姜 涛 王 睿 李雅婧 蔡子诺

1(河南大学人工智能学院 河南 开封 475000)2(上海宇航系统工程研究所 上海 201109)3(上海交通大学 上海 200240)

0 引 言

我国拥有473万平方公里的海洋国土面积和长达18 000多公里的海岸线,辽阔的海域与丰富的海洋资源推动物资运输、资源开采等海事活动频繁开展。在海洋经济繁荣发展的同时,大量的海上突发事件也随之而产生,给国家和人民带来巨大损失。直升机是海上险情救助过程中常用救助力量,特别是在特大海上险情救助任务中,直升机多机多架次救助模式是最可靠且有效的救助模式之一。在实际救助任务执行前,采用仿真手段对救助过程进行预推演,能够协助指挥决策人员掌握救助全程情况、了解预计救助效果,有效提升指挥决策效率与应急处置成功率。当前的海上搜集任务仿真大多局限于单一搜救设备或单次搜救任务,缺少对复杂救援任务的研究。

本文面向特大海上险情特点,针对直升机多机多架次救助任务模式,分析典型救助任务流程以及任务参与主体,进而提取建模需求。采用基于Agent的建模与仿真方法,从状态参数定义和行为决策过程等方面开展分层Agent细化建模。基于建模需求分析,构建细化的任务仿真模型,实现对直升机救助任务过程的仿真推演。同时,从任务执行过程安全性和任务执行效率两方面出发,构建直升机救助任务效能评估指标体系和评估模型。最后,基于构建的仿真模型和评估模型,开展仿真实例分析,并基于仿真数据对任务效能进行综合评估,以支撑海上搜救决策过程。

本文采用渤海海域某特大海上险情救助任务实例,构建3套直升机救助方案,并基于构建的任务仿真模型,对方案进行仿真。基于仿真数据和评估模型,计算各方案的多项评估指标值,并最终得到方案的任务完成时间和效能评估,从而实现不同方案之间的比较和最终救助方案的选择。

1 相关工作

1.1 海上救助

为减少特大海上险情带来的财产损失和人员伤亡,研究者开展海上救助方案和技术的研究。胡腾[1]基于覆盖衰减模型,对海上救助基地选址优化开展了研究。郑文涛[2]探究了“三位一体”立体救助方案的可行性,将直升机和潜水队投入海上救助中。Pham等[3]提出了将神经网络-模糊控制器应用于海上救援无人机,提高了海上无人机轨迹跟踪效率。郑云亮[4]分析我国水上应急救援力量特别是救助船舶的装备技术等智能技术在海上救助中的应用。周玉川[5]分析了海上救援任务中,对救援时间和速度影响较大的因素,为海上救援方案选择提供参考。熊伟等[6]提出了基于模糊决策理论的海上救助力量优选排序方法,为海事机构对于海上人命搜救工作救助力量选取提供了有效的评估依据。

依据《国际航空和海上搜寻救助手册》(International Aeronautical and Maritime Search and Rescue Manual,IAMSAR manual)[7-9],海上险情救助任务通常可分为目标搜寻与人员财产救助两步。目标搜寻阶段中,救助直升机、救助船舶等采用目视搜寻、红外搜寻、雷达搜寻等多种搜寻手段,在指定的搜寻区域内,沿规划路径开展目标搜寻行动。由于特大海上险情遇险平台通常为客滚船、国际邮轮、海上钻井平台等大型海上设施,且往往携带完备的海上定位装置,在目标搜寻阶段较容易被发现。因此,本文研究重点为人员财产救助阶段中直升机救助任务仿真与评估,即在遇险平台及人员已定位情况下,通过直升机将平台上大量遇险人员转移至救助基地、医院、沿岸临时安置点及周边救助船舶等安全位置的行动过程。该过程中,直升机典型救助任务剖面如图1所示。

