水上交通風險成因耦合作用診斷

，

(1. 南通航運職業技術學院 航海系， 江蘇 南通 226010； 2. 上海海事大學 商船學院， 上海 201306)

水上交通風險成因耦合作用診斷

賈立校1，胡甚平2

(1.南通航運職業技術學院航海系，江蘇南通226010； 2.上海海事大學商船學院，上海201306)

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

水上交通； 風險成因； 耦合作用； 貝葉斯網絡； 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迅猛發展，船舶呈現出大型化、高速化和專業化的趨勢，水上交通事故帶來的人員傷亡和經濟損失逐年增長，受到相關部門的高度關注。[1]因此，采取科學的方法對水上交通風險成因和因素間的耦合作用進行研究尤為重要。

近年來已有很多學者[2-4]對水上交通事故的成因進行深入研究，通常將各風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險的評估和預測等方面。但是，水上交通風險是系統性的，風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險的發生概率及風險值進行計算；劉全龍等[6]通過構建煤礦事故致因耦合度模型推理分析同質因子和異質因子的影響；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]利用系統動力學來研究船舶通航風險成因中“人、船、環境、管理”各因素間的耦合作用。以上研究主要集中在風險因素間的耦合作用對系統風險的整體影響程度上，而根據事故后果診斷事故成因的耦合關系的研究相對較少。

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

1 水上交通風險成因耦合機理分析

1.1 水上交通風險成因分析

根據事故致因理論，水上交通事故的成因主要來自于人員的不安全行為、船舶的不安全狀態和環境的不安全條件等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備狀態、船齡和貨物等子因素；環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、船舶和環境等多種因素共同作用帶來水上交通風險不同的影響程度。

1.2 水上交通風險耦合機理分析

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

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

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

2 水上交通風險成因耦合診斷模型

2.1 貝葉斯網絡

貝葉斯網絡又稱概率圖模型，是帶有概率注釋的有向無環圖，能表示大的變量集合的聯合概率分布及分析大量變量間的相互關系，利用貝葉斯定理實現網絡學習和統計推斷功能，完成預測、診斷、分類及聚類等任務。[11]

一組變量X={X1，X2，…,Xn}的貝葉斯網絡由以下2部分組成：

1) 表示X中變量的條件獨立的網絡結構S。S為有向無環圖，其節點一一對應X中的變量，以Xi表示變量節點，Pai表示S中Xi的父節點，則有Pai→Xi，S的節點之間由有向弧線連接表示條件獨立。

貝葉斯網絡推理[12]是指利用所建的貝葉斯網絡模型的結構和條件概率表，在給定證據后推理計算某些節點的后驗概率,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果的推理；診斷推理是由結果尋找成因的推理。這里主要利用診斷推理分析水上交通風險的成因機理，利用因果推理研究風險因素間的耦合關系。

2.2 水上交通風險成因耦合作用診斷方法

利用貝葉斯網絡進行水上交通風險成因耦合作用研究，具體步驟如下。

2.2.1建立貝葉斯網絡診斷模型

首先構建貝葉斯網絡結構表示風險因素間的關系，一般有專家指定法、大量數據訓練法和綜合確定法等3種方法[13]，這里采用專家指定法。在確定網絡結構的基礎上進行貝葉斯網絡條件概率表的確定，BN的節點變量分為以下2類：

(1) 與其父節點之間存在邏輯關系，其條件概率可通過邏輯分析獲得；

(2) 在其父節點的綜合作用下導致該節點發生，其條件概率主要通過事故數據學習和專家問卷調查獲得。

根據水上交通事故的特點，將其節點狀態指定為Small，General，Big和Major等4個，其他風險因素和子因素節點的狀態均為Yes及No。

2.2.2研究水上交通風險因素耦合作用

利用建立的貝葉斯網絡模型對特定的變量指定節點的狀態(證據)，推理得到各類風險事故發生的概率；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，得到水上交通風險值。[15]

(1)

式(1)中：pi為某類事故發生的概率；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，研究不同因素間相互耦合對風險大小的影響。

2.2.3診斷水上交通風險成因

利用水上交通風險診斷的貝葉斯網絡模型，根據給定水上交通事故的不同狀態推理診斷不同事故下風險因素的變化情況，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的交通事故數據進行模型的應用[16]，采用貝葉斯網絡推理的方式定量化研究不同風險因素間的耦合作用和水上交通風險的成因耦合機理。

