System wspomagania decyzji wyboru jednostki nieratowniczej do
Transkrypt
System wspomagania decyzji wyboru jednostki nieratowniczej do
Andrzej Starosta Akademia Morska w Gdyni SYSTEM WSPOMAGANIA DECYZJI WYBORU JEDNOSTKI NIERATOWNICZEJ DO AKCJI SAR Z WYKORZYSTANIEM SIECI BAYESOWSKIEJ Dzięki nowoczesnym systemom komunikacji informacja o statku w niebezpieczeństwie dociera niezawodnie do wielu statków, które mogą pomóc. Nie wszystkie będą potrzebne, dlatego kapitan statku w niebezpieczeństwie lub koordynator akcji SAR ma prawo wybrać najbardziej odpowiednie jednostki do przeprowadzenia akcji ratunkowej. System wspomagania decyzji pozwoli to wykonać bardzo szybko i obiektywnie. W artykule zaproponowano wykorzystanie sieci bayesowskiej do takiego systemu i pokazano, jak istotne jest dokładne opracowanie wszystkich elementów sieci. WPROWADZENIE Zasada niesienia pomocy ludziom znajdującym się w niebezpieczeństwie na morzu jest jedną z najstarszych morskich tradycji. Do czasu rozwinięcia się niezawodnych sposobów łączności jedynie statki znajdujące się blisko miejsca zdarzenia mogły usłyszeć wołanie o pomoc i jej udzielić. Prawne zasady udzielania pomocy ludziom na morzu zostały uregulowane już w konwencji brukselskiej z 1910 roku. Międzynarodowa konwencja o bezpieczeństwie życia na morzu SOLAS’74 reguluje to zagadnienie w rozdziale V prawidło 33. Na ich podstawie zadanie kapitana jednostki, która usłyszała wezwanie o pomoc jest proste: „podążać pełną prędkością na pomoc”. Obecnie, kiedy system GMDSS zapewnia bardzo dobrą łączność, na wezwanie o pomoc odpowiada wiele jednostek. Nie wszystkie jednak muszą być potrzebne. Z tego powodu SOLAS określa: „2. Kapitan statku znajdującego się w niebezpieczeństwie lub zainteresowana służba poszukiwań i ratownictwa, po porozumieniu się, jeżeli będzie to możliwe, z kapitanami statków, które odpowiedziały na wezwanie o pomoc, ma prawo zażądać pomocy jednego lub więcej takich statków, jakie zostaną uznane za najbardziej przydatne do udzielenia pomocy, a kapitan lub kapitanowie tych statków zobowiązanie są wykonać taki nakaz, podążając nadal pełną prędkością na pomoc osobom znajdującym się w niebezpieczeństwie” [3]. 106 ZESZYTY NAUKOWE AKADEMII MORSKIEJ W GDYNI, nr 69, czerwiec 2011 Dla kapitana statku w niebezpieczeństwie najodpowiedniejszy będzie statek, który znajduje się najbliżej. Jednak koordynator akcji poszukiwania i ratowania (SMC), który znajduje się w brzegowym centrum koordynacyjnym (RCC), dzięki nowoczesnym systemom wymiany informacji ma pełniejszy obraz sytuacji w miejscu zdarzenia. Nie zawsze statek znajdujący się najbliżej jest najlepszy, a wybranie jednostki, która zaraz sama może potrzebować pomocy, mogłoby bardzo skomplikować akcję SAR. 1. SIEĆ BAYESOWSKA DO OBLICZANIA PRZYDATNOŚCI STATKU DO AKCJI SAR Sieć bayesowska stanowi wygodne narzędzie, za pomocą którego w przejrzysty sposób można przedstawić rozwiązywany problem. Jest to metoda efektywna przestrzennie, jak również obliczeniowo. Zapewnia naturalne modelowanie, gdyż łatwiej oszacować prawdopodobieństwo warunkowe bezpośrednich zależności niż koniunkcji wszystkich możliwych zdarzeń. Pozwala na dowolny kierunek wnioskowania i czytelną prezentację wiedzy. Sieć można łatwo modyfikować i dodawać nowe elementy. Układając elementy sieci, wzięto pod uwagę: • czy w określonych warunkach pogodowych statek będzie w stanie żeglować po ustalonych kursach danego wzoru poszukiwań; • czy statek będzie w stanie wykryć rozbitków, biorąc pod uwagę jego wymiary, wyposażenie techniczne i liczbę obserwatorów; • czy po znalezieniu rozbitków załoga będzie