陳明忠
(交通運輸部東海航海保障中心福州航標處,福建 福州 350005)
跨海大橋橋區水域通航環境受限,風、流壓與航道走向等因素對船舶操縱構成影響。該類水域航道又是船舶交通流匯集區,避讓不慎等駕駛行為極易導致船橋碰撞或船船碰撞事故的發生[1],國內外多起橋梁被撞損及船毀人亡案例表明橋區通航水域的船舶碰撞風險突出、損失重大[2],因此開展橋區航道橋梁防碰撞技術研究具有重要的現實意義。目前,橋梁防碰撞技術主要有被動式和主動式兩種防撞手段,其中被動式防撞設施建設和維護成本高,特別是對于大型船舶的防撞效果不佳;而主動式橋梁防撞,通過發現并跟蹤橋區水域的船舶航跡,預測船舶碰撞風險,并觸發聲光告警設備[3-4],可促使具有碰撞風險的船舶提前采取規避措施,防止陷入被動局面。本文分析橋區航道船舶航行風險,提出橋區船舶航行風險檢測算法,進而設計橋區受限水域智能助航系統,實現向船舶播發助航信息和點對點的風險預警,達到自動化、智能化的主動防撞目的。
船舶在航行過程中,可能遇到各種潛在的不安全因素而導致海損事故。航海保障部門的職責就是識別風險、預測風險,采取各種有效手段保證船舶安全快捷通行[5]。
為準確識別船舶航行安全態勢,預測可能的通航風險,首先需要研究船舶在橋區航道航行過程中的潛在風險因素。風險因素包括水文氣象環境因素、人工操控因素、通航秩序因素、航道條件因素等。針對橋區特定對象,從水文氣象、橋墩分布、橋區駕駛特征等方面分別進行分析[6]。
1.1.1航道水文情況
跨海大橋橋區航道水文條件受潮汐、潮流影響明顯,橋區航道的潮流變化是影響船舶安全航行的重要因素。不同跨海大橋橋區航道的潮流變化規律不完全相同,但是影響船舶安全航行的因素最終可歸結為實時水深和潮流速度、方向、浪高及頻率。為此可改造航道附近的助航用燈浮標,在浮標身上安裝水文信息采集裝置,并基于AIS(automatic identification system,船舶自動識別系統)信息通道向船舶提供水文信息[7]。
1.1.2航道氣象情況
氣溫、雨、風、雪、霧等是描述氣象信息的主要要素,但是對船舶航行安全造成重要影響的氣象因素主要有雨、風、霧,而對應的數字化特征量是降雨量、風速、風向、能見度。以福建平潭大橋航道為例,常風向為東南偏南,強風向西北偏北;年平均風速5.3 m/s,最大風速27 m/s,3—8月東南風為主,頻率達25%;9—10月以北風為主,頻率15%;12月到次年2月,西北偏北風為主,頻率18%;風力大于6級的年平均天數為68.4 d。
1.1.3航道特征及主要違章駕駛行為
引導船舶順利通過大橋通航孔、防止船舶出現碰撞橋梁或誤闖禁航孔等違反航行規則的駕駛行為,是保障船、橋安全的關鍵。橋區航道走向、橋墩分布、通航孔與禁航區設定及船舶交通流規律決定了橋區的駕駛規范。以福建平潭大橋為例,根據橋區水域通航規則,可按圖1對該水域與橋區航道分區塊并設定相應監測規則。

圖1 福建平潭大橋水域監測區塊
該大橋規定為雙孔單向通航,經數據分析,橋區水域航道主要的船舶駕駛風險因素有:超速、逆行、在警戒區內側進或側出航道、船頭對準橋墩且離橋墩距離過近等[8]。在船舶進入橋區航道后,應該由航道末端進入航道,過橋后,從航道前端駛出航道。進入航道后,從航道側端駛出、從航道側面插入航道都是不安全航行的危險因素。
針對橋區水域航道風險因子,可以通過相關關鍵技術,構建風險模型實現橋區航道船舶航行中危險態勢的自動識別和預測,在此基礎上研制船舶航行助航服務系統進行主動干預,實現船橋、船船避碰。
1.2.1船舶進入橋區及穿越橋區航道檢測方法
要防止船舶橋區航行出現碰撞險情,從船舶駕駛的角度就是要盡早糾正船舶航向,保持船舶在正確的過橋航道區域內航行,因此實時跟蹤判斷船位是否出現違規趨向是分析其是否存在風險的關鍵。大橋可通航孔與外圍航道基本對接,非通航孔兩側多屬禁航區及通航安全監管區,可按圖1所示的水域劃分法對其中的船舶進行AIS信號的篩選,船舶進入橋區水域預警區、警戒區、航道及穿越橋區航道重要邊界的檢測是自動辨識船舶在橋區航行中潛在風險的基礎。
1)定義1:基本凹形線性區域。設P1、P2、P3為平面上3個點,L1、L2為由P1、P2和P2、P3確定的兩條直線,滿足下列條件:
(1)
(2)
由直線L1、L2圍成圖2所示的區域S1,稱為基本凹形線性區域。

圖2 基本凹形線性區域
2)定義2:凹形線性封閉區域。由多個基本凹形線性區域經平移、旋轉后聯合組成的封閉區域,稱為凹形線性封閉區域。典型的凹形封閉區域見圖3。

圖3 典型的凹形封閉區域

凹形線性封閉區域是一類具有廣泛代表性的線性區域,本文討論的區域(預警區、警戒區、航道區)均屬于由其邊界線Li(P)構成的凹形線性封閉區域。應用原則1的結論,可以判斷船舶是否進入指定區域。
1.2.2基于船舶動態領域的船橋碰撞風險識別方法
船舶在航行過程中,可以定義一個安全領域,在其安全領域內,出現動態的船舶或靜態的橋墩、淺灘等障礙時,則船舶存在一定的安全風險。與一般領域的概念不同,根據跨海大橋橋區風險因子分析,跨海大橋橋區船舶的安全領域依賴船舶的航向、航速、風速、風向、流速、流向、能見度及船舶類型和尺寸等因素。

