0 引　言

油气运输船舶作为海上运输的重要力量，在全球能源运输体系中发挥着至关重要的作用。其主要功能是在世界范围内运输石油，涵盖原油、燃料油等各类油品，以及天然气等易燃易爆的能源资源^[1]。油气运输船具有一些独特的特性。首先，由于其运输货物的特殊性，船上通常配备了复杂且高度专业化的储存和运输系统，以确保油气在运输过程中的安全与稳定。其次，油气运输船的船体结构也经过特殊设计，以满足承载大量油气货物的需求，其船体通常较大且具有较高的强度和稳定性，以抵御海上恶劣环境的影响。此外，为了应对可能发生的紧急情况，船上还配备了完善的消防、救援和应急处理设备，以及专业的应急响应团队。然而，在航行过程中，油气运输船舶受到多种因素的显著影响。其中，航道自然环境因素是不可忽视的重要方面，如恶劣天气、海况变化，这些因素可能导致船舶航行困难，甚至危及船舶的稳定性和安全性。同时，航行情况因素也对船舶航行构成威胁，例如船舶自身故障、航道障碍物以及与其他船舶的碰撞等^[2]。这些风险不仅直接威胁着船舶和船员的生命财产安全，一旦发生油气泄漏等事故，还可能对海洋环境造成极其严重的污染，引发生态灾难。因此，研究一种油气运输船舶航道航行风险实时预警方法显得尤为重要，对于提高航行安全性以及船舶应对风险的能力、减少事故发生率以及保护海洋环境具有重要意义^[3]。

席永涛等^[4]为掌握航行的风险情况，以船舶的航行数据为基础，采用STPA进行事故发生概率以及事故影响分析，以此确定船舶的不安全状态，从而更准确地反映实际航行过程中的风险情况，并且可通过情态演进分析该风险的发展程度，为船舶航行安全管理提供依据；然而在实际应用过程中，船舶航行过程中存在一定的动态变化，该方法在应用过程中无法全面掌握航行环境的情况，导致风险情态演进的可靠性降低，无法有效判断满足实际情况的风险等级。王翼飞等^[5]为及时进行航行预警，获取航行航道的多源数据，采用空间转换的方式对该数据进行融合处理后，划分航行区域网格并确定船舶和航道环境位置，并引入GMM模型对其进行聚类，以此区分不同风险等级航行航道，并结合等级区分结果进行风险预警；然而实时数据的获取和处理对于冰情示警至关重要，该方法的数据更新频率和实时性可能无法满足实际需求，导致风险评估的滞后性。蒋美芝等^[6]为实现海上航行的风险预警，获取历史航道航行数据，对数据进行集成处理后构建风险预警数据库，并分析风险因素；通过贝叶斯网络模型对风险因素进行观测，确定各个因素的影响程度，并通过维特比算法进行风险预警；但是，海上通道的风险因素可能随着时间和环境的变化而发生变化，该方法需要不断更新和调整以适应新的风险因素和模式，在实时性要求较高的场景下其预警效果无法满足应用需求。Yasin等^[7]为实现航行风险预警，结合船舶海上航行时的执行操作和可能构成风险的因素进行全面的定量风险分析，结合危险与可操作性分析（HAZOP）和认知可靠性与误差分析方法（CREAM）进行风险分析评估，实现风险量化，确定风险发生的可能性和后果严重程度并发出相应的预警信号；尽管该方法在应用过程中考虑了人为认知可靠性，但在实际应用中，环境突变因素仍然难以完全量化和预测，这会增加风险分析的不确定性。

本文为实现油气运输船舶航道航行风险实时预警、全面掌握航行的风险等级，研究油气运输船舶航道航行风险实时预警方法，该方法将综合考虑船舶航行环境以及航行行为信息，构建安全预警指标体系和风险实时评估模型，依据该模型实现对航行风险等级的实时评估和预警，以此提高油气运输船舶的航行安全性。

