基于貝葉斯網絡的船舶大風浪中傾覆事故致因分析

劉子濤，杜柏松，賈帥林

(浙江海洋大學船舶與海運學院，浙江 舟山 316022)

0 引 言

各國間經濟貿易往來的日益頻繁，促使航運業快速發展，但也使船舶安全面臨巨大的挑戰。船舶在海上航行時，經常會遇到大風浪天氣，這種天氣不僅給船舶的操縱帶來很大的困難，而且容易導致船舶傾覆事故的發生。交通運輸部海事局統計數據顯示，2017年我國共發生一般等級以上中國籍運輸船舶水上交通事故196起(沉船80艘)，較2016年上升16.3%。每次傾覆事故的發生都會造成重大經濟損失和人員傷亡，給航道通行帶來不便，造成海上環境污染。因此，研究船舶傾覆事故具有重要的現實意義。

近年來國內外學者對海上交通事故做的研究主要有：何譽等應用貝葉斯理論分析了易流態貨物船舶傾覆擱淺事故，并通過推理學習得到傾覆和擱淺事故的最大致因鏈，為易流態貨物的海上運輸提供了指導和建議；李奕良用貝葉斯網絡可視化軟件(GeNie軟件)建立干散貨船沉沒事故的貝葉斯網絡，并通過診斷推理的方式找出船舶自沉的最大致因鏈，確定各風險因子對船舶自沉事故的影響程度；張笛等采用貝葉斯網絡對船舶傾覆事故后果進行預測，并對船舶傾覆應急措施進行評估；張志成等結合2005—2015年在南海發生的擱淺事故，利用貝葉斯網絡建立船舶擱淺致因模型，對船舶擱淺事故進行概率分析與預測；AFENYO等利用貝葉斯網絡分析北極的航運事故，找出對事故影響最大的因素；三宅里奈等通過分析阪神港的集裝箱船碰撞事故，評估船舶碰撞事故發生時的態勢感知；KIM等應用Logistic回歸對船舶碰撞事故進行研究，提取了與船舶碰撞相關的各種變量，并對船舶碰撞事故發生的概率進行了計算。

船舶在大風浪中發生傾覆事故的原因往往多而復雜，這就給事故的分析帶來了困難。貝葉斯網絡是一種基于概率推理的數學模型，它不僅可以清晰地表示大型復雜系統網絡節點間概率的依賴關系，而且能夠從不完全或不確定的知識或信息中進行推理。當歷史數據缺失時，貝葉斯網絡不僅可以將已知的信息進行融合并進行預測推理，而且可以根據新獲得的信息不斷地修正預測。隨著已知信息的增加，貝葉期網絡得到的結果會更加精確。基于此，本文引入貝葉斯網絡理論，并綜合船舶在大風浪中傾覆事故的致因，構建大風浪中船舶傾覆事故的貝葉斯網絡，并對其進行驗證與推理。

1 貝葉斯網絡理論

1.1 基本概念

貝葉斯網絡又稱信度網絡，是目前不確定性知識表達和推理領域中最有效的理論模型之一。用有向無環圖(directed acyclic graph, DAG)和條件概率表(conditional probability table, CPT)表示貝葉斯網絡。DAG表示節點間存在的關系，CPT則表示節點間關系的強度。

DAG由節點及連接節點的有向邊構成。節點表示隨機變量，各節點之間用單向箭頭連接，表示節點間的因果關系。箭頭起始于父節點,末端指向子節點。每個節點的CPT包含所有可能存在的父節點組合。節點概率分布描述子節點與父節點之間的相關性,事件發生的聯合概率可表示為

(1)

式中：為節點的變量，為貝葉斯網絡中的變量集，={,=1,2,…,};表示節點的父節點集。

1.2 貝葉斯定理

隨機事件和的條件概率就是貝葉斯定理，可表示為

(2)

式中：()和()分別表示事件和事件的先驗概率；(|)表示在事件發生的前提下事件發生的概率，又稱事件的后驗概率，(|)的意義以此類推。

對于有兩個以上變量的情況，貝葉斯定理可表示為

(3)

式中：(|,)表示在事件和發生的前提下事件發生的概率，(|,)的意義以此類推。

2 貝葉斯網絡的建立

2.1 確定貝葉斯網絡節點

選擇合適的節點是建立貝葉斯網絡的前提。本文以中國海事局官網公布的2005—2019年間發生的126起船舶在大風浪中的傾覆事故作為樣本,選擇其中106起事故建立貝葉斯網絡，其余20起事故用于后續的驗證和推理。通過分析船舶傾覆事故致因，并將所有事故致因進行整合，篩選出合適的節點，然后剔除事故致因中的小概率事件，最終構建具有三層結構的貝葉斯網絡，確定了16個網絡節點。船舶在大風浪中傾覆事故的致因見圖1。