跨海大橋橋區航道船舶智能助航的整體功能實現,由橋區現場的橋基站、虛擬AIS航標、橋區航標(橋涵標和水文氣象浮標、燈浮標)等配套硬件設備協同完成,當航行船進入助航水域航道,橋區船舶綜合助航信息系統即對其提供助航服務[9],如圖4所示。其中,橋基站集成AIS基站、信息集成處理單元、海事VHF(very hiqh frequency,甚高頻)電臺、漁業VHF電臺、視頻監控單元、4G通信設備(或有線專線)等。

圖4 橋區航道智能助航服務系統框架
橋基站硬件框圖見圖5、邏輯結構見圖6。AIS模塊可接收半徑15 n mile范圍內船舶AIS信號,發射功率2~5 W可調,報文發送距離3~10 n mile;VHF電臺模組發射功率1 W和25 W可選,語音發送距離3 n mile,選擇最大發射功率時可達25 n mile。從船舶接收到預警信息到及時糾正航向,對于5 000 GT以下海船而言,通常在距離碰撞點1 n mile范圍內才是真正需要采取規避動作的風險區間,更遠距離的助航預警信息則使船舶有充分的時間關注到避讓問題。故此基站設備一般安裝在橋梁通航孔附近或者沿岸構筑物上,只要保證AIS與VHF信號可覆蓋橋區檢測水域即可,在通航規則上橋梁非通航孔兩側水域常定義為禁航區,對于超出設備信號覆蓋距離的大型橋梁而言,如需對非通航水域進行檢測,可以增加橋基站數量,使其信號范圍互相銜接。

圖5 硬件框圖

圖6 邏輯結構設計
1)信息處理模塊。具體包括虛擬航標信息管理、AIS數據處理、網絡連接控制、上位機控制信號處理、本地語音存儲等模塊。
2)VHF電臺。具體包括DSC(digital selective calling ferminals,數字選擇性呼叫)、語音呼叫等功能模塊。
3)AIS模塊。具體包括接收橋基站附近海域的AIS目標信息、虛擬航標位置定期廣播、發送AIS廣播等模塊。
4)4G通信模塊。提供穩定的網絡通信與無線連接。
5)UPS(uninterruptible power system,不間斷電源)模塊。4組大容量電池組成,為系統提供不間斷電源。
跨海大橋橋區航道綜合助航服務系統功能總體結構見圖7。軟件系統根據風險評估結果(無風險、低風險、高風險),向橋基站發送指令,由橋基站播發不同類型的助航信息和預警,軟件工作流程見圖8。系統軟件界面情況見圖9、10。

圖7 系統總體功能結構

圖8 系統工作流程

圖9 橋區總覽界面

圖10 橋區與預警區域顯示界面
本系統應用于福建省平潭海峽大橋航道,為大橋水域的船舶提供主動避碰與綜合助航信息服務。由于海事管理機構對海船配備VHF對講機和AIS接收機有強制性規定,對于大多數海船來說無須額外安裝專用設備即可接收本系統信息。系統自動監測進入預警區的船舶AIS動態,向船舶播發橋區實時的氣象、水流、橋梁凈空高度、航標動態等AIS報文,對符合橋區航道航行規則的船舶保持靜默,對進入警戒區等違反通航規則的船舶啟動點對點的VHF語音提示,促使其盡早糾正船舶動向,防止操縱延誤引發碰撞事故的發生。系統已運行3年多,通過大橋水域航道的船舶主要為5 000 GT以下中小型貨船,截取2017年10月—2018年2月的計算機數據,統計顯示日均經過大橋通航孔的船舶有53艘次,橋區水域航行耗時9~13 min,日均播發語音預警20次,每船每次違規行為平均重復呼叫2次,日均發現高風險船舶動態11艘次。實船測試各項設定的預警條件,當船舶觸碰預警值時,系統識別迅速,平均3~5 s預警信息即可傳達到船舶駕駛臺。根據福建省搜救中心統計數據,平潭大橋橋區航道事故險情見表1,成果應用前后,橋區航道事故險情數量由2013—2015年的35起下降為2016—2018年的13起,下降幅度達62.9%,明顯改善了橋區水域的安全形勢。

表1 平潭大橋橋區水域事故險情
1)對于橋區船舶航行面對的主要風險,可利用航道附近水文氣象燈浮標采集信息并向船舶提供重要的航行參考要素,設定凹形封閉線性區域可檢測船舶航行趨向。辨識碰撞風險的關鍵技術是定義船舶動態安全領域并結合專家經驗值加權。
2)橋區航道智能助航服務系統自動整合了助航信息源和管理運行檢測分析軟硬件設施,實現了智能感知船橋碰撞風險或船舶違規航行態勢,并向船舶提前發出預警報,促使駕駛人員及時糾正駕駛行為以防控危險局面的發生。該技術可轉換應用于水上水下施工區、風電場、狹水道、島礁區等類似受限水域,幫助提升水上工程設施、船舶航行的安全保障水平。
3)目前橋區航行的船舶態勢感知主要通過AIS手段獲取,感知精度與實時性還需要進一步提升。未來研究中可融合岸基CCTV(closed circuit television,閉路電視)視頻、雷達等系統數據,通過圖像識別與深度學習方法,感知多種類型的船舶,使系統具有更廣泛的應用價值。