| 标题 | 基于灰云和改进AHP的港口船舶应急疏散模型 |
| 范文 | 李晗+章文俊+李国帅+尹建川+苏华伟+刘晓磊 DOI：10.13340/j.jsmu.2017.03.005 文章编号：1672-9498（2017）03002506 摘要： 为科学有效地制定大风天气下港口船舶应急疏散方案，降低疏散风险，建立基于灰云和改进层次分析法（Analytic Hierarchy Process， AHP）的船舶应急疏散模型。该方法用灰云模型取代传统的白化权函数，能有效反映疏散优先级信息的模糊性和随机性。采用三标度法构造判断矩阵，确定指标权重，指标权重计算过程被简化。根据船舶综合聚类结果将其归入预先设定的级别中，同一级别船舶疏散顺序依据具体情况确定。对天津港某港区24艘靠泊船进行模拟计算，结果验证了该模型的有效性。 关键词： 港口船舶； 灰云聚类； 层次分析法（AHP）； 疏散模型 中图分类号： U698.5 文献标志码： A Emergency evacuation model of ships in ports based on gray cloud and improved AHP LI Han， ZHANG Wenjun， LI Guoshuai， YIN Jianchuan， SU Huawei， LIU Xiaolei （ Navigation College， Dalian Maritime University， Dalian 116026， Liaoning， China） Abstract： To formulate the emergency evacuation plan of ships in ports under strong wind scientifically and efficiently and reduce the risk of evacuation， the ship emergency evacuation model is established based on the gray cloud and the improved Analytic Hierarchy Process （AHP）. The gray cloud model is adopted to substitute the traditional whitenization weight function， thus the fuzziness and randomness of evacuation priority information can be effectively reflected. The threescale method is adopted to construct the judgment matrix so as to determine index weight， where the calculation process of the weight is simplified. Ships can be classified into predefined levels according to their comprehensive clustering results； the evacuation order of the ships with the same priority is determined according to actual conditions. Twenty four berthing ships in an area of Tianjin Port are taken for example， and the result verifies the effectiveness of the proposed model. Key words： ship in port； gray cloud clustering； Analytic Hierarchy Process （AHP）； evacuation model 0引言 在全球變暖的背景下，台风、寒潮等气象灾害事件的强度不断增大[1]，如何在有限的时间内以现有的资源完成对港口船舶的应急疏散是当前国内外研究热点和难点问题。因此，迫切需要建立船舶应急疏散顺序决策模型，以提高紧急情况下船舶的疏散安全与效率。 目前，国内外在船舶应急疏散顺序方面已经有了一些研究成果。