基于灰云模型的海上交通系統風險推理方法

龔慧佳， 軒少永， 胡甚平， YANG Zaili

(1. 上海海事大學 商船學院, 上海 201306； 2. 英國利物浦約翰摩爾斯大學， 倫敦 SE12RE)

GONG Huijia1， XUAN Shaoyong1， HU Shenping1， YANG Zaili2

基于灰云模型的海上交通系統風險推理方法

龔慧佳1， 軒少永1， 胡甚平1， YANG Zaili2

(1. 上海海事大學 商船學院, 上海 201306； 2. 英國利物浦約翰摩爾斯大學， 倫敦 SE12RE)

引入灰云理論的映射方法定量推理海上交通系統風險。首先，提出風險事件成因發生的可能性及其影響程度，定量推理海上交通系統風險;其次，構建灰云模型應用流程，推理海上交通風險成因的作用效果;再次，借助云模型的代數運算和升云計算，得出海上交通系統風險;最后，結合我國某港口水域的船舶交通風險數據，推理船員、船舶和環境等3個因素作用下的海上交通系統風險。運用基于系統因素相互作用的風險二維云推理，得出港口水域船舶交通風險水平為0.3‰，且不穩定。算例應用結果表明:借助灰云模型有助于不確定描述與定常信息的量化轉換，實現多因素作用下的海上交通安全風險推理。

水路運輸;水上交通安全; 系統仿真； 風險評估; 云推理; 灰云模型

GONGHuijia1，XUANShaoyong1，HUShenping1，YANGZaili2

Abstract: The gray cloud model to reasoning the risks of maritime traffic system is introduced. First, proposing the possibility and influences of risks and analyzing randomness, quantitatively reasoning the risks of maritime traffic system; Second, based on the cloud model algebra calculation and cloud fusion calculation to obtain the risks of maritime traffic system; Third, combining the traffic risk data information of China’s coastal ports, analyzes the impacts of the crew, vessels and circumstances on marine traffic risks. Based on two dimensions of risk cloud reasoning, calculated the traffic risk level in the port waters was 0.3‰, and unstable. The illustrative examples show that, with the aid of gray cloud model, it can help the conversion between the random and incomplete information and to realize the marine traffic safety risks reasoning with multi factors.

Keywords: waterway transportation; marine traffic safety; system simulation; risk assessment; cloud reasoning; gray cloud model

海上交通安全涉及生命和財產的安全，屬于公共安全，國內外交通運輸領域一直在積極進行海上交通安全技術、管理和教育方面的研究。[1]近年來，隨著船舶交通量日益增加，海上交通監督管理工作面臨的挑戰逐漸增大，海上交通系統的安全問題日益突出。因此，對特定水域的交通系統風險進行識別、評估和推理已成為海上交通領域的研究熱點，具有積極的理論意義和實踐指導作用。[2]

目前對海上交通安全影響因素的相互關系的研究已取得很多成果。周麗麗等[3]運用灰理論分析船舶引航風險成因，提出除人因素之外，航道因素對引航安全的影響比較突出。張文青等[4]運用基于熵權的海上交通風險成因物元評價模型，提出除人因素之外，船舶和自然因素對海上交通安全的影響比較突出。李紅喜等[5]和王鳳武等[6]運用灰理論、主成因子分析法和粗糙集等方法提出環境因素中自然因素對海上交通安全的影響較地理因素和交通因素更突出。

國外對風險不確定性分析的理論研究[7-9]有很多，特別是在模糊信息下的海上交通風險宏觀性特征基礎研究領域。MERRICK等[10]闡述貝葉斯技術的輸入和輸出的不確定性仿真模型的不確定度表現。YANG等[11]研究證據推理方法的基本原理，提出權重標準化和基本概率分配的新方案。ELEYE-DATUBO等[12]研究貝葉斯網絡處理FSA研究中遇到的隨機不確定性問題。

