摘要：
为研究在能见度不良情况下受限水域内的常见船型的船舶领域，对船舶自动识别系统（Automatic Identification System，AIS）数据进行分析建立船舶领域.该方法借助可视化技术和网格技术，结合研究水域能见度信息，分析南槽水道内符合要求的2 000万个左右AIS数据，还原航迹分布图约50 000张，获得在受限水域内能见度不良情况下船长80～100 m的船舶领域模型.客观精确的船舶领域模型能够提升能见度不良天气下交通流的预测精确度，同时丰富基于智能技术研究的船舶领域模型库.
关键词：
能见度不良； 船舶自动识别系统（AIS）； 数据分析； 船舶领域； 船舶交通流
0引言
能见度不良指任何由于雾、霾、雪、暴风雨、沙暴或者其他类似原因而使能见度受到限制的情况[1]；然而气象学中的能见度不良指视程低于2 n mile时的情况.《1972年国际海上避碰规则》建议将50 m以上船舶的能见度不良标准定为视程低于3 n mile，故本文将视程3 n mile以下天气视作能见度不良天气.我国沿海一年四季都有雾出现，尤其是长三角地区能见度不良天气颇多，对航运事业发展造成严重影响.
船舶领域的概念自19世纪70年代被提出以来，已经大量应用于海上交通工程的各个领域.日本学者藤井等[2]对日本某水域船舶交通流进行研究时，提出了相关的“effective domain”概念，通过对雷达图像的简单叠加，发现在航机动船周围有一个静态的其他船舶免入区域.几十年来，国内外学者对船舶领域进行了大量研究.作为海上交通工程的基础理论，船舶领域被广泛应用在航道船舶交通流预测、避碰决策制定和海事安全管理中，例如：张则浩等[3]应用船舶领域等基础理论，对某港口的饱和度进行了研究；贺益雄等[4]应用船舶领域基础理论，研究了对遇局面的自动避碰决策；LIU等[5]应用动态四元船舶领域模型对某海峡的船舶通过能力进行了计算.
GOODWIN[6]是基于统计方法研究船舶领域的代表学者，她对北海南部水域交通流进行了观测统计，并考虑《1972年国际海上避碰规则》的影响建立了开阔水域的船舶领域模型，根据船舶号灯，将船舶领域划分为3个大小不等的扇形；范贤华等[7]基于解析表达方法提出了特定航行环境下不同的船舶领域模型，丰富了船舶领域模型的类型.
基于统计数据的船舶领域主要局限于交通流观测和雷达数据的使用，在数据层面上停留在感官阶段，精确度较差；基于解析表达的船舶领域模型使得领域边界得以量化，船舶的行为能力占有更主导的地位，但没有考虑船舶驾驶员和环境因素的影响， 使得这类模型不能还原船舶领域的需求.[8]
随着智能计算机技术和科学算法的发展，基于智能技术和科学算法的研究方法被应用在船舶领域的研究中.齐乐等[9]和WANG等[10]提出了基于科学算法的船舶领域，其中齐乐等利用AIS数据，依据海上避碰规则， 提出了避让度概念，同时基于模糊数学方法获得了不同避让度下船舶领域的边界曲线， 建立了海上船舶领域模型.HANSEN等[11]通过智能计算机技术还原船舶历史信息，得到船舶领域，但是忽略了船舶自身形状对船舶领域的影响.向哲等[12]通过改进智能技术，考虑船舶自身尺寸等问题，还原AIS数据，得到船舶领域，但未考虑航行因素对船舶领域的重要影响.基于智能计算机技术的最新船舶领域研究，缺乏对气象、水文等对船舶领域的影响的研究.
本文将影响船舶安全的重要因素――能见度与大数据分析技术相结合，
研究和分析长江南槽水道能见度对船舶安全领域的影响.
1研究方法及步骤
本文主要选取长江南槽水道（东起南槽灯船，西至圆圆沙灯船，全长逾50 n mile）为研究水域，该水域为长江航道繁忙水域，实行分道通航制管理.该水域80～100 m船舶的AIS信息数据量大且集中，故选取长度为80～100 m船舶为研究对象.具体研究分为5个步骤.
步骤1AIS数据预筛选.采用该水域2014年2月1日―2014年6月1日的AIS数据.
步骤2AIS数据筛选与处理.由3个数据筛选步骤和1项数据处理步骤组成.
第一步数据筛选，根据上海海洋气象台监测的自南槽灯船至圆圆沙灯船处的气象数据，筛选出2月到6月能见度小于3 n mile，且处于航道通航状态的该水域船舶的AIS数据；第二步数据筛选，根据实际情况，将速度几乎为0的拖船、工程船及锚泊船的AIS信息过滤掉，筛选出船速在6～12 kn内的船舶AIS信息；第三步数据筛选，筛选出尺寸阈值为80～100 m的船舶AIS信息.通过以上筛选，得到符合条件的可用数据天数为41 d（具体日期：2月1，2，3，7，17，18，24，25，26，27，28日；3月1，10，15，19，25，26，27日；4月1，3，12，13，17，18，19，23，27，28，29日；5月11，12，13，14，19，29，21，22，26，27，28，30日），符合条件的目标船为800多艘.
