基于空间交通特征和改良的多观测偏心域的相关性分析框架

《RELIABILITY ENGINEERING & SYSTEM SAFETY》：Correlation Analysis Framework Based on Spatial Traffic Characteristics and Modified Multi-observational Eccentric Domain

　　刘大培|C. Guedes Soares
里斯本大学高等技术学院海洋技术与海洋工程中心（CENTEC），Rovisco Pais大道1049-001，里斯本，葡萄牙

**摘要**
本研究提出了一种相关分析框架，该框架将修改后的多观测偏心船舶域参数与海上交通空间特征相结合。提取的交通信息包括平均船舶速度、速度离散度、加速度程度、航线重叠和角度偏差，并进一步使用Getis-Ord Gi*局部统计方法识别统计上显著的热点区域。随后，利用累积分布函数特性基于自身船舶周围记录的高斯分布构建目标域。在修改后的拟合域几何参数确定过程中，量化了给定地理单元内目标域的旋转程度。对葡萄牙沿海地区海上交通空间特征与船舶域参数之间的相关性分析表明，不同类型船舶的域参数在相应地理单元内表现出一致的变化，而相关的海上交通空间特征则因船舶类型而异。拟合结果证明，改进的多观测偏心域模型有效捕捉了域旋转特性。此外，基于区域分割的域建模提供了更客观和有洞察力的表示方法。

**引言**
国际经济和贸易的发展显著增加了对航运能力的需求。2023年，全球船队增长了3.4%，超过了海上贸易的增长速度[1]。大规模海上运输的激增和船舶数量的迅速扩张导致了日益复杂的航行条件，从而给海上监管带来了更大的负担。根据欧洲海上安全局（EMSA）的数据，涉及欧盟沿海国家的海上事故数量和比例有所增加（EMSA，2024年）。值得注意的是，具有区域限制和密集交通的特定水道与更高的海上运输事故风险相关[2]。

为了探索降低碰撞风险和提升海上运输安全的策略，已经开发了多种方法来分析海上交通。在海上事故统计分析领域，Ant?o等人[3]分析了2005年至2017年的全球碰撞事故数据，以评估影响全球碰撞风险的因素。从全球综合航运信息系统（GISIS）和劳埃德注册处Fairplay（LRF）收集的事故数据被用来开发数据驱动的风险模型[4]。Jiang等人[5]使用贝叶斯网络（BN）模型研究了2002年至2022年间发生的55,469起海上事故的风险影响因素（RIFs）。在事件概率和后果建模方面，Gan等人[6]分析了2018年至2021年间发生的241起事故，并开发了船舶碰撞事故知识图（SCAKG），提供了关于事故的全面信息，并揭示了各因素之间的内在相关性。Montewka等人[7]利用基于海上交通数据和统计优化技术的几何模型估计了船舶碰撞的概率，并通过真实事故记录验证了该模型。在碰撞后果建模方面，Zhang等人[8]提出了一种结合Transformer和LSTM架构以及Dung Beetle优化进行超参数调整的混合深度学习方法，填补了当前船舶碰撞避免决策方法中缺乏碰撞后果考虑的空白，实现了在现实操作条件下的实时、高精度预测。

然而，历史事故数据不可避免地受到样本量不足、统计信息不精确和报告标准不一致的局限，这使得进行可靠的统计分析和得出客观结论变得困难[9]。因此，为了应对特定海域或水道中事故记录有限的情况，引入了非事故基础的数据分析方法来支持安全洞察力的发展[[10],[11],[12]]。在这种情况下，船舶之间的近距离接触或相遇记录被广泛用于指示碰撞风险。

近距离接触记录被定义为船舶在未发生物理接触的情况下接近的情况[9,13,14]。这类记录比事故报告在研究水域中更容易获取。记录提取和相应的数据集构建为了解海上运输风险提供了基础。在研究区域内，通过基于域的空间和风险建模来识别近距离接触场景。因此，在非事故基础的海上运输研究中，合理的船舶域模型至关重要。合理的域构建通过检查和表示船舶之间的空间互动，有助于理解航行行为和船舶动态。这些洞察有助于降低碰撞风险，并在受限航行区域内促进更安全的海上操作。

Goodwin[15]将船舶域定义为导航员希望保持无其他船舶和固定危险物的可航行水域范围。自从Fuji和Tanaka[16]首次引入船舶域概念以来，后续研究在不同地区和船舶类别中逐步推进了这一概念。当前的船舶域建模研究通常可以分为基于经验的域、基于专家知识的模型、基于分析的模型和概率方法。值得注意的是，这些方法并非互斥，多种方法被整合起来以提高船舶域分析的稳健性和适用性[17]。