w stanie ich podjąć z wody na pokład jednostki; • ile czasu zajmie jednostce dotarcie na miejsce akcji SAR; • czy ewentualne uszkodzenie przewożonego ładunku może spowodować zagrożenie dla statku i środowiska morskiego. Opierając się na powyższych elementach, przygotowano model sieci bayesowskiej pozwalającej określić przydatność danego statku do akcji SAR. Propozycję przedstawiono na rysunku 1. Analizując dane potrzebne do obliczenia prawdopodobieństw poszczególnych elementów sieci, stwierdzono, że znaczną ich część można uzyskać z systemu AIS. Przekazuje on dane pozwalające wstępnie określić bezpieczeństwo statku w czasie poszukiwań, takie jak wymiary jednostki i aktualną prędkość, pozycję pozwalającą obliczyć czas potrzeby na przybycie na miejsce akcji, a także liczbę załogi znajdującej się na pokładzie oraz rodzaj statku i fakt przewożenia ładunków niebezpiecznych. A. Starosta, System wspomagania decyzji wyboru jednostki nieratowniczej do akcji SAR z wykorzystaniem... Typ statku Parametry statku 107 Warunki meteo Parametry fali Liczba załogi Wyposażenie techniczne Zdolność obserwatora Żurawie pokładowe Łódź ratownicza Wyposażenie ratownicze Bezpieczeństwo na kursach wzoru poszukiwań Uszkodzenie ładunku Zdolność do podjęcia rozbitków Zagrożenie dla środowiska Zdolność wykrycia rozbitków Przydatność do akcji SAR Czas przybycia na miejsce akcji Rys. 1. Przykład sieci bayesowskiej pozwalającej określić przydatność statku do akcji SAR 2. SPOSÓB OKREŚLENIA ZAGROŻENIA W CIĘŻKICH WARUNKACH POGODOWYCH Centralnym punktem sieci jest określenie prawdopodobieństwa, że w czasie trwania akcji SAR statek będzie w stanie bezpiecznie płynąć na ściśle określonych kursach danego wzoru poszukiwań. Wypadki morskie bardzo często zdarzają się w sztormowych warunkach, w których statki muszą odpowiednio dobierać kurs i prędkość w celu bezpiecznej nawigacji. Koordynator akcji musi sobie postawić pytanie, czy dany statek jest w stanie wykonać zadanie w panujących warunkach atmosferycznych. Do określenia, czy statek jest bezpieczny na danym kursie, wykorzystano poradnik dla kapitanów statków handlowych, dotyczący unikania niebezpiecznych sytuacji w niekorzystnych warunkach sztormowych, wydany przez IMO [4]. Na jego podstawie przygotowano algorytm i program pozwalający określić prawdopodobieństwo wystąpienia zagrożenia na danym kursie w zależności od warunków falowania i dokładności sterowania (rys. 2). W rzeczywistości to kapitan, opierając się na swoim wykształceniu, doświadczeniu i znajomości statku, decyduje, czy jest on bezpieczny na danym kursie. W celu określenia, czy tak jest, wybrano – bez konsultowania się z kapitanem – oficjalne zalecenia, które mają pomóc kapitanowi w podjęciu takiej decyzji. Poradnik wykorzystuje porównanie kołysań własnych statku z okresem spotkaniowym fali. Na podstawie wzoru (1) można obliczyć okres kołysań własnych statku. 108 ZESZYTY NAUKOWE AKADEMII MORSKIEJ W GDYNI, nr 69, czerwiec 2011 TR = 2 Bc GM (1) gdzie: L c = 0,373 + 0,023 Bd − 0,043 100 , L B d GM (2) – długość statku [m], – szerokość statku [m], – aktualne maksymalne zanurzenie [m], – aktualna wysokość metacentyczna [m]. Większość tych danych jest również dostępna dzięki systemowi AIS. Jedynym parametrem, którego nie zna koordynator, jest wysokość metacentryczna. START Parametry statku: L – długość między pionami B – szerokość statku d – aktualne zanurzenie GM – aktualna wysokość metacentrycza V – aktualna prędkość Obliczenie okresu kołysań własnych statku TR 1 Parametry falownia: 135° < α < 225° Lw – długość fali lub Tw – okres fali Hw – wysokość fali V > Kurs