圖1 船舶大風浪中傾覆事故致因

將船舶傾覆事故設置為輸出節點，將事故致因按照人的因素、船舶因素、環境因素和管理因素四類進行劃分，并對相應的節點進行命名。

(1)人的因素。安全意識不強H：指船員在危險出現時思想麻痹，導致船舶傾覆事故的發生。船員經驗或能力不足H：指船員無法應對大風浪的航行環境或者無法熟練操縱船舶，使得船舶發生傾覆事故的概率增加。船長指揮不當H:指船長對出現的危險不能及時做出正確判斷，對船員指揮不當。

(2)船舶因素。船齡大S:指船舶老齡化導致船舶出現一系列問題，從而更容易受到外界風浪的影響，發生傾覆事故的概率更高。設備故障S：指在船舶航行過程中船舶設備發生故障，導致船員無法及時對外界情況做出反應，間接導致船舶傾覆事故的發生。船舶結構強度不足S:指船舶的維修保養不足，船舶無法達到適航條件，致使船舶傾覆事故發生。

(3)環境因素。能見度低E：指船員在能見度低的情況下極易發生操縱失誤，從而造成船舶傾覆。通航環境差E：指由于風、浪、流的存在，船舶的儲備浮力受到直接或間接的影響，從而引起傾覆事故的發生。

(4)管理因素。積載不當M：當貨物超載或者系固不牢時，船舶的穩性可能會不足，從而引發船舶傾覆，這屬于船公司管理方面的不足。配員不足M：船舶在海上航行未能達到主管機關頒發的《船舶最低安全配員證書》的要求。安全管理不足M：船運公司安全管理制度不完善或船舶航行安全措施不到位。

2.2 確定貝葉斯網絡節點的值域

在確定貝葉斯網絡節點后,也應確定每個節點的值域。在本文研究的船舶傾覆模型中：節點存在“是”和“否”兩個狀態,分別用1和0表示；每個節點的數值表示相應的概率，該值越大，事件發生的概率越高。

2.3 構建貝葉斯網絡

以收集的106起傾覆事故為研究樣本，分析每一起傾覆事故的因果鏈，再綜合全部樣本的因果鏈，形成一個完整的船舶在大風浪中傾覆事故的貝葉斯網絡，見圖2。其中，C表示船舶傾覆事件。

圖2 船舶在大風浪中傾覆事故的貝葉斯網絡

2.4 確定節點的條件概率

從106起船舶在大風浪中的傾覆事故中提取事故致因并進行離散化處理,作為貝葉斯網絡學習的樣本參數。通過計算每一事故致因所引起傾覆事故的數量與事故樣本總量之比來計算貝葉斯網絡各節點的先驗概率，計算結果見表1。

表1 貝葉斯網絡各節點的先驗概率

通過統計學方法和貝葉斯公式確定所有節點的條件概率。通過表1中節點的先驗概率計算中間節點的條件概率，并將其輸入貝葉斯網絡。以節點“人的因素”為例，可以得到圖3。圖3中，state1表示該節點對應的事件在傾覆事故中發生了,state0表示該節點對應的事件在傾覆事故中并未發生。

圖3 節點“人的因素”的條件概率

3 貝葉斯網絡的驗證、推理及船舶傾覆事故預防

Netica是一種貝葉斯網絡搭建與仿真軟件。它構建的貝葉斯網絡可以自動學習樣本數據并通過對先驗概率的計算分析出節點對結果的影響程度。通過Netica軟件能夠實現對船舶傾覆事故的推理與預測。為驗證本文所建立的船舶在大風浪中傾覆事故的貝葉斯網絡的正確性,利用Netica軟件進行建模，繪制船舶在大風浪中傾覆事故的貝葉斯網絡。

