船舶智能航行安全風險及其演化研究

洛佳男， 張寶晨， 耿雄飛， 李亞斌, 馬恒哲

(1.交通運輸部水運科學研究所， 北京 100088; 2.佛羅里達大學， 蓋恩斯維爾 32601)

航行安全是推動船舶智能航行技術發展的重要前提。相比常規航行，船舶智能航行綜合應用了人工智能、視覺與感知計算、邊緣計算、大數據、遙控與運動控制、融合通信、定位與導航系統、時空地理信息等多種先進技術，理論上可有效減少由人的因素導致的水上交通事故。但從技術背景和航運發展歷程來看，船舶智能航行技術尚處于初級階段，仍需要通過大量的試驗對所應用的理論和技術進行迭代優化，且確立適用“有人船”和“無人船”共存[1]的法律法規、國際航行準則與標準也需要經歷漫長的過渡期。

科學認知船舶智能航行的安全風險，制定詳細的風險管控策略，是當前政府、學界和產業界需要明確的基本問題，關乎智能船舶的商用化進程。國際海事組織(International Maritime Organization,IMO)在2017年第98次海安會上設立了海上水面自主船舶(Maritime Autonomous Surface Ships,MASS)議題，相繼開展了MASS的概念、分級以及立法范圍界定等問題研究，并在2019發布了首個IMO關于MASS的正式文件——《MASS臨時測試導則》[2-3]。IMO相關工作為世界范圍內的自主船舶技術研發、分級、測試和風險防范提供了方向?；诖?，文獻[4]～[10]從政府治理角度，重點分析了無人自主船舶對于船舶產業、海上環境、海事監管等方面帶來的挑戰和風險，并提出了治理層面的風險評估方法和防控策略。學界主要關注自主船舶的碰撞風險和網絡安全風險兩個方向，通過專家法[11-12]、深度強化機器學習[13]、模型預測控制算法[14]、進化策略優化算法[15]、場論[16]、因果關系[17-18]、人因可靠性分析[19]、系統論[20-21]等方法開展風險辨識與評估方法研究，并開發了自主航行避碰系統[13,15]、航線規劃系統[22]、網絡風險對抗系統[22]等。同時，也在探索過程中提出了基于《國際海上避碰規則公約》(Convention on the International Regulations for Preventing Callsions at sea, COLREG)可能會導致自主船舶避碰失敗[23-24]、自主船舶的最低安全性要求——“至少不低于人類駕駛[25]”、人工智能倫理[26]——“危急情況下的避碰抉擇”等問題。

綜上所述，當前關于船舶智能航行的安全風險研究主要以自主船舶為研究對象，未能從船岸協同角度建立支撐船舶智能航行系統構建的風險辨識框架，也尚未開展從有人、少人到無人、從人工駕駛、輔助駕駛、遙控駕駛到自主駕駛、從開闊水域到復雜水域的風險演化規律方面的研究。

對此，本文從船岸協同的角度，結合“智飛號”船舶智能航行測試的情況，系統研究船舶智能航行風險的一般演化規律及其特征，建立基于多要素、空間、場景、模式相互關系的風險演化概念模型及其數學表達模型，為船舶智能航行風險認知和管控、政府治理以及基于船岸協同的船舶智能航行與控制系統的構建提供參考。

1 風險演化概念模型

構建船舶智能航行風險演化概念模型可以直觀地構筑起對整個系統的風險認知框架，分析風險本質，厘清邊界，辨識核心要素，并建立他們之間的聯系，從而揭示風險演化的一般規律和特征。本文根據船岸協同關系相關研究結論[27]，從風險認知角度構建了由五要素、四模式、三空間、三場景、三過程構成的船舶智能航行風險演化概念模型，并將機器取代人的能力作為研究風險演化的基礎，如圖1所示。

1.1 “人、機、管、環、信”五因素

人為因素、船機因素、管理因素、環境因素(以下簡稱“人、機、管、環”)是辨識安全風險源的四類基本因素，主要通過細化四因素的二級風險指標，按照一定原則賦予權重，并通過數學公式計算得出風險概率，從而為風險管控提供量化依據。

本研究根據監管部門、船企、科研部門的32名代表的綜合意見，結合船舶智能航行三種駕駛模式的特點，提出將“信息技術和船舶智能航行技術”列為第五類因素(以下簡稱“信技”)，形成“人、機、管、環、信”五因素。通過進一步細化每一類因素的屬性和指標，并約定使用“因素”表征風險識別、評估和管控的風險源，使用“要素”表示構成船舶智能航行系統的主要組件，如表1所示。

