基于海洋环境要素的动态航行风险评估*

2021-03-11任利锋刘善伟

中国安全生产科学技术 2021年2期

杜沛，任利锋，刘善伟，曾喆

(1.中国石油大学(华东) 海洋与空间信息学院,山东青岛 266580； 2.中国石油集团东方地球物理勘探有限责任公司海洋物探分公司，天津 300457)

0 引言

海洋运输作为各国贸易往来主要方式，其航行安全也成为全球性重要议题[1]，定量评估航行过程中影响因素意义重大。航行风险评估模型建立以专家经验数据与事故统计数据为基础，主要考虑船舶、船员、海域环境3种影响因子，利用贝叶斯网络法从事故数据中挖掘风险信息[2-3]。利用可拓学方法研究人为、船只、环境和管理因素，评估跨海客滚运输船的航行风险[4]；基于灰色关联分析方法建立航行环境风险评估模型[5-6]，但该模型仅体现静态分析结果，海域空间探讨及风险预警能力欠缺。快速制图技术在风险评估、灾情跟踪、响应及部署等方面发挥重要作用[7]：洪水风险、滑坡风险等均可通过快速制图方式实现风险动态可视与风险预警[8-9]；层次分析法被广泛应用于GIS决策与航行风险评估领域，但存在主观性较强的弊端[10-12]；为削弱主观因素影响，提出基于模糊层次分析法(Fuzzy-AHP)模型，通过利用多组专家经验获取评估因子权重，并实际应用于中国南海航行风险评估研究[13]。本文为进行航行风险动态评估，提出均衡权重与时序权重概念，并采用有序加权法对评估因子要素与时序进行优化AHP定权，研究评估因子对航行风险影响，提高动态航行风险评估效率。

1 动态航行风险评估

基于海洋环境要素，动态风险评估过程包括以下3个步骤：海洋环境要素数据采集、数据预处理，动态航行风险评估。其中，数据预处理以时间、空间维度插值计算和去量纲化为主。动态航行风险评估流程如图1所示。

1.1 原始数据

动态海洋环境要素主要包括：风场、海浪、海流、海温，静态要素为海底地形，数据信息见表1。

建立数据库(MongoDB)，对各类环境要素数据进行动态更新与维护。动态数据来源于美国国家海洋和大气管理局。

图1 动态航行风险评估流程Fig.1 Flow chart of dynamic navigation assessment

表1 数据信息Table 1 Data information

1.2 数据预处理

因航行风险评估数据空间与时间维度分辨率不统一，评估前需对数据进行空间与时间插值，统一时空分辨率。为保证评估赋权可靠性，用统一标准将数据无量纲化。

1)数据空间处理

用于评估的各类数据呈现整齐格网分布，为确保局部环境数据分布特征不发生改变，采用双线性插值法处理空间数据。插值数据由临近4个角点计算得到。双线性插值计算如式(1)所示：

(1)

式中：f(x,y)为坐标(x,y)插值结果；坐标对(x1,y1)、(x1,y2)、(x2,y1)、(x2,y2)分别为临近(x,y)左上、左下、右上、右下4点坐标；f(x1,y1)为坐标(x1,y1)要素值。

插值计算可统一数据空间维度分辨率，使评估结果在空间具有连续性。

确定每个评估因子缩放比例，使不同空间维度数据量纲保持一致。例如：根据经验可知，当风速达到7～8级时，客滚船与货船被禁止出海，已出海船只需寻找临近避风港，以7级风速作为归一化标准，归一化后风速如式(2)所示：

(2)

式中：α，α′分别为归一化前后风速，m/s。

2)数据时间维插值

不同数据在时间维精度不同，评估前须利用差值法统一分辨率。插值法存在一定误差，但相对海洋环境要素，在小范围时间、区域发生剧烈变化的概率极其微小，总体变化趋势平滑。采用线性插值补充时间尺度缺失数据，计算公式如式(3)所示：

(3)

式中:xt+i×T为2个时间节点间空缺数据值;T为新的时间分辨率;i为索引值;xt，xt+n分别为时间节点两端数据。

结合式(3)，将不同时间分辨率的数据统一精度，取点位[84°E，10°N]，在2020年9月22日洋流流速30 h预报值，时间分辨率为3 h，插值法前后洋流预报数据如图2～3所示。由图2可知，数据存在缺失，经插值计算得到图3。由图3可知，洋流预报数据总体变化趋势较平滑，时间分辨率为1 h。

