船舶航行交通事件实时检测技术研究现状与展望_黄琛.pdf

收稿日期：2022-06-06*国家重点研发计划项目（2021YFC3001504）、国家自然科学基金重点国际（地区）合作项目（51920105014）、国家自然科学基金面上项目（52272424）资助第一作者简介：黄琛（1998），硕士研究生.研究方向：船舶交通事件检测.E-mail: 通信作者：陈德山（1986），博士，副研究员.研究方向：交通智能感知.E-mail:船舶航行交通事件实时检测技术研究现状与展望*黄琛1,2陈德山2,3吴兵2,3严新平1,2,3（1.武汉理工大学交通与物流工程学院武汉 430063；2.武汉理工大学国家水运安全工程技术研究中心武汉 4300633.武汉理工大学智能交通系统研究中心武汉 430063；）摘要：船舶航行交通事件检测依赖基于历史数据的离线检测方法，检测模型适用性差，难以满足监管人员的实时监测需求。通过分析船舶异常行为检测、航行事故检测等现有交通事件检测技术，可以发现：在数据层面，监测数据来源单一、环境信息缺失；在方法层面，基于统计、风险评估等经典模型的事件监测方法效率高但准确性低，基于神经网络、图像识别等机器学习的检测方法准确性高但效率低；多源数据融合、多项技术结合的交通事件检测方法成为实时检测方法的发展趋势。在此基础上，梳理了实时船舶航行交通事件检测的3项关键技术：海事大数据技术：高效处理船舶运动数据和航行环境数据，统一多源异构数据结构标准，降低数据源单一造成的事件误报率；船舶行为动态建模技术：利用知识图谱等技术融合船舶航行情境信息，在不同船舶运动环境下利用深度学习、语义关联、图神经网络等方法构建不同的船舶行为模型，提高检测准确性；实时分析和可视化技术：结合平行系统进行虚实系统间信息传递，定性分析检测结果，实时显示检测全过程，提升监管过程中的人机交互效率。然后，提出了包括数据采集、后台服务和客户端应用3个功能模块的交通事件平行检测系统；该系统具备实时接收并处理船舶航行数据、分析并预测交通状态、动态检测并预警交通事件和仿真结果展示等功能。从数据融合、交通状态感知和交通虚实映射3个方面，展望了面向海事监测实务的实时检测技术发展方向。关键词：水路交通；船舶航行交通事件；实时检测；平行检测系统；异常行为；船舶事故中图分类号：U692.5+1文献标识码：Adoi:10.3963/j.jssn.1674-4861.2022.06.001A Real-time Detection of Nautical Traffic Events:A Review and ProspectHUANG Chen1,2CHEN Deshan2,3WU Bing2,3YAN Xinping1,2,3(1.School of Transportation and Logistics Engineering,Wuhan University of Technology,Wuhan 430063,China;2.National Engineering Research Center for Water Transport Safety,Wuhan University of Technology,Wuhan 430063,China;3.Intelligent Transportation Systems Research Center,Wuhan University of Technology,Wuhan 430063,China)Abstract:Nautical Traffic Event Detection(NTED)methods mostly rely on offline methods using histori-cal data,which are insufficient for real-time traffic supervision.The studies on abnormal behavior detec-tion and incidents detection of ships are collected and investigated,and the findings are concluded as fol-lows:from the perspective of data,the detection data rely on a single source and the environmental infor-mation is usually missing;from the perspective of methodologies,classical models that are based on sta-tistical methods,risk assessments,etc.,have high efficiency but low accuracy;while,the machine-learn-船舶航行交通事件实时检测技术研究现状与展望黄琛陈德山吴兵严新平1交通信息与安全2022 年6 期第 40卷总 241期0引言我国航运业正面临着船舶大型化、船舶数量快速增长的挑战，而船舶监管方式较为落后，虽然近几年船舶自动识别系统（automatic identification sys-tem,AIS）、船舶交通管理系统（vessel traffic service,VTS）、无线甚高频（very high frequency,VHF）、闭路电视监控系统（closed circuit television,CCTV）等技术大量投入使用，但难以达到“全方位覆盖、全天候运行、反应快速”的安全监管目标1，当前海事监管仍需要人员全天盯守。随着长江沿岸各港口吞吐量的增加，某些航道港口已达到或超饱和状态2，大型船舶的驶入为周围船舶行驶带来极大干扰，经常发生航道拥堵，造成较大的经济损失和监管人力资源浪费。