表1 “人、機、管、環、信”五要素釋義表

1.2 “人工、輔助、遙控、自主”四駕駛模式

人工駕駛模式是傳統駕駛模式。輔助駕駛、遙控駕駛和自主駕駛是船舶智能航行的三種駕駛模式。輔助駕駛是目前技術已可以實現的，部分操作實現自動化，是可以為船舶駕駛人員提供決策支持的駕駛模式。遙控駕駛通過船岸雙方的指令交互，實現船舶遠程操作和控制。自主駕駛則是完全由機器系統做出自主決策的駕駛模式。三種模式可以在同一航次基于不同場景進行切換。

1.3 “物理、規則、賽博”三空間

物理空間、規則空間和賽博空間是對“人、機、管、環、信”五要素的進一步抽象。物理空間用于表征現實世界的具體事物。規則空間是人在物理空間的基礎上建立的行為約束。賽博空間則是船舶智能航行的新問題，對船岸協同理念、遙控駕駛、自主駕駛技術的實現具有重要影響。賽博空間的治理也將成為船舶智能航行的主要保障手段[28]。

1.4 “內河、沿海、遠洋”三場景

內河、沿海、遠洋是船舶航行的三大場景。三個場景對于五要素、四模式和三空間的要求均不相同，在航道條件、水上通航構筑物、通信條件以及人員要求等具有顯著差異[29-30]，因此將三場景作為風險演化分析的邊界條件。

1.5 “港外航行、進出港、靠離泊”三過程

復雜交通場景下的駕駛安全與效率是反映智能航行系統技術水平的重要指標?！吨悄艽耙幏?2020)》將智能航行分為基本功能和進階功能兩類，其中基本功能是指航路與航速設計和優化，進階功能包括開闊水域自主航行和全航程自主航行[31]。全航程自主航行可進一步區分為狹窄水道、復雜環境和自動靠離泊三種場景，這是分別從自然條件、交通條件以及船舶技術三個方面提出要求。本文在此基礎上進一步將場景細化為船舶航行的離泊、出港、港外航行、進港、靠泊五個階段，用于突出外部條件的變化。

2 風險演化數學表達模型

為準確描述船舶智能航行風險演化的規律和特征，需要將概念模型轉化為可進行判斷、計算和趨勢預測的數學表達模型。

2.1 定義

定義1：智能航行系統是由“人、機、管、環、信”五要素構成的復雜系統，使用I表示，則有

I=Fp+Fs+Fe+Fm+Fi

(1)

式(1)中，Fp為人為要素，Fs為船機要素，Fe為環境要素，Fm為管理要素，Fi為信技要素。

定義2：智能航行安全風險指系統可能發生和引起不良后果的危險，使用RI表示，進一步地設w為權重參數，則有

RI=(F,w) {Fp,Fs,Fm,Fe,Fi}=F

(2)

定義3：事故用AC表示；造成事故的風險因素(指標)定義為ri，則有

AC=f(ri)·T·Sri?RI

(3)

式(3)中，T與S分別指事故發生所在的時間域和空間域，ri為RI的子集。

定義4:假設智能航行在內河、沿海、遠洋場景已明確其要素屬性、風險指標以及事故類型，則可設內河水域為邊界條件BI、沿海水域為邊界條件BC、遠洋水域為邊界條件BO。

2.2 無人化趨向的風險演化表達

用人工駕駛(MM)、輔助駕駛(MS)到遙控駕駛(MR)再到自主駕駛(MA)來表征從有人到少人再到無人的三種漸變模式，則有

(4)

式(4)中，δM表示不同模式下的風險集合的變化狀態，這種變化可以進一步地使用三種模式下F要素的權重w變化分布及趨勢來表示，即Fdw，從而得出特定邊界條件下的風險演化關系SH1。

在尚未具備大量智能航行事故案例的情況下，可以基于專家法進行匿名反饋，對五要素及其風險指標的權重進行打分。圖2和表2為根據前述專家樣本庫結論進行數據歸一化處理的權重分布情況，反映了樣本庫認知范圍內的系統各要素的重要程度。

圖2 各要素在不同駕駛模式下的權重分布

表2 各要素在不同駕駛模式下的權重歸一化數值

2.2 風險事故的連鎖效應表達

由式(2)和(3)可知，事故是關于ri在T域和S域的函數，ri是RI的子集，得出風險事故是在特定空間和時間下由特定事件觸發的風險演化結果，具有隨機性和不確定性。

事故的可預測性可以直接用于后果損失評價，是機器在面向復雜事件時進行合理抉擇的一個關鍵問題。通過限定智能航行系統駕駛模式MA，則風險事故的連鎖效應(SH2)可以表示為

(5)

式(5)中，AC1為發生的事故，CSc為機器決策算法，AC2為可能導致的連鎖事故。

根據式(5)得出CSc是風險事故連鎖效應的觸發事件，同時后續風險僅與Fs、Fi、Fe相關，用偽代碼表示如下

算法 機器決策 if AC1 happened: //事故發生 {PRI}={Fs, Fi, Fe}·T //后續風險集發生概率 for p in PRI: sort(p) //概率與后果排序 action() //執行

