基于NearMiss的成山头水域交通冲突风险可视化

， ， ，

(1. 武汉理工大学 航运学院，武汉 430063； 2. 威海海事局，山东 威海 264200； 3. 大连海事大学 航海学院，辽宁 大连 116026)

基于NearMiss的成山头水域交通冲突风险可视化

谭志荣1，张球林1，王伟2，范中洲3

(1.武汉理工大学航运学院，武汉430063； 2.威海海事局，山东威海264200； 3.大连海事大学航海学院，辽宁大连116026)

针对成山头水域商船与渔船交通冲突频发的现状，对船舶交通管理系统(Vessel Traffic Service, VTS)存储的船舶全程航行动态大数据进行挖掘；在交通冲突和黑点理论的基础上，基于船舶会遇提出采用Near Miss分布来定量描述水域风险的方法。在Atlas VTS的基础上二次开发基于Near Miss的分析软件，根据Near Miss的时空特征实现水域风险可视化。以成山头水域2013年典型时段的船舶交通流数据为例，对该水域商船与渔船交通冲突风险进行可视化分析。结果表明：基于Near Miss分布的水域风险可视化方法可定量挖掘水域交通冲突风险的时空特征，有助于优化监管措施以降低潜在水域风险。

水路运输;交通冲突；Near Miss；时空分布；风险可视化

Abstract: The traffic conflicts between merchant vessels and fishing vessels occur frequently in Chengshantou waters, which deserve immediate attention. Mining of Vessel Traffic Service(VTS) data can be an approach to the solution and visualization may be a good aid. The Near Miss distribution method is proposed to quantitatively illustrate the risks in the area based on the traffic conflicts and gloomy spots theory. The analysis software is developed for the Atlas VTS to visualize the traffic conflict risks according to the extracted ship Near Miss parameters. The vessel traffic data from typical time period in 2013 are used to demonstrate the traffic conflicts between merchant vessels and fishing vessels. The case study shows that Near Miss distribution method can reflect the spatial and temporal feature of the traffic conflicts, therefore, be helpful in traffic supervision.

Keywords: waterway transportation; traffic conflict; Near Miss; spatial and temporal distribution; risk visualization

近年来，随着船舶动态大数据获取技术逐渐普及，运用数据挖掘技术研究水域风险可视化成为航海科学领域的热点。成山头水域作为我国率先实施定线制的水域，已进一步实施内外分道通航方案，不同航向商船之间的交通冲突风险大大降低。但是，该水域渔船与商船碰撞的风险一直存在，特别是成山头船舶交通管理亟待优化。运用船舶动态大数据挖掘水域风险的时空分布特征是科学开展船舶交通组织的重要基础性工作之一。

目前水上交通风险研究可分为宏观和微观2个方面，其中：宏观交通风险分析法主要包括模糊综合评价法、层次分析法、证据理论和贝叶斯网络等；微观交通风险分析法主要包括交通冲突理论、基于DCPA和TCPA的船舶碰撞风险分析法等。为研究水域交通风险的空间特征，徐言民等[1]引入地理网格法对水域的通航环境危险度进行模糊层次分析，根据危险指数标准识别船舶碰撞黑点，对港口水域风险可视化进行研究。此后，刘钊等[2]和谭志荣等[3]相继从船舶交通流行为特征的角度提出船舶交通流行为特征及时空分布是分析水域交通风险的重要基础条件。

由于船舶定线制水域等受限水域的事故样本偏少，且长时间的航迹分布图变成了水域中的交叉白色亮点，导致现有的风险分析方法不能很好地反映水域风险的时空特征。[4-5]此外，随着船舶自动识别系统(Automatic Identification System, AIS)和船舶交通管理系统(Vessel Traffic Service, VTS)等船舶信息自动采集系统的普及，目前船舶交通流大数据挖掘已成为研究水域交通风险的重要数据基础。[6]

因此，基于船舶航行动态大数据挖掘，从交通冲突的角度提出基于Near Miss的水域交通风险定量评判方法，有效解决事故样本少和AIS航迹图聚类较为粗糙等问题。在Atlas VTS平台上，通过二次开发基于Near Miss的分析软件实现基于Near Miss时空分布的可视化分析技术，为进一步科学开展水上交通风险微观研究提供方法。

