北極水域船舶事故特征及關聯規則分析

付姍姍 劉燕平 席永濤 萬輝

研究論文

北極水域船舶事故特征及關聯規則分析

付姍姍1,2劉燕平1席永濤3萬輝4

(1上海海事大學交通運輸學院, 上海 200136;2內河航運技術湖北省重點實驗室, 湖北 武漢 430063;3上海海事大學商船學院, 上海 201306;4東海航海保障中心上海海圖中心, 上海 200090)

北極海冰的大量融化, 加速了北極航道開發和利用, 對北極水域船舶事故風險管理提出了更高的要求。本文以2008—2017年的北極水域船舶事故數據為樣本, 運用數據挖掘技術和方法, 對北極水域船舶事故進行了時空特征分析, 并對船舶屬性與事故屬性之間的潛在映射關系進行了關聯規則挖掘。結果表明: 北極水域事故數逐年呈上升的趨勢, 事故主要發生在巴倫支海東部的俄羅斯摩爾曼斯克港口水域和挪威北部水域; 北極水域嚴重事故受船舶總噸、船旗國、船舶類型、事故類型、事故水域等變量的影響, 船舶尺度較大的船舶更容易造成嚴重事故; 北極水域俄羅斯籍漁船的嚴重事故, 很多是由機損事故引發的, 但很少造成環境污染。研究結論可輔助海事管理部門和航運企業開展北極水域船舶事故預防和風險管理工作。

北極航運 船舶事故特征分析 數據挖掘 時空分析 關聯規則

0 引言

全球氣候變化導致北極海冰融化, 北極航道作為聯通歐洲、亞洲和北美洲的最短海上路徑, 近年來受到了我國和俄羅斯、加拿大、挪威、冰島、芬蘭等國家的關注。中俄共同提出了“冰上絲綢之路”倡議, 對北極航道進行聯合開發和利用起到了促進作用。從2013年起, 我國中遠海運集團對北極航道進行了航行探索實踐。截止到2018年, 該公司總共完成了22個航次的北極東北航道航行任務, 與傳統蘇伊士航線相比, 共節省航程93 350海里, 減少二氧化碳排放27 833噸, 大幅降低了企業的營運成本[1]。另一方面, 北極水域氣候寒冷、環境脆弱敏感, 船舶在北極水域航行, 面臨海冰、低溫、高緯度、極晝/極夜等非傳統安全風險的考驗。船舶一旦發生事故, 極易造成人員傷亡、經濟損失和環境污染。隨著北極航道的加速開發, 北極水域船舶航行安全保障面臨諸多挑戰和風險, 有必要對北極水域船舶事故特征進行分析和挖掘, 避免和減少北極水域船舶事故的發生。

根據安聯公司Allianz Global Corporate & Special(AGCS)2018年發布的安全與航運評論(Safety and Shipping Review), 2008—2017年北極水域總共發生了507起船舶事故險情, 事故險情數量從2008年的30起逐步增長到了2017年的71起, 增長達2倍多。特別是, 過去五年(2013—2017年)北極水域船舶事故險情都達到了50起, 安全狀況不容忽視。

由于北極水域航行船舶較為稀少、事故數據資料不夠完備, 北極水域船舶事故分析剛剛起步, 當前研究側重于借助問卷數據識別風險因素和評估事故風險。在北極水域船舶航行風險因素識別方面, 李振福等[2]、付姍姍等[3]對北極航道通航環境進行了研究, 識別出海冰、低溫、能見度是影響北極水域船舶航行安全的關鍵因素。極地規則[4]對極地水域的船舶因素進行了分析, 提出船舶冰級和航速影響船舶航行安全。Zhang等[5]從人因分析的角度, 對北極水域船舶不安全行為進行了研究。在北極水域船舶事故分析方面, Kum與Sahin[6]對1993—2011年北極水域事故數據進行了統計分析, 結合專家問卷數據對船舶碰撞和擱淺事故發生概率進行了分析。Marken等[7]分析了北極東北航道船舶延誤的風險因素, 并用Bow-Tie模型開展了船舶延誤事故的情景分析。Khan等[8]和Fu等[9]運用貝葉斯網絡方法, 結合專家調研數據分別對北極水域船舶碰撞和冰困事故進行了預測。Baksha等[10]建立了北極東北航道船舶航行風險的貝葉斯網絡模型, 并對油輪碰撞事故進行了案例研究。Obisesan與Sriramula[11]對北極水域船舶-冰山碰撞概率進行了預測。其中, Kum和Sahin[6]對北極水域船舶事故數據進行了統計分析, 識別出了影響北極水域船舶事故的有關因素, 但未對這些因素進行深入分析和挖掘。毛喆等[12]、王穎與施欣[13]運用數據挖掘方法對水上交通事故數據進行了特征分析, 但數據樣本沒有覆蓋北極水域。

