海上人命損失的時間和形態分布規律

曹　亮，劉正江

(大連海事大學 航海學院，遼寧 大連 116026)

海上人命損失的時間和形態分布規律

曹亮，劉正江

(大連海事大學 航海學院，遼寧 大連 116026)

摘要：基于MAIB數據庫和某航企海員工傷數據庫，通過“ARIMA”時間序列預測模型和“致死率”模型，對海上人命損失時間的分布特征和形態特征分析，發現海上人命損失隨時間呈總體下降趨勢，海員操作事故和疾病等導致的人命損失數量已經超過傳統海上交通事故造成的生命損失數量。應將交通行為和操作行為一并納入海上交通安全理論的研究范疇，改變以往通過預防海上交通事故達到減少海上人命損失的路徑，建立以人命保護為核心的研究路徑，實現海上人命安全保護的目的。

關鍵詞：海上人命損失；時間分布；形態分布；ARIMA；致死率；海上交通安全理論

海上人命安全一直是行業和社會關注的焦點。諸如“泰坦尼克”海難等一系列的海上惡性事故引發了SOLAS等國際公約的誕生和實施，通過提高客船和貨船船舶的建造和營運水平，挽救了成千上萬航海人和海上旅客的生命[1]。

針對二戰后海上運輸迅速發展，船舶數量猛增，海上交通出現船舶密度高、會遇率高和大量船舶碰撞事故發生的狀況，20世紀70年代海上交通安全學者建立了海上交通工程學科[2]，研究海上交通行為，目的是增進海上交通的安全與效率。并將“海難”中與海上交通有關的碰撞、擱淺、觸礁和觸碰、浪損等稱為“海上交通事故”分離出來單獨研究，用來揭示某水域、某類船舶的交通實況。相應的 “船舶避碰規則”“分道通航制”等研究成果先后付諸實施，極大的促進了海上交通安全實踐，避免了大量海上人命、環境污染和經濟利益損失。

隨著時代的發展，越來越多的研究表明，“海難”中除“海上交通事故”外的船舶傾覆、沉沒等也造成了海上人命的大量損失[3-5]；海員在船期間遭受的其他勞動傷害以及疾病、自殺和他殺等造成的海員死亡也不容忽視[6-7]。對于船員在船期間發生的事故是海上交通事故或者職業事故存在著爭議。2014年韓國“歲月號”客輪的傾覆事故和2015年中國“東方之星號”客輪風災事故，也不屬于上述“海上交通事故”范疇。并且隨著安全科學的發展，文獻[8-9]等指出安全研究的對象是系統整體，事故不應再是安全科學的研究對象。這凸顯出當下海上交通安全研究對象的不足。

ARIMA方法廣泛應用于事故等領域預測[10-14]，具有很好的適用性和準確性。為此，采用ARIMA等方法，分析海上人命損失現狀和趨勢，研究海上人命損失時間分布和形態分布規律，試圖勾畫出海上人命損失圖譜，突出當前階段預防海上人命損失的現狀和趨勢。

1數據處理

1.1數據準備

本文所指“海上人命損失”是指乘客、海員(包含漁船海員)和其他人(包括港口裝卸、維修人員等)在海上活動中的死亡現象。由于漁船特殊的用途、結構和設備要求，IMO針對漁船制定了《國際漁船公約》[15]。限于學科限制，本文研究過程中不含漁船船員和其他人命損失。為準確還原海上人命損失現狀，初定按照乘客、海員死亡為變量，并按照變量的5～10倍的樣本容量來選擇樣本，即選擇20年跨度以上的海上人命損失時間序列數據樣本。由于各國、群體，以及研究機構對于海上人命損失的理解和實踐不一致，致使統計的數據具有較大差異。國際海事組織IMO的GISIS數據庫信息具有大量信息，但數據不完整，不能滿足變量要求[16]。日本運輸安全委員會(Japan Transport Safety Board，JTSB)數據自2008年開始公布，不能滿足樣本數量需求[17]。中國海事局根據《水上交通事故統計辦法》[18]對中國管轄水域發生的水上交通事故和懸掛中國國旗船舶在任何水域發生的碰撞、擱淺、操作性污染事故等進行統計，但對海員在船上發生的操作事故、疾病等造成的海員死亡剛剛開始統計，并且占事故總量90%的小故事數據并沒有得到全國性的統計分析，其數據因此其數據難以覆蓋海上人命損失[19]。HIS從貨運船舶全損的角度記錄了海員死亡數據，但也難以滿足全部海上人命損失統計的變量要求[20]。歐盟自2010年開始建立海難信息平臺，用于儲存和分析各成員國海難信息，并于2011年開始發布年度歐盟海海難信息年報，但由于平臺剛剛建立，數據正處于上升期，其數據暫時還不能反映事故全貌，并由于年限較短，不能滿足樣本數量需要[21]。MAIB是英國交通部下屬的專業海事調查機構，專門負責對英國管轄水域的所有船舶和懸掛英國國旗的船舶在任何水域發生的海事進行專業調查，并自1973年起發布年度調查報告，能覆蓋各類原因導致的海上人命損失并符合樣本容量要求，并且英國水域是世界最繁忙水域之一，其數據一定具有代表性。為此，選擇MAIB數據作為研究樣本來研究海上人命損失的時間分布和形態分布規律具有明顯的優勢。按照英國海事調查局(Marine Accident Investigation Branch，MAIB)的分類方法，將乘客死亡數量(簡稱，乘客)和海員在海難中死亡數量(簡稱，海難)、海員在操作事故中死亡數量(簡稱，操作事故)和疾病、自殺、他殺造成的海員死亡數量為變量(簡稱疾病等)。同時由于隨著航空業的競爭，乘客越來越減少海上出行，乘客在海上的死亡現象日漸減少；還由于貨船數量的大幅增長，海員的死亡現象在當前階段已經較為突出，為此引入國內某企業海員死亡數據作為分析海員人命損失形態分布規律的補充材料。

