水上交通風(fēng)險成因耦合作用診斷

，

(1. 南通航運職業(yè)技術(shù)學(xué)院 航海系， 江蘇 南通 226010； 2. 上海海事大學(xué) 商船學(xué)院， 上海 201306)

水上交通風(fēng)險成因耦合作用診斷

賈立校1，胡甚平2

(1.南通航運職業(yè)技術(shù)學(xué)院航海系，江蘇南通226010； 2.上海海事大學(xué)商船學(xué)院，上海201306)

為有效降低水上交通風(fēng)險、提高安全管理效率，對風(fēng)險的成因及因素間的耦合作用進行診斷和研究。在對水上交通風(fēng)險的成因及因素間的耦合機理進行分析的基礎(chǔ)上，引入貝葉斯網(wǎng)絡(luò)(Bayesian Network, BN)構(gòu)建水上交通風(fēng)險成因耦合作用的診斷模型。結(jié)合水上交通事故數(shù)據(jù)進行算例應(yīng)用，推理人員因素、船舶因素和環(huán)境因素等不同因素間的耦合作用對風(fēng)險的影響，并根據(jù)事故后果診斷風(fēng)險成因間的耦合作用。結(jié)果表明：不同風(fēng)險因素間的耦合對水上交通風(fēng)險的影響程度不同，多因素的耦合作用比單因素強;環(huán)境因素與其他因素的耦合作用對水上交通風(fēng)險的影響比較突出，且船舶因素對水上交通事故后果的影響較大。

水上交通； 風(fēng)險成因； 耦合作用； 貝葉斯網(wǎng)絡(luò)； 診斷

Abstract: In order to reduce water transportation risk effectively and improve safety management efficiency, it is necessary to research risk factors and their coupling effects. The diagnostic model of the coupling effects of water transportation risk causing factors is built by Bayesian Network (BN) on the basis of analyzing the risk factors and their coupling mechanism. The effect of coupling between different risk factors is studied quantitatively; the relation among risk factors and the accident consequences is investigated. The illustrative example shows that the coupling effect of multiple factors is stronger than that of single factor. The influence of coupling effect among environmental factor with others on water transportation risk is more prominent, and ship factor is an important factor affecting the consequences of maritime accidents.

Keywords: waterway transportation; risk cause; coupling effect; Bayesian Network (BN); diagnosis

隨著我國水路運輸業(yè)迅猛發(fā)展，船舶呈現(xiàn)出大型化、高速化和專業(yè)化的趨勢，水上交通事故帶來的人員傷亡和經(jīng)濟損失逐年增長，受到相關(guān)部門的高度關(guān)注。[1]因此，采取科學(xué)的方法對水上交通風(fēng)險成因和因素間的耦合作用進行研究尤為重要。

近年來已有很多學(xué)者[2-4]對水上交通事故的成因進行深入研究，通常將各風(fēng)險因素作為獨立的個體進行分析，研究主要集中在對水上交通風(fēng)險的評估和預(yù)測等方面。但是，水上交通風(fēng)險是系統(tǒng)性的，風(fēng)險因素間是相互影響、具有耦合性的。羅帆等[5]利用N-K模型對單因素耦合、雙因素耦合和多因素耦合情況下空中交通風(fēng)險的發(fā)生概率及風(fēng)險值進行計算；劉全龍等[6]通過構(gòu)建煤礦事故致因耦合度模型推理分析同質(zhì)因子和異質(zhì)因子的影響；胡甚平等[7]利用云模型的方法對船員、船舶和環(huán)境等3個不安全因素間的耦合機理進行研究；曹久華等[8]利用系統(tǒng)動力學(xué)來研究船舶通航風(fēng)險成因中“人、船、環(huán)境、管理”各因素間的耦合作用。以上研究主要集中在風(fēng)險因素間的耦合作用對系統(tǒng)風(fēng)險的整體影響程度上，而根據(jù)事故后果診斷事故成因的耦合關(guān)系的研究相對較少。