鑒于此, 本文運用數據挖掘方法對北極水域2008—2017年事故數據進行分析, 從時間、空間等方面對北極船舶事故進行特征分析, 并運用關聯規則挖掘影響因素與船舶事故之間的映射關系, 從而提出有效方法來避免和減少類似事故發生。

1 研究方法

本文針對水上交通事故存在的時間和空間效應, 運用數據挖掘方法對北極水域船舶事故進行分析, 深度挖掘北極水域涉事船舶與事故的影響映射關系, 研究框架如圖1所示。

圖1 北極水域船舶事故特征分析框架

Fig.1. Framework for feature analysis of ship accidents in Arctic waters

首先在全球海事事故數據庫中對北極水域船舶事故有關數據進行采集和預處理, 得出可供分析的北極水域船舶事故集; 然后對北極水域船舶要素逐一進行單因素統計分析, 得出事故船舶尺度、船齡、船型和事故類型等方面基本特征; 最后在事故特征統計的基礎上, 進一步開展時間特征、空間特征和關聯規則分析, 對北極水域船舶事故特征進行深度挖掘。

(1)時間特征分析

分析在不同事故年份和月份下, 北極水域事故船舶類型、事故類型、事故后果嚴重程度等方面特征。

(2)空間特征分析

結合空間地理信息技術, 分析北極水域船舶事故的空間特征。本文采用Microsoft Visual Studio開發平臺, 使用C#語言編寫程序調用Google API, 分析事故的空間特征。

(3)關聯規則挖掘

關聯規則是一種數據挖掘方法, 主要通過支持度、規則置信度和提升度三個指標來反映數據之間的依賴性。本文運用關聯規則中的Apriori算法在SPSS Modeler平臺上開展北極水域船舶事故特征挖掘, 具體計算方法見文獻[13]。

2 數據與處理

為深入分析北極水域船舶事故特征, 本文以Lloyd’s收錄的全球海事事故數據庫(https://www. lloydslistintelligence.com/)為基礎, 對數據庫中北極水域(北緯66°34′以上)近十年(2008—2017年)船舶事故數據進行提取, 獲取到241條事故信息。對每條事故信息提取船舶信息(船名、船旗國、總噸、船齡、船型)和事故信息(事故時間、事故地點、事故類型、嚴重事故、污染事故), 將不完備的事故信息進行剔除, 總共得到199條事故信息。事故變量描述及頻數統計, 如表1所示。

表1 變量描述及頻數統計

為了對北極水域船舶事故特征進行深度挖掘, 本研究將船旗國劃分為“俄羅斯”、“挪威”、“加拿大”和“其他”4類; 船舶總噸和船齡劃分參考文獻[13]; 船舶類型根據北極水域事故船型情況, 劃分為“漁船”、“危險品船”、“散雜貨船”、“客滾船”、“破冰船”和“其他”6類; 根據文獻[14-15], 近四十年北極水域海冰總體呈下降趨勢, 在2012年達到歷史最低值, 本文將事故年份劃分為“2008—2012年”和“2013—2017年”; 根據北極水域氣候和海冰變化特征[16], 劃分為“夏季”和“冬季”; 事故類型根據IMO事故分類統計[13], 結合北極水域實際發生的船舶事故, 劃分為“機損”、“擱淺”、“碰撞”、“火災/爆炸”、“結構完整性喪失”等6類; 事故水域劃分為“西半球”和“東半球”; 嚴重事故和污染事故根據數據庫中記錄的“True/False”, 編碼為“1/0”的二分類變量。