1.2MAIB海員死亡數據

MAIB在1973～1984年度報告中，按照航海習慣，將乘客和海員死亡歸為乘客、海難、操作事故和疾病、自殺、他殺4個大類別統計，其中后3類是指海員人命損失。MAIB從1985年起對年度報告進行了更改，不再統計疾病、自殺和他殺數據，并對事故種類重新進行了劃分，見表1。

表1　MAIB1973～2014海上人命損失數據

資料來源：MAIB年度報告[22]。

1.3國內某企業海員工傷數據

某航企船海員數量約2.1萬～2.3萬人/年。海員傷亡數據按照中國《企業職工傷亡事故分類標準(GB6441—86)》進行分類，將不能分類的部分海員人命損失按照“其他類”處理。本文在此分列基礎上，參照MAIB分類標準，對“其他類”項目進行細分，數據見表2。

表2　某航企海員傷亡數據

資料來源：張曉論文[23]。

2海上人命損失時間分布特征

2.1ARIMA模型

ARIMA(autoregressive integrated moving average model)是由Box和Jenkins于20世紀70年代初提出的著名時間序列預測模型，根據對時間序列特性的預先研究，可以指定3個參數來分析，即描述自回歸階數(p)、差分次數(d)、移動平均階數(q)，通常模型被寫作ARIMA(p,d,q)。

2.2海上人命損失模型擬合

2.2.1乘客人命損失模型擬合

用ARIMA(1,2,1)模型對乘客人命損失數據進行擬合，并用Eviews軟件進行系數估計和模型檢驗，具體如下。

(1-0.282 263B)(1-B)2xt=

(1)

(2)

結果見表3，2個系數的t統計量的p值均小于0.05，說明這2個系數估計結果都是顯著有效的，且可決系數R擬合優度達到0.73，效果較好，模型的擬合效果見圖1。

表3　乘客時間序列模型

圖1　乘客二階差分擬合曲線

2.2.2海難導致海員人命損失模型擬合

用ARIMA(1.2.2)模型對海難海員人命損失數據進行擬合，并用Eviews軟件進行系數估計和模型檢驗。具體如下。

(1+0.077 679B)(1-B)2xt=

(1-1.918 114B+0.923 068B2)ε1t

(3)

(4)

可決系數R擬合優度達到了0.8以上，AIC值約為7.54。因此根據AIC準則可知，模型擬合效果良好。參數詳細結果表和差分數據擬合效果圖略。

2.2.3操作事故導致海員人命損失模型擬合

用ARIMA(1,2,3)模型對操作事故導致海員人命損失數據進行擬合，并用Eviews軟件進行系數估計和模型檢驗，具體的模型如下。

(1+0.437 285B)(1-B)2at=

(1-2.290 147B+2.249 744B2-

0.935 738B3)ε2t

(5)

(6)

式中：a0為t=0時即1973年操作事故的數據；ε20是同期即t=0時的模型的殘差數據。可決系數R擬合優度接近0.8，AIC值約為6.84，且各個系數均通過了顯著性檢驗，根據AIC準則可知，模型擬合效果良好。參數詳細結果表和差分數據擬合效果圖略。

2.2.4人命損失模型擬合

用ARIMA(0,1,(3))疏系數模型對疾病、自殺和他殺導致的海員人命損失數據進行擬合，并用Eviews軟件進行系數估計和模型檢驗。具體模型如下。

(7)

(8)

