基于船舶行為特征的武漢大橋水域航線優化

桑凌志, 耿丹陽, 張 誠, 曹德勝, 嚴新平

(1.中國交通通信信息中心， 北京 100011; 2.交通安全應急信息技術國家工程實驗室， 北京 100011; 3.武漢理工大學 智能交通系統研究中心， 武漢 430063)

2017-02-25

國家自然科學基金(51309187；51579201)

桑凌志(1987—)，男，湖北荊州人，博士后，研究方向為橋區交通流組織與安全保障。E-mail: sanglz@126.com

1000-4653(2017)03-0058-06

基于船舶行為特征的武漢大橋水域航線優化

桑凌志1,2, 耿丹陽1,2, 張 誠2,3, 曹德勝1,2, 嚴新平2,3

(1.中國交通通信信息中心， 北京 100011; 2.交通安全應急信息技術國家工程實驗室， 北京 100011; 3.武漢理工大學 智能交通系統研究中心， 武漢 430063)

為保障內河橋區水域船舶通航的安全性，提高通行效率，以長江武漢大橋水域為研究對象，基于船舶自動識別系統(Automatic Identification System,AIS)信息對該水域的船舶行為特征進行分析。利用基于歐式距離與最小方差法的聚類方法分析，認為過橋船舶可依據主機功率的不同進行劃分。在長江船舶定線制的框架下，結合柵格法與蟻群算法建立武漢大橋水域的航道規劃模型，對基于船舶行為特征的船舶航線進行優化。仿真結果表明：該方法在保證船舶安全、高效航行的前提下，能有效幫助海事管理部門對武漢大橋水域船舶航線進行優化。

內河；武漢長江大橋；水域；船舶行為；航線；優化

長江黃金水道是我國東部、中部和西部地區水運的主通道，在國家經濟發展中占有重要地位。近年來,隨著橋梁建設速度加快，長江上的通航環境在一定程度上變得惡化，增大了船舶航行風險，限制了通航尺度,該問題已引起海事部門和科研單位的重視。為保障通航安全，相關部門對橋區水域通航作出嚴格規定，例如船舶不能在該水域追越、下水航速需嚴格控制等。因此，橋區水域的通航瓶頸現象特別明顯，對橋區水域的船舶交通行為進行分析，繼而提出船舶航線優化方法，幫助海事管理部門組織船舶交通流，提高船舶通行效率，具有重要的現實意義。

現階段，針對船舶交通流組織的研究主要圍繞各港口水域進行。ENEELY[1]基于風險評估對交通流組織決策進行論述。郭涂城[2]借助工作排序論建立船舶進出港的最佳排序模式，其局限性在于未考慮船舶在進出港時的安全問題。LLOYD[3]和MEINE等[4]對保持安全水域空間、建立整合系統和減少排序沖突予以充分關注。徐國裕等[5-6]以港口船舶交通流為對象，利用船舶自動識別系統(Automatic Identification System,AIS)提供的信息定性研究影響船舶進出港順序的因素,該研究涵蓋船舶吃水、船舶尺度、船舶類型和距離碼頭泊位的遠近等因素。張濤[7]在分析天津港船舶行為特征和環境特征的基礎上,對船舶進出港優先順序、船舶定線制、船舶動態報告、推薦航速、船舶航道間緩沖區設置及船舶安全間距等交通組織進行分析。楊敏[8]利用道路交通流微觀仿真軟件對船舶交通流進行仿真。楊星等[9]將航道作為船舶提供通航服務的主要資源，根據船舶間影響的不同，通過為船舶設置優先級研究船間相互影響下的交通流特征。熊振南等[10]對交匯水域的船舶到達數目隨時間的變化進行統計，并分析天津港的船舶交通流。譚志榮等[11]針對長江水域橋區的船舶交通流特征，提出內河橋區船舶交通流量數學分析方法，以2008—2009年荊州長江大橋的船舶交通流量觀測數據為基礎，對內河船舶的抵達分布等進行分析。