1 水域交通冲突与Near Miss

1.1 交通黑点

交通黑点又称事故黑点，通常指较长的一段时间内事故频发的地点或地理特征相比正常位置异常的点。[1,7]水上交通黑点是指某一水域在一定时期内水上交通事故多发且高于水域内整体事故，通常在海图上用经纬度标注黑点的地理位置。[7]

研究交通黑点严重依赖于历史交通事故数据，而事故又具有随机性特征，因此交通黑点的判断对于历史事故较少的水域风险研究而言具有明显的缺陷。[5,7]

1.2 交通冲突

为克服基于水上交通事故研究水域风险时存在的样本少、周期长、区域分散和可信度低的缺陷，相关学者[6,8]提出采用交通冲突技术研究水域风险,即用严重冲突替代交通事故进行风险评价，通过技术手段对冲突过程进行记录并不断回放，以保证安全分析的准确性。

在分析水上交通冲突技术和船舶避碰的基础上，借鉴避碰中船舶紧迫局面的定义对水上交通冲突进行界定：2艘或2艘以上的船舶在同一时间、同一空间上相互接近，在一方采取非正常的驾驶行为(如转向、变速、停车、交通违章等)航行时，除非另一方采取相应的措施避险，否则会有发生碰撞的危险。[8-9]

1.3 船舶会遇

在海上避碰领域中，一般认为“船舶会遇”是指航行中的船舶相遇而必须采取行动的情况。在避碰实践中，船舶会遇态势往往分为对遇、交叉相遇和追越等；而在定线制水域中，船舶有分道航行的特点，故主要会遇态势是追越和交叉。通常船舶间在会遇态势下发生碰撞是由人为因素导致的，国内外学者[5，9]均将CPA和TCPA作为基本参数对船舶避碰和交通风险进行研究。

1.4 水域交通Near Miss

Near Miss已被广泛应用于航空、化工和核电等高危行业中，一般指潜在可能造成更严重伤害的事件，具有不安全行为特征，也被称为异常接近或虚惊事件。[10]

根据水上交通风险中交通黑点、交通冲突和船舶会遇的研究成果，结合Near Miss在航空等领域中的应用，可将水域交通Near Miss定义为一种水上交通冲突定量描述的方法，通过理论分析或根据专家经验,采用“时间差”和“最近通过距离”来衡量水域交通冲突严重程度的虚惊事件。

2 Near Miss的时空特征

2.1 基于船舶领域的Near Miss表达

船舶领域是指绝大多数后继船舶避免进入的前一艘在航船舶周围的领域。若船舶进入另一艘船舶的领域但没有发生交通事故，则认为Near Miss发生。在开阔水域可选用藤井模型表示船舶领域，则基于船舶领域的Near Miss见图1。

图1 基于船舶领域的Near Miss

图1中给出船1和船3的Near Miss(船3进入船1的船舶领域)及船2和船3(船2进入船3的船舶领域)的Near Miss。船舶领域能较好地反映开阔水域操船环境的危险度，但该方法对于受限水域的商船与渔船避碰实践及Near Miss参数设定不太适用。[11]

2.2 基于“距离”和“时间”特征的Near Miss表达

基于船舶领域的Near Miss仅从距离上规定水域交通的Near Miss，未考虑船舶类型及航速等要素，具有一定的局限性。从“距离”和“时间”2个方面判断Near Miss，其含义为：

(1) “距离”指两船最近通过距离，该值为零则代表发生碰撞事故，该值较小则表示碰撞危险很大；

(2) “时间”即时间差，指会遇两船中心到达两船航向交叉点的时间差，该值趋近于零即代表碰撞。

引入船舶碰撞风险评判指标DCPA和TCPA的概念，提出“最近通过距离”和“时间差”能较好地解释交通冲突中Near Miss的时空分布风险特征表达。

2.2.1基于时空分布的Near Miss特征值

Near Miss特征值的提取依赖于研究水域的交通环境和交通流行为特征。这里选取成山头水域中商船与渔船冲突水域的碰撞风险为研究对象，其特征值 “最近通过距离”和“时间差”依据现有成果及专家经验选取。[11-12]

