考慮耦合效應的海上通道風險因素識別

高天航 呂靖 孫茂金

DOI：10.13340/j.jsmu.2017.03.004

文章編號：1672-9498（2017）03001807

摘要：為保障海上通道安全，針對海上通道安全的影響因素較多且相互關聯的特點，提出一種考慮耦合效應的海上通道風險因素識別方法。將二元語義應用到專家問卷的語言評價信息，并將2可加模糊測度擴展到二元語義環境，完成對所有風險因素的識別分析。案例分析結果為：在中歐海上通道風險因素中，對單風險因素進行分析后得出影響最大的兩個因素是氣象水文海況和海上犯罪威脅，對任意兩個因素之間的耦合效應進行分析后得出耦合效應最強的兩組風險因素是氣象水文海況和通航地理條件以及氣象水文海況和通道船舶密度。

關鍵詞：

海上通道； 風險因素識別； 耦合效應； 二元語義； 2可加模糊測度

中圖分類號： U698

文獻標志碼： A

Identification of risk factors in sea lanes considering coupling effect

GAO Tianhang1， LYU Jing1， SUN Maojin1，2

（

1. Transportation Management College， Dalian Maritime University， Dalian 116026， Liaoning， China；

2. Zhongjingyun Data Storage Technology Co.， Ltd.， Beijing 100176， China）

Abstract：

In order to ensure the safety of sea lanes， considering that the influencing factors of sea lane safety are multiple and interrelated， an identification method of risk factors is proposed， where the coupling effect among risk factors is considered. The linguistic assessment information given by experts is converted into 2tuple linguistic representation， the 2additive fuzzy measure operator is extended to 2tuple linguistic representation， and the identification analysis of all risk factors is completed. The case study results are the following： in all risk factors in ChinaEurope sea lane， the analysis on each risk factor shows that the two most influential factors are the meteorological and hydrological condition and the threat of maritime crime， and the analysis on coupling effect between any two factors shows that the two groups of risk factors with the strongest coupling effect are the meteorological and hydrological condition with the navigable geographical condition， and the meteorological and hydrological condition with the ship density of sea lanes.

Key words：

sea lane； risk factor identification； coupling effect； 2tuple linguistic； 2additive fuzzy measure

0引言

海上通道是否安全是海上通道能否流暢通行的首要問題，該問題一直以來都受通道內部自然環境和外部人文環境中多種因素的共同影響。當今世界的快速發展以及世界格局的變幻莫測都使海上通道的風險因素更加復雜多變。若想對海上通道的風險進行科學的管理控制，首要工作就是要進行風險因素識別。

國外早在20世紀50年代就已展開了對海上通道風險的研究，我國的研究工作雖然起步較晚，但已取得了一定的進展。關于海運安全的研究比較多。HASHEMI等[1]針對密西西比河進行船舶事故預測，分別對比了神經網絡模型、多重判別分析和Logistic模型，得出神經網絡模型的預測結果明顯優于另外兩種方法的預測結果的結論。QIN等[2]以風險管理模型為基礎構建了一個三維的安全管理評價模型，并探討了其在海運安全中的適用性。但是，海運安全中的各影響因素普遍具有模糊性特點，很難使用非常精確、具體的數學方法，為此模糊數學的相關理論就逐漸被引用進來。BALMAT等[34]， ELEYEDATUBO等[5]均運用模糊綜合評價法對海運安全進行分析評價，并得到了良好的實踐效果。BALMAT等[34]首先從靜態和動態兩個角度設計風險因素，然后利用模糊綜合評價法進行了海運安全評價，在此基礎上考慮了船速變化等更多情況對模型進行完善，并用實例驗證了模型。ELEYEDATUBO等[5]將質量分配理論與模糊貝葉斯網絡結合進行了海上安全的實例研究。可見，模糊數學的相關理論應用于海運安全評價的相關領域是可行的。關于海上通道的風險因素識別，李振福等[6]應用盲數理論對我國海上戰略通道進行了安全風險評價，趙旭等[7]使用投影尋蹤法對我國能源運輸通道進行了安全評價。endprint