3.1 貝葉斯網絡驗證

選擇事故樣本中未參與貝葉斯網絡建立的20起船舶在大風浪中的傾覆事故,驗證貝葉斯網絡的有效性。以下是事故樣本中常州“中海588”號船沉沒事故實例。

事故概況如下：2015年8月8日17:21時許，江蘇省射陽縣某公司所屬的“中海588”號船自常州孢子洲水上過駁區裝載黃砂開往靖江，在由南向北橫越航道的過程中翻沉，在船2人全部落水失蹤，構成一般等級水上交通事故。事故結論為：船舶未按要求配備適任船員，駕駛人員的安全意識不強且不具備應有的船舶駕駛及應急處置能力；在航行環境惡劣、能見度不良的情況下，未謹慎駕駛、及早選擇安全水域避風。通過分析海事局的調查報告，將報告中的事故發生原因“安全意識不強、船員能力不足、能見度低、配員不足”作為節點輸入貝葉斯網絡中,其節點的概率設置為“state1=1”,貝葉斯網絡得到的聯合概率為90.4%，見圖4。

圖4 “中海588”號船傾覆事故驗證

由此可以得出結論，在“安全意識不強、船員能力不足、能見度低、配員不足”的情況下，“中海588”號船發生傾覆事故的概率為90.4%，說明建立的貝葉斯網絡對該事故是適用的。

用所建立的貝葉斯網絡預測其他19艘船的傾覆事故發生概率，進一步驗證所建立的貝葉斯網絡，結果見表2。通過表2可知，19艘船的傾覆事故發生概率均在80%以上，其中：有2艘船(占10.53%)的傾覆事故發生概率在90%以上；有14艘船(占73.68%)的傾覆事故發生概率在85%～90%，有3艘船(占15.79%)的傾覆事故發生概率在80%～85%。因此，所以建立的貝葉斯網絡對船舶在大風浪中傾覆事故的預測與實際情況高度相符。由此說明，本文所建立的貝葉斯網絡能有效預測船舶傾覆事故的發生，可以對船舶傾覆事故進行貝葉斯推理。

表2 19艘船傾覆事故發生概率貝葉斯網絡預測結果

3.2 貝葉斯網絡的推理

在對該貝葉斯網絡進行逆向推理時，假定船舶傾覆事故發生的概率為100%，則“船舶傾覆”節點的state1=1，推理結果見圖5。

圖5 貝葉斯網絡逆向推理結果

由圖5可知：在船舶傾覆事故的致因中，人的因素出現的概率最大，為92.4%；船舶因素、環境因素出現的概率分別為62.7%、74.8%，管理因素出現的概率最小，為56.9%。從人的因素看，安全意識不強對事故的影響最大；從船舶因素看，設備故障對船舶傾覆事故的影響最大；從環境因素看，通航環境差對事故的影響最大；從管理方面看，船舶配員不足對事故的影響最大。

3.3 船舶傾覆事故預防

人的因素是船舶傾覆事故發生的主要原因，但防止傾覆事故的發生需要從多方面著手。首先，要增加船員培訓次數來加強船員的安全意識，提高船員的技能水平和應急反應能力，航行前要做好應急預案。其次，船舶設備在航行前需要仔細檢查，船舶配員應至少達到《船舶最低安全配員證書》的最低要求。另外，船員要重視海上氣象信息，盡量避免船舶在惡劣天氣下航行。還有，船員要增強責任意識，航行期間要及時發現危險并采取正確的應對措施,還應確保貨物的合理積載。最后海事部門應加強對舊船的檢查，加強對航運公司的監管。

4 結 論

本文對2005—2019年間我國船舶在大風浪中發生的傾覆事故進行分析，將傾覆原因劃分為人的因素、船舶因素、環境因素和管理因素四個方面。運用貝葉斯網絡理論，建立了船舶在大風浪中傾覆的貝葉斯網絡，通過對貝葉斯網絡的學習和推理，得出以下結論:

(1)本文建立的貝葉斯網絡具有良好的數據基礎和理論支撐，能夠較為準確地分析、預測船舶在大風浪中的傾覆事故，并可針對船舶在大風浪中的航行提供建議和預防措施。

(2)利用貝葉斯網絡的推理能力，可得到船舶在大風浪中傾覆的最大致因鏈，為船運公司和船舶在大風浪中航行提供理論依據。

(3)貝葉斯網絡具有很強的處理不確定性問題的能力，在對海上交通情況進行推理、預測和決策方面具有明顯的優勢。因此，構建的貝葉斯網絡對海上船舶傾覆事故的預測具有一定的參考意義。

貝葉斯網絡結構更傾向于人為設計,易受到主觀因素的影響，后續將考慮補充更多的數據，將貝葉斯網絡與機器學習、深度學習等相結合,降低貝葉斯網絡對人工的依賴程度,提高對船舶傾覆事故分析的客觀性和可靠性，這也是今后學習和研究的方向。