Стаття

Отримано 04.02.2026

Доопрацьовано 23.05.2026

Прийнято 25.06.2026

Опубліковано 06.07.2026

Взято з Том 30, № 2, 2026

Сторінки 30 -40

Panchenko, V. (2026). Improving the methodology for assessing the influence of the quantitative factor of navigational hazards on the probability of safe navigation. The National Transport University Bulletin, 30(2), 30-40. https://doi.org/10.33744/2308-6645-2026-2-30-30-40

Удосконалення методики врахування впливу кількісного фактору навігаційних небезпек на ймовірність безпеки плавання

Вадим Панченко*

Vadym.Panchenko11@outlook.com

Метою дослідження було вдосконалення методики оцінки ймовірності безпеки плавання з урахуванням кількісного фактора навігаційних небезпек. Методологія включала розробку математичних моделей, що враховують вплив кількості небезпек на ймовірність безпечного проходу, їх аналіз проводився із застосуванням методів дисперсійного та кореляційного аналізу, що дозволило оцінити вплив основних факторів ризику. Дослідження показало, що основними факторами, що впливають на рівень безпеки, є відстань до навігаційних небезпек, точність визначення місця корабля, маневрові характеристики судна та гідрометеорологічні умови. Для відстані понад 1,5 милі ймовірність безпечного проходу перевищувала 0,99, тоді як при 0,8 милі вона знижувалася до 0,78. При проходженні між двома небезпеками ймовірність змінювалася від 0,97 до 0,995 залежно від їх просторового розташування. Збільшення кількості небезпек призводило до зниження ймовірності безпечного проходу: при п’яти небезпеках вона могла зменшитися до 0,65. Аналіз впливу похибок навігаційних вимірювань показав, що при точності визначення місця судна 0,5 милі ймовірність безпеки становила 0,995, а при похибці 2 милі – 0,75. Використання інтегрованих навігаційних систем дозволяло підвищити рівень безпеки на 5–10 %. Отримані результати підтверджують ефективність комплексного підходу до навігаційного планування, який базується на поєднанні кількох ключових принципів: використанні інтегрованих систем для точного визначення координат судна, застосуванні адаптивних маршрутів, що враховують щільність небезпек і змінність навігаційної ситуації, динамічній корекції швидкості руху залежно від зовнішніх умов, а також оперативному ухиленні від перешкод на основі прогнозного моделювання та реальних навігаційних даних. Такий підхід має високу практичну цінність для підвищення ефективності управління судноплавством у районах з підвищеною навігаційною складністю, що дозволяє мінімізувати вплив ризиків і забезпечити стабільність маршрутів навіть у несприятливих умовах

