基于關(guān)聯(lián)分析的船舶事故關(guān)鍵致因識別

蔣少奇, 陳偉炯， 謝啟苗， 汪金輝， 張盼飛

(上海海事大學(xué) a.海洋科學(xué)與工程學(xué)院； b.海洋公共安全研究中心； c.商船學(xué)院， 上海 201306)

重大船舶事故的研究一直備受國內(nèi)外學(xué)者的關(guān)注，目前,主要基于統(tǒng)計(jì)模型對事故數(shù)據(jù)進(jìn)行分析[1-2]，如泊松模型[3]、負(fù)二項(xiàng)(Negative Binomial,NB)模型[4]、有限混合回歸模型和分位數(shù)回歸方法等。[5-6]以統(tǒng)計(jì)分析作為事故的研究基礎(chǔ)，在事故分析中發(fā)揮重要作用。但統(tǒng)計(jì)方法往往假定致因間相互獨(dú)立，導(dǎo)致可能出現(xiàn)量化分析結(jié)果與實(shí)際不符的情況。[7-8]事故的發(fā)生無疑是復(fù)雜致因關(guān)聯(lián)作用的結(jié)果，結(jié)合關(guān)聯(lián)分析方法可有效提高統(tǒng)計(jì)結(jié)果的準(zhǔn)確性。[9-11]目前，關(guān)聯(lián)分析方法已在交通運(yùn)輸領(lǐng)域得到應(yīng)用，如:趙懷鑫等[12]提出基于灰熵法研究國民經(jīng)濟(jì)宏觀因素與公路貨運(yùn)量和貨物周轉(zhuǎn)量之間的關(guān)聯(lián)關(guān)系；孫麗萍等[13]基于模糊證據(jù)推理和改良灰色關(guān)聯(lián)度的風(fēng)險(xiǎn)排序方法對浮式生產(chǎn)儲卸油裝置(Floating Production Storage and Offloading,FPSO)原油艙的失效模式進(jìn)行風(fēng)險(xiǎn)辨識，通過TOPSIS(Technique for Order Preference by Similarity to an Ideal Solution)思想解決失效模式和影響分析(Failure Mode and Effects Analysis,FMEA)相同風(fēng)險(xiǎn)優(yōu)先數(shù)(Risk Priority Number,RPN)的問題；YAZDANI等[14]針對復(fù)雜的供應(yīng)鏈決策問題，提出基于工作效能(Quality Function Deployment,QFD)和灰色關(guān)聯(lián)分析(Grey Relation Analysis,GRA)融合的多屬性決策支持模型，創(chuàng)新性地解決在區(qū)間值模糊環(huán)境中，由于龐大距離的計(jì)算量使決策者難以獲得結(jié)果的問題。這些研究成果為GRA的應(yīng)用奠定重要基礎(chǔ)。

GRA主要通過期望結(jié)果與實(shí)際序列間的距離確定相似程度，從而準(zhǔn)確地反映因素間的關(guān)聯(lián)性。但傳統(tǒng)關(guān)聯(lián)方法缺乏對結(jié)果的驗(yàn)證分析，可能出現(xiàn)相同關(guān)聯(lián)系數(shù)值的情況，導(dǎo)致部分因素?zé)o法進(jìn)行關(guān)聯(lián)度排序?；陟貦?quán)灰色關(guān)聯(lián)與逼近理想解排序的故障樹分析(Technique for Order Preference by Similarity to an Ideal Solution-Fault Tree Analysis,TOPSIS-FTA)方法提供一種思路[13]，將故障樹分析法的最小割集與TOPSIS方法的理想解相對貼近度相結(jié)合，得到最小割集作為基本關(guān)聯(lián)事件的相對貼近度，優(yōu)化灰色關(guān)聯(lián)結(jié)果。與統(tǒng)計(jì)模型分析方法相比，其對樣本量大小和規(guī)律性無特殊要求，有較好的實(shí)用價(jià)值。[15]此外，優(yōu)化的關(guān)聯(lián)分析結(jié)果可更準(zhǔn)確地反映因素關(guān)系量化情況，完善關(guān)聯(lián)結(jié)果的驗(yàn)證，為進(jìn)一步探究事故內(nèi)部因素作用機(jī)理制定有效預(yù)防措施提供參考。故本研究將建立船舶事故致因?qū)哟畏治瞿Ｐ停年P(guān)聯(lián)分析角度構(gòu)建關(guān)鍵致因識別框架。針對灰色關(guān)聯(lián)結(jié)果，基于TOPSIS-FTA和德爾菲(Delphi)法進(jìn)行優(yōu)化，再結(jié)合權(quán)重指標(biāo)得到最終關(guān)聯(lián)系數(shù)矩陣和關(guān)聯(lián)度序列，探究一種基于關(guān)聯(lián)分析的船舶事故關(guān)鍵致因識別基本方法。