近年來，隨著人工智能技術不斷發展，不確定性定量化研究不斷深入，系統形成因素之間的相互關系和作用機制開始成為一個新的研究方向。呂彬等[13]構建基于云模型的裝備采辦風險評估方法。王健等[14]將云模型應用到白化權函數中構造出灰云模型，并將其運用到球載雷達模擬訓練系統的效能評估中。胡甚平等[15]引入人工智能方法，建立海上交通系統風險云模型，闡明基于3個不安全要素的海上交通系統風險成因耦合機理。李曉松等[16]介紹云推理理論，構建武器裝備研制風險的云推理評估模型，實現定性變量與定量變量的相互映射。

這里引入不確定人工智能的方法，以海上交通運輸安全風險中風險形成因素發生的可能性和影響程度作為辨識基礎，通過輸入二維云參數，并結合確定的規則生成器，推理海上交通風險的量化等級，從而辨識出海上交通風險因素的作用和影響及確定特定條件下的風險程度，為分析風險評估的不確定性信息提供新的思路。

1 海上交通風險成因作用與量化

1.1海上交通風險成因分析

在海上交通系統安全方面，危險源是海上交通系統安全風險的形成因素,根據能量意外釋放理論，認為其由潛在危險性、存在條件和觸發因素等3個要素構成，其中：潛在危險性主要是財產損失、人命傷亡和環境損害，有時也會涉及社會影響；存在條件是人-船(貨)-環境的運行條件；觸發因素是使危險源轉化為事故的外因，每個類型的危險源都有相應的敏感觸發因素。系統的3個不安全(即人的不安全行為、船的不安全狀態和環境的不安全條件)是海上交通危險源的觸發因素。

1.2海上交通風險描述

在海上交通系統中，海上交通風險是指某一特定的狀態下能導致人、船、貨受到損害的可能性和形成影響的程度或范圍的組合[1-2],用數學算式表示為

Rs=f(L,I)|s

(1)

式(1)中：L為某一風險事件發生的可能性；I為事件發生帶來的影響；s為某一特定因素作用下的狀態；Rs為在s狀態下分析對象的風險；f為L和I上的非負實數函數。

風險是風險事件的可能性和嚴重性的組合。[2]現實中，海上交通系統安全風險往往包含隨機性、模糊性和不完整性信息，是多種信息的集成表示。對風險進行量化需尋求3種信息不確定表示的方法。

2 灰云模型與云推理

2.1灰云模型

灰云模型是王洪利等[17]結合云模型[18-19]理論和灰色理論提出的,目前已被廣泛應用于復雜系統智能信息的處理中。在云模型中，其縱坐標表示模糊性的隸屬度關系；而在灰云模型中，其縱坐標表示不完整性的灰數白化權。[19]灰云模型既可表示系統的不完整性信息，又能表示主觀判斷的隨機性和模糊性信息，還能綜合實現灰性和隨機性的定性與定量轉化。[19]

海上交通風險的形成是復雜的多因素相互作用的結果。[15]海上交通風險描述是對不確定性信息進行量化的過程，而不確定信息包含隨機性、模糊性和不完整性等多種屬性特征。因此，海上交通風險描述可借助灰云模型來綜合處理。

2.2灰云參數計算與灰云發生器

采用灰云模型進行海上交通系統風險仿真研究，以實現風險中隨機的不完整信息與定常信息的不確定轉換。

云的數字特征N3(Ex,En,He)用期望Ex，熵En和超熵He等3個數值來表示。灰云的數字特征GL5(Cx,Lx,Rx,En,He)用峰值Cx，左右邊界值[Lx,Rx]，熵En和超熵He等數值來表征。[19]

在點峰值模型中，熵En的取值為

En=(Rx-Lx)/6

(2)

在區間峰值中，熵En的取值為

En=[(Rx-Lx)-(RCx-LCx)]/6

(3)

He=En/α

(4)

式(2)～式(4)中：Cx為灰色概念中最能代表該定性概念的值，即白化權為1的值，可以是一個數，成為點峰值；[Lx,Rx]為論域中不完整性的灰色概念的數值范圍;α為常數，一般取6～8。