ризик зіткнення; маневрові характеристики; просторове розташування; адаптивні маршрути; гідрометеорологічні умови
  1. Antão, P., Sun, S., Teixeira, Â., & Soares, C. (2023). Quantitative assessment of ship collision risk influencing factors from worldwide accident and fleet data. Reliability Engineering & System Safety, 234, article number 109166. doi: 10.1016/j.ress.2023.109166.
  2. Bi, J., Gao, M., Zhang, W., Zhang, X., Bao, K., & Xin, Q. (2022). Research on navigation safety evaluation of coastal waters based on dynamic irregular grid. Journal of Marine Science and Engineering, 10(6), article number 733. doi: 10.3390/jmse10060733.
  3. Bowo, L., Gusti, A., Waskito, D., Puriningsih, F., Muhtadi, A., & Furusho, M. (2024). Comprehensive analysis of navigational accidents using the MAART method: A novel examination of human error probability in maritime collisions and groundings. TransNav: The International Journal on Marine Navigation and Safety of Sea Transportation, 18(3), 565-563. doi: 10.12716/1001.18.03.10.
  4. Chang, T., & Wang, H. (2023). Analysis and exploration of the impact of average sea level change on navigational safety in ports. Water, 15(14), article number 2570. doi: 10.3390/w15142570.
  5. Chen, Y., Xie, C., Chen, S., & Huang, L. (2021). A new risk-based early-warning method for ship collision avoidance. IEEE Access, 9, 108236-108248. doi: 10.1109/ACCESS.2021.3099831.
  6. Fışkın, R., Atik, O., Kişi, H., Nasibov, E., & Johansen, T. (2021). Fuzzy domain and meta-heuristic algorithm-based collision avoidance control for ships: Experimental validation in virtual and real environment. Ocean Engineering, 220, article number 108502. doi: 10.1016/j.oceaneng.2020.108502.
  7. Froese, J. (2022). Standardization of risk assessment in navigation. Journal of Physics: Conference Series, 2311, article number 012015. doi: 10.1088/1742-6596/2311/1/012015.
  8. Fu, S., Goerlandt, F., & Xi, Y. (2021). Arctic shipping risk management: A bibliometric analysis and a systematic review of risk influencing factors of navigational accidents. Safety Science, 139, article number 105254. doi: 10.1016/J.SSCI.2021.105254.
  9. Gritsuk, I., Nosov, P., Dyagileva, O., & Masonkova, M. (2023). Improving safety of navigation by constructing a dynamic model of the navigator’s actions in the conditions of navigation risks. Transport Systems and Technologies, 41, 84-95. doi: 10.32703/2617-9059-2023-41-7.
  10. Gucma, S., Ślączka, W., & Bąk, A. (2022). Assessment of ship manoeuvring safety in waterway systems by relative navigational risk. Archives of Transport, 64(4), 119-134. doi: 10.5604/01.3001.0016.1230.
  11. Ha, J., Roh, M., & Lee, H. (2021). Quantitative calculation method of the collision risk for collision avoidance in ship navigation using the CPA and ship domain. Journal of Computational Design and Engineering, 8(3), 894-909. doi: 10.1093/jcde/qwab021.
  12. Han, P., Zhu, M., & Zhang, H. (2024). Interaction-aware short-term marine vessel trajectory prediction with deep generative models. IEEE Transactions on Industrial Informatics, 20, 3188-3196. doi: 10.1109/TII.2023.3302304.
  13. Huy-Tien, H., Tuyet Lan, N., Chung, P.V., & Nguyen, T.-L. (2023). Improvement model of navigational safety for inland waterway transport. Transactions on Maritime Science, 12(1), 29-44. doi: 10.7225/toms.v12.n01.003.
  14. International Maritime Organization. (n.d.). Maritime safety. Retrieved from https://www.imo.org/en/OurWork/Safety/Pages/default.aspx.
  15. Kuhlman, K.L. (2013). Review of inverse Laplace transform algorithms for Laplace-space numerical approaches. Numerical Algorithms, 63(2), 339-355. doi: 10.1007/s11075-012-9625-3.
  16. Liu, T., Ma, J., & Zhou, Y. (2024). Research on spatiotemporal distribution characteristics of ship traffic flow in port waters based on AIS data. Frontiers in Humanities and Social Sciences, 4(2), 1-11. doi: 10.54691/nwfyf729.
  17. Liu, Y., &, Ma, Y. (2023). A field theory-based novel algorithm for navigational hazard index. Journal of Marine Science and Engineering, 11(1), article number 178. doi: 10.3390/jmse11010178.