1 油气运输船舶航道航行风险实时预警 1.1 航道航行风险指标体系构建 1.1.1 航道航行状态分析

油气运输船舶在航行过程中，其面临的风险因素较多，如风力大小、水流方向、海浪等级等；为分析其在航行过程中的风险情况，为后续风险预警提供可靠依据^[8]，对船舶的航行状态进行分析。该分析主要从2个方向进行，一是考虑自然环境因素分析，二是考虑航行行为分析。

1）考虑自然环境因素分析

如果船舶航行漂移量用$ D $表示，其计算公式为：

$ D = \left( {v\sin \varphi + v\sin \beta } \right) \times \frac{S}{{v\cos \varphi + v\cos \beta }}。$

(1)

式中：$ v $为水流速度；$ \upsilon $为航速；$ \varphi $和$ \beta $分别为横流角和偏航角；$ S $为航行距离。

2）考虑航行行为分析

船舶在海上航行时，2艘相向而行的船舶能够互相看到对方的最短距离对于保障航行安全至关重要，它直接关系到船舶驾驶员能否及时发现对方船舶并采取相应的避让措施，从而避免碰撞事故的发生。从3种对遇视距情况进行分析：

①船舶对遇首向视距。该视距指的是船舶以相对的方向相遇，一艘船舶能够看到另一艘船舶尾部的最短距离即为对遇首向视距，用$ {L_1} $表示，文中将船舶在会遇情况下，进行避让时从原航向转向新航向过程中航行的距离定义为$ {L_1} $，$ {L_1} $计算公式为：

$ {L_1} = 0.51\left( {{\upsilon _1} + {\upsilon _2}} \right)\left( {\xi + \frac{{{t_0}}}{2} + \frac{1}{{K\delta }}\tan \frac{\beta }{2}} \right) 。$

(2)

式中：$ {\upsilon _1} $和$ {\upsilon _2} $为2艘对遇船舶的航速；$ \xi $为追随性指数；$ {t_0} $为操舵时间；$ K $为船舶回旋性指数；$ \delta $为舵角。

②船舶对遇尾向视距。该视距指的是船舶以相对的方向相遇，一艘船舶能够清晰地看到另一艘船舶船首方向的最短距离即为船舶对遇首向视距，用$ {L_2} $表示，船舶在该对遇时无需考虑在船尾保留安全视距，即$ {L_2} = 0 $。

③船舶对遇横向视距。该视距指的是船舶以相对或交叉的方向相遇，一艘船舶能够清晰地看到另一艘船舶在其横向方向上的最短距离用$ {L_3} $表示，在船舶对遇的相关标准中，船舶会遇后需要采取转向的方式来避让他船，此时需计算最大的安全范围，船舶对遇的左侧视距与右侧视距计算公式为：

$ \left\{ \begin{gathered} {{\overset{\lower0.5em\hbox{$\smash{\scriptscriptstyle\leftarrow}$}}{L} }_3} = \max \left( {\frac{L}{2},\left| {{S_1} - {S_2}} \right|} \right) ，\\ {{\vec L}_3} = \frac{L}{2}。\\ \end{gathered} \right. $

(3)

式中：$ L $为船舶长度；$ {S_1} $和$ {S_2} $为相遇船舶的位移距离；$ {\overset{\lower0.5em\hbox{$\smash{\scriptscriptstyle\leftarrow}$}}{L} _3} $和$ {\vec L_3} $为左、右两侧的视距。

基于上述分析可知：自然环境因素会影响船舶航速、航向等，导致船舶在航行过程中，船舶航行漂移量和方向等发生变化，使船舶偏离其预定航线或位置的距离。船舶航行行为则是决定船舶航行时与其他船舶之间的间距，如果距离过小，则会导致船舶之间发生碰撞情况。

1.1.2 航道航行风险指标体系构建

文中充分考虑船舶航道航行过程中面临的航行环境以及航行行为，构建油气运输船舶航道航行风险指标体系，该指标包含2个方向，分别为航行环境和航行行为，以此保证指标体系合理性和全面性，避免指标发生冗余，油气运输船舶航道航行风险指标体系构建结果如表1所示。