在基于经验的船舶域研究中，通常根据特定航行条件下的经验距离要求从轨迹数据集中建模船舶域。Goodwin[15]将船舶周围的可航行空间划分为不同的区域，从而基于北海的雷达观测到的交通密度建立了经典的船舶域边界。在此基础上，Hansen等人[18]通过分析丹麦水域多个区域收集的广泛AIS记录，为在桥梁和狭窄通道航行的船舶推导出舒适椭圆。为了解决基于经验域建模中缺乏关键相遇的局限性，Pietrzykowski和Wielgosz[19]使用电子海图显示和信息系统（ECDIS）模拟器从模拟轨迹中确定候选点集，描述了在不同速度和尺寸条件下的船舶域。基于经验的船舶域提供了域大小和形状的描述；然而，经验数据在考虑额外参数方面的能力有限。此外，从特定水道得出的经验域可能无法客观地代表其他地区的域特征。

基于知识的方法通过结合专家问卷和专业判断来研究指定水域中的船舶域。Dinh和Im[20]利用操纵参数和值班官员提供的MinPD值估计船舶域尺寸。Fiskin等人[21]结合专家征询和Mamdani模型模糊交互系统（FIS）来量化受限水域和开放水域中的非对称多边形域。Fiskin等人[22]通过将遗传算法与模糊逻辑相结合来模拟碰撞避免。最近，Fiskin[23]开发了一个框架，将分析层次过程与模糊逻辑相结合，用于在开放水域定义船舶域，同时考虑了多个影响因素。Zarzycki等人[24]将专家关于规避操纵距离的偏好引入基于模拟的研究中，揭示了关于识别出的声明性领域的普遍趋势和结论。基于知识的船舶域方法考虑了领域专家确定的风险因素。因此，基于知识的方法在确定风险因素时受到主观判断的影响，这可能限制了所得模型的普遍性。

域建模通常使用几何特征和分析方法中的功能变化趋势来进行。Wang[25]在域建模中引入了模糊四元数的概念，以提高可靠性和适应性。Wang[26]进一步扩展了研究，结合船舶、人类和环境因素来捕捉关键的航行动态。Im和Luong[27]使用高斯核密度估计来参数化不同航向下的船舶域风险水平。Liu等人[28]在四元数框架内应用二次函数来表征随速度增加的域大小的非线性扩展。Du等人[29]提出了一个基于可用操纵余量（AMM）的风险意识模型，反映了初始规避动作的意图和时机。Silveira等人[30]开发了一个改进的基于AIS的四元数域模型，可以根据葡萄牙沿海水域的观测交通特征提取不同的形状参数。分析方法提供了精细的几何建模技术和域参数与其他影响因素之间的功能关系。然而，分析方法的固有复杂性给进一步应用带来了挑战。此外，从特定水道得出的几何特征和功能关系的普遍性有限。

概率方法是通过确定围绕自身船舶的船舶记录的分布特征来构建的。Hansen等人[18]在丹麦南部水域的7,200个周围元素中，根据观测强度的上5%确定了舒适的航行域。H?rteborn等人[31]分析了高交通区域和狭窄通道中的域参数，重新审视了船舶互动和地理因素在5%径向距离域内的影响。Zhang和Meng[32]使用概率方法研究了新加坡港水域周围的弧密度基域边界，强调了概率方法在边界估计和风险评估中的适用性。Kundak??等人[33]使用AIS数据和核密度估计（KDE）沿土耳其海岸构建了非参数船舶域边界。该模型基于不同密度的等高线，通过非线性多项式回归拟合得到边界交点。

来自事故报告的数据也被应用于概率方法中。Li等人[34]通过分析碰撞避免操纵和围绕自身船舶的记录分布，定义了一个基于统计的临界区域。概率船舶域提供了一种客观的域参数提取方法；然而，建模过程的固有复杂性给进一步应用带来了挑战，该方法仍然严重依赖于研究区域内高质量统计数据的可用性。由于国际海事组织（IMO）在2004年规定所有总吨位超过299总吨的船舶都必须配备自动识别系统（AIS），不同研究区域内广泛雷达[35]和AIS数据的可用性为船舶导航技术的进步提供了可靠的统计基础。利用实时数据接收和传输，概率方法也被应用于航行风险评估[36,37]和非事故数据分析[38]。