1 事故致因?qū)哟畏治瞿Ｐ?/h2>

船舶事故研究多集中于不同地區(qū)船型的風(fēng)險(xiǎn)或后果評估與預(yù)測，缺乏對致因的關(guān)聯(lián)分析與綜合評價(jià)。由于船舶事故涉及眾多因素，主要通過統(tǒng)計(jì)分析和專家經(jīng)驗(yàn)確定致因，如:吳伋等[16]基于文本挖掘技術(shù)，根據(jù)419起內(nèi)河航道船舶碰撞事故統(tǒng)計(jì)報(bào)告明確事故致因；殷杰[17]基于系統(tǒng)理論事故模型和流程方法(System Theoretic Accident Model and Processes,STAMP),從體系-系統(tǒng)的視角多層次分析“桑吉”輪事故致因；BAKSH等[18]利用歷史數(shù)據(jù)和專家經(jīng)驗(yàn)確定北極航行風(fēng)險(xiǎn)因素。

本文通過事故報(bào)告分析和專家調(diào)研，發(fā)現(xiàn)船舶事故的發(fā)生與航行狀態(tài)和直接致因密切相關(guān)，得到碰撞、擱淺和船體受損等事故的主要直接致因及在近岸或受限水域錨泊、在開闊水域航行和正在進(jìn)行裝卸貨作業(yè)等主要航行狀態(tài)。并建立船舶事故致因?qū)哟畏治瞿Ｐ?，分為影響因素和航行狀態(tài)2個(gè)指標(biāo)層與其各7個(gè)分指標(biāo)層，見圖1。

圖1 事故致因?qū)哟畏治瞿Ｐ?/p>

2 關(guān)聯(lián)分析框架

由于在事故分析中，往往無法完全掌握各種因素類型，故船舶事故致因?qū)儆诨疑到y(tǒng)，通過熵權(quán)灰色關(guān)聯(lián)法可得到因素關(guān)聯(lián)性。其中，權(quán)重系數(shù)作為重要度量值，在多因素綜合分析中十分重要，而熵權(quán)法由于計(jì)算簡便且結(jié)果客觀，得到普遍應(yīng)用。此外，針對灰色關(guān)聯(lián)結(jié)果可能出現(xiàn)的關(guān)聯(lián)系數(shù)值相同的情況，采用TOPSIS-FTA方法得到以最小割集為基本單位的相對貼近度即關(guān)聯(lián)系數(shù)矩陣，優(yōu)化灰色關(guān)聯(lián)結(jié)果。其中，為使結(jié)果更符合實(shí)際，通過Delphi法量化專家經(jīng)驗(yàn)確定優(yōu)化系數(shù)，得到最終關(guān)聯(lián)系數(shù)矩陣和關(guān)聯(lián)度序列。鑒于此，本文提出基于熵權(quán)灰色關(guān)聯(lián)與TOPSIS-FTA相結(jié)合的關(guān)鍵致因識別方法，構(gòu)建關(guān)聯(lián)分析框架，見圖2。