在對水上交通風(fēng)險成因進行系統(tǒng)分析的基礎(chǔ)上，引入貝葉斯網(wǎng)絡(luò)(Bayesian Network,BN)理論構(gòu)建風(fēng)險成因耦合作用的診斷模型，通過該模型定量化研究各風(fēng)險因素間不同耦合作用對風(fēng)險的影響,并進行給定事故后果下的耦合風(fēng)險成因診斷。

1 水上交通風(fēng)險成因耦合機理分析

1.1 水上交通風(fēng)險成因分析

根據(jù)事故致因理論，水上交通事故的成因主要來自于人員的不安全行為、船舶的不安全狀態(tài)和環(huán)境的不安全條件等3個方面。[7]人員因素主要包括船員因素和引航員、碼頭工人等其他人員子因素；船舶因素主要包括設(shè)備狀態(tài)、船齡和貨物等子因素；環(huán)境因素主要包括自然因素、地理因素(航道碼頭)和交通因素等子因素[9]；人員、船舶和環(huán)境等多種因素共同作用帶來水上交通風(fēng)險不同的影響程度。

1.2 水上交通風(fēng)險耦合機理分析

系統(tǒng)活動過程中一類風(fēng)險的發(fā)生及其影響力依賴于其他風(fēng)險的程度和影響其他風(fēng)險發(fā)生及其影響力的程度，這種風(fēng)險間的依賴和相互影響關(guān)系稱為風(fēng)險耦合。[10]水上交通風(fēng)險耦合指的是水上交通活動過程中各種風(fēng)險因素間相互依賴和影響的關(guān)系。根據(jù)水上交通風(fēng)險成因分類，其耦合風(fēng)險可分為以下2種類型。

(1) 單因素耦合風(fēng)險:是指影響水上交通風(fēng)險的3個單因素所屬的風(fēng)險因子間相互耦合所導(dǎo)致的風(fēng)險，主要包括人員因素耦合風(fēng)險、船舶因素耦合風(fēng)險和環(huán)境因素耦合風(fēng)險等3種。

(2) 多因素耦合風(fēng)險:是指影響水上交通風(fēng)險的2個或2個以上因素之間相互耦合導(dǎo)致的風(fēng)險，這里包括雙因素耦合風(fēng)險(包括人員-船舶因素耦合風(fēng)險、人員-環(huán)境因素耦合風(fēng)險和船舶-環(huán)境因素耦合風(fēng)險等3種)和三因素耦合風(fēng)險(指人員-船舶-環(huán)境因素耦合風(fēng)險)。

2 水上交通風(fēng)險成因耦合診斷模型

2.1 貝葉斯網(wǎng)絡(luò)

貝葉斯網(wǎng)絡(luò)又稱概率圖模型，是帶有概率注釋的有向無環(huán)圖，能表示大的變量集合的聯(lián)合概率分布及分析大量變量間的相互關(guān)系，利用貝葉斯定理實現(xiàn)網(wǎng)絡(luò)學(xué)習(xí)和統(tǒng)計推斷功能，完成預(yù)測、診斷、分類及聚類等任務(wù)。[11]

一組變量X={X1，X2，…,Xn}的貝葉斯網(wǎng)絡(luò)由以下2部分組成：

1) 表示X中變量的條件獨立的網(wǎng)絡(luò)結(jié)構(gòu)S。S為有向無環(huán)圖，其節(jié)點一一對應(yīng)X中的變量，以Xi表示變量節(jié)點，Pai表示S中Xi的父節(jié)點，則有Pai→Xi，S的節(jié)點之間由有向弧線連接表示條件獨立。

