基于貝葉斯網絡的易流態貨物運輸船傾覆/擱淺事故原因探析
2018-12-31 00:00:00何譽張建偉周文杰熊昊吳天奇
現代信息科技 2018年12期
摘 要：近年來，易流態貨物海上運輸船傾覆和擱淺事故時有發生，并造成了較為嚴重的人員傷亡和財產損失。本文基于2005-2015年間易流態貨物運輸船傾覆和擱淺事故案例，采用貝葉斯理論建立起易流態貨物運輸船傾覆和擱淺事故貝葉斯網絡，經過推理計算得到易流態貨物運輸船事故發生因果關系的概率分布以及最大致因鏈。研究成果對易流態貨物海運事故的預防提供了有力參考。
關鍵詞：易流態貨物；船舶傾覆和擱淺；貝葉斯網絡；最大致因鏈
中圖分類號：TP183 文獻標識碼：A 文章編號：2096-4706（2018）12-0001-04
Analysis of Cause for Overturning / Grounding Accident for Transports of
Cargoes that May Liquefy Based on Bayesian Networks
HE Yu，ZHANG Jianwei，ZHOU Wenjie，XIONG Hao，WU Tianqi
（School of Port and Transportation Engineering，Zhejiang Ocean University，Zhoushan 316022，China）
Abstract：In recent years，the overturning and grounding accidents for marine transports of cargoes which may liquefy often occur，which have caused serious casualties and property loss. In this paper，based on the overturning and grounding accidents for marine transports of cargoes which may liquefy from 2005 to 2015，it adopted the Bayesian Theory to construct the Bayesian networks for overturning and grounding accidents for marine transports of cargoes which may liquefy often occur，and then achieved the causal relationship between the overturning and grounding accidents for marine transports of cargoes which may liquefy and the maximum causal chain by probabilistic distribution. The research results contribute to the prevention of marine accidents for marine transports of cargoes which may liquefy.
Keywords：cargoes that may liquefy；ship overturning and grounding；Bayesian network；maximum causal chain
0 引 言
根據《國際海運固體散裝貨物規則》（2011），包括鐵精礦、紅土鎳礦等在內的相當一部分固體散裝貨物屬于易流態貨物，該類貨物由一定比例的細微顆粒和水分組成。如其含水量超過一定水平，在外部載荷激勵下可能發生流態化進而形成流態，給易流態貨物海上安全運輸帶來隱患。由此導致的海運事故已引起國際和國內社會的高度關注，因此各國都相繼出臺了相關管理規定，當前主要通過控制貨物含水量來保障易流態貨物海上運輸安全。但易流態貨物種類眾多，屬性各不相同，單一通過控制含水量尚不能有效杜絕易流態貨物海上運輸事故的發生。
因此，為深入探究易流態貨物海上運輸事故發生的因果關系，筆者對2005-2015年的世界范圍內易流態貨物海上運輸事故案例進行整理分析，基于貝葉斯理論建立起易流態貨物運輸船傾覆和擱淺事故貝葉斯網絡。通過對事故樣本數據的學習和推理，得出易流態貨物運輸船事故發生因果關系的概率分布以及最大致因鏈。經過結果分析和討論提出了針對性的預防措施和對策。
1 貝葉斯網絡理論基礎
貝葉斯網絡又稱貝葉斯信度網絡，是圖論與概率論的結合，直觀地表示為一個賦值因果關系圖。一個具有N個節點的貝葉斯網絡可用N=<