(1) 国际研究表明：在沿海航区航行的商船，其最低航行要求是导航系统能提供至少0.25 n mile的定位精确度。此外，相关研究[11]也指出：船舶间的TCPA和DCPA满足1 min及2 cable(约为370 m)时态势最危险。因此，最近通过距离取500 m。

(2) 参考商船与渔船的相对航速及渔船的鸣笛时间(研究指出，渔船的鸣笛警告时间≥2 min)，考虑到商船操船环境的危险度和渔船避险实际操纵的特点，时间差取3 min。

2.2.2基于Near Miss的风险可视化

提取基于VTS和AIS的船舶动态大数据，通过二次软件开发对目标水域交通Near Miss进行判断和标绘，运用不同的颜色在输出平台或海图上还原坐标，从而显示水域交通冲突的Near Miss时空分布特征。

3 基于Altas VTS平台的分析软件开发与实现

3.1 Near Miss分析软件开发

以成山角水域的VTS为例，基于Atlas VTS系统平台，运用Java进行分析软件的二次开发。同样借助VTS内存储于服务器中的交通数据，通过开发软件完成数据提取、参数计算和图文生成的全过程，得到Analysis Parameters软件初始设置界面。

图2为基于Java的船舶交通流分析工具，其功能分析如下。

1)Image:设置背景海图及统计区间。

2)Data:设置数据来源及统计时段。

图2 基于Java的船舶交通流分析工具

3)Filter:设置过滤条件。

4)Analyser:设置Near Miss类型及参数。

在软件功能设计中，将Near Miss类型分为“Ship near miss”和“Point near miss”，其中“Point near miss”统计样本点侧重于船舶与某固定位置发生的Near Miss的分布，适于论证某碍航物和海上工程等与船舶交通流行为的关系。开展的数据分析是基于“Ship near miss”进行的，在参数设置中取两船最近通过距离为500 m，时间差为3 min。

3.2 Near Miss的实例分析

考虑到渤海水域开渔前后的船舶交通流行为具有典型性及数据量大、计算时间长等限制因素，仅抽样选择2013年3个不同日期的数据。

1)考虑到开渔的季节性特征，选择3个对比时段(即8月12日、9月2日和9月10日的0000—1000时段)的数据。

2)设定最近通过距离和时间差分别为500 m及3 min。

3)提取数据并计算符合设定值的Near Miss事件，以亮点的形式在海图上标注出来。

4)按渔船类型进行船舶类型提取。

依次得到符合参数设定特征的Near Miss分布；为对比渔船活动量，增加同一个时间段和同一个水域范围内的渔船轨迹分布(见图3～图5)。

通过对比图3～图5发现:

1)3个时间的商船与渔船碰撞风险由大到小依次为9月2日、9月10日和8月12日。由此可见，渔期整个水域的商船与渔船碰撞风险较大，非渔期定线制的南侧水域商船与渔船碰撞风险明显大于北侧水域和中间水域。

2)风险时空特征的变化与渔船在成山头水域作业的规律基本一致。渔期前(8月12日)渔船数量较少；开渔初(9月2日)渔船大量出海，成山头水域渔船密集；开渔一段时间后(9月10日)，渔船分布范围更广，成山头水域渔船密集度相对降低。

a) Near Miss分布(事件总数为510 509)

b) 渔船轨迹分布

a) Near Miss分布(事件总数为1 048 575)

b) 渔船轨迹分布

a) Near Miss分布(事件总数为334 607)

b) 渔船轨迹分布

3.3 数据过滤

在上述时段内，由于商船之间的Near Miss被海量渔船数据所掩盖，因此商船与商船之间的Near Miss较少，不到统计样本量的1%。为避免渔船和其他数据(例如船舶与杂波的会遇、引航拖船与进港船舶的会遇及拖船与被拖物的会遇等)影响统计结果，进一步将Near Miss详细信息列表导出Excel文件，并根据船名和航速等信息对数据进行筛选与过滤。

以2013年8月12日0000—1000时段为例，过滤前Near Miss样本数量为510 509，筛选后商船之间的Near Miss数量仅为784。利用船舶流量分析软件将过滤干扰项之后的Excel文件导入到软件中，将经纬度在海图上以亮点的形式标注出来，得到修正后的商船与商船之间的Near Miss分布(见图6)。