貝葉斯網(wǎng)絡(luò)推理[12]是指利用所建的貝葉斯網(wǎng)絡(luò)模型的結(jié)構(gòu)和條件概率表，在給定證據(jù)后推理計算某些節(jié)點的后驗概率,一般有因果推理和診斷推理2種推理模式，其中：因果推理是由原因計算結(jié)果的推理；診斷推理是由結(jié)果尋找成因的推理。這里主要利用診斷推理分析水上交通風(fēng)險的成因機理，利用因果推理研究風(fēng)險因素間的耦合關(guān)系。

2.2 水上交通風(fēng)險成因耦合作用診斷方法

利用貝葉斯網(wǎng)絡(luò)進行水上交通風(fēng)險成因耦合作用研究，具體步驟如下。

2.2.1建立貝葉斯網(wǎng)絡(luò)診斷模型

首先構(gòu)建貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)表示風(fēng)險因素間的關(guān)系，一般有專家指定法、大量數(shù)據(jù)訓(xùn)練法和綜合確定法等3種方法[13]，這里采用專家指定法。在確定網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上進行貝葉斯網(wǎng)絡(luò)條件概率表的確定，BN的節(jié)點變量分為以下2類：

(1) 與其父節(jié)點之間存在邏輯關(guān)系，其條件概率可通過邏輯分析獲得；

(2) 在其父節(jié)點的綜合作用下導(dǎo)致該節(jié)點發(fā)生，其條件概率主要通過事故數(shù)據(jù)學(xué)習(xí)和專家問卷調(diào)查獲得。

根據(jù)水上交通事故的特點，將其節(jié)點狀態(tài)指定為Small，General，Big和Major等4個，其他風(fēng)險因素和子因素節(jié)點的狀態(tài)均為Yes及No。

2.2.2研究水上交通風(fēng)險因素耦合作用

利用建立的貝葉斯網(wǎng)絡(luò)模型對特定的變量指定節(jié)點的狀態(tài)(證據(jù))，推理得到各類風(fēng)險事故發(fā)生的概率；按照表1對各類事故進行賦值[14]，利用式(1)合成事故概率與后果，得到水上交通風(fēng)險值。[15]

(1)

式(1)中：pi為某類事故發(fā)生的概率；ci為該類事故的后果。

表1 水上交通事故后果賦值表

通過指定不同變量的狀態(tài)，研究不同因素間相互耦合對風(fēng)險大小的影響。

2.2.3診斷水上交通風(fēng)險成因

利用水上交通風(fēng)險診斷的貝葉斯網(wǎng)絡(luò)模型，根據(jù)給定水上交通事故的不同狀態(tài)推理診斷不同事故下風(fēng)險因素的變化情況，以此研究事故致因機理。

3 算例

選取我國某沿海水域近7 a的交通事故數(shù)據(jù)進行模型的應(yīng)用[16]，采用貝葉斯網(wǎng)絡(luò)推理的方式定量化研究不同風(fēng)險因素間的耦合作用和水上交通風(fēng)險的成因耦合機理。

首先，根據(jù)風(fēng)險成因分析確定BN節(jié)點，結(jié)合專家建議指定BN結(jié)構(gòu)；在此基礎(chǔ)上，利用BN建模軟件，通過參數(shù)學(xué)習(xí)的方法獲取先驗概率和條件概率表，事故數(shù)據(jù)庫中沒有涉及的節(jié)點的條件概率通過專家問卷調(diào)查的方式獲得。綜合確定的水上交通風(fēng)險成因耦合作用診斷模型見圖1。

3.1 水上交通風(fēng)險因素耦合作用研究

通過對水上交通風(fēng)險BN模型中的風(fēng)險因素進行狀態(tài)(證據(jù))指定，推理計算出風(fēng)險的大小，據(jù)此研究不同風(fēng)險因素相互耦合對風(fēng)險大小的影響。