数据处理：由于船舶几何中心与AIS信息发送接收位置并不重合，因此需要对AIS信息接收位置进行修正，以减少船舶几何因素产生的实验误差[12].
步骤3航行环境量化处理，主要任务为：将研究水域网格化，同时消除中心船与附近水域他船的位置误差.以研究水域单船为中心目标，将航行水域量化为4 000 m×2 000 m的水域，并网格化为200×100个小网格；通过航迹计算法将不同时刻的附近水域他船位置推算到中心船AIS信息发送时的船舶位置，相关数学推导公式为
式中：A为纬差；B为经差；L为东西距；S为推算航程；φ1为起始点纬度；φ2为到达点纬度；φn为中分纬度；C为航向.
步骤4船舶领域可视化强度图生成.通过MATLAB可视化技术，将800多艘中心船的约 50 000张单目标船网格频图叠加，生成船舶安全领域二维和三维可视强度图.其中，网格的强度代表网格水域内船舶交通流累计值，阈值设为0～1，通过网格强度的异同观察研究船舶出现的频率.
步骤5分析研究结果.分析二维及三维船舶领域强度图，同时与未考虑能见度、同类船型及同一研究水域的船舶领域作对比分析，并通过航行规则和专家理论检验研究结果.
2船舶领域量化可视强度图
以每艘目标船为中心，将其附近水域量化为网格，其中每个小网格尺寸为20 m×20 m.因为船舶形状不规则，所以将船舶外轮廓所占网格都等同为船舶最大截面面积，如图2中阴影底部面积所示.在船舶航行过程中，保持目标船中心位置不变，附近水域他船位置发生相对变化.根据船舶间相对位置计算公式，计算船舶间新的相对位置.图2 为单目标船与他船会遇时的网格及相对位置推算原理图.图2中：NT代表真北，α为目标船首向与他船首向之间的夹角，β为两船之间的舷角，T1为目标船所占水域，T2为他船所占水域.
研究水域内，目标船与附近水域他船的会遇情况被投影成单船会遇网格图，800艘目标船生成的50 000张单船网格图叠加起来成为船舶领域强度图，其效果类似于延时曝光的照片.强度图中网格的强度（以颜色深浅表示）表明目标船在叠加图中央时，其周围水域内的船舶交通流叠加密度.如图3中，网格强度的数值越高表示该网格位置的交通流累计值越大.
在能见度不良的受限水域，根据船舶领域二维强度图可得出初步结论：
（1）船舶领域形状大致为类椭圆形；
（2）船舶领域长轴方向与船舶航首向之间存在一个夹角，方向偏左舷，约为5°～10°；
（3）船舶会遇时，船舶正前方和正后方船流密度大于左右舷，而左舷船流密度远远大于右舷.
船舶领域二维强度图显示了船舶领域近似形状和大小，如要得到研究水域内船舶领域大小精确值及其他特性，则需对船舶领域切割截面进行研究.借助可视化软件，得到船舶领域三维图，见图4.
分析三维立体图左右侧视图、前后平视图和俯视图可得，在能见度不良受限水域中80～100 m船舶的船舶领域有以下特征：
（1）船舶领域长轴长度为520 m，短轴长度为144 m；
（2）船舶领域长轴是
（3）船舶领域长轴与船舶中轴线夹角为8.32°.
在研究水域、数据来源和船舶类型相同的情况下，未考虑能见度情况（文献[12]）与考虑能见度情况（本文）的结果对比见图5.
a）文献[12]结果
b）本文结果
图5未考虑能见度情况与考虑能见度情况下
船舶领域模型二维强度图对比
对比分析结果：未考虑能见度情况和本文考虑能见度不良两种情况下船舶领域的大小分别为5.8倍船长和5.2倍船长，航首向与船舶领域长轴夹角分别为9.46°和8.32°.
3对比分析与检验
3.1研究结果专家检验
本文研究结果总结如下：（1）船舶领域形状大致为类椭圆形.（2）船舶交通流中船舶航行速度越大，船舶安全领域会越大.（3）船舶领域左舷偏大，且其长轴方向与船舶航首向之间存在一个夹角，方向偏左舷，为8.32°，长轴约为5.2倍船长，短轴约为1.44倍船长.（4）在分析水域内，船舶左舷的交通流密度始终大于右舷的交通流密度，前后方交通流密度大于左右舷的交通流密度.（5）在狭水道内，船舶领域长轴随着船型的增大而增大，但船舶领域短轴却未发生明显变化；在分道通航水域内，下行船舶受顺流操纵性影响，其船舶领域较上行船舶的大.