图6 2013年8月12日0000—1000时段商船与商船之间的Near Miss分布(事件总数为784)

图6表明，2013年8月12日0000—1000时段发生在商船之间的Near Miss主要集中在定线制开始和结束的水域。风险可视化结果佐证了船舶定线制可有效降低定线制水域中商船之间的Near Miss，即降低了潜在的碰撞事故风险。对比图6与图3可知：该水域商船与渔船之间碰撞风险明显高于商船之间的碰撞风险。实例分析结果表明：风险可视化方法可更好地反映成山头水域船舶交通行为的时空特征。

4 结束语

在交通冲突和交通黑点微观交通风险研究的基础上，结合定线制水域船舶交通流特征，通过定义Near Miss和提取特征值实现水域交通冲突风险可视化。实例分析结果表明：开发的Near Miss分析软件可作为成山头水域交通冲突风险可视化工具，能有效解决水域事故样本少、不能实时反映交通冲突水域动态风险的时空分布等问题。实例分析结果对科学评判成山头水域商船与渔船的碰撞风险具有指导意义。

但是，受限于Atlas VTS平台在系统中存储了所有的雷达目标和AIS目标等问题，该系统需在样本数据自动筛选和数据调取上作进一步优化，以增强系统的实用价值，为进一步优化航路设计和科学制订交通管制措施等提供依据。

[1] 徐言民,唐成港,许鹏,等. 基于网格化理论的船舶碰撞事故黑点研究[J]. 中国航海,2013,36(4):72-75.

[2] 刘钊,刘敬贤,周锋,等. 船舶交通流行为特征及其在海上交通组织中的应用[J]. 大连海事大学学报,2014,40(2):22-26.

[3] 谭志荣,王茂清,刘敬贤,等.基于时空资源理论的受限复杂航段船舶通过能力[J].大连海事大学学报, 2013,39(4):28-31.

[4] 金兴赋,付玉慧,张连东.基于AIS数据的成山头水域船舶交通流研究[J]. 大连海事大学学报,2012,38(2):33-36.

[5] 范中洲,吴兆麟,谢洪彬,等. 成山角定线制方案模糊多准则优选方法[J].中国航海,2013,36(2):50-54.

[6] 李松,孔凡邨,关克平. 警戒区水上交通冲突数据自动采集系统[J]. 交通运输工程学报,2011(2):121-126.

[7] 杜珊珊,陈厚忠.水上交通黑点辨识研究[J].大连海事大学学报,2016,42(2):46-50.

[8] 谭箭,周彩云,谢卓廷. 交通冲突技术在水上交通领域的运用[J]. 武汉理工大学学报(交通科学与工程版),2012(2):374-377.

[9] 程志友. 交汇水域船舶交通冲突作用机理及控制研究[D].武汉：武汉理工大学,2011.

[10] 王广宇.Near-Miss定义及管理流程分析[J].中国安全生产科学技术,2012,8(6):197-200.

[11] GOERLANDT F, MONTEWKA J. Maritime Transportation Risk Analysis: Review and Analysis in Light of Some Foundational Issues[J]. Reliability Engineering and System Safety, 2015(138):115-134.

[12] LI Suyi, MENG Qiang, QU Xiaobo. An Overview of Maitime Waterway Quantitative Risk Assessment Models [J]. Risk Analysis, 2012, 32(3): 496-512.

Visualization of Traffic Conflict Risk in Chengshantou Waters Based on Near Miss

TANZhirong1,ZHANGQiulin1,WANGWei2,FANZhongzhou3

(1. School of Navigation, Wuhan University of Technology, Wuhan 430063，China; 2. Weihai Maritime Safety Administration, Weihai 264200, China; 3. Navigation College, Dalian Maritime University, Dalian 116026, China)

1000-4653(2016)04-0043-04

U697

A

2016-09-05

国家自然科学基金(51479156)；交通运输建设科技项目(2015318J34090)

谭志荣(1978—), 男, 湖北武汉人，副教授，硕士生导师，博士，从事载运工具运用工程与交通系统安全性评价研究。 E-mail:1084341511@qq.com