Risk in context to autonomous vessels in transit

Abstract

Det overordnede temaet for denne oppgaven er risikoen som blir introdusert når autonome systemer tas i bruk. Oppgaven gir en grundig forklaring til bakgrunnen innen feltet og utviklingen gjennom årene. Oppgaven illustrerer risikofaktorene ved hjelp et Bayesian Belief Network som skal brukes i videre arbeid, samt videre utvikling av en tidligere produsert modell for å passe til en oppgave der et fartøy i transitt. Estimering av sjøtilstand presenteres med flere mulige løsninger på hva slags algoritme for estimering av sjøtilstand som kan brukes i et slikt tilfelle.

Oppgaven består av en litteraturstudie om feltene; autonome skip, sjøstilstandestimering, risiko når det gjelder autonome skip, Bayesian Belief Networks og situasjonsforståelse. Temaene er absolutt relevante for den nåværende utviklingen i den marine skipsfartsnæringen der fartøyene blir autonome, og beslutningsmodeller må vurdere aspektene av risiko som input. Utviklingen av sikre og robuste kontrollsystemer er avgjørende for overgangen mot fullt autonome skip.

Bayesian Belief Network brukt i denne oppgaven er hentet fra arbeidet til \cite{thunes2019online} og videreutviklet for å passe omfanget av denne oppgaven som er et fartøy i transitt. Et annet nettverk er utviklet fra retningslinjer gitt av Bureau Veritas. Bayesian Belief Networks dekker en rekke faktorer som kan påvirke risikoen for kollisjon for et autonomt skip.

Utvikling av en simuleringsmodell for fartøyet Cybership 3 er gjort for å kunne simulere fartøyet i transitt og hvor det skal oppleve en endring i sjøtilstand når det går mot åpent hav. Et Bayesian Belief Network er som sagt utviklet, det tar ulike risikopåvirkende faktorer i betraktning for å beregne en endelig verdi som defineres som sannsynligheten for "høy risiko" for kollisjon med et nærliggende objekt. Resultatene fra oppgaven avslører flere problem i simuleringsmodellens kontrollsystem. Noen av problemene ble løst, mens andre er mulige problemer å vurdere i videre arbeid. En mulig måte å implementere en risikomodell som Bayesian Belief Network i en simuleringsmodell er identifisert og beskrevet.

Arbeidet med denne oppgaven har gitt forfatteren stor innsikt i hvilke aspekter man må vurdere når man beregner risiko for et autonomt fartøy. Det har også gitt mer forståelse for simuleringsmodellen for Cybership 3 og prosessen med å utføre laboratorieeksperimenter.

The overall topic of this thesis is the risk induced in autonomous systems. The thesis gives a thorough explanation of the background on the field and the development throughout the years. The project covers the fields of risk in terms of illustrating a Bayesian Belief Network to be used in further work, as well as the configuration of a previously developed model to fit a task where a vessel in transit is of interest. Sea state estimation is presented with several possible solutions to what kind of sea state estimation algorithm could be used in such a case.

The thesis consists of a literature study on the fields; autonomous ships, sea state estimation, risk in terms of autonomous vessels, Bayesian Networks, and Situation awareness. The topics are indeed relevant for the current development in the marine shipping industry where vessels are becoming autonomous, and decision models need to consider the aspects of risk as input. The development of secure and robust control systems is crucial for the transition towards fully autonomous ships.

The Bayesian Belief Network used in this thesis is derived from the work of \cite{thunes2019online} and further developed to fit the scope of this thesis which is a vessel in transit. A second network has been developed from guidelines provided by Bureau Veritas. The Bayesian Belief Networks covers a range of factors which can affect the risk of collision for an autonomous ship.

Configuration of a simulation model for the vessel Cybership 3 has been done to be able to simulate the vessel in transit and experiencing a change in sea states as it goes into the open sea. A Bayesian Belief Network has also been developed. The model takes different risk influencing factors into consideration to calculate a final value defined as the probability for a high risk of collision with a nearby object. Results from the thesis reveal several issues in the simulations models control system. Some of the problems were solved, while others are possible problems to consider in further work. A possible way of implementing a risk model like the Bayesian Belief Network in a simulation model has been identified and described.

The work with this thesis has given the author great insight into what aspects one must consider when calculating risk for an autonomous vessel. It has also given more understanding of the simulation model for Cybership 3 and the process of performing lab experiments.