СИСТЕМНЫЙ АНАЛИЗ НАВИГАЦИОННОЙ БЕЗОПАСНОСТИ ПРИ ЭКСПЛУАТАЦИИ МОРСКИХ АВТОНОМНЫХ НАДВОДНЫХ СУДОВ

Аннотация

Стремительное развитие технологий автоматизации и искусственного интеллекта открывает новую эру в судоходстве, ознаменованную появлением морских автономных надводных судов (МАНС). Переход от традиционного судовождения, основанного на опыте человека, к эксплуатации судов с высокой степенью автономности представляет фундаментальный сдвиг, обещающий экономические выгоды за счет оптимизации маршрутов, снижения расхода топлива и уменьшения экипажа. Однако это порождает комплексные проблемы в обеспечении навигационной безопасности. Автономные системы, лишенные человеческой интуиции, полагаются на алгоритмы, сенсорные данные и модели поведения, что требует разработки методологий системного анализа рисков для минимизации навигационных инцидентов в реальных морских условиях. Существующие подходы, ориентированные на человеческий фактор, нуждаются в пересмотре, поскольку для МАНС на первый план выходят риски отказов техники, сбоев ПО, уязвимости сенсоров и кибератак, а также взаимодействия с конвенциональными судами. В основу исследования лег комплексный подход, сочетающий системный анализ, имитационное моделирование и статистическую обработку данных. Применялись методы анализа видов и последствий отказов (FMEA), адаптированные для киберфизических систем, и аппарата деревьев отказов (FTA) для оценки вероятности опасных ситуаций. Валидация проводилась через более 10 000 симуляционных прогонов в программно-аппаратном комплексе, моделирующем навигационную обстановку с вариацией параметров: плотности судоходства, гидрометеоусловий, отказов оборудования и кибератак. Данные обрабатывались с использованием регрессионных и корреляционных моделей, сравнивая МАНС с судами под управлением экипажа. Анализ выявил, что МАНС демонстрируют превосходство в условиях ограниченной видимости и высокой плотности трафика: вероятность опасного сближения снижается в 3–5 раз, время реакции короче в 3–4 раза по сравнению с экипажем. При ухудшении видимости с 18,52 км до 0,93 км риск для МАНС растет линейно (в 3,46 раза), для экипажа — экспоненциально (в 26,27 раза). В плотном трафике минимальная дистанция расхождения у МАНС на 35,81% выше. Однако при сильном волнении (7 баллов) вероятность ошибок сенсоров (ложные срабатывания и пропуски) возрастает на порядки, особенно для лидара и оптических систем. Кибератаки (GPS-спуфинг, подмена АИС, DoS) вызывают отклонения от курса до 7,85° с временем обнаружения до 21,73 мин. Результаты подчеркивают операционное преимущество МАНС в сложных сценариях, но выявляют уязвимости от погодных факторов и киберугроз, требующие интеллектуальных алгоритмов sensor fusion и многоуровневой защиты. Системный подход позволяет формировать модель рисков как векторную функцию от видимости, трафика, волнения и киберзащищенности, определяя эксплуатационные ограничения для минимизации угроз.