式中：b0為t=0，即1973年疾病、自殺和他殺的數據；ε30是同期即t=0時的模型的殘差數據。可決系數R的擬合優度值為0.79，AIC值約為7.36，且MA(3)的系數的p值為0，小于0.01，通過了顯著性檢驗。參數詳細結果表和差分數據擬合效果圖略。

2.3海上人命損失模型精度檢驗和預測

對預留的2010-2014年的數據進行精度檢驗。由于所分析時間序列數據為整數型并且數值較小，所以從精度檢驗結果來看，各個模型的預測效果較好，見表4。進而對2015-2019年的數據進行預測，結果見表5。

表4　精度分析

2.4趨勢分析和綜合關聯分析

根據表1和表5數據，分析得出海難、操作事故和疾病導致海員人命損失數量的趨勢線，見圖2。

表5　海上人命損失預測

圖2　MAIB 1973～2019年海上人命損失趨勢

利用表1數據，對1985-2014年的數據進行相關分析，顯示有顯著相關關系的是海難和乘客高度相關；操作事故和乘客高度相關，具體見表6。

表6　相關性分析

注：***為高度相關；括號內的是其對應的p值。

2.5結果分析

1) 經對乘客死亡預測和海難、操作事故、疾病等導致海員人命損失預測模型(1)～(8)和圖2可見，在各類情況保持現狀不變的情況下，各類事故造成的海上人命損失總體呈下降趨勢，尤其是在20世紀80年代以前呈快速下降趨勢；在80～90年代略有震蕩；在90年代后保持較為平穩下降趨勢。從大的國際背景來看，1960年版、1974年版SOLAS公約和若干修正案、議定書，以及COLREGS、STCW78/95規則等的相繼制定和實施，船舶技術條件和海員素質都得到了具大的提升，對于避免海上人命損失起到了積極的作用。

2) 對1985年后的數據相關性分析可以看出，船舶海難導致的海員人命損失和乘客人命損失具有較強的相關性，且由于海難屬于隨機性事件，一旦發生可能造成較為乘客和海員人命損失的嚴重后果；另外，乘客和海員在船期間，經常發生諸如滑倒、磕碰等事故，造成一定的人命損失，說明船上生活和工作環境具有一定的風險性。

3海員人命損失的形態分布特征

3.1海員人命損失形態特征分析

海員人命損失形態見圖3～6。引進“致死率”概念，模型如下。

(7)

式中：B為海員遭受某種風險的致死率；D為海員遭受某種風險的致死數量；I為海員遭受某種風險的受傷數量。并對某企業數據進行計算，結果見表2。

圖3　海上人命損失占比統計

圖4　MAIB 1973～2014年海上人命損失形態分布

圖5　MAIB海員人命損失形態分布

圖6　某航企2001～2009年海員人命損失形態分析

3.2結果分析

MAIB數據是從1973-2014年，間隔時間較大，通過其數據可以窺探到海上人命損失形態分布的部分整體性特征。

1) 乘客人命損失占據的份額較海上人命損失比重越來越小，與現實感受一致，社會不良影響和關注度降低，現階段更關注環境污染。

2) 海員已成為當前階段海上人命損失的主體，其中船上操作事故造成的人命損失占據第一位。疾病、自殺和他殺造成的海員人命損失占據較大份額，也是造成海員人命損失的主要原因之一。前兩類分布造成的海員人命損失遠高于傳統海上交通事故[2]造成的人命損失數量。

3) 造成海員人命損失數量最多的事故是船舶傾覆，然后依次是墜海、高處跌落、上下船、失蹤、拋錨帶攬作業、搬挪設備等、物體打擊、火災爆炸等。傳統海上交通研究的船舶碰撞等造成海員人命損失數量排在最末位。

某企業[7]數據時間跨度從2001-2009年，海員數量以及海員人命損失數據量較大，反映出當下階段海員人命損失形態分布特點和海員面臨的主要風險特征。可與MAIB數據相互印證結果。

首先，海難造成海員人命損失的數量仍然較多。但從整體上看，由于船上操作和疾病等風險造成的海員人命損失占比更大。

其次，火災、中毒和窒息、疾病造成海員受傷的比例很小，但其致死率分列第1～3位。其中疾病造成的海員人命損失數量占總數第2位，火災造成的海員人命損失數量占總數第3位。淹溺和落水、觸電傷害、車輛傷害、爆炸等也是造成海員人命損失率較高的原因。

4結論

由于本次研究結果來源于英國專業海事機構和國內某企業的數據，其樣本的時間分布和形態分布易受到人為因素干擾，造成樣本集是“有偏的”，且形態分類方法存在一定混亂。為此，下一步要加強收集和分析樣本，對樣本進行無偏化處理，以獲得更好的海上人命損失分布規律。

參考文獻

[1] 劉正江.百年SOLAS公約[J].中國海事,2014(3):8-12.

