Планирование маршрутов судов через акватории с интенсивным движением

Статья посвящена проблеме обеспечения безопасности движения судов на морских акваториях. Рассматривается задача планирования маршрута перехода судна через акватории с интенсивным движением, которая представляется актуальной, в том числе в свете перспективного развития беспилотных морских транспортных средств. При движении через акватории с установленными путями планирование маршрута перехода судна следует осуществлять с учетом заданных ограничений. Возможным путем идентификации этих ограничений является выделение паттернов движения конкретной морской акватории из ретроспективной информации о ее трафике. Модельные представления такой задачи могут быть сформулированы на основе идеи о кластеризации параметров движения судов. В основу модели задачи планирования маршрута положен поиск кратчайшего пути на взвешенном графе. Предлагается несколько способов построения такого графа: регулярная сетка вершин и ребер, слоистая сетка вершин и ребер, случайная сетка вершин и ребер, вершины и ребра на основе ретроспективных данных. Вес ребер предлагается задавать как функцию «желательности» того или иного курса судна для каждой точки акватории с учетом выявленных паттернов движения. Для этого акватория разбивается на участки, и для каждого из них выполняется кластеризация курсов и скоростей. В работе обсуждаются возможные методы кластеризации, делается выбор в пользу субтрактивной кластеризации, не требующей предварительного задания количества кластеров. Источником данных о трафике акватории могут служить сервисы Автоматической идентификационной системы. В работе показана возможность использования данных АИС, доступных на специализированных интернет-ресурсах. Несмотря на «разреженность» этих данных, они хорошо отражают сводные особенности трафика акваторий. Приведены примеры планирования маршрутов перехода через Сангарский пролив и Токийский залив.

1. Zhao L., Shi G. Maritime anomaly detection using density-based clustering and recurrent neural network. Journal of Navigation. 2019;72(4):894–916.

2. Гриняк В.М., Девятисильный А.С., Иваненко Ю.С. Поддержка принятия решений при обеспечении безопасности движения судов на основе кластеризации траекторий. Вестник государственного университета морского и речного флота им. адмирала С.О. Макарова. 2020;12(3):436-449.

3. Общие положения об установлении путей движения судов, № 9036. Издание ГУНиО МО СССР. 1987.

4. Першина Л.А., Астреина Л.Б. Выбор маршрута судна на основе погодных условий. Эксплуатация морского транспорта. 2019;(2):30-38.

5. Wang H.B., Li X.B., Li P.F., Veremey E.I., Sotnikiva M.V. Application of real-coded genetic algorithm in ship weather routing. Journal of Navigation. 2018;28(4):989-1010.

6. Сотникова М.В. Алгоритмы формирования маршрутов движения судов с учетом прогноза погодных условий. Вестник Санкт-Петербургского университета. Серия 10. Прикладная математика. Информатика. Процессы управления. 2009;(2):181-196.

7. Титов А.В., Баракат Л., Чанчиков В.А., Тактаров Г.А., Ковалев О.П. Системы управления безэкипажными судами. Морские интеллектуальные технологии. 2019;1-4 (43):109-120.

8. Каретников В.В., Козик С.В., Буцанец А.А. К вопросу оценки рисков использования безэкипажных средств водного транспорта на участке акватории. Вестник государственного университета морского и речного флота им. адмирала С.О. Макарова. 2019;(6):987-1002.

9. Акмайкин Д.А., Букин О.А., Гриняк В.М., Москаленко М.А. Планирование маршрута перехода судна с учётом опасности морского волнения. Морские интеллектуальные технологии. 2018;4-5(42):148-152.

10. Akmaykin D.A., Grnyak V.M. Ships route searching with respect of sea waves danger. IOP Conference Series: Earth and Environmental Science. 2019;272:032103.

11. Bishop C.M. Pattern recognition and machine learning. New York: Springer Science Business Media. 2006.

12. Bezdek J.C. Pattern recognition with fuzzy objective function algorithms. Boston: Springer, 1981.

13. Yager R., Filev D. Essentials of fuzzy modeling and control. New York: John Wiley & Sons. 1994.

14. Debnath A., Chin H.Ch. Modelling collision potentials in port anchorages: application of the navigational traffic conflict technique (NTCT). Journal of Navigation. 2016;69(1):183-196.

15. Гриняк В.М., Иваненко Ю.С., Люлько В.И., Шуленина А.В., Шурыгин А.В. Цифровое представление и комплексная оценка навигационной безопасности движения на морских акваториях. Моделирование, оптимизация и информационные технологии. 2020;8(1):40-41.

16. Гриняк В.М., Девятисильный А.С., Шуленина А.В. Оценка эмоциональной нагрузки на судоводителей в условиях коллективного движения. Вестник государственного университета морского и речного флота им. адмирала С.О. Макарова. 2019;(4):640-651.

17. Гриняк В.М., Горошко О.А., Девятисильный А.С. Система экспертного оценивания и визуализации параметров траектории безопасного движения судна. Мехатроника, автоматизация, управление. 2017;(2):127-134.

18. Liu Z., Wu Zh., Zheng Zh. Modelling ship density using a molecular dynamics approach. Journal of Navigation. 2020;73(3):628-645.

19. Weng J., Liao Sh., Yang D. Methodology for estimating waterway traffic capacity at shanghai estuary of the Yangtze river. Journal of Navigation. 2020;73(1):75-91.

20. Wang L., Li Y., Wan Zh., Yang Z., Wang T., Guan K., Fu L. Use of AIS data for performance evaluation of ship traffic with speed control. Ocean Engineering. 2020;204.

21. Naus K. Drafting route plan templates for ships on the basis of AIS historical data. Journal of Navigation. 2019;73(3):726-745.

22. Zhao L., Shi G. Maritime anomaly detection using density-based clustering and recurrent neural network. Journal of Navigation. 2019;72(4):894-916.

23. Zhen R., Jin Y., Hu Q., Shao Zh., Niktakos N. Maritime anomaly detection within coastal waters based on vessel trajectory clustering and naïve Bayes classifier. Journal of Navigation. 2017;70(3):648-670.

24. Tang H., Wei L., Yin Y., Shen H., Qi Y. Detection of abnormal vessel behaviour based on probabilistic directed graph model. Journal of Navigation. 2019;73(5):1014–1035.