УЗАГАЛЬНЕНА МОДЕЛЬ УПРАВЛІННЯ ЕРГАТИЧНИМИ СИСТЕМАМИ НАВІГАЦІЙНОГО ЗАБЕЗПЕЧЕННЯ З ІНТЕГРАЛЬНИМ ПОКАЗНИКОМ ВПЛИВУ ЛЮДСЬКОГО ФАКТОРА
https://doi.org/10.33815/2313-4763.2026.1.32.034-057
Анотація
У статті розв’язано актуальне наукове завдання розроблення узагальненої моделі управління ергатичними системами навігаційного забезпечення з інтегральним показником впливу людського фактора судноводія на підвищення ризику функціонування системи. Запропонований підхід ґрунтується на визначенні дій судноводія не як зовнішнього джерела випадкових похибок, а як внутрішнього параметра ергатичної системи, що визначає якість сприйняття навігаційної ситуації, своєчасність реакцій, характер керувальних дій і рівень безпеки руху судна. Метою роботи є побудова інтегрованої моделі, яка поєднує системне подання ергатичної системи, формалізацію AIS/ECDIS-даних, фрактально-епізодне представлення мікрорухів судна, моделі когнітивно-часових і психофізіологічних станів судноводія, гравітаційно-інерціальну інтерпретацію стійкості та ризик-орієнтований контур керування. Наукова новизна полягає у введенні інтегрального показника, що в логістично-нормованій формі об’єднує епізодний поведінковий, когнітивно-часовий, динамічно-стійкісний і керувально-ризиковий компоненти в єдиний інформаційно-аналітичний контур. Для чисельної апробації моделі застосовано метод Монте-Карло, який забезпечує калібрування параметрів, оцінювання варіативності, робастності, чутливості та ймовірностей переходу системи до стійкого, напруженого і критичного режимів. Імітаційне моделювання для шести сценаріїв навігаційної ситуації підтвердило монотонне зростання інтегрального показника зі збільшенням сценарної складності, узгоджене зі зменшенням запасу стійкості та резерву функціонування, а також зі зростанням частоти вимушених корекцій і динамічного ризику. Практичне значення роботи полягає у можливості використання запропонованої моделі в системах підтримки прийняття рішень, моніторингу стану судноводія та адаптивного автоматизованого керування безпечними режимами руху судна.
Посилання
2. Pietrzykowski, Z., Wielgosz, M., Breitsprecher, M. (2020). Navigators’ Behavior Analysis Using Data Mining. Journal of Marine Science and Engineering. Vol. 8, No. 1. Article 50. https://doi.org/10.3390/jmse8010050.
3. Hetherington, C., Flin, R., Mearns, K. (2006). Safety in Shipping: The Human Element. Journal of Safety Research. Vol. 37, No. 4. P. 401–411. https://doi.org/10.1016/j.jsr.2006.04.007.
4. Du, L., Goerlandt, F., Kujala, P. (2020). Review and Analysis of Methods for Assessing Maritime Waterway Risk Based on Non-Accident Critical Events Detected from AIS Data. Reliability Engineering & System Safety. Vol. 200. Article 106933. https://doi.org/10.1016/j.ress.2020.106933.
5. Tu, E., Zhang, G., Rachmawati, L., Rajabally, E., Huang, G. B. (2018). Exploiting AIS Data for Intelligent Maritime Navigation: A Comprehensive Survey From Data to Methodology. IEEE Transactions on Intelligent Transportation Systems. Vol. 19, No. 5. P. 1559–1582. https://doi.org/10.1109/TITS.2017.2724551.
6. Nosov, P. S., Palamarchuk, I. V., Zinchenko, S. M., Popovych, I. S., Nahrybelnyi, Y. A., Nosova, H. V. (2020). Development of Means for Experimental Identification of Navigator Attention in Ergatic Systems of Maritime Transport. Bulletin of the University of Karaganda. Technical Physics. No. 1 (97). P. 58–69. https://doi.org/10.31489/2020Ph1/58-69.
7. Car, M., Brčić, D., Žuškin, S., Svilicic, B. (2020). The Navigator’s Aspect of PNC before and after ECDIS Implementation: Facts and Potential Implications towards Navigation Safety Improvement. Journal of Marine Science and Engineering. Vol. 8, No. 11. Article 842. https://doi.org/10.3390/jmse8110842.
8. Nosov, P., Cherniavskyi, V., Zinchenko, S., Popovych, I., Prokopchuk, Y., Safonov, M. (2020). Identification of Distortion of the Navigator’s Time in Model Experiment. Bulletin of the University of Karaganda. Instrument and Experimental Techniques. No. 4 (100). P. 57–70. https://doi.org/10.31489/2020Ph4/57-70.