1.2 基于正态云模型的风险实时预警 1.2.1 航道航行风险指标赋值

依据上述小节完成油气运输船舶航道航行风险指标体系构建后，采用$ {X_i} $表示指标体系，为保证风险实时预警结果的可靠性，文中采用综合赋权法进行指标赋权，以此保证指标的客观性以及反应指标的重要性，同时由于航道航行风险具备动态变化特点，通过赋值更加准确地反映航行风险的变化趋势。

综合赋权法是结合主观赋权和客观赋权形成，主观赋权是结合专家经验完成，客观赋权采用熵权法完成，计算各个指标的客观权重，其计算公式为：

$ {\psi _{ij}} = \frac{{{{\tilde X}_{ij}}}}{{\displaystyle\sum\limits_{j = 1}^n {{{\tilde X}_{ij}}} }} ，$

(4)

$ {\eta _{ij}} = - \frac{1}{{\ln n}}\sum\limits_{j = 1}^n {{\psi _{ij}}\ln {\psi _{ij}}}，$

(5)

$ {w_{ij}} = \frac{{1 - {\eta _{ij}}}}{{\displaystyle\sum\limits_{i = 1}^m {\left( {1 - {\eta _{ij}}} \right)} }}。$

(6)

式中：$ {\psi _{ij}} $为指标$ i $在$ j $时刻提供的信息特征比重；$ {\tilde X_{ij}} $为指标$ i $标准化的处理结果；$ {\eta _{ij}} $为指标熵值；$ {w_{ij}} $为指标的客观权重。

将主观赋权和客观赋权结合生成综合指标权重，其计算公式为：

$ {w_\Sigma } = \sum\limits_{k = 1}^K {\left[ {\chi {\mu _k} + \left( {1 - \chi } \right){\kappa _k}} \right]} {w_k} 。$

(7)

式中：$ \chi $为偏好度的相对重要性；$ k \in K $为第$ k $个赋权方法；$ {\mu _k} $为赋权方法的偏好度；$ {\kappa _k} $为一致性系数；$ {w_k} $为综合赋权结果。

1.2.2 航道航行风险等级评价和实时预警

依据上述小节完成综合指标权重$ {w_k} $的确定后，文中采用正态云模型进行航道航行风险等级评价，依据等级评价结果进行相应的等级预警。

文中以风险定量值$ {f_x} $、风险影响因素取值范围$ {f_o} $和影响因素离散程度$ {p_x} $作为评估特征，用$ g = \left( {{f_x},{f_o},{p_x}} \right) $表示，其计算公式分别为：

$ {f_x} = \frac{{{C_{\max }} + {C_{\min }}}}{2}，$

(8)

$ {f_o} = \frac{{{C_{\max }} - {C_{\min }}}}{6}，$

(9)

$ {p_x} = \frac{{{f_o}}}{{10}}。$

(10)

式中：$ {C_{\max }} $和$ {C_{\min }} $分别为航行风险等级的上限和下限。

计算各个指标和风险等级之间的隶属度，其计算公式为：

$ \lambda=\exp\left[-\frac{\left(x-f_x\right)^2}{2\left(f_o\right)^2}\right]。$

(11)

式中：$ x $为指标值。

结合$ \lambda $的计算结果构建其对应的判断矩阵，其公式为：

$ \boldsymbol{Q}=\left[\begin{array}{*{20}{c}}q_{11} & \cdots & q_{1l} \\ \vdots & & \vdots \\ q_{m1} & \cdots & q_{ml}\end{array}\right]。$

(12)

式中：$ l $为风险等级数；$ {q_{ml}} $为风险指标风险等级$ l $的隶属度。

结合最大隶属度原则确定航道航行风险等级$ Z $，其计算公式为：

$ Z=w_{\Sigma}\boldsymbol{Q}。$

(13)

结合$ Z $的计算结果进行相应的油气运输船舶航道航行风险预警，风险等级和预警标准如表2所示。

2 结果分析 2.1 测试船舶及航道概况

为全面且深入地验证文中方法对于油气运输船舶航道航行风险预警的应用效果，本文选取了具有代表性的20万吨级油气运输船舶作为研究对象展开相关测试。该船舶的主要参数如下：总长度为400 m，型宽为62 m，型深为33.5 m，满载情况下的吃水为17 m。