图1 直升机海上救助任务剖面

1.2 海上搜救任务仿真

针对海上搜救任务仿真,国内外均开展了深入的研究。美国、加拿大等国家相继基于目标搜寻理论开发了SARP、CANSARP、SAROPS[10-12]等海上搜救决策支持系统,提供包括人员存活时间计算[13]、搜寻方案仿真评估等功能。国内,肖方兵[14]采用蒙特卡罗方法对最优搜寻区域确定与搜寻资源分配问题进行了仿真求解。

上述研究成果大多面向船舶或直升机单装单架次或多装单架次搜救任务,且研究重点均集中在搜救任务的搜寻过程,未针对多装多架次转移大量遇险人员任务模式开展研究。

1.3 基于Agent的建模与仿真

基于数学模型的传统建模方式在对个体进行建模时,能够较为精确地刻画个体行为。但是对于建模对象为多个体组成的复杂系统,由于多个体间的交互而产生的“涌现”现象使得传统建模方式无法满足复杂系统的建模仿真需求[15]。基于Agent的建模与仿真方法能够对复杂系统中的实体以Agent形式进行抽象建模,从而构建跨层次的仿真模型,更好地刻画复杂系统中各基本元素个体及其之间的交互。Ahmad等[16]将基于Agent的建模与仿真(ABMS)作为一种有效的自底向上的工具应用于土方作业建模,提出了一种由智能、自适应Agent组成的基于Agent的(AB)土方移动模型。庞维建等[17]基于AnyLogic多智能仿真平台构建了集群无人机攻防对抗仿真场景,分析了集群无人机突防效能的影响因素。饶明波[18]提出了基于Agent的HLA/RTI联邦成员仿真结构,研究了Agent仿真联邦成员的组成;在基本反应型和慎思型Agent体系结构的基础上,提出了符合作战仿真模型特点、基于目标—任务—行动(GTA)的混合型Agent仿真模型体系结构。上述基于Agent的建模仿真方式有利于将多主体的复杂过程的消息传递情景。直升机海上救助任务过程是多部门、多装备协同参与的复杂过程,救助指挥与装备之间、装备与装备之间存在复杂的信息交互、决策与指令传输过程。因此,本文采用基于Agent的建模仿真方法,构建分层级的Agent仿真模型,实现对特大海上险情中直升机多机多架次救助这一复杂过程相对准确的描述与刻画。

2 直升机救助任务仿真模型

2.1 任务流程与建模需求分析

采用基于Agent的建模仿真方法对直升机救助过程进行建模仿真,首先需要对任务过程及任务参与主体进行分析,从而提取建模需求。传统救助任务中往往仅考虑如图1所示的单个直升机采取的任务行动,在Agent建模仿真的基础上可以扩展至更丰富更真实的救助场景。依据对救助飞行队的实际调研结果,可以将直升机海上救助任务过程参与主体归纳为救助总指挥、救助现场指挥、救助基地、救助直升机、救助船舶、各类安置点以及遇险人员等7类。因此,单一的直升机救助流程,在与其他6类主体的信息传递中扩展成了更加复杂的救助任务仿真流程,如图2所示。

图2 典型直升机救助任务流程

直升机救助任务建模过程中应能够体现上述7类任务主体在任务流程中各阶段的行为特征与信息交互。同时,直升机救助过程受气象、海况等环境因素影响,也需在建模过程中进行考虑。因此,可以将直升机救助任务仿真模型自上而下划分为高层指挥、一线指挥(包括现场指挥、救助基地)、救助力量、安置位置(包括救助船舶及其他安置点)、救助目标、环境控制等6层,各层级间信息交互关系如图3所示。

图3 Agent间信息交互关系

2.2 直升机救助任务仿真模型构建

基于任务流程与建模需求分析,从状态参数定义、行为及决策过程建模等方面对任务仿真模型中涉及的各类Agent进行详细建模。

1) 环境控制层。环境控制Agent影响其他各层Agent的状态、决策与行为。定义环境控制Agent状态参数如下:

Ce=(wd,wh,tp,vis)

(1)

式中:wd代表风力;wh代表浪高;tp代表水温;vis代表能见度。在不考虑随机因素影响的情况下,环境控制Agent状态参数在仿真过程中维持不变。

2) 救助目标层。救助目标层的遇险人员Agent用于模拟实际任务中的遇险人员。定义遇险人员Agent状态参数为:

Cp=(pp,iy,ps,rt)

(2)

式中:pp代表遇险人员当前位置;iy代表遇险人员伤情,分为未受伤、轻伤、重伤三级;ps代表遇险人员当前状态,分为获救、存活、死亡三类;rt代表遇险人员剩余存活时间。考虑环境因素影响,剩余存活时间表示为:

式中:Tmax为遇险人员最大存活时间,t为仿真时刻。受水温及人员伤情影响,考虑伤情影响因子γ,通过历史数据拟合可将遇险人员最大存活时间表示为[13]:

Tmax=5.75·e0.1tp·γ

(4)

3) 安置位置层。该层包含救助船舶及其他人员安置点,承接直升机转运的遇险人员。定义其状态参数如下:

Cs=(sp,ap,rp,io)

(5)

式中:sp表示安置点位置;ap表示已安置人数;rp表示剩余可安置人数;io用于判定当前安置点是否存在作业直升机。安置位置层Agent基于自身状态判定是否允许直升机降落进行人员安置。

4) 救助力量层。救助直升机Agent是任务仿真过程的关键主体,采用性能参数、状态参数两类参数对其进行表征:

依据救助飞行标准作业程序(Standard Operation Procedure,SOP),可以将救助过程中直升机Agent的任务阶段划分为起飞阶段、出航阶段、空中待命阶段、救助实施阶段、返航阶段、着陆及人员安置阶段六个阶段。在不同任务阶段,直升机Agent有不同的行为和推理决策过程。基于SOP构建直升机Agent行为模型如图4所示。

图4 直升机Agent行为模型

在任务执行过程中,部分行动需现场救助人员临机决策后执行。如表1所示,可将决策过程抽象并建模如下:

(1) 执行任务决策D1。直升机接救助总指挥下发任务指令后,基于当前海况与剩余燃油判定任务安全性。当海况满足直升机安全出动要求且剩余燃油能够满足其完成单次救助任务并返回基地的燃油需求时,直升机Agent选择执行本次任务,该条件表示为:

msc≥sc

fn≥fr·(2L/vc+nn·Δt)+300

(7)

式中:L为单程航路长度;Δt为救助单个遇险人员的吊运时间;300为SOP规定的落地燃油余量。单个遇险人员吊运时间受气象海况和操作熟练度影响,故将Δt定义为:

Δt=Δtn·β·λ·μ

(8)

式中:Δtn为理想情况下吊运时间;β为操作熟练度因子,由直升机隶属机队决定;λ为海况因子,μ为能见度因子,均受当前环境影响。

(2) 燃油安全性决策D2。直升机在空中待命阶段会持续对当前剩余燃油进行监控,燃油不足时返航救助基地,该条件表示为:

fn≤fr·L/vc+300

(9)

(3) 继续救助决策D3。直升机Agent自进入救助实施阶段起会持续对当前剩余燃油和机上遇险人数进行监控,在以下条件下直升机结束救助离场:

pn=nn

fn≤fr·L/vc+300

(10)

即当直升机Agent判定剩余燃油不足或当前机上遇险人员已达到最大承载人数时,直升机结束救助离场。

(4) 返航位置决策D4。直升机Agent结束单次救助任务后,依据自身状态、机上遇险人员状态和安置点状态进行决策,选择最优的安置位置并向其发送安置请求。当直升机剩余燃油不足时,必须返航基地;在直升机剩余燃油充足的情况下,当机上遇险人员存在生命危险时,必须前往医院;当直升机剩余燃油充足且人员无生命危险时,选择就近位置进行安置。