針對橋區的研究主要集中在橋區船舶通航環境安全評價上，大多采用層次分析法、模糊綜合評價法等方法[12-13]，能實現橋區通航環境評價中定性與定量的相互轉換，但無法兼顧系統的模糊性和隨機性。LI等[14]提出的云模型能實現定性概念與定量概念之間不確定的轉換，且可考慮系統的隨機性和模糊性，為橋區船舶通航環境評價提供一種新方法。王娟娟等[15]基于船舶在直航路上的航跡分布特性，借鑒SHTO規范和KUNZI模型的研究思路，統計船舶的偏航角和停船距離分布規律，分析船舶在偏航情況下碰撞橋墩的概率,進而推導出直航路上船撞橋概率模型。

以上針對內河交通流特征和橋區安全通航的研究側重于理論分析和數據建模，而船舶行為是以船舶(包括船舶駕駛員)整體為研究對象，與航速和航向等有關的船舶交通行為。因此，以真實橋區通航環境為對象，通過對與航速、航向等相關的船舶交通行為進行分析，實現對橋區水域船舶航線的合理優化,具有重要的理論和現實意義。這里以武漢大橋水域為例，通過分析該水域的船舶交通行為特征,對過橋船舶進行基本分類，建立船舶航線規劃模型；通過仿真得到不同船舶的推薦航線，實現對橋區水域船舶航線的優化。

1 數據來源

這里利用的數據主要包括武漢大橋水域的船舶AIS數據和武漢長江大橋水域(武橋水道)的電子航道圖數據。

1.1船舶AIS數據

船舶AIS設備可將本船的動態信息和靜態信息由甚高頻頻道周期性地向附近水域船舶及岸臺廣播。通過架設在白沙洲大橋、武漢長江大橋和天興洲大橋的3個AIS基站，可采集到武漢大橋水域過往船舶的AIS數據。

通過對2014年1月1日至3月16日及2014年7月10日至9月25日武漢長江大橋附近船舶對外發送的約60萬條AIS報文進行預處理，得到用來分析武漢長江大橋水域船舶行為特征的數據。AIS數據的預處理過程見圖1。

圖1 AIS數據預處理過程

AIS數據的預處理步驟：

1) 按船舶海上移動業務標識碼(Maritime Mobile Service Identity,MMSI)對AIS報文數據進行篩選分類，將每條船舶數據“點”的集合變為“向量”的集合。

2) 船舶在橋區水域夜航時主要借助甚高頻電臺與海事管理部門及附近船舶協調過橋決策，被動性較高，因此選取白天(06:00—18:00)的AIS數據進行分析。

3) 武漢長江大橋水域范圍為橋梁上水1 500 m至下水1 000 m，因此利用船舶的位置信息篩選該水域內的AIS數據。

4) 船舶過橋分為上水過橋和下水過橋，二者的航行行為特征有很大差別，因此利用船舶航向角數據對上水船舶和下水船舶進行篩選、分類。

1.2長江電子航道圖數據

長江電子航道圖是基于S-57標準設計的，這里通過武橋水道電子航道圖得到該水域的基本通航環境信息，包括岸線信息、橋梁位置分布和橋墩位置信息、航道基本尺度和航標位置信息等。

2 武漢大橋水域船舶行為特征分析

由船舶AIS信息中的船位信息可得到武漢大橋水域的船舶交通流基本形態。利用聚類方法分析船舶交通行為(如航速、航向、轉向點等)特征，對船舶進行基本分類，為船舶航線規劃提供船舶分類支持。武漢大橋水域船舶交通流基本形態見圖2。

圖2 武漢大橋水域船舶交通流基本形態

由圖2可知，航道右側下水船舶在過橋時航向基本上沒有變化。分析AIS數據發現,船舶航速也基本上保持一致。由于下水船舶的航速相對較快，通航瓶頸現象相對不明顯，因此主要對上水船舶進行分析。