względem fali T T SURF RIDING N 0,6L < LW < 2,3L T Krytyczne POGORSZENIE STATECZNOŚCI N LW > 0,8L and Hw > 0,04L N TE ~ ~ TR T N Kołysanie PARAMETRYCZNE 1, 8 L cos(180 − α ) α TE T KURS BEZPIECZNY T Obliczenie okresu spotkaniowego Kołysanie SYNCHRONICZNE N TE ~ ~ 0,5 TR KURS BEZPIECZNY N 1,8Tw < TE < 3,0Tw T FALE GRUPOWE 1 Rys. 2. Algorytm określania zagrożenia na danym kursie względem fali 3. PRZYKŁAD WYKORZYSTANIA UPROSZCZONEJ SIECI Do obliczeń przyjęto dane statków znajdujących się na Morzu Bałtyckim, które miały być wykorzystane w hipotetycznej akcji ratunkowej. Stosując uproszczoną sieć bayesowską, określono przydatność jednostek do akcji SAR [6]. Rozmieszczenie jednostek i ich ocenę przedstawiono na rysunku 3. 109 A. Starosta, System wspomagania decyzji wyboru jednostki nieratowniczej do akcji SAR z wykorzystaniem... Rys. 3. Statki na Morzu Bałtyckim [9] i ocena ich przydatności do akcji SAR W przedstawionym przypadku przy określaniu przydatności statków brano pod uwagę jedynie zdolność do wykonania poszukiwań wzorem powiększającego się kwadratu. Nie uwzględniono odległości statku od miejsca zdarzenia ani innych elementów sieci. Do dalszej analizy wybrano trzy jednostki: • „Krasnodar” – tankowiec z najwyższą oceną, ale znajdujący się w odległości 6 godzin żeglugi od miejsca zdarzenia; • „Aleksand Sibirakov” – statek handlowy inny niż tankowiec, z bardzo dobrą oceną, znajdujący się w odległości 3,5 godziny żeglugi od miejsca zdarzenia; • „Granit” – statek typu AHTS – znajdujący się w odległości 1,5 godziny żeglugi od miejsca zdarzenia, ale – zgodnie z wcześniejszymi obliczeniami – o niewielkiej przydatności. Dane jednostek uzyskane z systemu AIS oraz założoną wysokość metacentryczną przedstawiono w tabeli 1. Tabela 1 Dane statków uwzględnionych w obliczeniach Nazwa Typ statku L B d SOG GM [m] [m] [m] [kn] [m] „Krasnodar” Tanker 249 44 11,8 14,4 1,5 „Aleksand Sibirakov” Cargo 132 19 6,1 12,5 0,5 „Granit” AHTS 64 14 5,5 9,1 1,5 110 ZESZYTY NAUKOWE AKADEMII MORSKIEJ W GDYNI, nr 69, czerwiec 2011 Do obliczeń wykorzystano również uproszczoną sieć bayesowską, w której na nowo określono bezpieczeństwo jednostek, stosując różne wzory poszukiwań [2]: • SS – metoda powiększającego się kwadratu – cztery kursy, na których statek przebywa taką samą ilość czasu; • PS – poszukiwanie trasami równoległymi – trzy kursy: dwa kontrkursy, na których statek przebywa dłuższy okres, i kurs łączący oba odcinki, na którym statek przebywa krótko; • VS – poszukiwanie sektorowe – trzy kursy, na których statek przebywa taką samą ilość czasu. W obliczeniach uwzględniono błąd sterowania w zakresie od 0° do 3°. Założono prawdopodobieństwo wystąpienia fal o danym okresie w czasie trwania akcji takie samo dla wszystkich jednostek. Obliczenia wykonano za pomocą programu GeNIe [1]. Wykorzystaną sieć przedstawiono na rysunku 4. Rys. 4. Sieć wykorzystana do obliczeń – program GeNIe [1] Przeprowadzając na nowo obliczenia i uwzględniając jedynie bezpieczeństwo jednostki na danym wzorze poszukiwań, uzyskano wyniki pokrywające się z wcześniejszą oceną. Wyniki wyliczeń przedstawiono w tabeli 2. Tabela 2 Przydatność jednostek do akcji SAR z uwzględnieniem jedynie bezpieczeństwa podczas poszukiwań Metoda SS [%] Metoda PS [%] Metoda VS [%] „Krasnodar” Nazwa statku 87 76 84 „Aleksand Sibirakov” 62 41 61 „Granit” 47 41 50 A. Starosta, System wspomagania decyzji wyboru jednostki nieratowniczej do akcji SAR z wykorzystaniem... 