摘要：船舶驾驶台人员包括按照规定要求的常规值班人员和特殊情况下额外的瞭望人员或船长、引航员等,驾驶台人员活跃度是判断其工作状态的重要指标之一。传统的基于计算机视觉的人员检测方法在面对船舶驾驶台遮挡物多、夜间或恶劣天气下光线不足等问题时,精度明显降低。为解决该问题,提出了1种基于普通商用Wi-Fi设备的活跃度感知方法。由于船体材质、结构特点以及变化的运动状态导致动态多径多、信号噪声强,对Wi-Fi设备造成干扰,为此设计了值班高关联度数据(duty high correlation data,DHCD)选择模块及基于信道状态信息(channel state information,CSI)的多层级特征提取模块。DHCD选择模块分析驾驶台人员不同航行、值班情况下的CSI特点,对比0~5人在驾驶台内值班、工作时的信道变化,利用模糊C-means聚类算法提取CSI中对值班人员行为反应最灵敏的信道,去除对信号噪声反应敏感的信道信息;通过多层级特征提取模块计算去噪后CSI数据的幅值与相位离散度、多链路融合离散度、变异指数等多层特征,作为活跃度评价基础参数。依据驾驶台值班要求设计了驾驶台人员活跃度评价模块,采用支持向量机算法判断驾驶台人员数量,采用客观赋权法得到基础参数权重,结合人数信息与权重信息评价驾驶台人员活跃度。实验结果表明:使用DHCD选择模块和多层级模块处理后的多层级特征将驾驶台人员数量检测精度提升至89.6%,对比直接使用原始数据时检测精度提升7.1%。在夜间、雨雾天气等光照不足情况下,基于计算机视觉方法的检测精度会由光线充足时的96.2%降至60.3%,而该方法监测精度不会降低。因此,基于CSI的驾驶台人员活跃度检测方法丰富了驾驶台人员检测算法,能有效识别船舶驾驶台人员是否符合安全值班的基本要求。

摘要：现有航运网络脆弱性评估方法和恢复策略存在一定局限性,主要表现为:评估方法单一,难以全面反映航运网络的复杂性;未综合考虑实际运营能力和空间距离等关键因素,导致恢复策略应对突发事件的效果不佳。针对上述问题,从拓扑结构和实际运营这2个方面对航运网络脆弱性进行了综合评价,提出了基于变异系数法多维度航运网络脆弱性评价指标,并设计了1种基于备份港口排序的恢复策略,其中,备份港口排序综合考虑了空间距离、港口运输能力和泊位数量等因素。通过引入了动态评价框架、调整脆弱性指标权重、优化备份港口选择和流量分配策略等,提升了评估与恢复策略的准确性和有效性。以2020年中欧、中地、中美东、中美西集装箱航运网络为例,构建了集装箱航运网络拓扑图,并分析了航线的脆弱性和运力波动,结果表明:采用单港口备份恢复策略时,航运网络韧性提升11.6%;采用双港口备份恢复策略时,航运网络韧性提升31.5%。综上,本文提出了集装箱航运网络脆弱性评估方法和基于备份港口排序的恢复策略,合理确定备份港口数量,实现对失效港口流量的有效重分配,为提高航运网络韧性提供了新的途径,也凸显了脆弱性评估和备份恢复策略在航运网络中的重要性。