Devising an approach to safety management of vessel control through the identification of navigator’s state

Abstract

The object of this study is the processes of automated management of maritime safety by analyzing the manifestations of the human factor of sea navigators. The task solved is justified by the need for formal and logical analysis and intelligent identification of mental motivational states (MMS) of marine navigators whose actions can cause dangerous situations during the control of the ship’s movement. High accident rates due to the fault of the navigators, in the absence of automated means of monitoring their condition, cause a contradiction between the existing means of safety control in controlling the movement of the vessel and the modern requirements of navigation, which needs to be resolved. A safety management approach was devised that takes into account the specificity of navigational tasks and the p-adic classification of dangerous MMS for navigators. This has made it possible to create three security modes that are activated depending on the detected state of the navigator’s MMS. Features of the results are the combination of analysis by means of p-adic systems and intelligent methods of data processing. As a result, sufficient identification accuracy was obtained for more than 75 % of MMS through neural network training. Experimental data collected during the navigation watch, as well as on the Navi Trainer 5000 navigation simulator (Wärtsilä Corporation, Finland), became the basis for simulation by means of neural networks. In turn, the training of neural networks made it possible to obtain sufficient identification accuracy by performing up to 3000 iterations. Overall, the learning rate of the neural network was 0.98, which indicates a high level of identification. From a practical point of view, the results could be used for the automated management of shipping safety, as well as for evaluating the level of adaptation of the navigator to dynamically changing conditions. The proposed approach provides opportunities for the application of modern intelligent technologies in the field of maritime transport safety, namely artificial neural network tools that determine notification modes or activation of automatic ship traffic control modules. The specified contradiction requires the design of specialized systems for automated safety management of ship traffic control based on the identified states of navigators. Об’єктом дослідження є процеси автоматизованого управління безпекою мореплавства шляхом аналізу проявів людського фактору морських навігаторів. Проблема, що вирішувалася у даному дослідженні, обґрунтовується необхідністю формально-логічного аналізу та інтелектуальної ідентифікації ментальних мотиваційних станів (ММС) морських навігаторів, дії яких можуть спричинити небезпечні ситуації під час керування рухом судна. Високі показники аварійності з вини навігаторів, в умовах відсутності автоматизованих засобів спостереження за їх станом, викликають протиріччя між існуючими засобами контролю безпеки при керуванні рухом судна та сучасними вимогами судноводіння, що потребує вирішення. Було розроблено підхід управління безпекою керування рухом судна що враховує специфіку навігаційних завдань та p-адичну класифікацію небезпечних ММС навігаторів. Це дозволило створити три режими безпеки, які активуються залежно від виявленого стану ММС навігатора. Особливостями отриманих результатів є поєднання аналізу засобами p-адичних систем та інтелектуальних методів обробки даних. В результаті, було отримано достатню точність ідентифікації для понад 75 % ММС через тренування нейронних мереж. Експериментальні дані, зібрані в ході несення навігаційної вахти, а також на симуляторах Navi Trainer 5000 navigation simulator (Wärtsilä Corporation, Фінляндія), стали основою для моделювання засобами нейронних мереж. У свою чергу, тренування нейронних мереж дозволило отримати достатню точність ідентифікації здійснивши до 3000 ітерацій. Загалом, показник рівня навчання нейронної мережі склав 0,98, що свідчить про високий рівень ідентифікації. З практичної точки зору, отримані результати можуть бути використані для автоматизованого управління безпекою судноплавства, а також для оцінки рівня адаптації навігатора до динамічно змінюваних умов. Запропонований підхід надає можливості у застосуванні сучасних інтелектуальних технологій у сфері безпеки морського транспорту, а саме засобів штучних нейронних мереж що визначають режими сповіщень або активацію автоматичних модулів керування рухом судна. Означене протиріччя вимагає розробки спеціалізованих систем автоматизованого управління безпекою керування рухом судна на основі ідентифікованих станів навігаторів.