已有成果為本研究提供了風險因素識別方法以及構建風險因素集的依據。海上通道風險因素識別問題具有以下3個特點：首先，海上通道的各個風險因素之間存在著耦合效應，即兩種或多種風險因素的發生會產生一定的增強或抵消效果（如兩種風險因素耦合帶來的風險程度若大于這兩種因素風險程度的簡單加和，則存在正耦合效應，反之為負耦合效應）；其次，海上通道各個風險因素的量級難以準確測量，難以用較精確的風險因素識別方法進行計算，需要使用一種基于模糊理論的識別方法；最后，即使使用基于模糊理論的識別方法，所獲得的專家數據也存在難以量化的問題，故需要找到一種既利于專家判斷，又能夠轉化為實際數據運算的方法。本文針對這3個特點，提出考慮耦合效應的海上通道風險因素識別方法。該方法將專家以語言短語形式給出的風險耦合信息轉化為二元語義形式，并結合2可加模糊測度[89]構造一個考慮耦合效應的海上通道風險因素識別模型，并進行實例應用。

1海上通道風險因素識別模型

模糊測度作為經典測度的延拓，具有更強的表示能力，能夠定量描述指標間的交互關系。2可加模糊測度在兼

顧k可加模糊測度算法的復雜性和測度的表示能力的同時，具有更好的實用性；其具有的不可加性等特點十分符合本文研究的海上通道風險因素識別問題，故選取該理論構建海上通道風險因素識別模型。

模型中采用的集合和變量：X={xii∈N}為海上通道風險因素集合，N=1，2，…，n；E={Ehh∈M}為專家集合，M=1，2，…，m，m≥2；S={Sll∈G}為評價短語集合，G=1，2，…，g；[WTHX]Y[WTBX]h=（yh，i）n為海上通道風險因素獨立風險判斷向量，其中yh，i表示第h名專家針對風險因素xi給出的獨立風險評價信息；

[WTHX]Z[WTBX]h=zh，ijn×n為海上通道風險因素耦合風險判斷矩陣，其中zh，ij表示第h名專家針對風險因素xi和風險因素xj給出的耦合風險評價信息。這里不考慮風險因素自身的耦合性，即zh，ii=“-”（h∈M，i∈N），不僅如此，zh，ij=zh，ji。

構建海上通道風險因素識別模型的具體步驟和方法如下：

步驟1根據二元語義轉換函數[10]θ，分別將

[WTHX]Y[WTBX]h=yh，i和

[WTHX]Z[WTBX]h=zh，ij轉換為二元語義形式

[WTHX][WTBX]h=h，i和

[WTHX][WTBX]h=h，ij，轉換公式為

θ：S→S×[-0.5，0.5）

（1）

h，i=θ（yh，i）=（yh，i，0），

yh，i∈S， h∈M， i∈N

（2）

h，ij=θ（zh，ij）=（zh，ij，0），

zh，ij∈S， h∈M， i，j∈N

（3）

由于有m個專家參與評價，所以將共m組評價數據進行整合：

i=（yi，αi），

yi∈S， αi∈[-0.5，0.5）， i∈N

（4）

ij=（zij，αij），

zij∈S，

αij∈[-0.5，0.5）， i，j∈N

（5）

（yi，αi）=Δ1mmh=1

（Δ-1（yh，i，0）），

i∈N

（6）

（zij，αij）=Δ1mmh=1（Δ-1（zh，ij，0）），

i，j∈N（7）

經過以上的二元語義變換就會得到綜合風險因素獨立風險判斷向量

[WTHX][WTBX]和綜合風險因素耦合風險判斷矩陣

[WTHX][WTBX]。

[WTHX][WTBX]=1，2，…，n

[WTHX][WTBX]

