Analyse av AIS-data for å indentifisere nærhendelser mellom fartøy

Abstract

I denne oppgaven brukes historiske AIS-data til å identifisere nærhendelser mellomfartøy. For å identifisere nærhendelser er et nytt skipsdomene foreslått med den tiltenkte bruken å vurdere historiske data. Domenebrudd har også blitt delt inn i tre ulike risikonivåer, basert på Heinrichs risikotrekant. Fra risikotrekanten er også begrepet "Nærhendelse" for modellen definert.

I modellen er det også foreslått en ny måte å bestemme typen hendelse på (møtende, innhentende og kryssende). Alle avdekte hendelser vurderes mot to parametere - svinghastighet (ROT) og hastighetsendring - for å identifisere hendelser hvor vike manøvrerer utføres . Med den nye modellen har det blitt gjennomført en casestudie i Vestfjorden i Nord-Norge for en treårsperiode. Resultatene fra casestudien viser at antall hendelser virker å være urimelig høyt, når man vurderer trafikkbildet. Det høye antallet hendelser er i stor grad forårsaket av at alle konsekvenser vurderes. Case området har rike fiskeplasser i perioder av året, hvor mellom 1252-1515 fartøy var involvert i fisket i studieperioden. Fiskefartøy, på fiskebankene, er hoved bidragsyter til detekterte nærhendelser.

Fra manuell gjennomgang av statistikken er det funnet flere feil i AIS-dataene. Feilene er sannsynligvis forårsaket av menneskelige operatører som opererer AIS-senderen. Det er funnet at feilene i AIS-dataene er så signifikant at manuell kontroll er nødvendig. Resultatene viser også at behovet for manuell kontroll er nødvendig for å luke ut hendelser klassifisert som nærhendelser, som i virkeligheten er maritime operasjoner der fartøyene er nær hverandre uten at det er en nærhendelse. Utfordringen med å bestemme et skipdomene som passer til alle fartøy i alle situasjoner er diskutert. Siden det ikke finnes standardisering av maritim trafikk, bør domenet betraktes som et domene av interesse for risikovurderingen, og ikke et domener som gjelder for alle fartøy i datasettet.

Konklusjonen er at modellen i dagens tilstand, med usikkerhetene i både datasett og modell, bør betraktes som en risikoindikator som kan benyttes for å identifisere områder av interesse for ytterligere risikovurderinger.

In this thesis, historical AIS data is used to identify near encounters between vessel. To identify near encounters a new ship domain is proposed with the intended application of assessing historical data. Domain violations has been divided into three different risk levels, based on the theory of Heinrich risk triangle. From the risk triangle the term "Near encounter" for the model is defined.

In the model there are also proposed a new way of determining the type of encounter (head-on, overtaking and crossing). All detected encounters are considered toward two parameters - rate of turn and speed change - to identify encounters where evasive maneuverers are performed.

With the new model a case-study is performed at an area in Vestfjorden in North-Norway for a three-year period. The results from the case-study shows that the number of encounters seems unreasonably high considering the traffic picture. The high number of encounters are to a large degree caused by the fact that all consequences are considered. The case-study area has rich fishing grounds for periods of the year, where between 1252-1515 vessels were engaged in the fisheries in the time period assessed. Fishing vessels, at the fishing grounds, are the main contributor to detected encounters.

From manually review of statistics there are found several faults in the AIS-data. The fault is probably caused by human operators operating the AIS transmitter. The faults in the AIS-data is so significant that a manually control is needed. The results also show that the need for manually control is needed to remove encounters classified as near encounters, which are marine operations where vessels are close to each other without it being a near encounter. The challenge of determining a ship domain that fits all vessels in all situations are discussed. Since no standardization is applied to maritime traffic, the domain should be seen as a domain of interest in the risk assessment, and not a domain that applies to all vessels in the dataset.

The conclusion is that the model at current state, with the uncertainties in both dataset and model, should be considered as a risk indicator that can be used to identify areas of interest for further risk assessment.