9. Kristić, M., Žuškin, S., Brčić, D., Car, M. (2021). Overreliance on ECDIS Technology: A Challenge for Safe Navigation. TransNav, the International Journal on Marine Navigation and Safety of Sea Transportation. Vol. 15, No. 2. P. 277–287. https://doi.org/10.12716/1001.15.02.02.
10. Nosov, P., Zinchenko, S., Ben, A., Prokopchuk, Y., Mamenko, P., Popovych, I., Moiseienko, V., Kruglyj, D. (2021). Navigation Safety Control System Development through Navigator Action Prediction by Data Mining Means. Eastern-European Journal of Enterprise Technologies. Vol. 2, No. 9 (110). P. 55–68. https://doi.org/10.15587/1729-4061.2021.229237.
11. Ponomaryova, V., Nosov, P. (2024). Development of a Navigator Qualification Model for Automated Ship Handling Control Tasks. Науковий вісник Херсонської державної морської академії. No. 2 (29). P. 6–23. https://doi.org/10.33815/2313-4763.2024.2.29.006-023.
12. Nosov, P., Koretsky, O., Zinchenko, S., Prokopchuk, Y., Gritsuk, I., Sokol, I., Kyrychenko, K. (2023). Devising an Approach to Safety Management of Vessel Control through the Identification of Navigator’s State. Eastern-European Journal of Enterprise Technologies. Vol. 4, No. 3 (124). P. 19–32. https://doi.org/10.15587/1729-4061.2023.286156.
13. Nosov, P., Melnyk, O., Malaksiano, M., Shumylo, O., Onishchenko, O., Yarovenko, V., Zinchenko, S., & Popovych, I. (2026). A Unified Fractal Processing Framework for Normalized AIS and ECDIS Ship Trajectories. Digital, 6(1), 11. https://doi.org/10.3390/digital6010011.
14. Pazouki, K., Forbes, N., Norman, R. A., Woodward, M. D. (2018). Investigation on the Impact of Human-Automation Interaction in Maritime Operations. Ocean Engineering. Vol. 153. P. 297–304. https://doi.org/10.1016/j.oceaneng.2018.01.103.
15. Kari, R., Steinert, M. (2021). Human Factor Issues in Remote Ship Operations: Lesson Learned by Studying Different Domains. Journal of Marine Science and Engineering. Vol. 9, No. 4. Article 385. https://doi.org/10.3390/jmse9040385.
16. Man, Y., Lundh, M., Porathe, T., MacKinnon, S. (2015). From Desk to Field – Human Factor Issues in Remote Monitoring and Controlling of Autonomous Unmanned Vessels. Procedia Manufacturing. Vol. 3. P. 2674–2681. https://doi.org/10.1016/j.promfg.2015.07.635.
17. Huang, Y., Chen, L., Negenborn, R. R., van Gelder, P. H. A. J. M. (2020). A Ship Collision Avoidance System for Human-Machine Cooperation during Collision Avoidance. Ocean Engineering. Vol. 217. Article 107913. https://doi.org/10.1016/j.oceaneng.2020.107913.
18. Aylward, K., Weber, R., Lundh, M., MacKinnon, S. N., Dahlman, J. (2022). Navigators’ Views of a Collision Avoidance Decision Support System for Maritime Navigation. The Journal of Navigation. Vol. 75, No. 5. P. 1035–1048. https://doi.org/10.1017/S0373463322000510.
19. Wu, X., Liu, K., Zhang, J., Yuan, Z., Liu, J., Yu, Q. (2021). An Optimized Collision Avoidance Decision-Making System for Autonomous Ships under Human–Machine Cooperation Situations. Journal of Advanced Transportation. Vol. 2021. Article 7537825. https://doi.org/10.1155/2021/7537825.
20. Veitch, E., Alsos, O. A. (2021). Human-Centered Explainable Artificial Intelligence for Marine Autonomous Surface Vehicles. Journal of Marine Science and Engineering. Vol. 9, No. 11. Article 1227. https://doi.org/10.3390/jmse9111227.
21. Wróbel, K., Gil, M., Chae, C.-J. (2021). On the Influence of Human Factors on Safety of Remotely-Controlled Merchant Vessels. Applied Sciences. Vol. 11, No. 3. Article 1145. https://doi.org/10.3390/app11031145.
22. Fan, S., Shi, K., Weng, J., Yang, Z. (2025). Letting Losses Be Lessons: Human-Machine Cooperation in Maritime Transport. Reliability Engineering & System Safety. Vol. 253. Article 110547. https://doi.org/10.1016/j.ress.2024.110547.
23. Song, R., Papadimitriou, E., Negenborn, R. R., van Gelder, P. (2024). Safety and Efficiency of Human-MASS Interactions: Towards an Integrated Framework. Journal of Marine Engineering and Technology. Vol. 24, No. 3. P. 159–178. https://doi.org/10.1080/20464177.2024.2414959.