经过海事专家的指导，笔者认为上述船舶领域形状符合客观实际，理由如下：（1）受定线制影响，来船都来自左舷，同行船舶为了安全，保持前后航行状态，所以左舷船舶密度远远大于右舷船舶密度，前后方船舶密度大于左右舷船舶密度.（2）国际避碰规则对船舶驾驶员良好船艺有要求，所以一般追越船舶都从左舷追越，造成左舷船舶密度大.（3）狭窄水域内的船舶追越使得船舶操纵者会更加“在意”来自左边的船舶.（4）狭水道风、流因素对船舶操纵性能的影响导致船舶领域长轴方向与船首向之间产生夹角.
3.2结果对比分析
文献[12]在能见度良好情况下的长江南槽水道船舶领域长轴与在能见度不良情况下船舶领域长轴比值为1.16∶1.将船舶操纵避碰理论与实际研究结合分析可知，船舶航行速度为影响因素之一，前者研究平均速度高于后者研究平均速度，故船舶领域值偏大.船舶安全领域长轴方向与航首向之间夹角比为1.14∶1，其原因为在能见度不良天气下船舶操纵者对船舶安全状态的敏感度较高，故船舶领域长轴与航首向夹角偏小.
4结束语
本文借鉴网格化技术在AIS数据处理上建立船舶领域的应用，结合影响船舶领域的因素，建立了船舶尺寸为80～100 m、能见度不良情况下的受限水域内船舶领域模型，并分别通过理论检验和对比实验验证了结果.
研究在能见度不良天气下的船舶领域，能够提升雾天船舶交通流的预测精确度，给海事部门提供更精确的基础数据.例如，2013年上海海事局开展在能见度不良情况下深水航道通航能力的研究，如果有精确的雾航中船舶领域基础数据，则有助于准确地预测在能见度不良情况下的交通流，进而支撑在能见度不良天气下航行规章和制度的制定.
本文处于利用AIS数据分析建立船舶安全领域研究的初级阶段，如何细化船舶速度对船舶领域的影响，如何综合人因素、其他气象因素、水文因素等对船舶领域的影响是后续研究需要完善的.综上，基于智能计算机技术，通过系统的实验，将科学的归纳方法应用到分析AIS 数据建立船舶领域，是我们未来的研究探索方向.
参考文献：
[1]张炳成， 刘庆生， 蔡存强. 在能见度不良情况下航行事故分析及对策[J]. 航海技术， 2006（4）： 68. [2]FUJI Yahei， TANAKA Kenichi. Traffic capacity[J]. Journal of Navigation， 1971， 24（4）： 543552. DOI： 10.1017/S0373463300022384.
[3]张则浩， 于祖杰， 刘强， 等. 龙口港航道饱和度研究[J]. 大连海事大学学报， 2014， 40（1）： 3336.
[4]贺益雄， 黄立文， 牟军敏. 基于MMG和船舶领域的对遇局面自动避碰[J]. 中国航海， 2014， 37（4）： 9295.
[5]LIU Shaoman， ZHENG Kai， WU Zhaolin， et al. New inland river channel transit capacity evaluation method based on dynamic quaternion ship domain model[C]//IEEE SICE the 54th Annual Conference， Hangzhou， China， 2015： 652656. DOI： 10.1109/SICE.2015.7285386.
[6]GOODWIN E M. A statistical study of ship domains[J]. Journal of Navigation， 1975， 28（3）： 328344. DOI： 10.1109/SICE.2015.7285386.
[7]范贤华， 张庆年， 周锋， 等. 水流条件下内河船舶领域模型[J]. 大连海事大学学报， 2013， 39（1）： 4648.
[8]刘绍满， 王宁， 吴兆麟. 船舶领域研究综述[J]. 大连海事大学学报， 2011， 37（1）： 5154.
[9]齐乐， 郑中义， 李国平. 互见中基于AIS数据的船舶领域[J]. 大连海事大学学报， 2011， 37（1）： 4850.
[10]WANG Ning， TAN Yue， LIU Shaoman. Ship domain identification using fast and accurate online selforganizing parsimonious fuzzy neural networks[C]//IEEE Proceedings of the 30th Chinese Control Conference. Yantai， China， 2011： 52715276.
[11]HANSEN M G， JENSEN T K， LEHNSCHILER T， et al. Empirical ship domain based on AIS data[J]. Journal of Navigation， 2013， 66（6）： 931940. DOI： 10.1017/S0373463313000489.
[12]向哲， 胡勤友， 施朝健， 等. 基于AIS数据的受限水域船舶领域建立方法[J]. 交通运输工程学报， 2015， 15（5）： 110117.