=-12…1（n-1）1n21-…2（n-1）2n

（n-1）1（n-1）2…-（n-1）nn1n2…n（n-1）-

步驟2通過得到的

[WTHX][WTBX]和

[WTHX][WTBX]進行兩兩成對比較，參考層次分析法，得到各風險因素的初始對比風險系數矩陣

[WTHX]P[WTBX]和初始耦合風險系數矩陣

[WTHX]Q[WTBX]。

[WTHX]P[WTBX]=（Iiji）n×n， Iiji∈（0，1）， i，j∈N

（8）

[WTHX]Q[WTBX]=（Iij）n×n， i，j∈N， i≠j

（9）

Iiji表示風險因素Xi與Xj之間的對比風險性，Iiii=1，

Iiji=Ijii=Δ-1（yi，αi）Δ-1（yi，αi）+Δ-1（yj，αj），

i，j∈N

（10）

Iij表示風險因素xi與xj之間的耦合風險系數，也就是交互作用系數，其公式為

Iij=

Iji=（Δ-1（zij，αij）-Δ-1（Sg/2，

0））/（Δ-1（yi，

αi）+Δ-1（yj，αj）+Δ-1（zij，αij）-Δ-1（Sg/2，

0）），i，j∈N，

i≠j

（11）

此類處理是因為考慮到耦合效應分為正耦合效應和負耦合效應，存在著一定方向性。

步驟3在得到

P后，可以求得相對風險系數矩陣

C=（cij）n×n， cij=Iiji/Iijjendprint

（12）

步驟4根據最大特征向量法求得各風險因素Xi的調整后相對風險系數向量

[WTHX]I[WTBX]*=（I*1，I*2，…，I*n），再用新得到的

I*對

Q進行變換，即可得到調整后的新耦合風險系數矩陣

Q*=I*ijn×n，其中

I*ij=sgn（Iij）min（I*i，I*j）n-1Iij2IijiIijj，

i，j∈N， i≠j

（13）

由于式（13）為創新提出，所以必須證明式（13）為2可加模糊測度，即證明定理1。

定理1I*ij確定的模糊測度為2可加模糊測度。

為證明定理1，在此引用2可加模糊測度的相關定理，即成為2可加模糊測度必須滿足以下定理：

定理2設存在有限集合X，P（X）為其冪集，aK為可確定的唯一2可加模糊測度，當且僅當滿足以下條件時成立：

（1）aφ=0，K∈P（X）aK=1；

（2）對于K∈P（X），有xi∈T，TKaK≥0；

（3）當K>2時，aK=0，同時K0∈P（X），K0=2，aK0≠0。

為證明定理2，引入2可加模糊測度的基礎定理[11]：

定理3

設μ為定義在（X，P（X））上的模糊測度，當X=2時，有

-min（I1，I2）≤12I12≤min（I1，I2）

定理4設μ為定義在（X，P（X））上的模糊測度，若存在唯一確定的2可加模糊測度，則默比烏斯變換系數a和交互指標值Iij具有以下關系：

ai=Ii-12xj∈X＼{xi}Iij，

aij=Iij

證明若要證明I*ij為2可加模糊測度，需滿足定理2的3個條件。

（1）aφ=0顯然成立，引入定理4，有

K∈P（X）aK=

xi∈Xai+xi，xj∈Xaij=

xi∈XI*i-12xj∈X＼{xi}I*ij

+xi，xj∈XI*ij=

xi∈XI*i-xi∈X12xj∈X＼{xi}I*ij+xi，xj∈XI*ij=

xi∈XI*i-2×12xi，xj∈XI*ij+xi，xj∈XI*ij=1

（2）對于K∈P（X），以及其中存在的某一集合T，有

xi∈T，TKaT=

ai+xj∈K＼{xi}aij=I*i-12xj∈X＼{xi}I*ij+xj∈K＼{xi}I*ij=I*i-12xj∈P（X）＼K

I*ij+xj∈K＼{xi}I*ij

由定理3可知，-min（Iiji，Iijj）≤12Iij≤min（Iiji，Iijj），則有

0≤Iij24IijiIijj≤（min（Iiji，Iijj））2IijiIijj

