拖带大型无动力船舶通过内河桥梁水域关键技术分析

通过对大型无动力拖带船队的运动特点,内河桥梁水域通航环境的特点以及大型船队操纵的复杂性进行分析,以拖带5.7万t级无动力海船通过南京长江大桥为例,对大型无动力船拖带船队的拖船配置、拖带方式、起拖时机、拖带演习、拖航期间的安全维护、拖带作业的注意事项和应急预案等关键技术进行分析.     

“剑”与“盾”——东亚水域的“现代”与“金刚”

据日本《读卖新闻》报道，在前段时间结束的第7轮中日防务安全磋商中，日本方面强烈希望日中军舰能在明年实现互访，甚至提出具体的舰只是东海舰队的“现代Ⅱ”级驱逐舰或南海舰队的170号“中华神盾舰”。     

船闸紊动水体降解有机物的机理研究与应用

通过模拟实验与现场监测验证表明,葛洲坝船闸在不同的运行工况状态下产生的水流紊动强度和动能差异大,水体复氧速度、有机物降解速率不一,其生化需氧量浓度呈明显的变化.紊动使水文流场更加复杂,河流水力学性质由层流转变为紊流、回流、混合流,表现了典型的非线性机理特征.认为紊动动能k对降解速率k<,1>的影响关系符合"一级反应"理论,建立了影响关系函数表达式.应用紊动水体对有机物降解机理关系,可利于水体的充氧,改善船闸水域的水环境质量.     

基于AIS数据的受限水域船舶领域计算方法

为获取受限水域船舶领域, 提出一种利用海量AIS数据建立模型的方法。选取目标船舶的AIS数据, 将其附近水域网格化, 考虑了船舶尺寸, 计算了他船船体出现在每一个网格中的频数, 提取单船网格频数图, 将同一类型的目标船舶网格频数图叠加, 形成了特定类型船舶的网格频数图。将网格频数图按频数填充颜色, 可清晰地显示船舶领域的形状, 利用断面分析测量船舶领域长度。选用上海港南槽水域的AIS数据对方法进行验证, 统计了60~79、80~99、100~119、120~139、140~159m共5类不同长度船舶的船舶领域。分析结果表明: 由于考虑了船舶尺寸, 5类船舶的领域在长轴方向较船首向存在向左舷偏转的夹角, 角度分别为3.37°、9.46°、17.53°、10.78°、8.13°; 船舶领域长度与船舶长度的比值依次递减, 比值分别为6.00、5.80、5.67、5.43、5.13。可见受限水域内船舶领域形状为不规则椭圆, 且船舶领域长度与船舶长度的比值并非为定值。     

长江干线大桥水域通航环境安全评价

随着经济的发展．长江干线上建桥越来越多．跨江大桥对船舶航行安全造成了一定的威胁。通过建立长江大桥水域通航环境危险度评价指标体系，根据各指标对安全影响程度的研究结论和专家调查结果．确立通航环境危险度评价标准．并应用模糊综合评价的方法实现对桥区通航环境危险度的综合评价．从而掌握桥区通航环境的安全状况。     

无人机技术在长江海事监管中的应用

为了打造长江干线全方位覆盖、全天候运行、具备快速反应能力的现代化水上安全监管和应急救助体系,将无人机技术引入海事监管过程当中。分析无人机应用于海事监管的优势,并研究其应用于海事监管的可行性。拓展无人机在海事监管业务中的应用,提出长江海事无人机系统建设思路。系统的建设分为实验阶段、大规模实施阶段和网络建设和应用阶段,目标是建成水-岸-空海事立体监管系统,提升长江海事监管水平。     

海上溢油事故的警示及防备措施

本文对近年来世界海运溢油事故现状以及其所产生的巨大危害进行了具体的阐述，分析事故产生的原因、防备的现状及存在的问题，提出防备措施。     

FSA在青岛港港口水域通航安全评估中的应用

在规范化安全评估(FSA)的框架下,本文利用模糊数学理论对船舶在港口水域中的通航安全进行了科学有效的评估,评估结果能够很好地反映船舶在港口水域航行的安全状况。这对减少船舶事故、促进港口通航效率都具有十分重要的意义。     

交汇水域船舶轨迹预测与航行意图识别

针对典型水上交通场景交汇水域,研究了1种数据驱动的船舶轨迹预测与航行意图识别方法。设计CNN+LSTM组合神经网络,通过学习交汇水域船舶的历史轨迹,以CNN+LSTM网络为编码器提取其通航环境及船舶航行时空特征,LSTM与全连接层为解码器同步输出未来时段内船舶轨迹序列和航路选择,从而形成船舶轨迹与航行意图识别模型。同时,引入Dropout网络结构描述该模型的预测不确定性,采用随机关闭CNN+ LSTM核心网络部分神经单元的方式,以相同轨迹序列作为输入获取多组相近的预测结果,根据其统计均值与方差对船舶轨迹预测的不确定性进行量化。以美国沿海某交汇水域公开AIS数据为对象开展实验,创建了该交汇水域船舶航行轨迹数据集,以输入时长60 min,采样频率3 min作为输入条件,Dropout值取0.5,实验结果表明：所提方法对未来60 min时段内的轨迹预测误差为3.946 n mile,航行意图识别准确率达87%,不确定性估计覆盖率达85.7%。与LSTM预测方法相比,当船舶操纵性发生改变时,所提CNN+LSTM模型的轨迹预测误差降低了31.6%,而且兼具船舶航行意图识别及预测不确定性估计能力,有利于智能航行与海事监管技术发展。