海道测量^[1]是海洋测绘中的重要分支，作为海洋测绘的基本根本基石，其任务包括海洋地理信息的获取以及海洋地理信息服务，作为保障性测绘工作其目标是为编制航海图提供尽可能完备的观测数据^[2-4]。一直以来，国内海道测量优先级和测量周期简单依据测量年份、客户需求等因素进行确定，甚至于有计划人员的主观因素涉及其中，数据采集的重点区域布置缺乏客观性和科学性。

近年来，特别是空间数据分析^[5]及数据挖掘等技术应用以后，国际上普遍采用基于数据驱动的风险评估模型来确定海道测量的优先级。文献[6]中使用AIS数据和历史水深数据为国家层面的海道测量决策提供支持。文献[7-9]针对其特定的区域采用的方法不尽相同，风险模型所采用的风险因素也差别较大，区域针对性非常明显。由于地区的通航水域环境和测量技术水平等存在差异性，只具有参考价值。文献[10]对海道测量区域进行分类研究，分析实施海道测量的难点，并对不同类型测区提出可行的测量方法。此外，国内很多学者针对海事管理和安全方面使用FSA和IWRAP开展了一系列海上风险评估的研究^{[11, 12]}，不仅建立了多种海上交通风险评价模型，而且还将诸多理论运用到了实际^[13-16]，但是国内还没有使用风险评估模型在海道测量分级方面的应用研究的相关报道。总体来说使用海图数据^[17]和AIS数据^{[18, 19]}结合GIS空间分析方法来评估水域风险进而为海道测量决策提供支持是一种有效的方法。

基于国内海道测量现状，本文针对南海区域水域的特殊性，筛选风险因素，构建风险矩阵。结合GIS空间分析方法建立风险模型对水域进行分级分类。主要假设是：交通流量越大，风险越高；通航环境越复杂，风险越高；海图比例尺越大，风险越低。该结果可为相关部门制订年度测量计划、规划海图、确定海图测图周期提供参考，以实现海道测量投入的最大回报。通过实际运行检验后，可以为国内其他水域进行分类分级提供参考依据。

1 海道风险评估模型构建

由于事故后果的严重程度在地理上是相关的，结合GIS评估海上风险是最有效的方法。使用GIS空间分析中的缓冲区分析很容易刻画出某项因素的影响程度与空间距离的关系；GIS中的空间统计方法能充分挖掘AIS数据；GIS中的叠加分析，能够叠加不同因子造成的影响。传统的风险矩阵主要分为或然性和后果两部分，但是经过综合考虑本文将交通要素当第三部分。风险大小取决于以三者为边长构成的立方体的体积A_score，其计算公式为：

$ {A_{{\rm{score}}}} = {S_{交通}} \times {S_{后果}} \times {S_{或然性}} $

(1)

$ S = \sum\limits_{i = 1}^n {{A_i} \times {P_{{A_i}}}} $

(2)

式中, A_i代表A(交通、或然性、后果)的第i项指标; P_Ai为该指标对应的权重。

1) 交通因素。船舶交通是风险评估的重要输入因素。显然，如果没有船只通过航道航行，船舶发生事故的或然性为零。每艘船都有生命损失或污染的潜在可能，这一潜在可能近似于一个船舶大小和类型的函数，它既能表明乘客的数量，又能表明其正常携带的燃料量(如一艘大型油轮将比小型油轮运载更多的产品，一艘客船比货船载运更多的人)。本文主要利用历史AIS数据评估交通指标，根据AIS数据分析船舶类型、大小近似估计载客数量、船舶吨位得到潜在人命损失、溢油潜在可能、损害+救助成本、经济成本等4项指标。这必然是一种近似估算，因为不可能仅从AIS数据知道船舶在任何特定时间点携带的人或货物的数量。值得注意的是, 每项指标的相对值是评估等级的关键。