0≤Iij24IijiIijj≤IijiIijjIijiIijj

0≤min（I*i，I*j）n-1Iij24IijiIijj≤min（I*i，I*j）n-1IijiIijjIijiIijj

0≤min（I*i，I*j）2（n-1）Iij2IijiIijj≤min（I*i，I*j）n-1

再將I*ij=sgn（Iij）min（I*i，I*j）n-1Iij2IijiIijj代入

-min（I*i，I*j）n-1≤sgn（Iij）min（I*i，I*j）2（n-1）Iij2IijiIijj≤

min（I*i，I*j）n-1

即

-min（I*i，I*j）n-1≤12I*ij≤min（I*i，I*j）n-1

-I*in-1≤12I*ij≤I*in-1

-（n-1）I*in-1≤-12xj∈

P（X）＼K

I*ij+

12xj∈K＼{xi}I*ij≤（n-1）I*in-1

I*i-12xj∈P（X）＼K

I*ij+12xj∈K＼{xi}I*ij≥0

則可得

xi∈T，TKaT≥0。

（3）根據文獻[11]中的定義4，K>2時，aK=0，同時因各因素間的差異性和交互性，必然K0∈P（X），K0=2，aK0≠0。

步驟4的式（13）是由文獻[11]改進而來。因為較早的方法需要在最終的計算結果中進行一個最小化選擇，會將原數據中的部分信息舍棄，造成部分數據缺失，所以在這里將其進行一定的轉化，更大限度地保留了原始數據及計算過程中的信息。

步驟5當K>2或K=φ時，I*K=0。求得所有的默比烏斯變換系數

ai=I*i-12xj∈X＼{xi}I*ij

之后利用文獻[11]中的定義2，3和4，可以求得所有子集的模糊測度。

2案例分析

由于中歐海上通道經過東南亞地區、中東地區和歐洲地區等我國重要的貿易伙伴分布地區，一直都是最受重視的海上通道之一，所以選取中歐海上通道作為研究對象，其具體線路見圖1。

共選取9個中歐海上通道風險因素，

X={X1，X2，…，X9}，分別為通道基本狀況、氣象水文海況、通航地理條件、通道船舶密度、沿岸政治環境、法律政策約束、地區軍事背景、海上犯罪威脅和國家安全

保障能力。選取這9個因素主要是從內部自然環境和外部政治環境兩方面來考慮的。內部自然環境由這9個因素中的前4個體現，考慮了通道長度、風浪洋流、水深暗礁、港口條件、船舶密度等多個自然因素，旨在探究自然因素對中歐海上通道的影響。外部人文環境考慮政治、法律、軍事、海盜特殊情況以及外交等多個方面，旨在探究人文因素對中歐海上通道的影響。語言評價集合參考文獻[12]，設為5個程度，S={VL，L，M，H，VH}，用來表示風險程度高低（很低（1），低（2），中等（3），高（4），很高（5）），同時還用來表示耦合性強弱（強負耦合（-2），弱負耦合（-1），獨立（0），弱正耦合（1），強正耦合（2））。然后根據模型需要發放調查問卷，調查對象主要包括海事局、航運企業、港口和高等院校等相關從業者及科研者，調查的具體問題為各風險因素的初始獨立風險程度和風險因素間的初始耦合風險程度。共收回問卷110份，其中有4份為無效問卷，有效率為96.4%。endprint

步驟1把由調查問卷得到的定性數據代入式（4）～（7），將各風險因素的初始獨立風險程度對應綜合風險因素獨立風險判斷向量，風險因素間的初始耦合風險效應程度對應綜合風險因素耦合風險判斷矩陣，得到和。

步驟2根據式（10）得到各風險因素的初始對比風險系數，并將其整合成矩陣P，如

I121=（2-0.018 9）/（2-0.018 9+3-0.301 9） =0.423 4。

根據式（11）得到各元素之間的初始耦合風險系數，將其整合成矩陣Q，如I12=I21=（1-0.264 2）/（1-0.264 2+2-0.018 9+3-0.301 9）=0.135 9。