在實際語言描述的定性概念中，除完整的灰云模型之外，經常運用的還有半升灰云、半降灰云等單側特征的灰云。

灰云模型繼承了代數運算和升云運算[15,19]等云模型的基本算法。正向云發生器和逆向云發生器相結合可進行定性與定量的任意轉換。因此，運用云發生器算法生成的云也有不均勻分布云滴的特性，集成定性信息的隨機性和不完整性等特征。

3 基于灰云模型的海上交通系統風險推理流程

在風險云推理上，首先根據隨機事件發生的可能性及其影響，將2個判定值(L,I)|s輸入至二維X條件云發生器中，獲得確定度μ；然后輸入Y條件云發生器，得到單因素作用的風險值Rs；最后經云模型的代數運算和升云計算，獲得系統風險值R。

3.1風險變量云化

對定性變量進行云描述時，首先根據專家運用自然語言給出的評語給定性變量賦值，獲取灰云數字特征和云的形狀。風險描述包括風險發生概率、風險后果程度和風險大小等3個定性變量，因此要獲取各自的灰云數字特征GL5(Cx,Lx,Rx,En,He)。

3.2構造灰云標尺

將定性變量云化的結果置于統一的坐標系上，形成云標尺。目前主要有基于云變換的數據驅動法和基于黃金分割的模型驅動法。2種基于云模型的概念生成方法中,黃金分割率是廣泛應用的一種反映自然規律的最優分割模型[19]，因此借助分割率確立灰云標尺。

一般取奇數個云(如3個或5個)，如在[0,1]之間將論域分為5個評估等級(I5～I1)，分別對應灰云模型GL1(0.950 0，0.587 1， …，0.121 0，0.015 1)，GL2(0.587 1，0.362 8， 0.950 0，0.097 9，0.012 2)，GL3(0.362 8，0.224 2,0.587 1，0.074 8，0.009 3)，GL4(0.224 2，0.138 6,0.362 8,0.037 4,0.004 7)，GL5(0.138 6，…，0.224 2，0.028 6,0.003 6)。風險發生概率、風險影響程度和風險大小的云標尺見圖1，云標尺中的云簇形成定性變量的激活區間。

圖1 3種概念的灰云標尺

3.3確定定性規則

在構造云發生器之前,要先確定風險事件發生的可能性、影響程度和風險大小之間的定性規則。通過咨詢專家和參考相關文獻，確立可能性L，影響程度I及風險大小R之間的定性規則見表1，其含義列舉如下。

Rule 1：If 可能性L1(該風險不太可能發生) and影響I2(對目標影響極小或無影響)，then風險很低RIV。

?

Rule 9：If可能性L4(該風險很可能發生) and影響I5(對目標有重大影響)，then高度危險的作業RI。

表1 風險矩陣表

3.4構造規則發生器

由風險事件發生的可能性及其影響程度2個基本因素的組合可確定風險大小。針對特定水域，描述風險事件或組成因素的可能性及其影響程度具有隨機性、模糊性乃至不完整性等不確定性信息，因此需要將一個定性分析問題以云模型為工具進行定量分析。借助已確定的定性規則組合成多規則發生器。在由該發生器得到的風險矩陣中，不同位置處曲面的粗糙程度反映不確定性的程度[19]：越靠近規則的中心位置，曲面越光滑，不確定性的程度越低；而越靠近規則的重疊區，曲面越粗糙，不確定性的程度越高。

3.5風險的云推理

構造云規則發生器后，得到任一風險組成因素可能性及其影響程度的信息，經云規則發生器處理后，可統計出該風險組成因素的風險數值。

3.6系統風險

根據海上交通系統風險3個因素的云參數可由式(5)獲得。

(5)