圖1 水上交通風(fēng)險成因耦合作用診斷模型

3.1.1風(fēng)險致因的單因素作用

首先，在BN模型初始狀態(tài)下進行推理計算，得到該沿海水上交通風(fēng)險的初始狀態(tài)(見圖2a)。由于模型是從已發(fā)生的事故數(shù)據(jù)中獲得的，因此推理結(jié)果中水上交通事故發(fā)生概率為100%，得到的是不同事故類型的概率，根據(jù)表1和式(1)可計算得到初始風(fēng)險值R0=8.199。在此基礎(chǔ)上，研究人員因素、船舶因素和環(huán)境因素等3個單因素對風(fēng)險大小的影響，分別對其狀態(tài)進行指定(將某單因素狀態(tài)設(shè)置為Y=100%，其他單因素狀態(tài)設(shè)置為N=100%)來推理對應(yīng)的事故風(fēng)險大小，研究3個單因素的不同影響。推理得到人員、船舶和環(huán)境3個單因素作用下的推理結(jié)果見圖2。

a) 初始狀態(tài)

c)船舶因素

d) 環(huán)境因素

對推理結(jié)果進行計算分析可得到：

(1) 根據(jù)歷史事故數(shù)據(jù)庫學(xué)習(xí)、推理得到的初始狀態(tài)風(fēng)險值R0=8.199，低于一般風(fēng)險值(一般事故后果值為10)，說明該水域整體風(fēng)險水平處于英國健康安全環(huán)保委員會認定的最低合理可行區(qū)間內(nèi)，屬于目前水上交通系統(tǒng)風(fēng)險的基本水平。

(2) 經(jīng)推理計算，環(huán)境單因素作用下的水上交通風(fēng)險值RE=8.536，船舶單因素作用下的水上交通風(fēng)險值RS=4.233，人員單因素作用下的水上交通風(fēng)險值RH=6.194，3個單因素所導(dǎo)致的風(fēng)險值比例約為RE∶RH∶RS=4∶3∶2，與文獻[7]中的結(jié)論基本相同，證明了所建模型的有效性。

(3) 3個單因素中環(huán)境因素對水上交通風(fēng)險的影響最為突出；同時，人員因素的影響也較為突出，尤其是船員因素的影響需相關(guān)管理人員高度重視。船舶因素導(dǎo)致的風(fēng)險值最小，不足環(huán)境因素的1/2，反映出船舶因素對水上交通風(fēng)險的影響隨著船舶技術(shù)的發(fā)展和船況的改善而降低的現(xiàn)狀。

3.1.2多風(fēng)險因素的耦合作用

利用BN診斷模型進行4種情況下多因素耦合風(fēng)險的推理，推理結(jié)果見圖3，經(jīng)計算得到各自的風(fēng)險值為RCE=10.582(人員-環(huán)境耦合風(fēng)險值)，RCS=9.588(人員-船舶耦合風(fēng)險值)，RSE=11.396(船舶-環(huán)境耦合風(fēng)險值)，RCSE=21.743(人員-船舶-環(huán)境耦合風(fēng)險值)。對推理計算結(jié)果進行分析可得到以下結(jié)論：

a) 人員-環(huán)境因素耦合風(fēng)險

b) 船舶-環(huán)境因素耦合風(fēng)險

c) 人員-船舶因素耦合風(fēng)險

d) 人員-船舶-環(huán)境因素耦合風(fēng)險

(1) 三因素耦合作用對水上交通風(fēng)險的影響明顯比雙因素大，三因素耦合的風(fēng)險值高達21.743，介于大事故與重大事故的后果值之間，比兩因素耦合高出91%～127%，說明當(dāng)3個風(fēng)險因素同時出現(xiàn)時發(fā)生大事故乃至重大事故的概率比較大，因此在風(fēng)險防范和預(yù)警方面應(yīng)特別注意避免三因素耦合作用的情況出現(xiàn)。