3 事故特征分析

3.1 事故基本特征分析

從表1中北極水域事故船舶信息統計結果可以看出, 2008—2017年北極水域事故船舶具有以下特征。

(1)北極水域事故船舶主要來自于俄羅斯, 事故船舶占比達61.3%, 挪威和加拿大等北極國家的事故船舶也很多, 分別占事故總數的19.1%和5%, 其他29艘事故船舶來自于17個國家。

(2)北極水域事故以小型船舶為主, 萬噸級以下的事故船舶占事故總數的81.9%, 其中500噸以下、500—3 000噸和3 000—10 000噸級事故船舶分別占事故總數的20.6%、45.2%和16.1%。

(3)北極水域事故以老船為主, 船齡在20—30年和30年以上的事故船舶分別占總數的37.7%和29.6%, 10年以下的船舶事故僅占事故總數的15.1%。

(4)漁船是北極水域最主要的事故船型, 占比達事故總數的50.3%, 其次為危險品船和散雜貨船, 分別占事故總數的16.6%和15.1%, 破冰船和工作船的事故較少發生, 暫未發現集裝箱船在北極水域發生事故。

從表1中北極水域事故信息統計結果可以看出, 2008—2017年北極水域船舶事故具有以下特征。

(1)從事故數量來看, 2013—2017年北極水域船舶事故明顯多于2008—2012年, 冬季發生的事故數比夏季要多一些。

(2)機損是北極水域最主要的事故類型, 占比達事故總數的46.2%, 其次為擱淺和碰撞事故, 分別占事故總數的12.6%和10.1%。

(3)從事故后果來看, 北極水域發生的嚴重事故較多, 占比達事故總數的50.3%, 遠高于全球其他海域的嚴重事故比例[13], 污染事故較少發生, 僅占事故總數的7%。

3.2 事故時間特征分析

進一步對2008—2017年北極水域船舶事故發生月份進行分析。如圖3所示, 2008—2017年北極水域船舶事故主要集中在2月、11月、3月、9月、8月和7月, 這6個月事故數量占事故總數的65%。其中2月和11月發生的事故數最多, 分別為27起和25起, 占事故總數的14%和13%。

3.3 空間特征分析

根據Lloyd’s事故數據庫中記錄的北極水域船舶事故經度和緯度信息, 對2008—2017年北極水域船舶事故進行空間特征分析。北極水域東半球(俄羅斯、挪威水域和白令海峽)和西半球(加拿大和阿拉斯加水域)船舶事故分布如圖4和圖5所示。其中, 紅點表示嚴重事故, 綠點表示非嚴重事故。

圖2 2008—2017年北極水域船舶事故發生趨勢

Fig.2. Trend of occurrence of ship accidents in Arctic waters from 2008 to 2017

圖3 北極水域船舶事故月分布特征

Fig.3. Monthly distribution feature of ship accidents in Arctic waters

從Lloyd’s收錄的北極水域船舶事故分布來看, 北極水域船舶事故主要集中在東半球水域, 北極西半球水域事故較少。從圖4可以看出, 北極水域東半球船舶事故分布在17°16′W—170° 46′E和66°54′N—80°N之間, 主要發生在巴倫支海東部的俄羅斯摩爾曼斯克港口水域和挪威北部水域。2010年7月“Varzuga”輪和“Indiga”輪在俄羅斯北地群島附近(80°N, 90°E)發生的碰撞事故是北極水域近年來緯度最高的事故。從圖5可以看出, 北極水域西半球船舶事故分布在62°38′E—179°38′W和66°56′N—73°20′N之間, 事情主要發生在近岸海域。2017年8月30日“Claude A. Desgagnes”輪發生的危險化學品泄漏事故是記錄中唯一發生的污染事故。

