Development and experimental study of analyzer to enhance maritime safety.

Abstract

On the basis of empirical experimental data, relationships were identified indicating the influence of navigators' response to such vessel control indicators as maneuverability and safety. This formed a hypothesis about a non-random connection between the navigator's actions, response and parameters of maritime transport management. Within the framework of this hypothesis, logical-formal approaches were proposed that allow using server data of both maritime simulators and operating vessels in order to timely identify the occurrence of a critical situation with possible catastrophic consequences. A method for processing navigation data based on the analysis of temporal zones is proposed, which made it possible to prevent manifestations of reduced efficiency of maritime transport management by 22.5 %. Based on cluster analysis and automated neural networks, it was possible to identify temporary vessel control fragments and classify them by the level of danger. At the same time, the neural network test error was only 3.1 %, and the learning error was 3.8 %, which ensures the high quality of simulation results. The proposed approaches were tested using the Navi Trainer 5000 navigation simulator (Wärtsilä Corporation, Finland). The simulation of the system for identifying critical situations in maritime transport management made it possible to reduce the probability of catastrophic situations by 13.5 %. The use of automated artificial neural networks allowed defining critical situations in real time from the database of maritime transport management on the captain's bridge for an individual navigator. На основі емпіричних експериментальних даних було виявлено взаємозв’язки, які вказують на вплив реакції навігаторів на такі показники керування судном, як маневровість і безпека. Це дозволило сформулювати гіпотезу про нерегулярний зв’язок між діями навігатора, його реакцією та параметрами управління морським транспортом. У межах цієї гіпотези були запропоновані логіко-формальні підходи, які дають змогу використовувати серверні дані як морських симуляторів, так і експлуатованих суден для своєчасного виявлення критичної ситуації з потенційно катастрофічними наслідками. Запропоновано метод обробки навігаційних даних, заснований на аналізі часових зон, що дозволило запобігти зниженню ефективності управління морським транспортом на 22,5 %. Завдяки кластерному аналізу та автоматизованим нейронним мережам вдалося ідентифікувати тимчасові фрагменти управління судном і класифікувати їх за рівнем небезпеки. При цьому тестова похибка нейронної мережі становила лише 3,1 %, а навчальна похибка – 3,8 %, що забезпечує високу якість результатів моделювання. Запропоновані підходи були протестовані на навігаційному симуляторі Navi Trainer 5000 (Wärtsilä Corporation, Фінляндія). Симуляція системи ідентифікації критичних ситуацій у керуванні морським транспортом дозволила знизити ймовірність катастрофічних ситуацій на 13,5 %. Використання автоматизованих штучних нейронних мереж дозволило визначати критичні ситуації в режимі реального часу за даними бази управління морським транспортом на капітанському містку для кожного окремого навігатора.