舰船科学技术  2016, Vol. 38 Issue (s1): 221-225   PDF    
AIS数据在航海模拟器交互训练中的应用
马建斌, 王凤武, 李江, 齐壮     
大连海事大学 航海学院, 辽宁 大连 116026
摘要: 通过对新加坡海峡内航行船舶的AIS历史数据进行统计,提出一种元胞自动机的船舶交互仿真模型,应用于新加坡海峡各航段的交通流的交互状况进行模拟。并采用蒙特卡洛随机事件,结合新加坡海峡AIS历史数据按照统计学原理生成不同类型、不同航行速度的船舶,提取船舶驾驶员在不同航行环境下采取的避让措施。对海员在狭水道和繁忙水域的船舶交互避让提供参考依据,同时也对提高模拟器训练与航海实践的仿真度具有重要意义。
关键词: 新加坡海峡     AIS数据     元胞自动机模型     蒙特卡洛随机事件     模拟器交互训练    
The application of AIS data in navigation simulator interactive training
MA Jian-bin, WANG Feng-wu, LI Jiang, QI Zhuang     
Navigation College, Dalian Maritime University, Dalian 116026, China
Abstract: By collecting and counting the AIS historical data in Singapore's strait. In this paper, a cellular automata of interactive simulation model has been established and applied to the traffic flow situations in each segment of the Singapore strait. Using Monte Carlo random events, and combining with the AIS history data to generate the ships of different type, speed and destination, and then extracting the avoiding collision action which has been taken by captain or OOW (ship officer on watch) in different navigation environment. The study provide a reference basis for seafarers who are navigating in the narrow waterway or busy waters. At the same time it improved the simulation precision between the simulator training with the navigation practice.
Key words: singapore's strait     AIS data     cellular automata model     Monte Carlo random events     navigation simulator interactive training    
0 引言

当前,随着E-Navigation的发展,AIS设备已经成为船舶重要的导助航设备,AIS数据的应用也成为研究的重点和热点。李维云等[1-4]通过AIS数据与雷达,GPS,ECDIS,航标等导助航设备信息的融合,对船舶航迹数据进行分析与判断,为船舶航行安全提供理论支持。M Watagawa等[5]利用ALOS卫星图片对AIS数据进行提取,识别出马六甲海峡航行的船舶类型、航向等数据,并统计出海峡中不同船长的分布规律。魏照坤[6]采用基于轨迹结构距离的聚类算法对琼州海峡部分船舶航行轨迹进行分析并对聚类区域的船舶类型、航速、位置等进行模拟仿真,实现了对船舶的动态监控,该模型仅采用琼州海峡的部分数据,没有考虑船舶的季节性。索永峰等[7]针对船舶交互航线设计的盲目性问题,提出建立真实AIS实验站台,形成AIS真实数据的船舶模拟交互训练系统,由于该系统为训练船与真实AIS目标之间的交互行为,因此该系统仅能实现训练船的单船避让行为,不能实现多船交互行为中的协调避碰,因此具有一定的局限性。在航海模拟器交互训练中,如果忽略船舶实际属性以及船长行为的影响,可能会导致模拟训练不合理,甚至会背离了航海实践[8]。对此,在考虑船舶属性以及驾驶员行为的基础上,提出元胞自动机模型,将AIS数据应用于船舶交互仿真训练中。

1 基于元胞自动机的船舶交通仿真模型

元胞自动机模型最早应用于道路交通流的仿真,将道路的车道划分为若干元胞,并利用蒙特卡洛离散事件在元胞内随机生成车辆,每个元胞单元都有不确定性,即元胞单元既可能被车辆占用,也可能为空。驾驶员根据跟随规则进行加速或减速。但由于海上船舶航行的航道为一定范围的水域,而不同于道路交通的车道严格清晰,其速度矢量的方向被设定为单值是不符合航海实践的。对此,考虑到船舶实际航行状态、互动规则,以及在不同交通量和不同船舶构成两船或多船的运动态势,将AIS历史数据引入模型中,建立基于船长行为和航行规则的航海模拟器交互仿真模型[9]

1.1 仿真步骤

航海模拟器交互仿真训练模型与航海实践、AIS数据、以及水文气象数据等进行融合,根据历史数据统计不同时间、不同位置出现的仿真要素频率作为各要素随机生成的依据,利用蒙特卡罗离散事件生成船舶交互训练仿真场景,流程图如图 1所示。