(5) 后续行动决策D5。直升机若在前序任务结束后返回救助基地,则在接到救助总指挥任务指令后经D1决策过程判断是否继续出动执行任务;若前序任务安置位置未选择在救助基地,则仅在直升机当前燃油能够满足其由当前位置出航完成单次救助任务返回基地的燃油需求时才可继续出动执行任务。该条件表示为:

fn≥(L1+L2)/vc+300

(11)

式中:L1和L2分别为救助现场至安置点的距离和救助现场与救助基地的距离。

以贵州黔西项目为例，通过评估，该方案产生的人力成本、时间成本约是方案二的3倍。特别对于工期紧张的项目，可行性较低。

5) 一线指挥层。该层包含救助基地与现场指挥两类Agent,在任务仿真过程中分别进行直升机Agent起飞阶段及进场实施救助过程的管控,以保障救助过程安全有序开展。

(1) 救助基地Agent。救助基地Agent主要决策过程为直升机起飞管制决策,即在同时收到多架直升机起飞请求后进行决策,基于专业优先与就近优先原则判断哪架直升机优先起飞。其决策因子定义为:

式中:t=L/vc,表示各架直升机抵达救助现场的时间。救助基地Agent依据决策因子dto由大到小的顺序安排直升机起飞。

(2) 现场指挥Agent。现场指挥Agent主要决策过程为直升机进场管制决策,即当有直升机完成救助离场后向作业区派遣新的直升机进场救助。其决策因子定义为:

现场指挥Agent依据决策因子dsr由大到小的顺序安排直升机进场救助。

6) 高层指挥层。高层指挥层的救助总指挥Agent负责任务指令与任务终止指令的发布。救助开始阶段,总指挥Agent向选定的各直升机发布任务指令;当救助过程中现场直升机救助能力不足时,总指挥Agent向救助基地下发增援任务指令;当现场所有遇险人员均已获救或已死亡的情况下,总指挥Agent发布任务终止指令,所有直升机在完成当前任务后返回基地。

3 直升机救助任务效能评估模型

3.1 救助任务效能评估指标体系构建

在海上险情救助任务中,对任务效能进行评价时,需要从任务执行过程安全性与任务执行效率2个方面进行考虑。本文通过广泛征求救助专家、救助局及相关领域学者的意见和建议,确定直升机人员转运任务评估指标体系如图5所示。

3.2 评估指标处理

由于本文的指标不涉及定性指标,因此仅需对定量指标进行无量纲化处理,即采用阈值法对评估指标进行处理。

1) 效益型指标处理。依据指标所表示的含义,本文的效益型指标集为IE={I11,I22},采用的处理方法为:

3.3 指标权重计算

考虑到指标之间存在关联关系,本文采用网络层次分析法(Analytic Network Process,ANP)确定指标权重。

1) 指标关联度矩阵构造。定义指标关联度矩阵为γ=(γij)n×n,其中γij表示指标i对指标j的影响关系,取值范围为[0,1]。本文采用专家信念图方法对专家经验信息及专家评判问题的客观性进行分析,形成专家权重向量为e=[e1,e2,…,en],得到指标关联度矩阵为:

依据指标关联度矩阵得到评估指标间的相关关系,从而构建评估指标的网络关系结构如图6所示。

图6 评估指标网络关系结构

2) 指标判断矩阵构造。定义指标判断矩阵为a=(aij)m×m,用于表示所比较的元素之间的优势度特征,表示为:

式中:aij表示在同一准则下指标i相对于指标j的重要程度,采用1-9标度进行判断,并满足aij·aji=1。此外,各个专家对于指标相对重要程度的判断需要经过一致性检验,采用一致性比例C.R.法进行一致性检验,定义矩阵γ=(γij)n×n的一致性比例为:

式中:C.I.为矩阵γ的一致性指标;RI(n)为矩阵γ的平均随机一致性指标,可依据矩阵阶数查表得到RI(11)=1.52,λmax为矩阵最大特征根。若C.R.<0.1,则矩阵γ的一致性可以接受。

3) 指标权重计算。基于构造的指标关联度矩阵与指标判断矩阵,采用成熟的ANP模型计算软件Super Decision[19]进行指标权重计算。依据图6所示的评估指标网络关系结构,在Super Decision软件中构建评估指标网络模型,如图7所示。

图7 Super Decision中构建的ANP模型

通过计算,得到图5所示的评估指标体系中各指标归一化权重向量W=[w1,w2,…,wn]T为:

3.4 任务效能评估

基于上述指标归一化权重向量以及仿真中经过归一化处理后的指标评估值向量E=[E1,E2,…,En],可以得到直升机人员转运任务效能值为:

依据该任务效能值Ef,可以基于仿真数据对直升机救助任务进行综合效能评估。

4 仿真实例分析

本文采用渤海海域某特大海上险情救助任务,基于前文中构建的任务仿真模型与效能评估模型,进行仿真实例分析。

4.1 任务描述

渤海海域的烟大轮渡航线上,一艘搭载280名旅客与30名船员的客滚船行驶至北砣矶水道东北方向附近时,因大风浪中操作不当导致汽车移位起火并倾覆。险情发生时现场正北风,风力达10级,现场水温为0℃,现场能见度5 km。经空中力量搜寻,已确认各遇险人员位置与人员伤情情况,并在落水人员与救生艇周围投放了示位信标。各遇险人员分布如表2所示。

表2 遇险人员分布

险情发生时,事发海域附近有若干部署有救助直升机的救助飞行基地及其他起降点。其位置如表3所示。

表3 直升机起降点分布

不同起降位置处部署有隶属不同救助飞行队的多型救助直升机。各直升机部分主要性能参数如表4所示。

除表3中的直升机起降点可用于人员安置外,事发海域附近还分布包括医院、救助船舶、沿岸临时安置点等安置位置,如表5所示。

表5 安置点分布情况

经研判,初步确定3套直升机救助方案,分别动用如表6所示的装备执行救助任务。

表6 直升机救助方案

4.2 仿真结果与分析

基于构建的任务仿真模型,对上述任务中3套救助方案进行仿真,得到如图8所示的结果。

(a) 方案1

通过仿真,得到3套方案的各项评估指标值如表7所示。

表7 评估指标值

基于指标权重及指标归一化值进行计算,得到上述3套救助方案任务完成时间与效能评估结果如表8所示。

表8 效能评估结果

根据表8的评估结果,在3套救助方案中,方案2效能值较低。结合图8中的仿真结果和表7的各项指标值可以推测出,该套方案最终评价劣于其他两套方案的原因可能是由于派遣的救助力量过多而导致各救助力量抵达险情现场后平均待命时间较长,从而影响了救助效率。而方案1与方案3效能评估结果相近,其中方案3略优于方案1,通过分析各项指标原始值可知,采用方案3执行救助任务相比于方案1而言遇险人员获救比例有显著增加。因此,综合上述因素考虑,建议在救助过程中采用方案3实施救助。

5 结 语

本文研究了特大海上险情中直升机救助任务仿真与效能评估问题。通过对救助任务流程的分析,构建了分层级的任务仿真模型,实现了基于Agent的救助任务仿真。同时,本文基于对各方面专家的调研,构建了直升机救助任务效能评估模型,从任务过程安全性、任务执行效率等方面对直升机救助任务进行综合效能评估。如引言部分所述,特大海上险情中直升机救助过程是多部门、多装备参与的复杂过程,本文构建的任务仿真模型仅能对救助过程进行任务级仿真,存在模型颗粒度较粗的问题,后续将研究考虑将直升机动力学模型、落水人员漂移模型等引入仿真模型中,以更精细地刻画和模拟直升机救助过程。