文献[23]利用综合评判法对港口各港区作出危险度评判，得到笼统的船舶应急疏散方案。文献[4]应用多层次多目标模糊优选理论得到船舶间客观的相对风险比较值，进而确定船舶应急疏散顺序。文献[5]采用离散事件仿真方法对船舶疏散结果进行评估，发现船舶的初始位置、载重量等因素对疏散时间的影响较大。文献[6]利用灰色变权聚类法建立船舶应急疏散模型，该模型能较好地反映实际情况，指标权重的确定方法能够体现出不同指标在聚类中作用的差异。文献[7]基于元胞自动机得到船舶紧急疏散顺序模型，但只考虑了撤离时间，并没有考虑撤离风险问题。 灰色系统理论和云理论都能较好地解决信息不完备问题，目前灰云模型已广泛应用于电力[8]、环境[910]、军事[11]、交通[12]等多个领域的系统评价和决策研究工作中。由于船舶疏散顺序具有不完全性和非确知性，本文提出基于灰云聚类的船舶疏散模型，将云理论引入灰色聚类的白化权函数中，反映不同等级边界信息的不完全性、模糊性和随机性，并运用改进的层次分析法 （Analytic Hierarchy Process， AHP） 计算指标权重，考虑决策者偏好以体现不同指标在聚类过程中的重要程度。模拟计算结果表明该模型符合客观实际并易于实施。 1港口船舶疏散模型指标体系 根据文献[26]以及具体船舶疏散调度方案，结合具体港口实时船舶停靠情况，建立考虑疏散风险和效率的船舶应急疏散评价指标体系，包括船舶因素、泊位因素、航道因素、环境因素等4个一级指标和12个二级指标，见图1。图1中：船舶类型、掩护程度依照专家分析法取值[6]，属于定性指标；其余指标可由船舶资料和港区实际情况获得评价数据，属于定量指标。船舶载况指标通过船舶实际吃水与满载吃水比值确定。考虑到指标数据的可比性和易获取性，可根据港口实际情况对指标进行扩充或删减。 2基于灰云和改进AHP的模型 2.1船舶应急疏散模型流程 根据船舶应急疏散指标体系的特点，提出基于灰云和改进AHP的模型对恶劣天气下在港系泊船舶疏散风险进行评价，对在航道内航行的船舶直接进行疏散，决策流程见图2。收到港口应急疏散指令后，各部门确定港内船舶条件、港口条件和自然环境条件，定量化评价指标和评价指标等级信息，然后结合改进的AHP理论进行聚类分析，确定疏散优先级。 2.2正态灰云白化权模型 正态云模型在自然社会科学和生产活动中具有良好的普适性和独特的数学性质，因此本文用正态云模型取代传统白化权函数，得到正态灰云白化权模型（简称灰云），见图3。灰云的数字特征用峰值 λx，左右界值Lx，Rx，熵En以及超熵He来表征。熵和超熵分别表示等级边界的模糊性和随机性。正态灰云的生成算法如下： （1）在区间Lx，Rx内，生成以Cx为期望，以En=Rx-Lx/6为标准差的正态随机数xi。 （2）生成以En=Rx-Lx/6为期望，以He=En/α（α通常取6～8）为标准差的正态随机数E′n。 （3）计算ui=exp-（x-Cx）2E′n22，令xi，ui为云滴。 （4）重复上述步骤，直至产生所需要的m个云滴为止。 若j指标k灰类的白化权函数为 fkj（x）= exp-（x-Cx）2E′n22，x∈[Lx，Rx] 0，x[Lx，Rx] （1） 则称其为适中测度正态灰云白化权模型； 若为 fkj（x）= exp-（x-Cx）2E′n22，x∈[Lx，Cx] 1，x∈[Cx，Rx] 0，x[Lx，Rx] （2） 則称其为上限测度正态灰云白化权模型； 若为 fkj（x）= 1，x∈[Lx，Cx] exp-（x-Cx）2E′n22，x∈[Cx，Rx] 0，x[Lx，Rx] （3） 则称其为下限测度正态灰云白化权模型。 根据指标类型、取值区间以及评价等级数目确定各疏散等级的灰云白化权模型。图3给出了典型的五等级正态灰云白化权模型，低优先级的灰云白化权函数类型为下限测度，较低、一般和较高优先级的为适中测度，高优先级的为上限测度。 2.3确定聚类权重 三标度AHP是传统AHP的简化算法，省略了一致性检验和对判断矩阵的修正，且自动满足一致性要求，克服了传统AHP的弊端[13]。计算步骤[14]如下： （1）构造判断矩阵 [WTHX]A[WTBX]。 采用三标度法对同层指 标进行两两比较形成判断矩阵 [WTHX]A[WTBX]， 改进后的标度定 义见表1。表1中 aij为第i指标与第j指标相比的重要性。 （2）计算判断矩阵的最优传递矩阵 [WTHX]R[WTBX]。该矩阵的元素 rij=1nnk=1（aik-ajk）=1nnk=1（ajk+akj） （4） （3）求拟优传递矩阵 [WTHX]B[WTBX]。