2) 或然性因素。很明显事故的发生的地点在每一个地方都不是等可能的，有些地段事故发生的概率明显大于其他地方，而大部分影响随着距离变化衰减。经过筛选可能性大小主要由以下6项指标构成：制图、航道特征、海洋物理与气象、航行危险、减灾措施、测深变化。值得一提的是, 测探变化是海道测量关注的重点，如果某一水域多次测量水深变化很小，则风险很低。

3) 后果因素。事故发生的后果主要由经济、环境决定。本文假设如果事故发生地方距离保护区越近，则造成的后果越严重。如果事故发生在繁忙的港口，则可能引发一系列蝴蝶效应，故而发生事故的地点越靠近经济发达的地区，后果越严重。

综上所述，海道风险评估模型具体的要素评价指标及权重如表 1。

2 海道风险评估模型应用

1) 数据源及预处理。本文研究区位于我国南海区域，目前可获得的数据主要包括AIS历史轨迹、历年电子海图(ENC)、海事测绘资料库和海图资料以及互联网数据。由于数据来源复杂而且多样，需要进行的数据清洗工作，将其转换成统一的Shapefile格式的文件(表 2)。

2) 海道风险评估方法。由于风险模型中含有大量参数(缓冲区参数、各项指标权重配比)，为了方便后续的调参，所以根据风险模型开发了基于Arcpy的脚本工具，处理流程如图 1所示。该处理流程主要分为以下3步：①该工具以风险矩阵中各项因子的shapefile格式为输入，进行空间分析(缓冲区分析、叠加分析)，得到各项因子得分; ②将各指标的栅格文件以及各指标的权重配比作为输入，利用式(2)计算风险模型中交通、或然性和后果的加权叠加结果; ③利用式(1)计算风险评估结果，使用自然间断法进行分级。

(1) 合并规则。某项因子的得分可能需要由多个要素叠加，所以需要根据实际输入合并规则(相加、取最大值、取最小值等)。

(2) 缓冲区距离参数。根据每个因素的作用机制进行设置(单缓冲、多级缓冲)，比如：每个台风的影响半径不一样。

(3) 权重比例。由于每个水域都有其特殊性导致其每项指标的发生变化，需要经过反复调试得到最佳参数。

3 试验结果分析

由图 2可知，风险等级的受船舶交通流量的影响较大，红色和橙色等高风险区域几乎分布在船舶流量大的人工疏浚航道内。该结果与IHO S-44通航水域海道测量优先级分级一致：海道测量为船舶安全航行服务，海道测量资源尽量投放到船舶交通流量高、航行风险大的人工疏浚航道(由于海底地形及底质等影响，并出于经济效益考虑，该水域一般都是富余水深不充裕的)。

通过利益相关者咨询证实，分析结果为高风险的蛇口港附近水域分析符合实际情况。广州海事测绘中心测绘业务科计划明年测量该水域。值得指出的是风险评估为高风险水域只表明了该水域的健康状态和可能出现的后果风险，并不能直接反映出该水域的测量风险。在实际应用中，应该考虑水域的现状，合理的利用风险评估结果。

4 结束语

针对我国目前海道测量现状，本文使用多源异构数据结合GIS空间分析方法建立风险模型，对南海水域进行分级分类。基于实证证明了模型具有一定的科学性和适应性。同时该结果可以结合富余水深、水深变化等数据分析，进一步为海道测量决策提供支持，从而提高海道测量投入回报比。

利用AIS数据虽然能直观体现出水域中的船舶流量，但是由于AIS数据中噪声很多，清洗工作繁琐，可能会影响分析结果。值得注意的是，随着近年来的众包水深的项目^[20]的提出，使用众包船只记录的水深数据，可以更好地校正AIS数据，挖掘相关信息，比如船舶的吃水、水域中水深的变化，从而将海道测量的资源投放到水深变化大、富余水深较小的水域，从而更好地为海道测量决策提供支持。