P（Vi|pa（Vi），A（Vi））=P（Vi|pa（Vi）） （1）
P表示與每個節點相關的條件概率分布。由貝葉斯網絡的條件獨立性假設可知，條件概率分布可用P（Vi|pa（Vi））來描述，它表達了節點與其父節點的定量關聯關系。如果給定根節點先驗概率分布和非根節點條件概率分布，可以得到包含所有節點的聯合概率分布。
圖1給出了一個簡單的4節點貝葉斯網絡示例，包含所有節點的聯合概率分布函數為：
P（C，S，R，W）=P（W|S，R）P（S|C）P（R|C）P（C）
（2）
貝葉斯網絡建模的主要任務是確定網絡拓撲結構和計算網絡中各節點的條件概率分布。其一般采用借助專家知識和數據樣本學習相結合的方法來構建貝葉斯網絡模型。貝葉斯網絡推理通常是從先驗知識入手，按照網絡拓撲運用條件概率公式進行概率計算。貝葉斯網絡的概率推理算法中，各種算法都是根據聯合概率分布尋找一種有效的參數化方式，然后尋求計算局部化。不同的推理算法有不同的特點，但它們都具有相當的計算復雜度，根據對推理結果不同的精度要求，推理方法可以為近似推理或精確推理。本文考慮到易流態貨物運輸船傾覆和擱淺事故實際情況、貝葉斯網絡的結構和節點個數，采用近似推理中的K2算法[1]進行聯合概率分布的計算。
2 易流態貨物運輸船傾覆和擱淺事故貝葉斯網絡的建立
2.1 定義貝葉斯網絡節點
結合2005-2015年所發生的易流態貨物運輸船傾覆和擱淺事故案例中的各個影響因素來設定所需節點。去除相關性小的因素，將各節點按照人員因素、貨物因素、船舶因素、環境因素進行劃分[2]，并考慮中間因素，最終確定了14個因素，形成了四級層次結構，即確定了15個貝葉斯網絡節點。
人員因素：
（1）航線設計，《1978年海員培訓、發證和值班標準國際公約》馬尼拉修正案第二章規定，高級船員應該能夠從海圖和航海出版物中獲取信息，并能加以正確分析和使用[3]；
（2）船員客觀能力，定位不正確，違反避碰規則，瞭望不當，不熟悉航道，交流障礙等因為船員航海及其他能力水平限制導致的事故；
（3）船員主觀問題，因為懈怠工作，疲勞工作，安全意識不強導致的事故；
（4）采集運送貨物問題，因為采集運輸以及裝卸貨物時的不規范操作導致貨物的含水量不達標而引起貨物流態化直至發生事故。
船舶因素，指船舶因為設備故障以及船舶老化等因素所導致的傾覆和擱淺事故。一般由于環境因素和人員操作失誤所引起的船體損壞不計入船舶因素：
（1）設備故障，指主機及其他所有輔助機械設備出現故障而引發的事故；
（2）船齡，因為機器設備磨合不理想的船齡過小以及船舶老化的船齡過大在相同情況下容易引發事故。
貨物因素，貨物性質不同對貨物流態化的發生有不同的影響：
（1）貨物種類，固體散裝貨物因種類不同，其物理屬性也各不相同，因屬性不同導致其含水量有所變化，影響貨物流態化而導致船舶傾覆和擱淺；
（2）含水量，貨物的含水量是易流態貨物流態化發生的重要因素，貨物流態化是運輸船發生傾覆和擱淺事故的重要原因[4]。
環境因素，惡劣天氣會致使船舶設備發生故障、人員操縱失誤以及貨物流態化等，進而引發船舶事故：
（1）風浪，實船運輸中，風浪條件不好將會嚴重影響船舶的操縱性能；
（2）能見度，文獻[5]中指出能見度在0到1000米距離時運輸船發生事故的概率最大。
2.2 確定貝葉斯網絡節點值域
節點航線設計不當的值域為{0，1}，航線設計不當為1，反之為0。節點船員客觀能力值域{0，1}，客觀能力不達標為1，反之為0。節點船員主觀因素的值域為{0，1}，船員主觀因素存在問題為1，反之為0。節點采集運送貨物的值域為{0，1}，采集運送操作不規范為1，反之為0。節點風浪條件值域為{0，1}，若風浪大于10kn，該值為1，反之為0。節點能見度值域為{0，1}，若能見度小于2km則該節點為1，反之為0。節點設備故障的值域為{0，1}，設備發生故障為1，反之為0。節點船齡的值域為{0，1，2，3}，船齡≤10年為1，10年<船齡≤20年為2，20年<船齡≤30年為3，船齡>30年為0。節點貨物種類值域為{0，1，2}，根據事故案例涉及的貨物種類，銅鋅礦為1，鎳鐵礦為2，其他為0。節點含水量的值域為{0，1}，含水量超標為1，反之為0。節點碰撞、流態化、進水、爆炸和傾覆/擱淺的值域均為{0，1}，分別表示上述節點內容的不發生與發生。
2.3 建立貝葉斯網絡結構模型
結合以上確定的節點，采用GeNIe貝葉斯網絡分析軟件包，建立易流態貨物運輸船傾覆/擱淺事故貝葉斯網絡結構模型，如圖2所示。其中確定的事故致因鏈如下所述：
（1）航線設計不當-碰撞-傾覆和擱淺；
（2）船員主觀因素-碰撞-傾覆和擱淺；
（3）風浪-碰撞-傾覆和擱淺，風浪-流態化-傾覆和擱淺；
（4）能見度-碰撞-傾覆和擱淺；
（5）船員客觀能力-碰撞-傾覆和擱淺；