步驟3根據式（12）得到各風險元素之間的相對風險系數，將其整合成矩陣C，如c12=I121/I122=0.423 4/0.576 6=0.734 3。

步驟4根據相對風險矩陣，計算出最大特征值向量，即各風險因素調整后的相對風險系數向量

[WTHX]I[WTBX]*=（0.094 7，0.128 9，0.118 1，0.108 2，0.115 4，0.093 8，0.116 3，0.123 5，0.101 1）

再根據式（13）將初始相對風險系數矩陣Q進行變換，計算得到新的交互指標I*ij，整合成矩陣[WTHX]Q[WTBX]*，即耦合風險系數矩陣，如

步驟5當K>2或K=φ時，令I*K=0，求得所有的默比烏斯變換系數（見表1）， 如

a1=

0.094 7-1/2×（0.003 3+0.003 8+

0.002 8+ 0.001 8 +0.000 1+0.001 3+

0.002 9+0.001 4）= 0.086 0

由于aij=I*ij，耦合風險系數矩陣由I*ij構成，也就是矩陣Q*，所以不在此羅列。

當得到單元素子集的默比烏斯變換系數時，也就確定了每個風險元素的模糊測度，在本文中的實際含義即為風險程度。事實上，通過模糊測度與默比烏斯變換系數的關系，可以得到所有子集的模糊測度，可以更加全面地了解海上通道的風險因素的不同組合子集的風險程度。在本文中，待分析因素有9個，需要計算的子集數量為29=512，限于篇幅，僅列出雙風險元素的模糊測度，見表2。

根據表1和2的計算結果可以得到以下結論：

（1）根據單元素子集模糊測度可對海上通道

風險因素進行風險排序，X1X6X9X4X5X3X7X8X2。從結果中可以看出，中歐海上通道的風險因素中，影響最顯著的是氣象水文海況和海上犯罪威脅。考慮到中歐海上通道較長的地理距離以及復雜的海上環境，氣象水文海況對中歐海上通道安全具有較大影響是符合實際的。另外，中歐海上通道還包括部分東南亞和印度洋地區。這兩個地區水域長期受海盜影響，海盜威脅屢禁不止，所以也與實際情況較為符合。在被評價的9個風險因素中，影響相對較小的是通道基本狀況和法律政策約束。在現有的船舶設備及航海技術下，通道基本狀況對中歐海上通道安全整體的威脅在逐漸減弱。法律政策對中歐海上通道的風險程度雖然起到了一定程度的約束，但是各項法律政策的執行能力仍需提高。

（2）在被評價的9個風險因素中，耦合性最強的兩組因素是氣象水文海況和通航地理條件以及氣象水文海況和通道船舶密度，耦合風險系數分別達到了0.004 2和0.004 0。在實際情況中反映的是，在惡劣的天氣下一旦處于通航地理條件較差或者船舶密度較大的通道水域內，船舶出現擱淺或者碰撞的事故數會因為正耦合作用的存在而更大。耦合性最弱的兩組因素是通道基本狀況和法律政策約束，耦合風險系數僅為0.000 1。也就是在實際中法律政策約束與通道基本狀況對海上通道的風險影響之間幾乎是沒有耦合作用的，可以理解為風險影響是簡單的疊加。除此之外，氣象水文海況與法律政策約束和海上犯罪威脅，通航地理條件與國家安全保障能力，通道船舶密度與沿岸政治環境和國家安全保障能力之間的耦合作用也很弱，可以認為互不影響。