2.1聚類分析法

采用聚類分析法，通過分析船舶行為特征實現對船舶的分類。聚類分析存在樣本距離公式選取和族間劃分方法2個關鍵問題，這里采用基于歐氏距離的樣本距離計算方法。

假設有2個n維樣本x1=(x11,x12,…,x1n)和x2=(x21,x22,…,x2n)，則其歐氏距離為

(1)

雖然聚類分析的歸類步驟基本上一致，但類間距離計算方法存在差別會導致系統的聚類方法發生變化，這里利用最小方差法計算類間距離。

定義類Gi與類Gj之間的距離為族i內任意一點與族j內任意一點組合的最小值,即

Dij=mindij

(2)

設類Gp與類Gq合并成一個新類Gr，則任意類Gk與類Gr的距離為

(3)

2.2船舶行為計算方法

這里的船舶行為主要包括上水船舶的速度變化、航向變化和轉向等3類,其中:速度變化和航向變化可根據2個相鄰AIS信息得到;轉向行為則需以船舶軌跡中的航跡斜率、速度變化和航向變化為依據,通過轉向點解析得到。[16]圖3為利用AIS源數據得到轉向點的過程。

確定轉向點的毗鄰點是此次數據處理的關鍵，船舶轉向點附近的AIS船位點在經度(λ)和緯度(φ)、航向(C)、速度(v)的變化情況等方面都具有較為明顯的特征。這里通過以下3個步驟確定轉向點：

圖3 利用AIS源數據得到轉向點的過程

1) 計算航跡斜率變化，方法為

(4)

2) 計算速度隨時間的變化，方法為

(5)

3) 計算航向隨時間的變化，方法為

(6)

依據以上3個向量,以時間序列為基準進行大小排序。

內河船舶在過橋時一般有直線和三次曲線的交點及三次曲線和直線的交點2類轉向點[16]，根據該船舶軌跡的基本特征，篩選船舶的轉向行為特征點。

2.3船舶交通行為特征分析

分別從過橋速度、航向和轉向點位置等3個方面進行聚類，分析武漢大橋水域上行船舶的交通流特征，對船舶進行分類。由于該水道上水有2個通航孔，因此僅將船舶聚為2類進行分析。

2.3.1船舶過橋速度變化聚類

根據AIS數據得到上水船舶在通過武漢大橋4號通航孔時速度的變化情況，利用歐式距離判斷樣本距離，利用最小方差法得到聚類方向，對船舶轉向時速度的變化進行聚類分析。圖4為采用聚類分析研究船舶速度變化,橫軸為按船舶等級從高到低梯度分布的樣本號，縱軸為類間距離。

根據聚類結果，當將樣本數據指定為2類時，第1類船舶主要由1 500總噸以上船舶和600總噸以下船舶組成,而第2類船舶噸位在200總噸以上。

圖4 采用聚類分析研究船舶速度變化

此外,船舶主機功率分布也體現出無特征性。可見,根據船舶速度變化無法實現船舶分類。

2.3.2船舶過橋航向變化聚類

采用聚類分析方法對航向變化數據進行聚類，分析船舶轉向過程中速度變化行為特征。圖5為采用聚類分析研究船舶航向變化,橫軸為按船舶等級從高到低梯度分布的樣本號,縱軸為類間距離。

圖5 采用聚類分析研究船舶航向變化

根據聚類結果，當將樣本數據指定為2類時，第1類船舶主要是由1 600總噸以上船舶構成,第2類船舶噸位在200～2 000總噸)。此外,船舶主機功率分布也體現出無特征性。可見,根據航向變化無法實現船舶分類。

2.3.3船舶過橋轉向點聚類

由于水流不同，船舶在枯水期(2014年1月1日至3月16日的數據)的過橋行為與豐水期(2014年7月10日至9月25日的數據)是不同的。經過圖3的處理過程解析船舶的轉向點信息之后發現:無論是在枯水期還是在豐水期，船舶尺度越大，在過橋時轉向越早；船舶尺度越小，其轉向點越離散，這與船舶的操縱性有關，大型船舶在過橋時因操縱性較差需盡早調整航向,以保證過橋安全。同時，相比在豐水期，船舶轉向點在枯水期整體偏向航道內側，這是由于在枯水期水位降低,航道變窄，船舶可通航的區域變小。圖6和圖7分別為豐水期船舶轉向點位置聚類及枯水期船舶轉向點位置聚類,橫軸為按船舶等級從高到低梯度分布的樣本號，縱軸為類間距離。