船舶航行交通事件检测技术是指自动检测航道内发生的各种船舶航行交通事件的方法和手段，对于降低海事监管人员工作强度，提高监管效率，减少经济损失，提升监管自动化程度起着重要作用3。船舶航行交通事件包括船舶事故、船舶异常行为等，船舶事故发生频率低，但后果严重，往往伴随着人员伤亡、经济损失，以及环境污染，如2015年在长江流域发生的“东方之星”号客轮特大倾覆事故，共造成442人遇难4；与船舶事故相比，船舶异常行为产生危害较轻，但发生频率高，若不加管制，会阻碍船舶正常行驶，降低通行效率，增大航行安全隐患。由于海上交通量的增长及AIS的广泛使用，海上交通领域数据量呈爆发式增长，利用AIS数据进行船舶航行事件检测也成为近几年的研究热点。但由于AIS存在丢失率高、精度低，实时处理大量AIS数据对计算能力要求高，当前大多采用离线方式进行分析，研究结果严重依赖于历史数据5。对于海事监管部门，实时、准确的交通事件检测是必要的。本文针对不同类型的船舶航行交通事件进行检测技术研究，分析了当前常用检测技术的优缺点，总结了实时检测需要的关键技术，结合平行检测系统架构进行展望，对于船舶航行事件检测研究具有重要意义。1船舶航行交通事件检测研究现状1.1船舶航行交通事件分类船舶航行交通事件即会对船舶正常航行产生影响的事件，按照造成后果的严重程度可将其分为船舶异常行为和船舶事故。船舶异常行为指与周围其他运动船舶对象有差别的运动行为，陈影玉等6将其分为位置异常和运动异常。位置异常通常由于工作船舶施工或者走私船舶躲避稽查随意行驶而产生，包括船舶轨迹超出历史路径范围、在航道外航行、不ing based methods,such as neural networks,image recognition,etc.,have high accuracy but low efficien-cy;and the combination of multi-source data fusion and multi-technology have become new trends.Three key technologies for the real-time NTED are summarized:maritime big data technologies,which process ships and environment data efficiently and standardize multi-source heterogeneous datastructures,which reduces the false alarm caused by the single data source;dynamic behavior modeling,which uses knowledge graph or other technologies to integrate nautical contextual information,and usesdeep learning,semantic association,graph neural network or other methods to develop different mod-els for dynamic ship behaviors in different nautical context,which improves the accuracy of the NT-ED;the real-time analysis and visualization techniques combined with parallel systems,which cantransfer information between the virtual and real systems,analyze the simulated results,and display thedetection process which facilitates human-computer interactions in the supervision.A Nautical TrafficEvent Parallel Detection System(NTEPDS)is proposed,which includes three functional modules:thedata acquisition;the backend service;the client application.The NTEPDS can receive real-time nav-igation data,analyze and predict real-time traffic status,dynamically detect and report traffic events anddisplay the simulation results.Finally,the prospects of the real-time NTED are concluded from three as-pects:data fusion,traffic state perception,and traffic virtuality-reality mapping,which reveals the devel-opment directions of real-time NTED at the practical level.Keywords:waterborne traffic;ship navigation traffic events;real-time detect;parallel detect system;ab-normal behavior;ship accident2在规定区域内活动、驶向危险区、违反法规、入侵禁区、岸边汇合、深海汇合、威胁基础设施等；运动异常通常由于船舶缩短航程或降低等待时间而产生