  18. Maritime Tactical Table MT-75. (1975). Moscow: USSR Ministry of Defense.
  19. Maternová, A., Materna, M., & Dávid, A. (2022). Revealing causal factors influencing sustainable and safe navigation in Central Europe. Sustainability, 14(4), article number 2231. doi: 10.3390/su14042231.
  20. Melnyk, O., Burmaka, I., Zaporozhets, A., Onishchenko, O., Burlachenko, D., & Nykytuik, P. (2025). In-depth analysis of strategies and techniques of navigational safety improvement and ship collision risk reduction. In O. Melnyk, O. Onishchenko & A. Zaporozhets (Eds.), Maritime systems, transport and logistics I (pp. 65-87). Cham: Springer. doi: 10.1007/978-3-031-82027-4_5.
  21. Melnyk, O., Bychkovsky, Y., Onishchenko, O., Onyshchenko, S., & Volianska, Y. (2023). Development of the method of shipboard operations risk assessment quality evaluation based on experts review. In A. Zaporozhets (Ed.), Systems, decision and control in energy V (pp. 695-710). Cham: Springer. doi: 10.1007/978-3-031-35088-7_40.
  22. Misuri, A., Landucci, G., & Cozzani, V. (2021). Assessment of risk modification due to safety barrier performance degradation in Natech events. Reliability Engineering & System Safety, 212, article number 107634. doi: 10.1016/J.RESS.2021.107634.
  23. Nowy, A., Łazuga, K., Gucma, L., Androjna, A., Perkovič, M., & Srše, J. (2021). Modeling of vessel traffic flow for waterway design – Port of Świnoujście case study. Applied Sciences, 11(17), article number 8126. doi: 10.3390/app11178126.
  24. Öztürk, Ü., Boz, H., & Balcisoy, S. (2021). Visual analytic based ship collision probability modeling for ship navigation safety. Expert Systems with Applications, 175, article number 114755. doi: 10.1016/J.ESWA.2021.114755.
  25. Pham, L., & Van Hoang, L. (2024). A navigational risk evaluation of ferry transport: Continuous risk management matrix based on fuzzy Best-Worst Method. PLOS One, 20(3), article number e0320794. doi: 10.1371/journal.pone.0309667.
  26. Qiao, Z., Zhang, Y., & Wang, S. (2021). A collision risk identification method for autonomous ships based on field theory. IEEE Access, 9, 30539-30550. doi: 10.1109/ACCESS.2021.3059248.
  27. Rawson, A., Brito, M., & Sabeur, Z. (2021a). Spatial modeling of maritime risk using machine learning. Risk Analysis, 42(10), 2291-2311. doi: 10.1111/risa.13866.
  28. Rawson, A., Sabeur, Z., & Brito, M. (2021b). Intelligent geospatial maritime risk analytics using the Discrete Global Grid System. Big Earth Data, 6(3), 294-322. doi: 10.1080/20964471.2021.1965370.
  29. Uflaz, E., Celik, E., Aydin, M., Erdem, P., Akyuz, E., Arslan, O., Kurt, R., & Turan, O. (2022). An extended human reliability analysing under fuzzy logic environment for ship navigation. Australian Journal of Maritime & Ocean Affairs, 15(2), 189-209. doi: 10.1080/18366503.2022.2025687.
  30. Wang, S., Zhang, H., & Luo, X. (2022). Ship navigation safety assessment based on neural network. In Proceedings of the 22nd international conference on computer and information science (pp. 71-75). Zhuhai: IEEE. doi: 10.1109/ICIS54925.2022.9882416.
  31. Wang, Z., Yan, X., & Wu, B. (2023). Prioritization of influencing factors for remote control intelligent ships collision based on fuzzy fault tree analysis. In Proceedings of the 7th international conference on transportation information and safety (pp. 1380-1388). Xian: IEEE. doi: 10.1109/ICTIS60134.2023.10243827.
  32. Zhang, W., Meng, X., Yang, X., Lyu, H., Zhou, X., & Wang, Q. (2022). A practical risk-based model for early warning of seafarer errors using integrated Bayesian network and SPAR-H. International Journal of Environmental Research and Public Health, 19(16), article number 10271. doi: 10.3390/ijerph191610271.
  33. Zhao, C., Wu, B., Yip, T., & Lv, J. (2021). Use of fuzzy fault tree analysis and noisy-OR gate Bayesian network for navigational risk assessment in Qingzhou port. TransNav: The International Journal on Marine Navigation and Safety of Sea Transportation, 15(4), 765-771. doi: 10.12716/1001.15.04.07.

https://doi.org/10.33744/2308-6645-2026-2-30-30-40