通過聚類分析發現，與速度變化和航向變化相比，船舶轉向點位置在主機功率方面具有明顯的分類特征，具有明顯的梯度排列特點。

(1) 在豐水期：由聚類產生的第1類船舶中，功率≥1 400 kW的船舶占75%；聚類產生的第2類船舶中，功率<1 400 kW的船舶占65.71%。

圖6 豐水期船舶轉向點位置聚類

圖7 枯水期船舶轉向點位置聚類

(2) 在枯水期：由聚類產生的第1類船舶中，功率≥1 400 kW的船舶占76.47%；聚類產生的第2類船舶中，功率<1 400 kW的船舶占59.37%。

對比分析船舶在轉向過程中速度變化、航向變化和轉向點位置的特征發現,不同類型船舶在過橋轉向時轉向點的位置差異較為明顯。主機功率≥1 400 kW的船舶無論是在豐水期還是在枯水期均較早地調整船位，轉向點密集；而主機功率<1 400 kW的船舶雖相對分散，但仍呈現出隨功率梯度分布的特征。因此,以船舶主機功率1 400 kW為節點,對船舶的航線進行優化分析。

3 船舶航線的優化方法與實現

3.1蟻群算法

蟻群算法是通過模擬真實蟻群的覓食機理求解優化問題的方案：將m個螞蟻按照一定的初始化規則分布在n個城市，每個螞蟻根據狀態轉移規則選擇遍歷這些城市，當所有的螞蟻都完成其遍歷過程之后，每個螞蟻都建立一條回路，此時可計算出迭代的最短路徑，此后反復迭代，直至滿足終止條件。

柵格法通過將環境分解成一系列具有二值信息的網格單元[17]，在路徑規劃時采用柵格來表示地圖。武橋水道Map由柵格mapi構成[18]，即

Map={mapi,mapi=0 or 1}，

i∈Z

(7)

式(7)中:mapi=0表示i格為自由航行區域;mapi=1表示i格為障礙航行區域;0和1為柵格的通航因子。在按照規則賦予每個柵格一個通航因子之后，船舶航線的規劃問題即轉化為在柵格網上找2個柵格節點之間的最優路徑問題。

3.2船舶航線優化方法

分道通航是船舶定線制的主要形式,船舶航線優化是在長江干線船舶分道通航制的基礎上根據航標標識，使下水船舶在航道右側航行、上水船舶在航道左側航行。船舶航線優化方法見圖7。

圖7 船舶航線優化方法

采用柵格法進行航道空間建模，將船舶通航環境離散化、數學化。根據圖示水深和具體水位信息，在設定船舶吃水閾值后得到僅包含0和1的航道環境矩陣(0代表自由航行區域，1代表障礙航行區域)。

根據《內河運輸船舶標準船型指標體系》，長江干線船舶的長度主要在50～100 m，寬度主要在8～16 m。[19]因此，在處理小功率船舶時選用54 m×54 m的柵格矩陣，在處理大功率船舶時選用108 m×54 m的柵格矩陣。利用長江電子航道圖(武橋水道段)獲取圖示水深信息，以進一步通過漢口水位得到航道實際水深(見圖8和圖9)。

圖8 武橋水道水深示意圖9 區域深度示意

在得到實際水深信息后,可進一步建立船舶航行狀態連通圖，將環境矩陣變為螞蟻搜索所需的區域連接矩陣。圖10為狀態連通矩陣示意，連通圖中心代表船舶當前所在區域，在一個平面范圍內可供其選擇的下一步航行區域有其周圍的8個矩陣，航行至矩陣4條邊的距離計為1，航行至4個角的距離計為1.414，分別用1和1.414表示選擇該方向的距離代價。在進行航行代價計算和最佳航路篩選時，將距離代價作為主要考慮的因素。其他外圍的矩陣因在一個迭代周期內無法航行進入，標記為inf(即無窮大),以減少計算量。