1.3 评估方法

动态航行风险评估方法主要包括层次分析法(以下简称AHP法)、权重优化和动态风险制图。AHP法将专家经验知识转化为因子权重值，代表决策过程中各因子的相对重要程度[14]。对23位航海经验丰富的专家进行问卷调查，统计调查数据，对数据统一均值处理并进行AHP方法定权。AHP方法定权主要包括以下4个步骤：

图2 插值前洋流预报数据Fig.2 Forecast data of ocean current before interpolation

图3 插值后洋流预报数据Fig.3 Forecast data of ocean current after interpolation

1)采用一致矩阵法构建判断矩阵。

2)计算矩阵特征值，取最大特征值所对应特征向量，进行归一化处理。

3)对归一化特征向量进行一致性检验，计算一致性比率。

4)当一致性比率小于0.1时，通过一致性检验，并将归一化特征向量作为权向量，否则重新构建判断矩阵并重复步骤1)～4)。最终得到每个风险评估因子权重值，评估因子权重见表2。

表2 评估因子权重Table 2 Weights of assessment factors

AHP法主观性较强，各评估因子权重存在较大差异，评估过程中，固定权重无法体现较大变化因子的重要性：T1时刻海上某点风速15.1 m/s,浪高2.3m；T2时刻该点风速15.2 m/s,浪高4.3 m，由于风速因子权重较大，浪高因子权重较小，AHP法得到的权重无法很好体现浪高突增带来的风险。本文采用有序加权法，在因子和时序间进行2次权重计算，分别为均衡权重和时序权重：均衡权重用于平衡各因子原本存在的权重差异，在评估因子间展开计算；时序权重用于突出动态变化因子对航行风险的影响，在评估因子时序间展开计算。最终优化权重为均衡权重与时序权重乘积。

1)均衡权重计算

(4)

(5)

2)时序权重计算

(6)

(7)

最终优化权重wt,m为均衡权重与时序权重乘积，如式(8)所示:

(8)

根据式(4)～式(8)，在每个栅格像素上计算优化权重。不同区域不同时间权重值均根据区域海洋环境要素时空分布动态调整，避免单一定权模式。最终风险值如式(9)所示：

(9)

将风险值划分5个层次，分别代表不同航行风险程度，危险层次划分见表3。

表3 危险层次划分Table 3 Division of risk levels

2 实例分析

2.1 试验区域简介

试验区域为孟加拉湾南部[80°E，97°E，3°N，14°N]，西临斯里兰卡，东侧通过马六甲海峡与南海相连，是海上丝绸之路重要航行区域，该区域中尺度漩涡较多，同时受夏季风和热带气旋影响[15]，多变的天气对航行影响较大，试验区域如图4所示。

图4 试验区域Fig.4 Experimental area

2.2 动态风险评估

为更好体现动态航行评估效果，本文开展2组试验：第1组表示航行风险评估模型遭遇恶劣海况时评估效果；第2组表示数据插值后评估连续性。

试验1以2020年12月4日8∶00孟加拉湾气旋风暴“布列维”通过研究区域的时间段作为研究对象，此时气旋中心风速20 m/s，浪高5.5 m，海事部门禁止船舶出海航行，气旋风暴经过研究区域模型评估结果如图5所示。由图5可知，00∶00到15∶00高风险区域在每个时间段的空间分布以及风险随时间的变化特点。据海事局报道，2020年12月4日08∶00时，气旋风暴在斯里兰卡东南部生成，由09∶00时评估结果可知航行风险在空间中聚集位置，且高风险区域逐渐向东移动。整体航行评估数据采用2020年12月4日00∶00时预报数据，对船舶航行具有较强预警能力，船员可根据风险空间与时间分布，合理规划躲避气旋风暴。

试验2评估数据选取间隔为6 h的预报数据和插值处理后间隔为1 h的预报数据。试验2航行评估结果如图6～7所示。由图6可知，以6 h为间隔进行评估时，风险变化幅度较大，没有体现出航行风险随时间演变过程，风险动态连续性展示效果不明显；由图7可知，局部航行风险生成及消退过程整体风险评估值变化较小，局部区域随时间变动明显，评估结果能较好体现风险变化连续性。

对2组试验结果进行分析发现，浅水区航行风险值较高，评估结果能体现浅水区对船舶航行影响；当未出现恶劣海况时，风险值随风场、洋流、海浪和温度局部变化较明显，但整体动态变化较小；当遭遇恶劣海况时，评估结果能体现高风险区风险生成与变化趋势。因此，评估方法能够很好地描述海域航行风险在空间与时间维度上分布与变化。