图 1 仿真训练流程图 Fig. 1 The flow chart of simulation training

航海模拟器交互仿真程序步骤如下:

1)选择模拟交互训练的目标水域。

2)确定仿真的时间。

3)从目标水域AIS数据库中按通过该水域的船舶类型所占的比重随机生成各类船型、航速、位置和目的地4种船舶要素。

4)根据海事气象统计数据库生成天气现象、风、能见度等气象要素。

5)根据航路指南提供的当地水文条件及需要导入潮流信息,并开展仿真实验。

6)提取仿真实验的船员交互过程中的数据进行分析和评价。

1.2 船舶仿真互动模型

对研究区域进行网格化,每一个格点为一个元胞,并根据AIS历史数据的起始位置、目的地以及航速作为指标引入船舶的跟随规则和变速规则,基于上述规则模拟船员在交互训练中采取的行动措施[10]

1.2.1 跟随规则

当船舶航行在通航分道内,船舶按照交通流方向航行。令船舶航行的最大速度为${\overrightarrow V _{\max }}$,最小速度为${\overrightarrow V _{\min }}$(保持舵效),并将通航分道视为由单向的N个元胞单位组成的离散网格链。考虑到船舶受到船舶追越、航行环境、船舶类型以及分道通航制中警戒区的影响,定义以下不同等级的跟随规则,这些规则决定了船舶运动模式。

1)若船舶沿通航分道航行,受到风流影响,则$\overrightarrow V {\rm{ = }}{\overrightarrow V _{s}} + \overrightarrow \psi $,其中公式中参数$\overrightarrow V $为船舶对地速度,${\overrightarrow V _{s}}$为船速,$\overrightarrow \psi $为风流对船舶速度的影响。

2)若船舶沿通航分道航行,在受到风流影响的同时能见度较差,则$\overrightarrow V {\rm{ = }}{\overrightarrow V _{\rm{s}}} + \overrightarrow \psi - \overrightarrow \varepsilon $,其中公式中参数$\overrightarrow \varepsilon $为根据船长夜航命令确定的能见度对船舶速度的影响。

3)若船舶沿通航分道航行,同时本船靠近前船或与前船的距离 < LL表示L个元胞单位),且不打算追越,则$\overrightarrow V \leqslant {\overrightarrow V _f}$式中${\overrightarrow V _f}$表示前船对地航速。

1.2.2 变速规则

考虑到船舶在航行中由于到达锚地、转向点或者到达警戒区内作为让路船需要采取相应的行动,考虑到船舶通常备车航行,且受限水域中航行由于航道宽度受限采用变速避让。根据《1972国际海上避碰规则》以及船员的习惯做法引入变速规则。即船舶通过改变船舶航行的速度进行避让。

1)本船由于抵达转向点或警戒区,或有他船在我船右舷5°至正横后22.5°范围内,且构成碰撞危险,则采取减速措施后的航速$\left| {\overrightarrow V } \right|{\rm{ = }}\left| {{{\overrightarrow V }_n}} \right| - {L_{\rm{s}}}/t$,式中${\overrightarrow V _n}$为附近船的船速,${L_{\rm{s}}}$为目标安全会遇距离,t为抵达最小会遇时间。

2)当本船抵达港口或锚地,需要采取相应的减速过程,则$\left| {\overrightarrow {{V_i}} } \right| = d{L_A}/dt$,式中${L_A}$为本船当前船位与锚地之间的距离,$\overrightarrow {{V_i}} $为第i时刻船舶的速度。

3)当本船为直航船,他船为让路船,通过协调避让本船可以采取加速措施,则$\left| {\overrightarrow V } \right|{\rm{ = }}\left| {{{\overrightarrow V }_n}} \right| + {L_{\rm{s}}}/t$

2 模型的应用 2.1 新加坡海峡通航环境

根据对《英版潮汐表》(NP203)资料的整理,新加坡海峡的平均风浪高为0.5~0.7 m,平均涌浪高为0.8~1 m,每年11月至次年4月浪向东北为主,每年6~9月浪向以西南为主,海峡的海浪方向与风向基本一致。海流主要为西北流,在每年11月至次年4月流向比较稳定,5~8月流向稳定性差,全年流速在1 kn左右。在能见度方面,全年晴好天少,阴雨多,降水量大,经常有雷暴天气。据统计,马六甲和新加坡海峡10~12月为多雨季节,月降水日在15天以上,月雷暴日在10月达到最高值。多雨时节相对湿度较大,所以在10~12月雾天出现的频率也最高。新加坡海峡的潮流多为往复流,同时因受南中国海和印度洋海水交换的影响,涨潮时流向为西南向,落潮时流向为东北向,流速在1~2 kn之间[11-15]