[2] 吳兆麟,朱軍.海上交通工程[M].大連:大連海事大學出版社,2009.

[3] ROBERTS S E, MARLOW P B, Jaremin B. Shipping casualties and loss of life in UK merchant shipping, UK second register and foreign flags used by UK shipping companies[J]. Marine policy,2012,36(36):703-712.

[4] ROBERTS S E, PETTIT S J, MARLOW P B. Casualties and loss of life in bulk carriers from 1980 to 2010[J]. Marine Policy,2013,42:223-235.

[5] GOULIELMOS A M, MITROUSSI K, GATZOLI A. Marine accidents quality vs. safety and one step further[J]. International journal of ocean systems management,2008(1):45.

[6] OLDENBURG M, HERZOG J, HARTH V. Seafarer deaths at sea: a german mortality study[J]. Occupational Medicine,2015,32:342-351.

[7] ROBERTS S E, MARLOW P B. Traumatic work related mortality among seafarers employed in british merchant shipping 1976-2002[J].Occupational and environmental medicine,2005,62(3):172-180.

[8] 張景林,王晶禹,黃浩.安全科學的研究對象與知識體系[J].中國安全科學學報,2007(2):20-25.

[9] 陳偉炯.國際海運安全策略研究[C]∥1995～2009航海技術論文選集:第1集.北京:中國航海學會,2010.

[10] 張杰,劉小明,賀玉龍,等.ARIMA模型在交通事故預測中的應用[J].北京工業大學學報,2007(12):1295-1299.

[11] 孫軼軒,邵春福,計尋,等.基于ARIMA與信息粒化SVR組合模型的交通事故時序預測[J].清華大學學報(自然科學版),2014(3):348-353,359.

[12] BARBA L, RODRGUEZ N, MONTT C. Smoothing strategies combined with arima and neural networks to improve the forecasting of traffic accidents[J]. Scientific World Journal,2014(4):152375-152375.

[13] GILBERT K. An arima supply chain model[J]. Management Science,2005,51(2):305-310.

[14] REBECCA S, JIEMIN M, ZHAOHUI Z, et al. Cancer Statistics, 2014[J]. A Cancer Journal for Clinicians,2014,64(1):9-29.

[15] 劉正江,吳兆麟,李楨.國際海事組織海事安全類公約的最新發展[J].中國航海,2012(1):61-65.

[16] IMO. GISIS[DB/OL]. London: IMO,2015-12-31[2016-01-15]. https://gisis.imo.org/Public/MCI/Search.aspx.

[17] JTSB. FARS[DB/OL].Tokyo: JTSB,(2015-12-31)[2016-01-15]. http://www.mlit.go.jpjtsbmarrep.html.

[18] 水上交通事故統計辦法[Z].中華人民共和國國務院公報,2015-01:44-47.

[19] 李光輝.水上交通安全規律研究[D].大連:大連海事大學,2007.

[20] FAIR I H S. World casualty statistics[M]. London: Polestar Wheatons ltd,2010.

[21] EMSA. Annual overview of marine casualties and incidents 2015[M]. Portugal: EMSA,2015:10-15.

[22] MAIB. (Marine Accident Investigation Branch) annual report[EB/OL].London: MAIB,(2015-07-27)[2016-01-15].https://www.gov.uk/government/organisations/marine-accident-investigation-branch.

[23] 張曉,張鋼,眭云方,等.中國船員勞動工傷事故分析報告[J].中國航海,2012(1):113-118.

The Time and Categorization Distribution Characteristics of Loss Life at Sea

CAO Liang, LIU Zheng-Jiang

(Navigation Colleague, Dalian Maritime University, Dalian Liaoning 116026, China)

Abstract:The time distribution, categorization distribution and characters are studied by the ARIMA module and mortality rate module with the MAIB database and an enterprise database. The historical data illustrated that the death ratios at sea had declined as time goes by. The death caused by the operation failure and illness are over exceeded than the death caused by the marine traffic accident. So it is necessary to take account of traffic behavior and operation behavior into the marine traffic safety theory. It will be very valuable to reduce the loss of life at sea.

Key words:loss of life; time distribution; categorization distribution; ARIMA; mortality rate module; marine traffic safety theory

DOI:10.3963/j.issn.1671-7953.2016.03.033

收稿日期：2016-01-14

基金項目：國家自然科學基金(51309041)；國家863計劃(2009AA045003)；中央高校基本科研業務費基金(2015YB03,3132014201)

第一作者簡介：曹亮(1978—)，男，博士生 E-mail:4991925@qq.com

中圖分類號：U698

文獻標志碼：A

文章編號：1671-7953(2016)03-0146-07

修回日期：2016-02-19

研究方向:交通信息工程及控制