（6）船齡-設備故障-碰撞/流態化/爆炸/進水-傾覆和擱淺；
（7）采集運送貨物/貨物種類-含水量-流態化-傾覆和擱淺。
2.4 各節點條件概率表的確定
通過對2005-2015年易流態貨物運輸船傾覆和擱淺事故案例進行分析，將各影響因素真實值提取出來并進行離散化處理，作為貝葉斯網絡學習的樣本參數，本文共獲取了79組樣本數據。通過統計學方法和軟件的計算來確定所有節點的條件概率表。用條件概率表來表示父節點和子節點的條件概率關系。
采取搜索計分法中的K2算法構建貝葉斯網絡結構模型。第一步確定網絡結構的評分函數來評價網絡結構的優良，第二步根據確定好的節點順序來選擇評分最高的節點作為目標節點的父節點。將樣本數據導入GeNie軟件，如圖3所示，進行貝葉斯網絡節點與樣本數據的匹配。
根據樣本數據匹配和條件概率計算結果，以節點流態化的條件概率結果為例，如圖4所示。
當風浪為0，設備故障為0，含水量為0時發生流態化的概率約為0.31；當風浪為1，設備故障為1，含水量為1時發生流態化的概率為0.98。由此可見，不利的風浪、設備情況和含水量條件下，易流態貨物發生流態化的概率最大。
3 結果分析及預防措施
3.1 貝葉斯網絡的推理
通過建立的貝葉斯網絡，利用GeNie軟件的敏感性推理、逆向推理和最大致因鏈分析功能來尋找易流態貨物海運過程中的敏感性和關鍵性風險因素。分析得到的結果可為易流態貨物海上安全運輸提供科學依據，并提出針對性的建議和對策。
逆向推理時，將傾覆或擱淺設置為1，即假定運輸船發生傾覆或擱淺事故，推理結果如圖5所示。
由貝葉斯網絡逆向推理結果可知，在導致易流態貨物運輸船傾覆或擱淺事故發生的因素中，貨物流態化出現的概率最大為96%，其次為船體進水和船舶碰撞，其概率分別為69%和43%，而由于爆炸造成運輸船傾覆或擱淺出現的概率最低，為2%。由此可見，為有效預防易流態貨物運輸船傾覆或擱淺事故，除了控制貨物含水量防止流態化之外，也應重點關注船體進水和船舶碰撞帶來的影響。
在造成貨物流態化發生的因素中，貨物含水量超標出現的概率相比風浪和設備故障因素出現的概率較高，達到84%。這也充分驗證了目前對易流態貨物流態化的預防，主要通過控制含水量的方法來實現。在造成船舶碰撞的因素中，風浪條件不良和船員客觀能力出現的概率較大，分別達到82%和42%，這也說明為避免船舶碰撞發生，應重視海況條件和提高船員各方面能力。與進水相關的因素中，設備故障因素占主導，因此，海運過程中應做好船舶主機以及其他關鍵輔助機械的檢查工作。
基于以上分析，在造成易流態貨物運輸船傾覆或擱淺事故發生的致因鏈中，最大致因鏈為采集運送貨物-含水量-流態化-傾覆或擱淺，其次為船齡-設備故障-進水-傾覆或擱淺。因此，應首先采取措施降低最大致因鏈中各因素出現的概率，才能有效預防易流態貨物運輸船傾覆或擱淺事故的發生。
3.2 預防易流態貨物運輸船傾覆或擱淺事故的對策
易流態貨物的流態化是導致運輸船傾覆或擱淺的最主要原因，預防貨物流態化可從多方面進行。首先嚴格按照規定，公司、船長要拒絕含水量超標的貨物裝船，對已裝船的貨物要求托運人/港方立即將貨物卸到岸上處理以保證人、船、貨的海上安全。此外，要時刻關注風浪預報情況，避開惡劣海況。其次，要重點關注船體進水和碰撞。加強瞭望，嚴格遵守航行規則。通過對航行環境的綜合分析得到盡可能多的信息，在沒有領航員時根據航行情況和人員特征進行明確分工，減少由于分工不明確或恐慌導致的瞭望不當。此外，應加強船員安全教育，提高現有船員的安全意識。對于船上設備故障問題，需做好船舶主機及其他輔助機械設備的檢查工作，確定應急預案的具體實施方法。
4 結 語
本文基于易流態貨物運輸船傾覆或擱淺事故發生案例，從人員、貨物、船舶和環境因素著手進行分析，基于貝葉斯網絡理論，建立了易流態貨物運輸船傾覆或擱淺事故貝葉斯網絡。結合事故樣本數據，進行貝葉斯網絡節點條件概率的確定和推理學習，得到導致運輸船傾覆或擱淺事故的最大致因鏈。通過對最大致因鏈的分析，針對性地提出了預防措施，可為易流態貨物海上安全運輸提供理論指導。
參考文獻：
[1] 馬小梅.基于貝葉斯網絡的報警根源分析與研究 [D].北京：北京化工大學，2017.
[2] 陳婷婷，施朝健，雷琴.基于灰色模糊集理論的船舶擱淺概率分析 [J].安全與環境學報，2015，15（4）：21-24.
[3] 王新建.基于貝葉斯網絡的船舶擱淺事故致因分析 [D].大連：大連海事大學，2016.
[4] 賈康.紅土鎳礦流態化機理及內因參數研究 [D].大連：大連海事大學，2016.
[5] 張耀偉.天津港散裝危險化學品事故風險評估及應急反應策略 [D].大連：大連海事大學，2009.
作者簡介：何譽（1995-），男，漢族，甘肅武威人，本科。研究方向：輪機。