圖10 狀態連通矩陣示意

具體航線優化實現過程為：利用柵格法將長江武漢段水域柵格化；根據實際水深信息確定是否可航及每個柵格附近的8個柵格的狀態，進而確定全局狀態；將所模擬的船舶(螞蟻)放在武漢長江大橋水域下游及上游邊界處準備過橋；以每艘船舶(螞蟻)為中心，搜索其附近可通航的自由柵格點，按局部信息素更新每艘船舶(螞蟻)周圍的數據，當所有船舶(螞蟻)都完成一次路徑構建之后，計算所有船舶此次通航行動的代價，并進行比較；保存最優的航線和相應的航行代價，并進行全局信息素更新；循環該過程，直到迭代次數用完或達到其他約束條件。具體航線優化算法流程見圖11。

圖11 航線優化算法流程

3.3武橋水道船舶航線優化實現

在船舶分道通航的基礎上，對武漢大橋水域進行航線優化。設定主機功率≥1 400 kW的船舶的推薦通航水深最小為4 m，主機功率<1 400 kW的小型船的推薦通航水深最低為3 m(具體推薦通航水深根據實際需求調整)，對船舶航線的優化過程進行仿真實現，仿真結果見圖12和圖13。

圖12和圖13中黑色區域為自由航行區域，白色區域為障礙航行區域。圖12中的線條為主航道航線設計中所有船舶(螞蟻)探索過的路線，圖13中的線條為其中的最小代價航線，即最優航線。仿真中選取的搜索初始點和到達點根據武漢大橋附近船舶的航跡數據得到。

圖14為平均航線代價和最小航行代價收斂曲線，可看出在迭代39次之后,平均航行代價和最小航行代價均趨于收斂，收斂結果為37.522 0，已得到最優航線。

圖12 主航道設計中全部航線圖13 主航道設計中最小代價航線

在得到大型船舶的優化航線之后，進一步在主航道中將該航線的航跡帶設置為不可通航區域，進而對小型船舶進行航線優化，結果見圖15。

圖14 平均航線代價和最小航行代價收斂曲線圖15 次級航道最小航行代價航路圖

可見，通過采用柵格法對長江武漢段水域進行處理，利用蟻群算法可實現武漢大橋水域不同船舶的航線優化。

4 結束語

1) 以長江干線上典型的武漢大橋水域為研究對象進行基于船舶行為特征的航線優化，對海事管理部門的通航安全管理具有重要的現實意義。

2) 利用船舶AIS數據篩選出船舶航行行為基本數據,進而對船舶行為(如航速變化、航線變化及轉向點)進行聚類分析。結果表明，在以主機功率1 400 kW作為節點時，上水船舶的轉向點差異明顯。因此,以船舶主機功率的不同對船舶進行分類，以對不同類別船舶的航線進行優化。

3) 利用電子航道圖中的圖示水深數據和實際水位數據，采用柵格法對長江武漢段水域進行處理，通過區分船舶自由航行區域和障礙航行區域保證船舶安全航行，利用蟻群算法提出武漢長江大橋水域不同船舶的航線優化方案，并通過仿真來實現。

4) 武漢長江大橋水域船舶的航行方法在枯水期、豐水期隨著水深的變化有著明顯的不同，需進一步搜集數據對不同時期的船舶行為影響因素進行分析，以實現對不同水位期不同船舶的航線優化。

[1] ENEELY L N. VTS application of risk-based decision making[C]//Proceedings of VTS 2004. Hong Kong,2004:85-90.

[2] 郭涂城,徐國裕,方怡雅.船舶進出港排序模式構建之研究[C]//第五屆十校聯盟航運學術研討會論文集.臺南:2007:55-67.

