Планирование маршрутов судов через акватории с интенсивным движением на основе ретроспективных данных

Статья посвящена задаче планирования маршрута перехода морского судна. При плавании в условиях интенсивного трафика судоводители должны придерживаться некоторой схемы движения, принятой на конкретной акватории. Эта схема может существовать в том числе и неформально, являясь обобщением коллективного судоводительского опыта. В этом случае представляется продуктивным планирование маршрута на основе данных о движении других судов, находившихся на акватории ранее (та же самая идея лежит в основе методов задач «больших данных»). В работах, опубликованных ранее, такое планирование маршрута основывалось на кластерном анализе ретроспективных данных о движении судов, что предполагало разбиение акватории на участки и выделение в них характерных значений скоростей и курсов. Проблемой такого подхода был выбор параметров разбиения, которые нужно было задавать для каждой конкретной акватории отдельно. В настоящей работе предложен другой подход, когда граф возможных маршрутов включает в себя выборку траекторий отдельных судов, реализованных на выбранной акватории ранее. В статье рассматривается способ построения такого графа возможных маршрутов, делается оценка числа его вершин и ребер, даются рекомендации по выбору метода поиска кратчайшего пути на этом графе. Обсуждается возможный метод интерполяции пропущенных данных, требуемых для построения графа, основанный на идее сочетания прямолинейных и маневренных участков движения судов. Приводятся примеры планирования маршрутов на ряде реальных акваторий: Владивосток, Токийский залив, Сангарский пролив.

1. Tam Ch.K., Bucknall R., Greig A. Review of collision avoidance and path planning methods for ships in close range encounters. Journal of Navigation. 2009;62(3):455–476. DOI: 10.1017/S0373463308005134.

2. Общие положения об установлении путей движения судов. Издание ГУНиО МО СССР; 1987. № 9036.

3. 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. DOI: 10.26102/2310-6018/2020.28.1.003.

4. Гриняк В.М., Шуленина А.В., Прудникова Л.И., Девятисильный А.С. Планирование маршрутов судов через акватории с интенсивным движением. Моделирование, оптимизация и информационные технологии. 2021;9(2). DOI: 10.26102/2310-6018/2021.33.2.018.

5. Grinyak V.M., Shulenina A.V., Ivanenko Yu.S. Ship routes planning based on traffic clustering. Journal of Physics: Conference Series. 2021;13:012080. DOI: 10.1088/1742-6596/1864/1/012080.

6. Чертков А.А. Автоматизация выбора кратчайших маршрутов судов на основе модифицированного алгоритма Беллмана-Форда. Вестник Государственного университета морского и речного флота имени адмирала С.О. Макарова. 2017;9(5):1113–1122. DOI: 10.21821/2309-5180-2017-9-5-1113-1122.

7. Wang H.B., Li X.B., Li P.F., Veremey E.I., Sotnikova M.V. Application of real-coded genetic algorithm in ship weather routing. Journal of Navigation. 2018;71(4):989–1010. DOI:10.1017/S0373463318000048.

8. Lazarowska A. Ship’s trajectory planning for collision avoidance at sea based on ant colony otimisation. Journal of Navigation. 2015;68(2):291–307. DOI: 10.1017/S0373463314000708.

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

10. Федоренко К.В., Оловянников А.Л. Исследование основных параметров генетического алгоритма применительно к задаче поиска оптимального маршрута. Вестник Государственного университета морского и речного флота имени адмирала С.О. Макарова. 2017;9(4):714–723. DOI: 10.21821/2309-5180-2017-9-4-714-723.

11. Pallotta G., Vespe M., Bryan K. Vessel pattern knowledge discovery from AIS data: a framework for anomaly detection and route prediction. Entropy. 2013;15:2218–2245.

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

13. 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.

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

15. 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.