新加坡海峡内航行的船舶主要分为东西行和南北穿越的交通流。根据对AIS航迹图进行数字化可以获得海峡的AIS航迹数据库,在此考虑由于新加坡海峡船舶密度过大,为了更清晰地识别出航迹以及船舶会遇点,选取不同日期不同时段(见表 1)的AIS数据进行统计。

表 1 提取的AIS航迹时间表 Tab.1 The schedule of AIS extraction

同时对该图与海图(英版海图 3833)进行比对可以确定,出现南北交通流的位置为警戒区及北侧航道,对此设置如图 2所示的门线1和门线2,分别统计到达该门线的交通流。

图 2 AIS航迹图 Fig. 2 Trajectory figure of AIS

根据新加坡海事及港务管理局(MPA)提供的2002年到2012年的AIS历史数据统计,通过新加坡海峡的船舶种类及构成[16-18],如图 3所示。其中,渡船占的比例最大,约为30%;其次为油轮(包含LNG/LPG)和集装箱船,各占15%和14%;拖轮和驳船所占的比例均为10%左右;散货船和其他船舶各占7%;最少的为客船,仅占0.5%。

图 3 新加坡海峡船舶种类分布图 Fig. 3 Distribution of ship in Singapore's strait
2.2 算例

根据图 2所示的AIS航迹数据,识别海峡中出现的会遇点、船型和船舶运动参数,按照蒙特卡洛随机事件生成初始船舶位置、初始航向、风流条件、能见度等指标,其中船舶参数按照AIS数据比例生成、风流条件按照海峡气象统计规律成比例生成。共识别出会遇场景13种,根据AIS数据统计得出各场景不同船型的会遇方案66种,并依据各月份不同的水文气象及能见度条件总计生成264个实验。由于篇幅限制以生成的实验场景3为例,如图 4所示。

图 4 实验场景示意图(场景3) Fig. 4 The schematic diagram of experimental scene

通过对会遇事件的仿真模拟操纵,模型的输出结果包括船舶类型、航速、航向、主机转速、风流条件、船位以及与他船的距离、方位、DCPA和TCPA数据(见图 5),他船初始航速为8.0 kn,沿分道通航方向航行。

图 5 实验输出船舶数据图(部分关键数据) Fig. 5 The output data of the ship (key of data)

通过提取实验结果,发现生成的北向航行的船型为30万吨VLCC,这是由于该处北部为油轮锚地,因此根据AIS航迹统计,北向航行的油轮占比较高的原因。船舶根据上述1.2.2节执行变速规则令船舶进入警戒区后开始采取减速,准备往油轮锚地抛锚;同时提取船舶运动数据可以发现油轮在转向后采取减速措施对直航船进行避让,两船的DCPA从0.14 n mile增加到0.27 n mile,并于第303个船位处以0.27 n mile的距离与他船驶过让清。

计算步骤如下:

1)第231个船位,船舶转向基本完成,此时与直航船的DCPA为0.14 n mile。

2)根据船长决定安全避让距离,本实验中船长决定取1.5倍船长(0.25 n mile)

3)执行变速规则,${L_s} = 0.25$(单位:n mile),利用中值法取第267个船位为避让过程中直航船的平均速度,${V_n} = 9.95$(单位:kn),该处由于篇幅限制直航船的数据不再列出;$t = 5.35/60$(单位:h);根据变速规则第一条$\left| {\overrightarrow V } \right|{\rm{ = }}\left| {{{\overrightarrow V }_n}} \right| - {L_{\rm{s}}}/t$,并计算可以得出VLCC的平均船速为$V = 7.15$kn

4)误差计算,通过图 4所示的第303个船位可以看出通过该方法采取的减速避碰措施实际安全距离为0.27海里,安全距离的相对误差为8%;取实验数据中第267个数据的航速8.28 kn与计算值7.15 kn比较,其相对误差为13%。

2.3 算例

船舶在进行交互模拟实验过程中,由于船舶为了保持航向,使用小舵角进行稳定,从而导致安全距离上产生一定的误差;而在航行速度方面产生的误差,则是由于船舶驾驶员在航行过程中车的不稳定性以及船舶在加速或减速过程的非线性变化而导致的。