式(5)中：ri為因素風險；wi為風險因素相互關系。該式利用云代數運算[15,19]可得出結果。同時，運用升云計算[15,19]也可推理出海上交通系統風險。

4 算 例

根據事故致因理論的觀點，海上交通事故是由船員的不安全行為、船舶的不安全狀態和環境的不安全條件等3個“不安全”相互作用導致的。這里以港口船舶交通風險為例說明基于云推理的應用。

4.1港口船舶交通風險因素分析與灰云參數

以我國東部地區的重要港口水域為例，利用DELPHI方法收集30名專家給出的該水域3個不安全的風險維度的判斷結果(初始云滴)，經云模型計算[15,19]得到該水域船舶交通風險因素的輸入值(見表2)。

表2 某水域船舶交通風險因素專家判斷

4.2各成因港口船舶交通風險云推理

海上交通風險的成因包括船員的不安全行為、船舶的不安全狀態和環境的不安全條件。不同成因作用下的海上交通風險量化可依靠前述模型經仿真獲得。首先將環境的不安全條件發生的可能性和風險影響程度(xL,xI)=(0.521 3,0.352 4)輸入至云規則發生器中，進行1 000次仿真，通過卡方檢驗得到若干個云滴；然后通過逆云生成器計算得到環境的不安全條件下風險因素ri的風險云參數，其數學期望為0.592 7，方差為0.234 0，超熵為0.121 6(即環境的不安全條件下風險因素為II級風險)。

重復上述步驟，遞推得到船員和船舶的風險因素為II級和III級風險(見表3)。

由表2數據可得出以下結論：

表3 某水域船舶交通風險因素云參數

1) 船舶在該水域作業，環境條件引發的風險較大，船員次之，船舶因素引發的風險較小。

2) 港口水域船舶交通風險的主要來源仍是環境的不安全條件，即自然、地理和交通等因素對海上交通風險的作用突出。

3) 環境和船員均被視為明顯危險的作業因素，需采取措施進行控制；船舶因素被視為可能危險的作業因素。

4.3港口船舶交通系統風險

船員的不安全行為、船舶的不安全狀態和環境的不安全條件共同作用產生港口船舶交通系統風險。文獻[15]中提出3個“不安全”產生的風險因素相互關系wi(見表4)。

表4 某水域船舶交通風險因素相互關系云 ×10-3

運用云計算公式[15]，得到該水域船舶交通風險一次推理水平為(3.135±0.663)×10-4。

若經逆向云發生器獲得云滴，根據文獻[15]，通過升云運算得到3個“不安全”產生的系統風險為0.540 3，處于III級風險與II級風險之間，相對趨向于II級風險且不穩定(見圖2)。

圖2 基于云推理的水域風險評價

5 結束語

風險是風險形成因素相互作用和影響的結果。海上交通系統安全風險本質上是船員的不安全行為、船舶的不安全狀態和環境的不安全條件等3個“不安全”相互作用觸發形成的綜合風險。算例應用結果證明，這些觸發因素的相互作用是不穩定的。

運用云推理，結合隨機信息和主觀信息進行海上交通系統風險測量。與以往的風險屬性中可能性與后果的代數組合相比，組合后的風險評價反映可能性與后果組合的非對稱性，更加注重后果的影響。灰云模型能綜合隨機性信息、模糊性信息和不完整性信息等多屬性信息，描述不確定性信息的容量更強。

運用云的代數計算和升云計算，可實現風險因素的綜合評估，獲得的結果能較好地反映相對風險評估結論的可靠性。絕對風險的定量化(特別是轉化成符合船舶活動量下的風險)是以后需要進行的研究。

[1] HU S, FANG Q, XIA H, et al. Formal Safety Assessment Based on Relative Risk Model in Ship Navigation[J]. Reliability Engineering & System Safety, 2011,92(3):369-377.

[2] 方泉根,胡甚平. FSA在船舶引航風險評估中的應用[J].哈爾濱工程大學學報,2006,27(3):329-334.

[3] 周麗麗,胡甚平. 船舶引航風險成因灰色綜合評價模型[J]. 上海海事大學學報,2008(2):21-25.