圖4 北極東半球(俄羅斯、挪威和白令海峽水域)船舶事故分布

Fig.4. Distribution of ship accidents in Eastern Hemisphere (Russian, Norway and Bering Sea) in Arctic waters

圖5 北極西半球(加拿大和阿拉斯加水域)船舶事故分布

Fig.5. Distribution of ship accidents in Western Hemisphere (Canadian and Alaska Sea) in Arctic waters

4 事故關聯規則挖掘

4.1 變量關聯網絡分析

為弄清北極水域事故變量(事故年份、事故季節、事故類型、事故水域、嚴重事故、污染事故)與事故船舶變量(船旗國、船舶總噸、事故船齡、船舶類型)之間聯系, 采用關聯規則方法挖掘這些事故變量與船舶變量的潛在依賴關系。

首先運用Apriori算法對表1中10個變量(船舶類型、船舶總噸、船齡等級、船旗國、事故季節、事故類型、事故年份、事故水域、污染事故、嚴重事故)進行關聯挖掘, 計算結果如圖6所示。

從圖6可以看出, 每個變量在某個狀態下與其他變量的某個狀態存在一定的依賴性, 這些變量在以下狀態的關聯性較強: 船舶類型=漁船、船舶總噸={(3 000, 10 000), (10 000, 30 000), (30 000, +∞)}、船齡等級={(0, 5), (5, 10)}、船旗國=俄羅斯/挪威、事故季節=夏季/冬季、事故類型=機損、事故年份={[2008, 2012], [2013, 2017]}、事故水域=東半球、嚴重事故=是/否、污染事故=否。

圖6 北極水域船舶事故關聯規則網狀圖

Fig.6. Web map of association rules for ship accidents in Arctic waters

4.2 嚴重事故關聯分析

在變量關聯網絡分析基礎上, 進一步對嚴重事故進行關聯規則挖掘。以“嚴重事故”為后項、其他9個變量為前項, 以支持度>10%、規則置信度>80%、提升度>1為要求, 進行關聯規則挖掘得出19條關聯規則。在前后項相同依賴關系的情況下, 選取支持度/置信度最高、前項最多的規則, 篩選出9條關聯規則, 如表2所示。

表2 以“嚴重事故”為后項的北極水域船舶事故關聯規則

從表2中可以看出:

(1)北極水域嚴重事故與船舶總噸、船旗國、船舶類型、事故類型、事故水域等變量密切相關;

(2)船舶總噸越大, 事故后果往往越嚴重;

(3)北極水域俄羅斯籍漁船事故, 造成了嚴重的后果, 但很少造成環境污染, 機損對嚴重事故的發生有一定的影響, 影響程度有待進一步分析。

4.3 事故類型關聯分析

在變量關聯網絡分析基礎上, 進一步以“事故類型”為后項、其他9個變量為前項, 以支持度>10%、規則置信度>80%、提升度>1為要求, 進行關聯規則挖掘得出25條關聯規則。在前后項相同依賴關系的情況下, 選取支持度/置信度最高、前項最多的規則, 篩選出8條關聯規則, 如表3所示。

從表3中可以看出:

(1)北極水域船舶事故類型與時間(季節/年份)、水域密切相關; 事故嚴重程度與事故類型密切相關;

(2)在北極水域東半球, 夏季更容易發生機損事故, 但很少造成環境污染;

