF下载量:  10
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-06-24
  • 修回日期:  2020-12-21
  • 网络出版日期:  2021-08-04

目录

    /

    返回文章
    返回