船舶域模型是识别相遇场景和量化碰撞风险的基础。尽管提出了各种先进理论，但在客观领域中仍广泛采用固定模型和经典椭圆[39],[40],[41],[42],[43]]。因此，适当简化的精确域模型描述可以提高其普遍性，并促进先进域理论的实际应用。然而，Liu等人[38]使用历史统计数据展示了马六甲海峡概率域特征中的域旋转现象。传统的简化描述在捕捉旋转模式方面存在局限性，突显了基于椭圆的概率域表示的局限性。

现有研究主要使用历史数据[29,18,27,33,34,30,32]和数值模拟[23,22,21,19,25,26,24]来研究船舶域概念，如表1所示。普遍认为船舶域参数受到当地交通特征的强烈影响，许多研究进一步检验了它们在不同地区和水域的适用性和变化[23,22,21,27,34,19,25,26,24]。同时，H?rteborn等人[31]通过分析瑞典沿海36个站点的域提取和分析，证实了地理特征显著影响船舶域的大小和形状。因此，了解影响特定水域船舶域的参数对于建立可靠的域模型和准确估计碰撞概率至关重要。

尽管偏心椭圆简化可以灵活地表示中心船舶相对于域中心向港口侧和船尾移动的趋势[38]，但现有的精确域模型简化方法仍不足以捕捉模型域的旋转趋势。此外，大多数方法通常将研究区域划分为开放水域和受限水域，如表1所示，未能充分捕捉交通条件的空间差异。尽管数值模拟便于基于场景的测试，但简化假设无法完全反映收集数据中观察到的潜在交通模式和细微行为差异。关于建模域参数与多种交通特征之间关系的研究仍然有限；因此，实际空间交通特征对船舶域的影响尚未得到充分揭示或全面理解。

因此，本研究将域旋转参数提取、海上交通空间特征挖掘和相关分析引入到修改后的多观测偏心域的研究框架中。通过描述拟合域的旋转模式，提高了椭圆几何表示的准确性。此外，通过分析研究区域内域参数与空间交通特征之间的相关性，进一步揭示了影响船舶域特性的潜在因素。本文提出了一个综合框架，该框架整合了空间交通特征提取、多观测偏心域建模以及相应的相关性分析。利用统计技术系统评估了研究区域内的AIS数据，以捕捉空间交通流特性。通过指定地理单元内的高斯分布，从数据中量化了目标船舶域的边界。椭圆的几何特性被用来简化和提取概率域参数，包括旋转角度、中心坐标和几何描述。此外，还对当前地理单元内识别的空间特征与域参数进行了相关性分析，以研究影响域特性的因素。该框架如图1所示。第2节描述了从海上交通中提取空间特征、识别修改后的多观测偏心船舶域参数以及空间特征与域参数之间的相关性分析。第3节提出了一个基于历史AIS数据的案例研究，涉及葡萄牙沿海水域的空间交通分析、目标船舶类型的域建模及相关相关性分析。第4节讨论了目标数据的分割、不同区域的域参数差异以及相关的空间特征。最后，第5节总结了研究结论。

**方法论**
本研究旨在从历史AIS数据中提取研究水域内海上交通的空间特征，推导出基于概率的船舶域参数，并分析所获得的空间特征与域参数之间的相关性。本节将探讨相关的理论基础，包括海上交通的空间特征提取、多观测偏心船舶域分析以及相关性分析。

**案例研究**
本节基于3个月的历史AIS数据，研究了葡萄牙沿海水域内船舶域的特性和模式。域特性和模式分析包括提取海上交通特征、识别拟合域参数以及分析相关参数之间的相关性。

**讨论**
本研究通过引入一种更合理和平衡的数据集划分方法，推进了船舶域研究的方法论框架。对于地理单元06，首先根据船舶长度（LOA）对货船进行分层，阈值设定在LOA分布的50%点（图17(a)）。然后，在每个基于LOA的子集中，使用船舶速度（SOG）记录的50%概率密度函数（PDF）进一步划分数据，以构建不同货船的目标数据集。与以往的研究相比……

**结论**
本研究探讨了葡萄牙沿海的海上交通信息，并使用Getis-Ord Gi*局部空间自相关方法进一步分析了平均速度、速度离散度、加速度程度和航线重叠情况。所识别的局部空间自相关模式提供了信息等高线图，为后续船舶域参数与海上空间特征之间的相关性分析提供了宝贵的数据基础。

**参考文献**
[47,48]

**作者贡献声明**
刘大培：撰写——原始草案、可视化、验证、方法论、形式分析、数据整理。
C. Guedes Soares：撰写——审阅与编辑、监督。