《Journal of Marine Science and Engineering》：Behavior-Informed Ship Conflict Assessment in Confined Inland Waterways: A Ship-Domain Approach Using AIS Data
编辑推荐：
评估复杂内河航道中的船舶冲突具有挑战性，因为受限的航行环境和异质的船舶交互限制了通用安全阈值的适用性。本研究提出了一种利用AIS数据的基于行为信息的冲突评估方法。首先对AIS轨迹进行处理，通过航向和速度变化检测候选操纵行为。随后利用航道空间约束过滤几何因素导致
评估复杂内河航道中的船舶冲突具有挑战性，因为受限的航行环境和异质的船舶交互限制了通用安全阈值的适用性。本研究提出了一种利用AIS数据的基于行为信息的冲突评估方法。首先对AIS轨迹进行处理，通过航向和速度变化检测候选操纵行为。随后利用航道空间约束过滤几何因素导致的转向行为，并将剩余操纵行为与会遇和追越场景相关联，以识别避让起始样本。这些样本用于优化会遇特定船舶领域（ship-domain）模型的参数，从而将领域构建与观测到的驾驶员行为直接联系起来。对长江太仓段AIS数据的实证分析获得了10,256条有效船舶轨迹。由于客船和拖船的运行模式与商船不同，故将其排除在外。基于优化后的领域，通过领域重叠识别和量化船舶冲突。空间分析识别出两个与交叉冲突相关的描述性集中区域，而追越冲突沿主航道呈现更连续的分布。这些模式为内河航道针对性安全管理提供了可解释的证据。
基于行为信息的受限内河航道船舶冲突评估研究解读
一、研究背景与意义
内河航运在区域物流和可持续交通系统中发挥着重要作用。然而，随着交通量增加和会遇局面日益复杂，航行安全问题持续受到关注。碰撞仍是内河航道中最常见的事故类型之一，特别是在受限环境中，狭窄的航道几何形状和操作约束会放大不安全交互的后果。近年来的内河航道安全研究表明，仅凭事故统计数据无法完全刻画不断演变的风险格局，因为事故的发生和后果可能受不同因素影响。为解决这一局限，船舶冲突（ship conflict）等代理安全指标（surrogate safety measures）越来越多地被用作航行风险和潜在危险的先行指标。
AIS（Automatic Identification System，自动识别系统）的广泛部署推动了基于轨迹的代理安全评估、船舶交互建模及数据驱动的海事安全研究。然而，在复杂内河航道中评估船舶冲突需要超越简单的轨迹跟踪，推断航行意图。在受限环境中，常规航行的运动特征（如弯道或交叉口处的航向改变）很容易与主动避让行为混淆，这使得区分环境性操纵与真正的风险缓解行为成为关键前提。
现有船舶冲突评估方法主要分为三类：基于指标的度量方法（如DCPA、TCPA）、基于船舶领域（ship domain）的方法，以及基于可达性、概率和数据驱动的方法。尽管取得了显著进展，将这些方法应用于复杂内河航道仍存在若干局限：首先，许多方法依赖通用安全边界或预定义阈值标准，这些参数可能无法准确反映驾驶员在航道约束下的实际避让行为；其次，虽然先进模型能够表示操纵可行性和多船交互，但航行行为通常仅通过预定义规则或优化目标隐式编码，缺乏冲突强度与可观察行为事件（即避让操纵起始）之间的直接校准联系。
本研究提出了一种基于行为信息的船舶冲突评估框架，通过显式纳入碰撞避让操纵来进行冲突识别和严重程度评估。该框架将经验观测的避让操纵起始作为校准避让触发边界的参考，而非仅依赖固定运动学阈值，从而建立了航行决策与冲突评估之间的行为联系。
二、主要研究方法
研究人员基于2024年3月长江太仓段的AIS数据开展实证分析。数据预处理包括剔除锚泊船舶记录、排除客船和拖船（因其运行模式与常规商船差异显著）、异常值剔除、轨迹一致性识别和轨迹插值，最终获得10,256条有效船舶轨迹。研究采用的主要技术方法包括：
避碰行为提取方法：采用两阶段程序，首先基于转向率（ROT）和速度变化率（RCS）进行运动学操纵检测，利用航向变化幅度区分真实操纵与环境扰动；其次结合航道空间约束和船舶会遇关系识别真正的避让操纵。航道弯段识别采用Douglas-Peucker（DP）算法提取航道转向点，构建候选弯段并基于历史轨迹确认转弯轨迹区间。
会遇提取算法：基于时空共现、最近通过距离计算、会遇起止时间识别和会遇类型分类四个步骤，从AIS数据中提取完整会遇过程。会遇类型通过航向差和航道线穿越指标进行规则化分类，区分交叉会遇和追越会遇。
行为信息船舶领域建模：采用椭圆船舶领域模型，领域尺寸与船长正相关，并通过二次函数描述速度对领域的非线性影响。六个模型参数利用差分进化（Differential Evolution, DE）算法，以避让起始时刻的船对状态为校准目标进行优化。
冲突严重程度评估：采用视线径向准则识别冲突，通过Weiler-Atherton多边形裁剪算法计算领域重叠面积，并以归一化重叠面积作为冲突严重程度指标。采用网格化空间聚合方法识别冲突集中区域。
三、研究结果
避碰行为提取结果：通过案例研究验证了操纵检测、弯段过滤和会遇关联的三步流程。从17,290个候选操纵事件出发，经弯段过滤后保留9,100个，最终通过会遇关联获得2,600个避让起始样本，其中交叉会遇433个、追越会遇2,167个，航向改变型避让1,637个、变速型避让963个。专家评估验证显示，避让行为二元识别的准确率为92.2%，敏感性93.2%，特异性91.3%，F1分数92.1%。会遇分类算法在90个验证样本上达到94.4%的总体准确率。
船舶领域模型优化结果：基于提取的避让起始样本，分别对交叉和追越两种会遇类型优化船舶领域参数，构建了行为校准的会遇特定船舶领域模型，提供了与驾驶员实际避让行为一致的会遇特定安全余量表示。
冲突识别与严重程度评估结果：基于校准后的领域模型，采用视线径向准则识别船舶冲突，并通过领域重叠面积量化冲突严重程度。冲突识别采用两船领域边界距离之和与实测船间距离的比较准则，严重程度通过归一化重叠面积指标表征。
空间格局分析结果：网格化空间聚合分析识别出两个与交叉冲突相关的描述性集中区域，而追越冲突沿主航道呈现更连续的分布特征。这些模式为内河航道针对性安全管理提供了可解释的空间证据。
四、讨论与结论
研究表明，基于行为信息的船舶领域校准方法能够有效建立避让行为与冲突边界之间的直接联系。与依赖通用阈值或预定义几何假设的传统方法相比，该方法通过可观测的避让起始事件作为校准目标，提高了冲突评估的行为可解释性和场景适应性。研究局限包括：领域模型采用中心对称椭圆假设，未完全刻画船舶操纵的方向不对称性；网格化空间聚合采用描述性方法，未进行正式的空间显著性检验；研究框架主要面向历史AIS数据的离线分析。
研究结论表明，基于行为信息的冲突评估框架能够有效识别受限内河航道中的船舶冲突模式，通过将避让行为显式纳入冲突识别和严重程度评估，为内河航道安全管理提供了行为一致的风险诊断工具。交叉冲突和追越冲突的不同空间分布特征为针对性安全管理措施的制定提供了实证依据。