(3)北極水域俄羅斯籍漁船的嚴重事故, 很多是由機損事故引發的。

5 討論

為探索北極水域船舶事故特征, 本文對2008—2017年北極水域船舶事故數據進行了事故特征統計分析和深度挖掘(時空特征、空間特征分析和關聯規則分析)。

表3 以“事故類型”為后項的北極水域船舶事故關聯規則

(1)從時間分布來看, 北極水域事故數逐年呈上升的趨勢, 事故主要發生在2月、11月、3月、9月、8月和7月。從數據本身所分析的結果看, 北極水域船舶事故在夏季和冬季所體現的特征并不明顯。造成這種結果的主要原因是北極東半球巴倫支海與其他水域可航情況在季節上表現的特征不同。巴倫支海南部常年可航, 北部除12月份外, 其他月份可航[11], 因此, 船舶(尤其是俄羅斯籍漁船)不受浮冰阻礙, 常年在該水域活動, 船舶活動量大, 船舶事故相對較多。從圖5也可以發現, 絕大多數事故發生在該水域。雖然事故數據難以體現北極東北航道和西北航道由于季節和冰情對船舶事故的影響, 海冰對船舶風險的影響依然無法忽視。

(2)從空間分布來看, Lloyd’s收錄的北極水域船舶事故主要發生在俄羅斯摩爾曼斯克、芬蘭北部的巴倫支海水域。也是由于該水域常年可航, 船舶活動量大而造成的。從業界關心的除巴倫支海以外的其他東北航道所經過的水域來看, 事故共有27起。通過俄羅斯官方所統計[12]的穿越東北航道的船舶來看, 2011—2017年穿越東北航道的船舶分別為41、46、71、53、18、19和27艘。將這些船舶與數據庫進行比對, 并未發現這些船舶的事故信息。因此, 有理由認為單獨的事故水域分析無法提取船舶在整個東北航道各水域方面獨有的特征。而北極水域西半球(加拿大北部水域)的船舶事故情況有待進一步調查和研究。

(3)從事故關聯規則挖掘情況來看, “船舶總噸(30 000以上)、船旗國(俄羅斯)、船舶類型(漁船)、事故類型(機損)和事故水域(北極東半球)”是北極水域嚴重事故最主要的事故場景, 船舶尺度較大的船舶更容易造成嚴重事故。北極水域俄羅斯籍漁船的嚴重事故, 很多是由機損事故引發的, 但很少造成環境污染。“船舶種類(漁船)、季節(夏季)和事故水域(北極東半球)”是北極水域船舶機損事故最主要的事故場景; 漁船在北極東半球更容易由機損造成事故。

6 結論

基于Llyd’s北極水域船舶事故數據, 采用數據統計和Apriori算法分析事故特征并挖掘關聯規則, 獲得了北極事故的基本特點。從事故種類、時間、水域、船舶類型和船舶國籍特征來看, 其最突出的特征為北極沿岸國家(尤其是俄羅斯)漁船在巴倫支海水域捕魚期間的機損事故。碰撞和擱淺事故體現不明顯。

通過將近幾年穿越東北航道船舶數據與事故信息進行比對, 并未發現這些船舶在北極水域發生嚴重事故, 主要事故仍是由北極沿岸國家船舶作業活動所產生的。雖然如此, 北極航道船舶航行安全仍然不可忽視。

1 韓國敏. 中國商船開辟極地航線實踐與展望[J]. 世界海運, 2019, 42(2): 1-5.

2 李振福, 閆力, 徐夢俏, 等. 北極航線通航環境評價[J]. 計算機工程與應用, 2013, 49(1): 249-253.

3 付姍姍, 張笛, 張明陽, 等. 北極水域船舶航行環境風險影響因素識別[J]. 哈爾濱工程大學學報, 2017, 38(11): 1682-1688.

4 MARITIME SAFETY COMMITTEE (MSC). Revised guidelines for formal safety assessment (FSA) for use in the rule-making process. [EB/OL](2015-06-18)[2020-1-12].http://research.dnv.com/skj/IMO/MSC-MEPC.2-Circ.12-Rev.1.pdf.

5 ZHANG M Y, ZHANG D, GOERLANDT F, et al. Use of HFACS and fault tree model for collision risk factors analysis of icebreaker assistance in ice-covered waters[J]. Safety Science, 2019, 111: 128-143.

6 KUM S, SAHIN B. A root cause analysis for Arctic Marine accidents from 1993 to 2011[J]. Safety Science, 2015, 74: 206-220.