(2) 人員因素、船舶因素和環(huán)境因素間的兩兩耦合作用各不相同，其中環(huán)境因素的影響比較顯著，環(huán)境與船舶因素耦合導(dǎo)致的風(fēng)險最大，3個兩因素耦合風(fēng)險值的比例為RCE∶RCS∶RSE=1.1∶1.0∶1.2，說明當(dāng)船舶航經(jīng)環(huán)境較差的水域之前或在該水域航行時不僅要加強人員因素的管理，更要注意檢查船舶的狀況，使船舶保持良好的適航性。

(3) 基于貝葉斯網(wǎng)絡(luò)推理的水上交通風(fēng)險因素耦合研究與以往的定性分析不同，不僅可定量測度不同因素間耦合風(fēng)險的大小，還可推理得到不同條件下各類水上交通事故的發(fā)生概率，有助于相關(guān)管理部門采取有針對性的應(yīng)對和預(yù)防措施。

3.2 水上交通風(fēng)險成因診斷研究

利用BN風(fēng)險診斷模型，在給定水上交通事故狀況下進行推理診斷，得到各類事故成因的作用機理和耦合關(guān)系。分別對4種水上交通事故狀態(tài)下的風(fēng)險成因進行診斷，得到推理結(jié)果見圖4。

4種水上交通事故狀態(tài)下各風(fēng)險因素的概率統(tǒng)計見表2，4種狀態(tài)下各風(fēng)險因素的概率與初始狀態(tài)對比的變化率分布情況見圖5。

通過對表2和圖5中的數(shù)據(jù)進行分析可得到：

1) 人員因素、船舶因素和環(huán)境因素在各類事故中的波動都比較明顯，其中：人員因素的波動最小,為-66.67%～17.78%，相對比較穩(wěn)定，表明人員因素(尤其是船員因素)造成的事故后果是隨機的，取決于與其他因素的耦合作用；環(huán)境因素的波動最大,為-42.86%～280.95%，穩(wěn)定性最差，表明客觀因素導(dǎo)致的風(fēng)險比主觀因素更難以把握，與水上交通的實踐經(jīng)驗相一致。

a) 小事故成因診斷

b) 一般事故成因診斷

c) 大事故成因診斷

d) 重大事故成因診斷

狀態(tài)人員因素船員因素其他人員船舶因素環(huán)境因素航道碼頭交通因素自然因素初始456514252119733小事故154391080301866一般事故536715231217628大事故3857134760271455重大事故3455123854251352

圖5 4種水上交通事故狀態(tài)下各風(fēng)險因素的概率與初始狀態(tài)對比的變化率分布情況

2) 小事故和一般事故情況下船舶因素的影響較小，而大事故和重大事故情況下船舶因素的影響較大，表明在船舶因素與其他因素的耦合作用下發(fā)生事故的后果往往比較嚴重。

3) 發(fā)生小事故時人員因素和船舶因素的影響較小，環(huán)境因素(尤其是交通因素和自然因素)的影響較大，表明在人員因素和船舶因素沒有失效的情況下，環(huán)境因素出現(xiàn)異常時事故后果的影響往往比較小；發(fā)生大事故和重大事故時船舶因素和環(huán)境因素的影響都較大，表明當(dāng)船舶因素和環(huán)境因素均失效時，尤其是在交通因素和自然因素與船舶因素的耦合作用下，事故的后果往往比較嚴重。

4 結(jié)束語

(1) 引入貝葉斯網(wǎng)絡(luò)理論建立水上交通風(fēng)險成因的耦合作用診斷模型，不僅能得出風(fēng)險因素間的耦合作用機理，還可推理診斷不同事故后果下各個風(fēng)險因素的影響大小及相互耦合關(guān)系；

(2) 水上交通風(fēng)險因素的耦合作用隨耦合因素的增加而增強，三因素耦合比兩因素耦合和單因素造成的風(fēng)險都要大；

(3) 船舶因素對事故后果的影響較大，尤其是在船舶因素與環(huán)境因素的耦合作用下容易出現(xiàn)較嚴重的事故后果，因此相關(guān)部門和船舶管理人員要加強對船舶的安全管理，使船舶具備應(yīng)對相應(yīng)航行環(huán)境的適航性。

[1] 胡甚平. 海上交通系統(tǒng)風(fēng)險蒙特卡洛仿真[J]. 上海海事大學(xué)學(xué)報,2011,32(4):7-11.