111 Po uwzględnieniu pozycji jednostki w momencie odpowiedzi na usłyszane wołanie o pomoc i czasu potrzebnego do dotarcia na miejsce zdarzenia wyniki znacznie się zmieniły. Przedstawiono je w tabeli 3. Przy takich wyliczeniach najlepszy byłby statek handlowy „Aleksand Sibirakov”. Należy zauważyć, że bardzo poprawiła się ocena statku „Granit”, choć nadal miał on najniższe notowania. Gdyby rozwinięto sieć o kolejny ważny element, jakim jest możliwość podjęcia rozbitków z wody, jednostka AHTS jeszcze bardziej zyskałaby w końcowej ocenie. Tabela 3 Przydatność jednostek do akcji SAR z uwzględnieniem czasu dojścia na miejsce akcji Metoda SS [%] Metoda PS [%] Metoda VS [%] „Krasnodar” Nazwa statku 82 74 80 „Aleksand Sibirakov” 95 95 95 „Granit” 68 65 70 PODSUMOWANIE W artykule przedstawiono metodę oceny przydatności jednostki handlowej do akcji poszukiwania i ratowania SAR z użyciem sieci bayesowskiej. Do określenia prawdopodobieństwa zagrożenia jednostki podczas wykonywania danego wzoru poszukiwań wykorzystano poradnik dla kapitanów, zatwierdzony przez IMO. Przedstawiono model rozbudowanej sieci bayesowskiej, która uwzględniałaby wiele aspektów oceny danego statku. W przykładowych obliczeniach zastosowano jedynie uproszczoną wersję sieci, aby wskazać, jak istotne jest wykorzystanie większej liczby jej elementów. Uwzględnienie tylko aspektu czasu potrzebnego do przybycia na miejsce akcji w znaczący sposób wpłynęło na ocenę poszczególnych jednostek. Potrzebna jest dalsza praca nad określeniem wszystkich elementów sieci i ich zależności. Automatyzując obliczenia, można uzyskać narzędzie doradcze, które wykorzystując dane z systemu AIS, pozwoli w jasny sposób wykazać przydatność poszczególnych jednostek do akcji SAR. Narzędzie to może wspomagać nie tylko koordynatora akcji, ale również kapitanów jednostek udających się z pomocą oraz kapitana statku znajdującego się w niebezpieczeństwie. 112 ZESZYTY NAUKOWE AKADEMII MORSKIEJ W GDYNI, nr 69, czerwiec 2011 LITERATURA 1. GeNIe 2.0, http://genie.sis.pitt.edu. 2. International Aeronautical and Maritime Search and Rescue Manual, IMO/ICAO, London/ /Montreal 1999. 3. Międzynarodowa konwencja o bezpieczeństwie życia na morzu, 1974 – SOLAS ’74, tekst jednolity, 2006, PRS 2006. 4. MSC.1/Circ. 1228 Revised guidance to the master for avoiding dangerous situations in adverse weather and sea conditions. 5. Starosta A., Application of Bayesian network to estimate merchant ship usability for SAR action, Journal of KONES, vol. 13, no. 3. 6. Starosta A., Estimation merchant ship usability for SAR action based on information from AIS system, Scientific Journals Maritime University of Szczecin 2010, 20(92). 7. Starosta A., Usage of AIS information to estimate merchant ship usability for SAR action, Proceedings of XIII International Scientific and Technical Conference on Marine Traffic Engineering, Malmo (Sweden) 2009. 8. Starosta A., Zakłócenia transportu morskiego – ciężkie warunki pogodowe – sposób oceny, Logistyka, 2009, nr 4. 9. www.marinetraffic.com DECISION SUPPORT SYSTEM WITH BAYESIAN NETWORK APPLICATION FOR SELECTION MERCHANT SHIP FOR SAR ACTION Summary Thanks to modern communication devices a lot of ships are informed about distress situation in the area. Not all of them will be necessary for rescue action and the master of ship in distress or the SAR mission coordinator (SMC) has the right to requisition one or more of those ships as the master of the ship in distress or SMC considers best able to render assistance. Decision Support System allows to make this selection on the basis of objective criteria and very fast. The paper presents proposition of usage Bayesian network for the DSS and shows how important is the study of all nodes of the network.