3 结语

结合新加坡海峡航行环境及AIS历史数据,利用蒙特卡洛随机事件按统计学原理生成不同船型,并提出了基于元胞自动机的航海模拟器交互训练模型对新加坡水域的会遇事件进行模拟,同时分别制定了3条跟随规则与变速规则,提取操船者在不同会遇形势及航行环境下采取的避让措施。提高了船舶操纵模拟训练与航海实践的仿真度,为驾驶员在复杂水域遇到类似的船舶交互形势提供重要理论参考。同时,该模型使用的是AIS历史数据,没有结合marine traffic、船讯网等网上船舶观测平台的实时数据进行更新,因此数据库还存在一定的不足,还需在以后的研究中进一步完善。

参考文献
[1] 李维运. VTS中雷达和AIS信息融合算法研究[D].大连:大连海事大学, 2007. http://cn.bing.com/academic/profile?id=3e6c0e5da3129d26866277a47f6e1074&encoded=0&v=paper_preview&mkt=zh-cn
[2] 李亮.基于GPS/AIS/VHF的船舶实时动态监控系统[D].武汉:武汉理工大学, 2007. http://cn.bing.com/academic/profile?id=b45800a250eaaf29d32829f6b9dbdb5c&encoded=0&v=paper_preview&mkt=zh-cn
[3] 邵哲平, 孙腾达, 潘家财, 等. 基于ECDIS和AIS的船舶综合信息服务系统的开发[J]. 中国航海 , 2007 (2):30–33.
[4] 余华.基于AIS的航标助航信息服务技术研究[D].厦门:集美大学, 2011. http://cn.bing.com/academic/profile?id=20a1f35488f1b6f9dc1e7d5ab179fc4e&encoded=0&v=paper_preview&mkt=zh-cn
[5] WATAGAWA M, KOBAYASHI E, WAKABAYASHI N. Monitoring of vessel traffic using AIS data and ALOS satellite image[C]//Proceedings of OCEANS, 2012. Yeosu, Korea:IEEE, 2012.
[6] 魏照坤.基于AIS的船舶轨迹聚类与应用[D].大连:大连海事大学, 2015. http://cn.bing.com/academic/profile?id=fc44ad2197706374497a7e11012ef946&encoded=0&v=paper_preview&mkt=zh-cn
[7] 索永峰, 杨神化, 陈国权, 等. 基于AIS航海模拟器目标船服务器的设计与实现[J]. 中国航海 , 2014, 37 (1):43–47.
[8] 李国定, 李丽娜, 陈国权. 紧迫危险局面下船舶协调避让模拟器训练[J]. 航海教育研究 , 2016 (2):95–97.
[9] KANEKO F. Methods for probabilistic safety assessments of ships[J]. Journal of Marine Science and Technology , 2002, 7 (1) :1–16. DOI: 10.1007/s007730200009
[10] 李伟峰, 马文耀, 王庆武, 等. 基于元胞自动机的船舶交通仿真模型及应用[J]. 中国航海 , 2015, 38 (2):43–47.
[11] 俞慕耕. 马六甲海峡的水文气象要素统计[J]. 海洋预报 , 1986 (1):46–48.
[12] 俞慕耕. 略论马六甲海峡的水文特点[J]. 海洋湖沼通报 , 1987 (2):6–16.
[13] 刘大刚, 冷梅, 罗红红, 等. 对新加坡海峡加强短时雷暴天气预警的建议[J]. 大连海事大学学报 , 2013, 39 (1):57–60, 69.
[14] 马闯关, 李强, 魏耀明, 等. 新加坡海峡航行安全的气象保障[J]. 航海技术 , 2010 (6):6–8.
[15] WILLIAMS D W. Malacca strait and west coast of sumatera pilot[M]. London: The United Kingdom Hypdrographic, 2006.
[16] 明平军.基于可拓学的新加坡海峡航行环境安全评估[D].大连:大连海事大学, 2013. http://cn.bing.com/academic/profile?id=56a38287d8cb03a0b8c58c6c3f3f1afd&encoded=0&v=paper_preview&mkt=zh-cn
[17] 田平.马六甲和新加坡海峡通航环境危险度综合评价[D].大连:大连海事大学, 2011. http://cn.bing.com/academic/profile?id=480c90fc83635ea171910a7c8d09d4af&encoded=0&v=paper_preview&mkt=zh-cn
[18] 杨宗默.新加坡海峡超大型船舶航行风险研究[D].大连:大连海事大学, 2015. http://cdmd.cnki.com.cn/Article/CDMD-10151-1015657336.htm