基于HHM-RFRM理论的智能船舶航行风险识别与筛选.pdfVIP

船舶主要包括4个层级的自动化水平：第一层级，船

基于HHM-RFRM理论的智能员在船上直接操作和控制船上系统，有些系统操作

可以是自动化的；第二层级，由远程控制和操作，但

船舶航行风险识别与筛选船上配备船员，遇到紧急情况船员可以随时操作和

控制船舶；第三层级，由远程控制和操作并且船上不

配备船员，遇到紧急情况均由远程控制人员处理；第

四层级，完全自动化船舶，船上的操作系统能够自动

决策并采取有效行动。船舶自动化发展的过程实质

摘要：针对智能船舶航行过程中航行关键风险因素的有效上就是智能化发展的过程[3]，发展到第三层级和第

识别和筛选问题，提出了基于等级全息建模（Hierarchical

四层级就是现在所研究的“无人船”，本文所研究的

HolographicModeling，HHM）框架和风险过滤、评级与管理智能船舶航行风险识别主要是针对第三层级和第四

(RiskFilter，RankingandManagement,RFRM)思想的智能船

层级的船舶。

舶航行风险识别与筛选理论。首先，构建智能船舶航行风险

智能船舶航行风险识别和评价作为一项具有重

识别HHM模型，以全面而准确地选取和反映智能船舶航行

风险来源；其次，通过RFRM模型对风险因素进行过滤、排序大理论意义和实践意义的课题，已经在智能船舶岸

和筛选，结合贝叶斯方法的多判据评估模型，识别出智能船基监测预警关键技术[4-5]、海上风险探测与识

舶航行过程中可能存在的关键风险因素。结果可以为相关

海事机构和船舶公司进行动态管理提供理论依据，同时为保等方面取得了一定成果。2017年，Wrobel等[1第

障智能船舶航行安全提供一种手段。一次根据100起传统船舶事故报告，采用海事人因

关键词：安全工程；等级全息建模（HHM）-风险过滤、评级与分析、假设分析等方法研究了假设MASS为事故船

管理（RFRM)；智能船舶；风险识别舶情景下的风险识别。Utne等[12]通过系统理论过

程分析进行危险源辨识和分析，根据系统理论过程

分析(SystemsTheoreticProcessAnalysis,STPA)的结

0果生成以贝叶斯信念网络为代表的风险识别模型。

引言

Bolbot等[13]提出了一种新的船舶系统网络安全风险

近年来，随着人工智能、大数据、物联网、云计算

评估方法。该方法使网络初步危险分析的步骤得到

等技术的快速发展，智能系统已广泛应用于交通、航

了丰富，新的步骤支持网络攻击场景的识别和风险

空和生产运输等领域。具备自主航行能力的智能船

评估的实施，并且已应用于内河航道智能船舶导航

舶凭借着经济高效、节能环保、安全可靠等发展优

和推进系统的网络风险识别和评估。Fan等[14]提出

势,成为国际海事界关注的焦点。早在2006年，国