[2] 張文青,胡甚平,劉琨,等. 基于熵權(quán)的海上交通風(fēng)險成因物元評價模型[J]. 上海海事大學(xué)學(xué)報, 2010,31(2):18-22.

[3] 張欣欣,軒少永,席永濤,等. 基于HFACS的海上交通事故原因系統(tǒng)分析[J]. 上海海事大學(xué)學(xué)報, 2012,33(4):15-19.

[4] 周麗麗,胡甚平. 船舶引航風(fēng)險成因灰色綜合評價模型[J].上海海事大學(xué)學(xué)報,2008,29(2):21-25.

[5] 羅帆,劉堂卿. 基于N-K模型的空中交通安全耦合風(fēng)險分析[J]. 武漢理工大學(xué)學(xué)報(信息與管理工程版),2011,33(2):267-270.

[6] 劉全龍,李新春,王雷.煤礦事故風(fēng)險因子耦合作用分析及度量研究[J]. 統(tǒng)計與信息論壇,2015,30(3):82-87.

[7] 胡甚平,黎法明,席永濤,等.海上交通系統(tǒng)風(fēng)險成因耦合機理仿真[J].應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報, 2015,23(2):409-419.

[8] 曹久華,席永濤,胡甚平,等. 基于系統(tǒng)動力學(xué)的港口船舶通航風(fēng)險成因耦合模型[J]. 安全與環(huán)境學(xué)報,2015,15(3):65-71.

[9] 胡甚平,方泉根,喬歸民,等. 大型船舶航行的風(fēng)險分析與風(fēng)險控制[J]. 中國航海,2006,29(3):34-38.

[10] 劉堂卿. 空中交通管制安全風(fēng)險耦合機理研究[D].武漢:武漢理工大學(xué),2011.

[11] 朱明敏. 貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)與推理研究[D].西安:西安電子科技大學(xué),2013.

[12] 葉躍祥,糜仲春,王宏宇,等. 基于貝葉斯網(wǎng)絡(luò)的不確定環(huán)境下多屬性決策方法[J]. 系統(tǒng)工程理論與實踐,2007(4):107-113.

[13] 郭云龍,席永濤,胡甚平,等. 基于動態(tài)貝葉斯網(wǎng)絡(luò)的船舶溢油風(fēng)險預(yù)報[J]. 中國安全科學(xué)學(xué)報, 2013,23(11):53-59.

[14] 吳金龍,劉大剛,范中洲,等. 大風(fēng)浪條件下渤海海區(qū)重點船舶風(fēng)險評估模型[J].中國航海,2012,35(2):89-92.

[15] 方泉根,胡甚平. FSA在船舶引航風(fēng)險評估中的應(yīng)用[J]. 哈爾濱工程大學(xué)學(xué)報,2006,27(3):329-334.

[16] 胡甚平,方泉根,張錦朋,等. 沿海水上交通安全的風(fēng)險評估研究[J]. 中國航海,2010,33(1):50-55.

Diagnosis of Coupling Effect Among Risk Causes of Water Transportation

JIALixiao1,HUShenping2

(1. Navigation Department, Nantong Shipping College, Nantong 226010, China;2. Merchant Marine College, Shanghai Maritime University, Shanghai 201306, China)

1000-4653(2016)04-0091-06

U698

A

2016-07-12

上海海事大學(xué)校基金(20120057)；廣東省交通運輸廳科技項目(201202004)

賈立校(1982—)，男，河北邢臺人，講師，碩士，研究方向為水上交通安全管理。E-mail:jialx@ntsc.edu.cn