基于海事大數據的船舶綜合風險評價和船旗國檢查選船標準優化研究

張 帆 范文紅 黃 亮 俞 磊 劉 浩 彭鵬飛

(武漢理工大學航運學院1) 武漢 430063) (國家水運安全工程技術研究中心2) 武漢 430063) (內河航運技術湖北省重點實驗室3) 武漢 430063)(武漢理工大學智能交通系統研究中心4) 武漢 430063) (深圳海事局5) 深圳 518031)

0 引 言

船舶安全檢查作為提高水上交通安全水平和運輸效率的重要手段，能有效防止船舶污染水域，保障水上人命財產安全[1].船舶安全檢查按管轄性質可分為兩大類，第一類是船旗國檢查(flag state control, FSC)；第二類是港口國監督(port state control, PSC).針對FSC，國內學者進行了相關研究.程宇驍等[2]分析了船舶缺陷和岸基管理的關系.曾光[3]提出了海事部門在船旗國檢查中如何減少不當滯留的對策建議.在監督檢查目標船選擇方面，趙述欣[4]利用層次分析法及模糊綜合評判方法，建立FSC目標船確認評判模型.以上研究完善了我國現行的船舶安全檢查選船機制，但并未考慮船舶航行環境、船舶行為等動態因素，也未充分關聯已有的海事動、靜態數據.

為規范船舶安全檢查工作，2017年交通運輸部海事局出臺了《船舶安全監督選船標準(試行)》(以下簡稱《選船標準》)，現行的選船機制作為船舶安全檢查工作中確定檢查目標的標準，在識別低標準船舶上發揮了重要作用，提高了船舶安全檢查的針對性.但隨著國家海洋戰略的實施和沿海地區經濟的快速發展，水上交通活動的類型和頻率不斷增加[5]，現行選船機制存在的問題也越來越突出，主要體現在：船舶到港數量較大，船舶的技術狀況、維修保養狀況得到很大提升，現行的以船舶基礎數據和歷史檢查數據為基準的選船方法得到的船舶風險值差異較小，且現行船舶安全檢查選船標準重點關注船舶的靜態信息，忽略了航行過程中直接影響船舶安全的動態航行行為，從而影響船旗國檢查的效果.

隨著海事信息化的發展，涉及船舶、船員、船公司、AIS(automatic identification system, AIS)等日益積累構成了“人-船舶-貨物-環境-設施”等海事大數據.

文中綜合利用現有的船舶動、靜態數據，在現行選船機制的基礎上，采用FP-growth(frequent pattern-growth, FP-Tree)算法挖掘分析風險因素之間的關聯關系，增添船舶靜、動態因素，構建船舶綜合風險評價指標體系，優化相應的選船標準，利用深圳海事局的海事業務數據進行實驗，驗證優化的選船標準的有效性和實用性.

1 船舶綜合風險評價模型和選船方法

1.1 船舶綜合風險評價指標體系構建

依據深圳海事局2020年滯留船舶、必檢船舶、應檢船舶、協查船舶、重點跟蹤船舶和事故船舶共4 210條船舶數據進行風險因素關聯規則挖掘分析，探索船員等因素對船舶安全的影響.

關聯規則的實質是分析數據項集在所有事物項集合中出現的頻度關系.一般定義如下：設Q={Q1,Q2,…，Qn}是一個項目集，A是一個事務數據庫，其中每個事務B?Q，每個事物用TID作為標志符.關聯規則的挖掘就是發現數據庫中支持度和可信度大于最小支持度和最小可信度的全部規則.

根據實驗數據數量，結合專家建議，并參考文獻[6]，將最小支持度(包含風險A和風險B的事物數與所有事物數之比)和最小置信度(包含風險A和風險B的事務數與包含A的事務數之比)分別設置成0.6和20，根據置信度從高到低進行排序，見表1.

表1 風險因素關聯規則

由表1可知：海事事故、船舶缺陷、船舶行政處罰等因素對船舶安全影響較大.因此，在現行選船標準的基礎上，參考關聯分析結果，以全面性和可獲取性為原則，結合數據統計分析，將風險因素劃分為船舶、船員、船公司、貨物、歷史檢查五個要素，并劃分相應的二、三級指標，并利用德爾菲法和頭腦風暴法為納入的風險屬性賦予風險值，形成船舶綜合風險評價指標體系，見表2.

表2 船舶綜合風險評價指標體系

1.2 指標說明

1.2.1靜態指標

1) 船員 研究表明，人的失誤是各類事故中的重要原因，超過60%的事故與人的失誤直接相關.全球貿易中90%以上的貨物運輸是由海上運輸來完成的，水路運輸中近年來重大航運事故，均暴露出是人為因素造成事故的重要原因.

2) 航次貨物 據《國際海運危險貨物規則》、《MARPOL 73/78公約》《IBC規則》,以及實際監管實踐經驗可知，不同危險貨物的風險屬性差別較大.

1.2.2動態指標

1) 船舶AIS信號無故消失1 h AIS數據，是一種隨船舶狀態變化而采集的數據，準實時變化的AIS數據，不僅確定了船舶的空間地理位置，還可以對船舶的行為進行分析，例如，海上交通密度、船舶會遇態勢等.AIS數據是目前船舶動態屬性研究應用最多的數據之一，具有很好的時間特性.船舶在錨泊狀態下180 s報告一次，船速0～14 kn，12 s報告一次，船速14～23 kn，6 s報告一次，船速大于23 kn，3 s報告一次.因此，若長時間(本文定義為1 h)未接收到AIS信號，則有可能是船員由于業務水平原因操作不當而關閉或故意關閉發生違規行為.