该矩阵的元素 bij=exp rij （5） （4）计算矩阵 [WTHX]B[WTBX]的最大特征值所对应的特征向量[WTHX][WTBX]： [WTHX]B[WTBX]=λmax [WTHX][WTBX] （6） （5）对 [WTHX][WTBX]进行归一化处理，确定指标权重： w[WTBX]i=imj=1j （7） 模型中一级指标Ui的权重为wi，二级指标 在一级指标下的权重为 [WTHX]π[WTBX]i=vi1vi2…vin，n为该一级指标下二级指标的个数，二级指标的综合权重为 [WTHX]V[WTBX]=w1 [WTHX]π[WTBX]1w2 [WTHX]π[WTBX]2…wi [WTHX]π[WTBX]i。 2.4灰云白化权聚类 （1）各指标聚类系数。将指标 数据xj代入各评价等级的灰云白化权模型中，计算指标j关于灰类k 的灰云聚类系数fkj（xj）。灰云模型每次计算的白化权值都不相同，因此经过多次计算后可得到聚类系数云团，指标V31聚类系数云团见图4。 计算云团的期望值，并将某一指标的不同等级聚类系数归一化，得到的灰云聚类系数作为最终的白化权值。 fkjEx（xj）=fkj1（xj）+fkj2（xj）+…+fkjq（xj）/q （8） fkj（xj）=fkjEx（xj） [DD（]nk=1[DD）] fkfEx（xj） （9） 式中：fkjq（xj）表示第q次计算得到的灰云聚类系数；q为云滴数，即计算次数，本文取q=100。 （2）综合聚类系数。计算对象i关于评价等级k的综合聚类系数 σki=nj=1fkj（xj）·wj （10） 式中：wj为指标j在综合聚类中的权重。 （3）确定评价等级。若maxσki=σki，则将对象i归至灰类k。 3模型验证 3.1建立优先等级的灰云模型 天津港主航道全长36.9 km，设有9个锚地，其中大沽口散化锚地、大沽口北锚地、大沽口南锚地和10万吨级锚地位置见图5。北疆港区南部泊位主要是散杂货船、集装箱船、滚装船等的专用泊位，且部分泊位已经完成新一轮的升级改造。南疆港区北部为新建的煤炭、矿石和原油码头，见图6。用图1所示指标建立港区的疏散模型，将船舶疏散顺序优先级分为5个优先级{低，较低，一般，较高，高}。各指标数据越大表示疏散风险越大，说明该船疏散优先级越高。同一疏散优先级的船舶撤离顺序可根据实际情况调整。 （1）以天津港南疆和北疆港区2016年10月29日14时部分在港系泊船舶为例（见表2，其中船舶类型T为油船，B为散货船，G为杂货船，C为集装箱船），依据指标对数据进行量化和归一化，部分结果见表3。运用基于灰云和改进AHP的船舶应急疏散模型对船舶进行模拟计算，以确定N强风时的疏散方案。 （2）船舶疏散优先程度评价标准的划分根据专 家意见确定，但无法给出严格的评分标准。在模拟计算中对各指标疏散优先级的峰值作出以下规定：以各评价指标值的均值为一般等级灰类的峰值，从均值分别向0和1的方向3等分，得到的4个等分点即是该评价指标的其他4个灰类的峰值；再根据等级数目确定等级边界 Lx，Rx，从而得到该指标的灰云白化权函数。由评价等级划分的原则可知，一般优先级白化权函数由两个半云组成。船舶类型指标 3.2确定指标权重 运用成对比较法和三标度法构造各级指标对其上一层每个因素的成对比较矩阵，一级指标相对最高层的成对比較矩阵（判断矩阵）见表5。 3.3灰云聚类及疏散等级 将各船舶归一化后指标值依次代入式（8）和（9） 确定各等级灰云聚类系数，指标V31聚类系数云图见图4。结合各指标权重，利用式（10）计算各船各等级综合聚类系数后，判断疏散等级。本文使用MATLAB 7.11编程实现基于改进AHP的定权灰云聚类，求得24艘船在N强风下的综合聚类系数，见表6。 同理可得S强风时的疏散方案，结果见表7。 3.4结果分析 （1）疏散优先级高的船舶主要包含大型油船，载重量较大、吃水较深的散货船；疏散优先级较高的船舶均为集装箱船；疏散优先级一般的船舶主要包括吃水较浅、疏散距离较短的散货船；疏散优先级低的船舶主要为载重量较小或吃水更浅的散杂货船。 （2）虽然13号船的船长和载重量较小，但是其停靠的“G6增”泊位长度、码头前沿水深、航道水深 均较小，所以其疏散优先级较同载重量的船舶高。同一港池内的同类型船舶疏散优先级基本一致，这与港口生产中的疏散方案总体一致。 （3）在其他条件不变，只改变风向的情况下，在港区泊位停靠的船的风舷角发生改变，导致其疏散优先级发生改变，如：泊位“S1”和“S4”由吹拢风转为吹开风，其疏散优先级有所下降；泊位“G6增”由吹开风转为吹拢风，致使其疏散优先级上升一个等级。比较两次模拟结果发现，不同风向下同一艘船的疏散优先级聚类系数会发生相应的变化，但是由于风向与泊位法线夹角指标的权重较低，反映到最终疏散优先级评估上时会发现很多船的疏散优先级并未改变。 （4）虽然同尺度的9号船与10号船停靠泊位走向一致，受自然条件影响相同，属同一疏散优先级，但是因为10号船的V14，V22和V23指标的指标值的高优先级灰云聚类系数高于9号船的，其疏散风险更大，所以10号船综合聚类系数中的高等级聚类系数大于9号船的。同尺度的12号散货船与23号集装箱船泊位走向一致，因为集装箱船接近满载，且集装箱船受风面积更大，所以应优先疏散23号集装箱船，这与实际情况相符。 4结论 为提高船舶疏散决策的科学性，建立基于灰云和改进层次分析法（AHP）的船舶应急疏散模型。采用灰云模型实现灰数的白化过程，综合考虑评估中指标的不完全性、模糊性和随机性，提高了白化权值的可信度。在确定各指标权重时，采用三标度法构造判断矩阵，简化了判断过程，克服了传统AHP需要一致性检验的弊端。利用该模型对天津港南疆和北疆港区部分在港船舶进行模拟计算和分析，结果能够较好地反映实际情况，验证了模型的有效性，为其他港口船舶应急疏散决策提供了一定的参考依据。本文只在指标选取时考虑到船舶疏散效率，所以结果并未确定安全疏散的时间界限，因此在兼顾安全的原则下提高疏散效率是今后需要研究的课题。 参考文献： [1] 张庆云， 陶诗言， 彭京备. 我国灾害性天气气候事件成因机理的研究进展[J]. 大气科学， 2008， 32（4）： 815825. [2]戴冉， 朱世良， 伊伟利， 等. 大孤山及大窑湾区域部分重点泊位风险评估及应急避险演练方案研究[R]. 大连： 大连海事大学， 2012： 98116. [3]张杰， 戴冉， 岳兴旺. 营口海区极端恶劣天气下的船舶疏散方案研究[J]. 航海技术， 2011（6）： 6970. [4]秦泗一. 极端天气下船舶疏散顺序的研究[D]. 大连： 大连海事大学， 2009. [5]PITANA T， KOBAYASHI E. Assessment of ship evacuations in response to pending tsunamis[J]. Journal of Marine Science and Technology， 2010， 15（3）： 242256. DOI： 10.1007/s0077301000910. [6]吳祖新， 戴冉， 张军. 基于灰色变权聚类的船舶应急疏散模型[J]. 上海海事大学学报， 2015， 36（1）： 5055. DOI： 10.13340/j.jsmu.2015.01.009. [7]熊子龙. 基于元胞自动机的船舶紧急疏散顺序研究[D]. 厦门： 集美大学， 2015. [8]王雁凌，张雪佼，阎敬民. 基于变权灰云模型的风电场并网技术性综合评价[J]. 电网技术， 2013， 37（12）： 35463551. DOI： 10.13335/j.10003673.pst.2013.12.038. [9]黎育红， 陈玥. 基于灰云白化权函数的洪水灾害综合等级评估[J]. 自然灾害学报， 2013， 22（1）： 108114. DOI： 10.13577/j.jnd.2013.0115. [10]范亚琼， 燕雪峰， 陈海燕. 基于改进离差最大化方法的梯形灰云评估模型[J]. 计算机技术与发展， 2016， 26（4）： 2024. [11]彭绍雄， 王海涛， 邹强. 潜空导弹武器系统作战效能评估模型[J]. 系统工程理论与实践， 2015， 35（1）： 267272. [12]龚慧佳， 轩少永， 胡甚平， 等. 基于灰云模型的海上交通系统风险推理方法[J]. 中国航海， 2016， 39（2）： 8791. [13]张卫中， 陈从新， 张敬东. 改进的AHP及其在地灾易发程度分区中的实践[J]. 土木建筑与环境工程， 2009， 31（2）： 8589. [14]陈志鼎， 张扬， 闫海兰. 基于熵权和改进AHP的中小型水电工程施工风险评估模型及应用[J]. 水电能源科学， 2016， 34（7）： 171174， 162. （编辑贾裙平） |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。