（3）根據表2分析，當兩個海上通道風險因素同時產生風險并產生耦合作用時，氣象水文海況和通航地理條件以及氣象水文海況和海上犯罪威脅對中歐海上通道造成的威脅最大，風險模糊測度達到0.231 8和0.236 6。前者氣象水文海況和通航地理條件所產生的較大風險主要是由于兩者之間有較強的耦合效應。后者氣象水文海況與海上犯罪威脅之間雖然耦合效應效果不強，但是兩個風險因素各自對海上通道風險影響較強，也會導致類似結果。由此可見，單項的風險因素或者其間耦合效應較強的風險因素，都會對海上通道安全造成巨大的威脅。

3結論

將二元語義與2可加模糊測度相結合，提出一種新的識別模型，在保留2可加模糊測度的精確性和快捷性的同時，利用二元語義增強了模型的實用性。構建的新海上通道風險因素識別模型是在考慮風險因素耦合效應的基礎上，將模糊測度中的不可加性與實際情況中的耦合效應相對應，從一個新的視角研究海上通道風險識別問題，所得到的風險識別結果具有更強的科學性和可信性。

實際應用方面，將海上通道風險因素識別模型應用到中歐海上通道的風險因素識別中。計算結果表明，該模型能夠較好地識別海上通道風險因素及相互間的耦合效應，為后續的風險管理提供理論依據。本文在實際應用方面仍然有一定局限性，例如風險因素選取的數量有限以及沒有考慮時間對中歐海上通道風險因素識別的影響，在今后的研究中會對上述問題進行更深入的探討，找出解決方案。

參考文獻：

[1]

HASHEMI R R， BLANC L A L， RUCKS C T， et al. A neuralnetwork for transportation safety modeling[J]. Expert Systems with Applications， 1995， 9（3）： 247256.endprint

[2]QIN Tingrong， CHEN Weijiong， ZENG Xiangkun. Risk management modeling and its application in maritime safety[J]. Journal of Marine Science Applications， 2008， 7（4）： 286291.

[3]BALMAT J F， LAFONT F， MAIFRET R， et al. A decisionmaking system to maritime risk assessment[J]. Ocean Engineering， 2011， 38（1）： 171176.

[4]BALMAT J F， LAFONT F， MAIFRET R， et al. Maritime risk assessment （MARISA）， a fuzzy approach to define an individual ship risk factor[J]. Ocean Engineering， 2009， 36（15）： 12781286.

[5]ELEYEDATUBO A G， WALL A， WANG J. Marine and offshore safety assessment by incorporative risk modeling in a fuzzyBayesian network of an induced mass assignment paradigm[J]. Risk Analysis， 2008， 28（1）： 95112.

[6]李振福， 顏章龍. 基于盲數理論的我國海上戰略通道安全風險評價[J]. 武漢理工大學學報（交通科學與工程版）， 2014， 38（1）： 1620.

[7]趙旭， 高建賓， 林瑋. 基于投影尋蹤的海上能源運輸通道安全評價[J]. 交通運輸系統工程與信息， 2011， 11（6）： 3037.

[8]SUGENO M.Theory of fuzzy integral and its applications[D]. Tokyo： Tokyo Institute of Technology， 1974.

[9]GRABISCH M. korder additive discrete fuzzy measures and their representation[J]. Fuzzy Sets and Systems， 1997， 92（2）： 167189.

[10]HERRERA F， MARTINES L. A 2tuple fuzzy linguistic representation model for computing with words[J]. IEEE Transactions on Fuzzy Systems， 2000， 8（6）： 746752.

[11]武建章， 張強. 基于2可加模糊測度的多準則決策方法[J]. 系統工程理論與實踐， 2010， 30（7）： 12291237.

[12]索瑋嵐， 陳銳. 考慮復雜關聯情境的城市典型生命線運行風險因素識別方法研究[J]. 中國管理科學， 2014， 22（8）： 130140.

[13]張忠， 方可， 楊明. 基于2可加模糊測度的仿真可信度評估方法[J]. 控制與決策， 2013， 28（1）： 147151.

[14]MAYAG B， GRABISCH M， LABREUCHE C. A characterization of the 2additive Choquet integral[C]//Proceedings of IPMU， 2008： 15121518.

（編輯趙勉）endprint