[4] 張文青,胡甚平,劉琨,等. 基于熵權的海上交通風險成因物元評價模型[J]. 上海海事大學學報,2010(2):18-22.

[5] 李紅喜,鄭中義,齊跡. 基于粗糙集的港口通航環境對航行安全的影響[J]. 大連海事大學學報,2012, 38(2):8-10.

[6] 王鳳武,邊海濤,劉強. 海損事故致因的加權灰色關聯分析[J]. 大連海事大學學報,2012, 38 (3):19-21.

[7] HELTON J C, JOHNSON J D, SALLABERRY C J. Quantification of Margins and Uncertainties: Example Analyses from Reactor Safety and Radioactive Waste Disposal Involving the Separation of Aleatory and Epistemic Uncertainty[J]. Quantification of Margins and Uncertainties,2011,96(9):1014-1033.

[8] AVEN T, ZIO E. Some Considerations on the Treatment of Uncertainties in Risk Assessment for Practical Decision Making[J].Reliability Engineering & System Safety,2011,96(1):64-74.

[9] KO? M L. Risk Assessment of a Vertical Breakwater Using Possibility and Evidence Theories[J]. Ocean Engineering,2009, 36(14):1060-1066.

[10] MERRICK J R W,DINESH V, AMITA S D, et al. Propagation of Uncertainty in a Simulation-Based Maritime Risk Assessment Model Utilizing Bayesian Simulation Techniques[C]. Simulation Conference, 2003.

[11] YANG J B, XU D L. On the Evidential Reasoning Algorithm for Multiple Attribute Decision Analysis Under Uncertainty[J]. Systems, Man and Cybernetics Part A Systems & Humans IEEE Transactions on, 2002, 32(3): 289-304.

[12] ELEYE-DATUBO A G, WALL A, SAAJED A, et al. Facilitating the Treatment of Uncertainty in Marine Formal Safety Assessment[C]∥Proceedings of the Institute of Marine Engineering, Science and Technology. Journal of Marine Design and Operations, 2006(10): 39-53.

[13] 呂彬,杜紅梅, 陳慶華. 基于云模型的裝備采辦風險評估方法研究[J].中國國防經濟, 2006, 4: 70-75.

[14] 王健,肖文杰,盛文,等. 一種改進灰云模型的效能評估方法[J]. 微計算機信息,2009,12:277-278.

[15] 胡甚平，黎法明，席永濤，等. 海上交通系統風險成因耦合機理仿真[J]. 應用基礎與工程科學學報, 2015,23(2):409-419.

[16] 李曉松,王成志,陳慶華.基于云推理模型的武器裝備研制風險評估研究[J].運籌與管理, 2011(3):111-118.

[17] 王洪利,馮玉強. 基于灰云的改進白化模型及其在灰色決策中應用[J]. 黑龍江大學自然科學學報,2006(6):740-745.

[18] 李德毅, 孟海軍, 史雪梅. 隸屬云和隸屬云發生器[J]. 計算機研究和發展, 1995, 32(6): 16-21.

[19] 李德毅,劉常昱,杜鹢,等.不確定性人工智能[J].軟件學報,2004,15(11):1583-1594.

[20] 楊朝暉,李德毅. 二維云模型及其在預測中的應用[J].計算機學報,1998,21(11):961-968.

[21] 岳訓,李全忠,孫忠林,等.定性預測系統的建模方法[J].計算機工程, 2001, 27(9): 97-98.

ReasoningMethodforRiskinMarineTrafficSystemBasedonGrayCloudModel

(1. Merchant Marine College, Shanghai Maritime University, Shanghai 201306, China; 2. Liverpool John Moores University, London SE12RE, UK)

U698

A

2016-05-10

龔慧佳 (1983—)， 女，上海人， 助教，博士生，主要研究方向為海上交通安全。E-mail:jiajia.1510@163.com

1000-4653(2016)02-0087-05