首先，根據風險成因分析確定BN節點，結合專家建議指定BN結構；在此基礎上，利用BN建模軟件，通過參數學習的方法獲取先驗概率和條件概率表，事故數據庫中沒有涉及的節點的條件概率通過專家問卷調查的方式獲得。綜合確定的水上交通風險成因耦合作用診斷模型見圖1。

3.1 水上交通風險因素耦合作用研究

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

圖1 水上交通風險成因耦合作用診斷模型

3.1.1風險致因的單因素作用

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

a) 初始狀態

c)船舶因素

d) 環境因素

對推理結果進行計算分析可得到：

(1) 根據歷史事故數據庫學習、推理得到的初始狀態風險值R0=8.199，低于一般風險值(一般事故后果值為10)，說明該水域整體風險水平處于英國健康安全環保委員會認定的最低合理可行區間內，屬于目前水上交通系統風險的基本水平。

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

(3) 3個單因素中環境因素對水上交通風險的影響最為突出；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管理人員高度重視。船舶因素導致的風險值最小，不足環境因素的1/2，反映出船舶因素對水上交通風險的影響隨著船舶技術的發展和船況的改善而降低的現狀。

3.1.2多風險因素的耦合作用

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

a) 人員-環境因素耦合風險

b) 船舶-環境因素耦合風險

c) 人員-船舶因素耦合風險

d) 人員-船舶-環境因素耦合風險

(1) 三因素耦合作用對水上交通風險的影響明顯比雙因素大，三因素耦合的風險值高達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3個風險因素同時出現時發生大事故乃至重大事故的概率比較大，因此在風險防范和預警方面應特別注意避免三因素耦合作用的情況出現。

(2) 人員因素、船舶因素和環境因素間的兩兩耦合作用各不相同，其中環境因素的影響比較顯著，環境與船舶因素耦合導致的風險最大，3個兩因素耦合風險值的比例為RCE∶RCS∶RSE=1.1∶1.0∶1.2，說明當船舶航經環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) 基于貝葉斯網絡推理的水上交通風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生概率，有助于相關管理部門采取有針對性的應對和預防措施。

3.2 水上交通風險成因診斷研究

利用BN風險診斷模型，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系。分別對4種水上交通事故狀態下的風險成因進行診斷，得到推理結果見圖4。

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

通過對表2和圖5中的數據進行分析可得到：

1) 人員因素、船舶因素和環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；環境因素的波動最大,為-42.86%～280.95%，穩定性最差，表明客觀因素導致的風險比主觀因素更難以把握，與水上交通的實踐經驗相一致。

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

狀態人員因素船員因素其他人員船舶因素環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下各風險因素的概率與初始狀態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生事故的后果往往比較嚴重。

3) 發生小事故時人員因素和船舶因素的影響較小，環境因素(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，環境因素出現異常時事故后果的影響往往比較小；發生大事故和重大事故時船舶因素和環境因素的影響都較大，表明當船舶因素和環境因素均失效時，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 結束語

(1) 引入貝葉斯網絡理論建立水上交通風險成因的耦合作用診斷模型，不僅能得出風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險因素的影響大小及相互耦合關系；

(2) 水上交通風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境因素的耦合作用下容易出現較嚴重的事故后果，因此相關部門和船舶管理人員要加強對船舶的安全管理，使船舶具備應對相應航行環境的適航性。

[1] 胡甚平. 海上交通系統風險蒙特卡洛仿真[J]. 上海海事大學學報,2011,32(4):7-11.

[2] 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, 2010,31(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分析[J]. 上海海事大學學報, 2012,33(4):15-19.

[4] 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,2008,29(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險分析[J]. 武漢理工大學學報(信息與管理工程版),2011,33(2):267-270.

[6] 劉全龍,李新春,王雷.煤礦事故風險因子耦合作用分析及度量研究[J]. 統計與信息論壇,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.

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

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

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

[11] 朱明敏. 貝葉斯網絡結構學習與推理研究[D].西安:西安電子科技大學,2013.

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

[13] 郭云龍,席永濤,胡甚平,等. 基于動態貝葉斯網絡的船舶溢油風險預報[J]. 中國安全科學學報, 2013,23(11):53-59.

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

[15] 方泉根,胡甚平. FSA在船舶引航風險評估中的應用[J]. 哈爾濱工程大學學報,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