2) 過去12個月內在監管區域逗留時間80%以上為非工作時間的次數 打擊低標準船舶一直是船舶管理的重點和難點.根據海事一線人員的反饋，低標準船舶會選擇在海事現場執法頻次較少時進行靠泊作業或其他活動，試圖躲避海事管理機構的檢查.因此為進一步識別低標準船舶，增加過去12個月內在監管區域逗留時間80%以上為非工作時間的次數，每連續異常逗留3次記1分.為減少船舶停靠時間為非工作時間的偶然性帶來的影響，設置80%的停留時間閾值.

2 船舶風險指標計算方法

2.1 靜態風險指標計算方法

1) 船員違法扣分 針對船員指標，在船員基本信息表中，記錄了船員歷次扣分分值及扣分時間，在船員就職信息表中，記錄了船員的上、下船時間及服務船只，依據關鍵字“NAME”將船員基本信息與船員就職信息聚合，得到每個船員在相應船只的扣分分值及扣分時間，船員違法扣分風險值為

(1)

式中：scorej為第j條船舶的船員風險分值；scorei為第j個船員的第i次扣分分值.

2) 裝載貨物 對貨物風險，在危防液貨明細表、危防集裝箱貨物明細表和危防固貨明細表中分別索引相應屬性計分.例如，對于集裝箱貨物，依據船舶集裝箱貨物數據集中的GOODS_CLASS(貨物種類)索引船舶裝運貨物類型進行相應計分.

3) 部門警告 在FSC的數據表中，將船舶安全檢查部門RESPECT_ORG依據SHIP_ID進行聚合，篩選COMENT_DESC中包含“警告”的處罰決定，相應船舶的部門警告風險值計為1.

4) FSC歷史缺陷記錄 在歷史檢查數據事實表中，“number_of_defectsi”一欄記錄了船舶缺陷數量，平均缺陷數為

(2)

式中：i為第i艘船舶；number_of_defectsi為第i艘船舶的缺陷數量；i為船舶總數.

2.2 動態風險指標計算方法

1) 船舶AIS信號無故消失1 h 將AIS數據依據MMSI和RECEIVE_TIME排序，對于同一船舶，AIS信號風險為

receive_timem=receive_timej-receive_timei

(3)

式中：receive_timem為第m艘船舶的AIS接收時間差；receive_timej為第m艘船舶的第i次接收時間；receive_timei為第m艘船舶的第j次接收時間，且j>i.若receive_timej大于1 h，則第m艘船舶風險分值為1，統計receive_timej大于1 h的次數，次數即為分值.

2) 船舶軌跡停留點識別算法 船舶軌跡停留點識別算法流程圖見圖1.

圖1 船舶軌跡停留點識別算法流程圖

3) 過去12個月內在監管區域逗留時間80%以上為非工作時間的次數 利用船舶軌跡停留點識別算法識別出船舶停留點后，再進行船舶停留時間的計算，船舶非正常逗留風險計算流程圖見圖2.

圖2 船舶非正常逗留時間風險分值計算流程圖

根據綜合風險評價模型及動、靜態風險指標計算方法，在《選船標準》的基礎上，船舶風險屬性的界定標準不變，對FCS的選船優先順序進行重新分類，標準變化見表3.

表3 船舶風險屬性分類對比

3 實驗與分析

采用深圳海事局2019—2020年的海事業務數據進行實驗，處理后的可用數據量約451 GB，采用2020年深圳FSC的13 100條船舶數據驗證本文提出模型的有效性和準確性.

1) 有效性分析 對于船舶綜合風險評價模型，選擇部分滯留船舶，對比是否為綜合風險評價模型選擇出的風險值高的船舶.若驗證為100%吻合，則綜合風險評價模型驗證為有效.

2020年深圳FSC滯留船舶34艘·次，經過綜合風險評價模型計算得到滯留船舶的風險分值均大于等于8，為高風險船舶.因此，可認為船舶綜合風險評價模型是有效的.部分船舶及風險分值對應見表4.其中，船名相同的船舶為2020年中不同時間的滯留記錄.

表4 滯留船舶對應綜合風險值

2) 提升性分析 在2020年深圳FSC船舶中，共有13 100條船舶.現行選船標準與本文提出模型標記必檢船、應檢船、可檢船的數量對比見表5.

表5 選船模型結果對比

由表5可知：針對關注度較高的必檢船舶，本文提出的模型識別必檢船舶的能力相較于現行選船模型提升了9.06%，FSC選船標準優化效果比較突出.

4 結 束 語

文中在現行選船標準的基礎上，針對船舶船旗國安全檢查工作中的實際問題，利用FP-Tree算法分析高風險船舶風險因素的關聯關系，挖掘影響船舶安全的主要風險因素.并結合海事數據，構建基于海事大數據的船舶綜合風險評價模型評估船舶風險.基于深圳海事局的海事業務數據進行的實驗表明，基于綜合風險評價模型的船舶安全檢查選船標準相較于傳統選船模型，識別必檢船的準確性提升了9.06%.

本文在現行選船標準的基礎上進行了一些創新，在現行FSC船舶風險評級指標基礎上，增添了部分靜態指標和部分動態指標，能更全面、精確的量化船舶風險，提高選船的有效性.但在一些方面仍存在不足，如在建立船舶風險綜合評價體系時新增了諸多以往選船標準并未提及的風險屬性，但不能確保該體系涵蓋風險屬性的全面性，在后續的研究中，可進一步探究更多動態風險屬性對船舶的影響，提升選船質量.