[3] LLOYD D N. Integrating VTS with Port Operation[C]//Proceedings of VTS 2004. Hong Kong,2004:44-52.

[4] MEINE J, KRAMER M. Creation of a region VTS with Data Fusion and Integration of Vessel Data and Movement Details over the Area of Several Independent Ports, Coastal and Inland Waterways[C]. Proceedings of VTS 2004. Hong Kong, 2004:235-248.

[5] 徐國裕,劉人杰,吳兆麟.單向水道船舶進出港排序權重分析[J].中國航海,2008,31(4):379-382.

[6] 徐國裕,郭涂城,吳兆麟.單向水道船舶進出港最佳排序模式[J].大連海事大學學報,2008,34(4):150-153.

[7] 張濤.天津港主航道拓寬工程營運期交通流組織模式研究[D].武漢:武漢理工大學,2010.

[8] 楊敏. 基于VB和VISSIM的船舶交通流仿真控制分析[J]. 中國水運, 2012(10): 42-43.

[9] 楊星,李鍵,陳巍博,等. 內河船舶交通流建模與仿真研究[J].中國航海,2013,36(3):80-85.

[10] 熊振南,程俊康,翁躍宗. 點統計法在船舶交通流分析中的應用[J]. 中國航海,2009,32(1):64-67.

[11] 譚志榮, 嚴新平, 劉亮. 長江干線橋區船舶到達規律數學模型及檢驗[J]. 交通信息與安全, 2010, 28(2):70-73.

[12] 王再明. 長江干線大橋水域通航環境安全評價的研究[D]. 武漢:武漢理工大學, 2005.

[13] 歐陽濤，陳海波.模糊綜合評價法在船撞橋風險評估中的應用[J].中國水運，2009，9(1)：50-51.

[14] LI D, HAN J, SHI X, et al. Knowledge Representation and Discovery Based on Linguistic Atoms[J]. Knowledge-Based Systems, 1998, 10(7):431-440.

[15] 王娟娟, 曹凱. 基于柵格法的機器人路徑規劃[J]. 農業裝備與車輛工程, 2009(4):14-17.

[16] SANG L Z, WALL A, MAO Z, et al. A Novel Method for Restoring the Trajectory of the Inland Waterway Ship by Using AIS Data[J]. Ocean Engineering, 2015, 110: 183-194.

[17] 吳建軍. 分道通航制水域航行環境安全的集對綜合評價研究[D]. 大連:大連海事大學, 2010.

[18] 黃耀. 基于柵格法的汽車路徑規劃[D]. 武漢:華中科技大學, 2008.

[19] 殷業廷. 內河運輸船舶標準船型指標體系的解讀[J]. 世界海運, 2014, 37(7):21-23.

OptimizationofShipRoutesinWuhanYangtzeRiverBridgeWaterwayBasedonShipBehaviorCharacteristics

SANGLingzhi1,2,GENGDanyang1,2,ZHANGCheng2,3,CAODesheng1,2,YANXinping2,3

(1. China Transport Telecommunications and Information Center, Beijing 100011, China; 2. National Engineering Laboratory of Transport Safety and Emergency Informatics, Beijing 100011, China; 3. Intelligent Transportation System of Research Center, Wuhan University of Technology, Wuhan 430063, China)

The AIS(Automatic Identification System) data collected from Wuhan Yangtze River bridge waterway is processed to find the behavior characteristics of ships in the area. The clustering analysis is conducted based on the Euclidean distance and the minimum variance. The analysis shows that the passing inland ships can be categorized according to their main engine power. In the framework of the traffic separation scheme in the Yangtze River, a route-planning model for ships with differing ship behavior characteristics is proposed based on the grid method and the ant colony optimization algorithm. Simulations show that the proposed method can effectively optimize the ship route in the Wuhan Yangtze River bridge waterway area, which may help Maritime Safety Administrations to improve the ship route scheme.

inland; Wuhan Yangtze River bridge; waterway; ship behavior; route; optimization

U692.3+1

A