在实际航行过程中，该船舶面临2条不同的航道。其中，航道2的航行环境较为复杂。航道2整体呈南北走向，起始于A港口，向南方延伸至B海域，全程约120 nmile。该航道途径一段狭窄航道，此狭窄航道位于航道2的中段位置，长度约为15 nmile，其最窄处宽度仅为300 m，相较于航道其他正常区域（正常区域宽度约为800 m）宽度明显变窄，船舶在通过此处时需要更加谨慎操作，对船舶的操控精度要求较高。

同时，航道2的船舶流量较大。在每天的8:00-18:00，是船舶通行的高峰期，各类船舶往来频繁。据统计，在高峰期每小时平均有35艘船舶通过该航道，船舶类型包括油轮、货船、集装箱船等多种类型。其中，油轮约占总船舶数量的20%，即每小时约有7艘；货船约占40%，每小时约有14艘；集装箱船约占30%，每小时约有10.5艘；其余类型船舶约占10%，每小时约有3.5艘。船舶之间的会遇情况较为复杂，增加了航行的复杂性和潜在风险。

2.2 指标综合赋权结果分析

文中方法在进行油气运输船舶航道航行风险预警时，是依据风险指标完成，对各个指标综合权重进行赋值，赋权结果如表3所示。

可知，通过文中方法进行各个指标综合赋权后，能够确定各个指标的综合权重结果。这些权重结果可以作为判断各个影响因素重要程度的依据，为后续的风险评估和预警提供了可靠的数据支持。例如，风速的权重较高，说明在该研究场景下，风速对油气运输船舶航道航行风险的影响较为显著；而操行能力和航迹交叉点的权重相对较低，表明它们在整体风险中所占比重相对较小，但仍不可忽视。

2.3 正常航道航行风险评估结果分析

文中方法在进行航道风险实时预警时，是结合航道的自然环境因素和航行行为因素完成，为验证其对于油气运输船舶航道航行风险等级评估结果，通过文中方法进行航线2中正常航道的航行风险评估，评估结果如表4所示。

可知：在不同风速下，通过文中方法进行航道航行实时风险评估时，能够计算各个指标的最大隶属度结果，以此评估其风险等级。并且随着风速的不断增加，当风速达到一定等级时，相同航道区域的风险值增加。因此，文中方法能够依据自然环境因素完成航道风险等级评估。

2.4 狭窄航道航行风险预警结果分析

为验证文中方法对航道航行风险实时预警效果，以航道2中的狭窄航道区域为例，通过文中方法进行风险等级实时预警，获取该航道在浪高为1.2 m、风速为4 m/s、航速为17 kn的航行状态下，在该航道处的风险预警结果，为呈现详细的风险预警情况，结果仅呈现其中风险等级最高的区域，如图1所示。

可知，船舶在狭窄航道航行时，航行过程中，在弯曲航段处的风险较大，已经达到红色预警等级，这表明该船舶在当前航行状态下通过该狭窄航道会存在极大概率的风险隐患。例如，在弯曲航段，船舶的转向操作难度增加，同时由于航道狭窄，船舶之间的避让空间有限，一旦出现突发情况，容易引发碰撞等严重事故。因此，文中方法具备航道航行风险等级预警能力，可结合航行风险因素指标进行风险判断，为油气运输船舶航道航行安全管理提供可靠依据。通过这种实时预警，船舶管理人员可以提前采取相应的防范措施，如调整航速、加强瞭望等，以确保船舶安全通过狭窄航道区域。

3 结　语

油气运输船舶航道航行安全意义重大，不仅关乎油气运输效率与安全、船上人员生命安全以及海洋生态环境保护，在全球化能源运输格局下，对各国经济发展和能源安全也至关重要，确保其安全航行是实现能源稳定供应的关键。本文创新性地将航行自然影响因素与航行行为影响因素有机结合，构建全面科学的航行风险评估和预警体系，通过综合分析与量化处理实现风险实时评估，依据实时数据和阈值及时预警，如在复杂条件下提醒船员采取防范措施，经实际案例验证，该方法在各类航道风险评估中准确性和可靠性高，为航行安全管理提供可靠依据、助力能源供应。