7 MARKEN V B, EHLERS S, KHAN F. Delay risk analysis of ship sailing the northern sea route[J]. Ship Technology Research, 2015, 62(1): 26-35.

8 KHAN B, KHAN F, VEITCH B, et al. An operational risk analysis tool to analyze marine transportation in Arctic waters[J]. Reliability Engineering and System Safety, 2018, 169: 485-502.

9 FU S S, ZHANG D, MONTEWKA J, et al. Towards a probabilistic model for predicting ship besetting in ice in Arctic waters[J]. Reliability Engineering and System Safety, 2016, 155: 124-136.

10 BAKSH A, ABBASSI R, GARANIYA V, et al. Marine transportation risk assessment using Bayesian Network: Application to Arctic waters[J]. Ocean Engineering, 2018, 159: 422-436.

11 OBISESAN A, SRIRAMULA S. Efficient response modelling for performance characterisation and risk assessment of ship-iceberg collisions[J]. Applied Ocean Research, 2018, 74: 127-141.

12 毛喆, 任欲錚, 桑凌志. 長江干線水上交通事故黑點分析[J]. 中國航海, 2016, 39(4): 76-80.

13 王穎, 施欣. 全球海事事故的時空與類別特征研究[J]. 安全與環境學報, 2018, 18(3): 1224-1230.

14 DEVASTHALE A, SEDLAR J, KOENIGK T, et al. The thermodynamic state of the Arctic atmosphere observed by AIRS: comparisons during the record minimum sea ice extents of 2007 and 2012[J]. Atmospheric Chemistry and Physics, 2013, 13(15): 7441-7450.

15 柯長青, 王蔓蔓. 基于CryoSat-2數據的2010-2017年北極海冰厚度和體積的季節與年際變化特征[J]. 海洋學報, 2018, 40(11): 1-13.

16 張俠, 楊惠根, 王洛. 我國北極航道開拓的戰略選擇初探[J]. 極地研究, 2016,28(2): 267-276.

FEATURE ANALYSIS AND ASSOCIATION RULE MINING OF SHIP ACCIDENTS IN ARCTIC WATERS

Fu Shanshan1,2, Liu Yanping1, Xi Yongtao3, Wan Hui4

(1College of Transport and Communications, Shanghai Maritime University, Shanghai 200136, China;2Hubei Key Laboratory of Inland Shipping Technology, Wuhan 430063; China;3Merchant Marine College, Shanghai Maritime University, Shanghai 200136, China;4Shanghai Chart Center, Donghai Navigation Safety, Shanghai 200090, China)

With the melting of sea ice, Arctic sea routes are increasingly used and developed, requiring information to support the management of risks of ship accidents in Arctic waters. We identified latent association rules between ship and accident attributes using accident records from 2008 to 2017, data mining and temporal and spatial analysis. Results show that the number of accidents has been increasing, with most accidents occurring in the harbor of Мурманск in eastern Barents Sea and in northern Norwegian Sea. The small Russian fishing vessel is the dominant vessel type in Arctic waters. Serious accidents in Arctic waters are influenced by several variables such as gross tonnage, flag, vessel type, accident type and accident location. Large ships are more likely to cause serious accidents. Serious accidents of Russian fishing vessels in Arctic waters were often caused by machinery damage, and rarely caused environmental pollution. These findings can be of use to maritime safety administrations and shipping companies in the prevention of accident and risk management of Arctic shipping.

Arctic shipping, feature analysis of maritime accidents, data mining, spatio-temporal analysis, association rule

2019年2月收到來稿, 2019年5月收到修改稿

國家自然科學基金(51709168)、上海市科技創新行動計劃(19692106500, 18DZ1206104)、內河航運技術湖北省重點實驗室基金(NHHY2018001)資助

付姍姍, 女, 1987年生。講師, 主要從事水路運輸風險管理。E-mail: ssfu@shmtu.edu.cn

席永濤, E-mail: xiyt@shmtu.edu.cn

10. 13679/j. jdyj. 20190010