2.3 安全與效率的平衡演化表達

根據船舶泊位到泊位間的航行過程，進一步將三場景細化為離泊(P1)、出港(P2)、航行(P3)、進港(P4)、靠泊(P5)五個階段，使用SH3表示不同階段的風險演化關系，則有：

(6)

式(6)中，δFe表示不同航行階段環境的變化量，dsafety和defficiency分別代表安全量和效率量，其比值代表安全與效率的導數。

船舶從開闊水域到復雜交通水域風險發生概率呈顯著的線性關系[21]。在假設其他條件穩定的條件下，智能航行系統風險演化主要表現為環境變化下人和機器駕駛水平的適應能力，即求解顧及效率最佳化的安全性極限。

3 風險演化規律與特征分析

3.1 無人化趨向下的風險演化

從人工駕駛、輔助駕駛、遙控駕駛再到自主駕駛，本質上是技術水平的不斷提高來彌補人為因素主導性不斷減弱的過程，即機器取代人的能力。人為因素一直都是導致船舶事故的主因[32]。無人化趨向是否意味著船舶事故發生概率、損失程度的不斷減少,是智能航行領域中一個需要長期觀察和論證的科學假設。同時，受限于海、陸、空在物理、規則、賽博三個空間中的顯著差異，這一問題也幾乎難以從汽車自主駕駛系統和飛機自動駕駛系統的演進中得到答案。

對無人化趨向風險演化的主要特征分析如下，具體表現為：

1) 人工駕駛、輔助駕駛模式下，人為因素仍是主要風險源，輔助駕駛模式下信技因素首次納入風險識別域，權重分布會略有調整。

2) 遙控駕駛模式下，人通過遙控駕駛系統對船體運動的精確控制以及通信保障是這一階段的主要風險特征。為此，遙控駕駛必然經歷從少人到無人在船的過渡期，有人在船的遙控駕駛將是常態。同時，人為因素進一步延伸到船岸兩類人員，且對于岸基人員的操船技能要求全面高于傳統船舶駕駛人員。

3) 自主駕駛模式下，人為因素幾乎消失，駕駛層面轉而對智能航行系統技術等級和技術水平的全面依賴，船岸協同下的政府、港口以及船舶間的關系影響作用顯著增強，有人在船的自主駕駛亦可能成為常態。

3.2 風險事故的連鎖效應

船舶智能航行事故在時空域的發生和傳播具有海因里希因果連鎖效應[33]，可以使用基于航道網絡模型方法，利用元胞自動機[34]準確表述不同時刻下的交通狀態，其一般規律和特征具體表現為：

1) 航行安全事故是由細粒度的風險指標相互作用引起的系統性故障，從統計角度表現為單一風險因素為主導、多風險因素共同參與的因果關系。

2) 單一風險可以進一步傳播，其作為因變量引起多重風險的并發連鎖。

3) 機器學習下的自主駕駛倫理問題會引發風險傳播的不確定性，即以何種尺度來衡量自身、他船或他物的重要性。

4) 航行安全事故不是單一事件。

3.3 安全與效率的平衡演化

單一場景的劃分可以作為風險演化規律研究的一種限定條件，通過不同場景組合不斷迭代系統決策能力?！爸秋w”號在交叉會遇局面下，采取了最安全的避碰策略(見圖3)，即在交叉會遇船已過本輪正橫后，仍采取繞會遇船船尾的航線，在不考慮其他船舶條件下，碰撞風險為0，但油耗呈正比上升。結合前述關于風險演化表達模型的相關結論，得出復雜場景下的安全與效率演化特征：

1) 安全性的提升在一定程度上會削弱航行效率。

2) 安全與效率的最佳平衡點可以用于表征船舶智能航行系統技術水平的最高要求。

3) 同等條件下，安全性在離泊、出港、港外航行、進港和靠泊五個過程呈正態曲線分布，效率則呈反向正態曲線分布，即顯著的反比關系。

圖3 “智飛”號交叉會遇局面下的避碰決策示意圖

4 結 論

認知安全風險是構建基于船岸協同的船舶智能航行系統的前提條件。通過理論和實際測試分析，本文將信息技術因素列為“人、機、管、環”外的第五類因素，并得出如下結論：①在無人化趨向下，受信技因素作用影響，人為因素比重逐漸下降，但人對航行安全所發揮的作用并未下降，在遙控模式下甚至不低于人工駕駛和輔助駕駛；②信息技術因素是船舶智能航行系統中安全治理的重要方向，其不僅涉及通信與網絡本身，而且船舶感知認知水平相比岸與岸、岸與船、船與船之間的信息精確性、及時性與可靠性更為重要；③風險傳播具有連鎖效應，避免風險傳播引發連鎖反應導致事故損失需要從立法、技術、標準等多個層面共同約定；④安全與效率的平衡演化是表征船舶智能航行系統技術水平的標志，也是下一階段的主要研究方向。