3 基于熵權(quán)灰色關(guān)聯(lián)與TOPSIS-FTA相結(jié)合的關(guān)鍵致因識別方法

針對船舶事故復(fù)雜致因的關(guān)聯(lián)問題，在構(gòu)建的事故致因?qū)哟畏治瞿Ｐ突A(chǔ)上，提出一種熵權(quán)灰色關(guān)聯(lián)與TOPSIS-FTA相結(jié)合的船舶事故關(guān)鍵致因識別方法。

圖2 事故致因關(guān)聯(lián)分析框架

3.1 確定權(quán)重向量

1) 對統(tǒng)計(jì)整理的原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。并設(shè)有m×n個(gè)評價(jià)指標(biāo)，則標(biāo)準(zhǔn)化后的判斷矩陣為R=(Pjj)m×n(i=1,2,…,m;j=1,2,…,n)。

2) 計(jì)算第j項(xiàng)指標(biāo)的熵值和權(quán)重為

(1)

式(1)中：為保證ej∈[0,1]，令Pij=0時(shí)，ej=0。

3.2 計(jì)算灰色關(guān)聯(lián)系數(shù)矩陣

GRA是通過計(jì)算期望結(jié)果與比較序列間的距離來確定相似程度，從而揭示關(guān)聯(lián)性。

設(shè)P0={P0(k)|k=1,2,…,n}，Pi={Pi(k)|k=1,2,…,n}

(2)

式(2)中：P0為GRA中的參考序列;Pi作為比較序列，并計(jì)算指標(biāo)的關(guān)聯(lián)系數(shù)ζi為

(3)

式(3)中：ρ為分辨系數(shù)，0≤ρ≤1，ρ越小分辨率越大，此處取0.5。

3.3 建立故障樹

由于傳統(tǒng)故障樹往往是對單一指標(biāo)的分析，使得評價(jià)序列陷入局部最優(yōu)的情況[19]，故通過故障樹分析確定最小割集為事故發(fā)生的基本關(guān)聯(lián)事件，再依次求得其結(jié)構(gòu)重要度、關(guān)鍵重要度和概率重要度指標(biāo)。并結(jié)合事故致因?qū)哟畏治瞿Ｐ停允鹿拾l(fā)生為人為指定的頂事件，各指標(biāo)層為中間事件，分指標(biāo)層為底事件。假設(shè)導(dǎo)致事故發(fā)生的中間事件即指標(biāo)層有K個(gè)，相應(yīng)的各分指標(biāo)層有S個(gè)，建立事故發(fā)生故障樹，見圖3。

圖3 事故發(fā)生故障樹

3.4 計(jì)算理想距離和相對貼近度

通過基于TOPSIS-FTA方法計(jì)算最小割集的相對貼近度，優(yōu)化灰色關(guān)聯(lián)結(jié)果。

1) 通過計(jì)算基本關(guān)聯(lián)事件的3個(gè)重要度指標(biāo)來建立初始矩陣。假設(shè)有S個(gè)基本事件，每個(gè)基本事件有T個(gè)指標(biāo)值，第i個(gè)基本事件的第j個(gè)指標(biāo)值記為rij，按行進(jìn)行標(biāo)準(zhǔn)化并結(jié)合指標(biāo)權(quán)重得到加權(quán)矩陣

H=(Vij)s×t=(wj×hij)s×t

(4)

式(4)中：第i個(gè)基本事件的第j個(gè)加權(quán)指標(biāo)值記為Vij;wj為指標(biāo)權(quán)重;hij為rij的標(biāo)準(zhǔn)化值。

(5)

i=1,2,…,s;j=1,2,…,t

(6)

3.5 確定最終關(guān)聯(lián)系數(shù)矩陣及關(guān)聯(lián)度

基于Delphi法確定優(yōu)化系數(shù)，得到最終關(guān)聯(lián)系數(shù)矩陣，每行基本事件關(guān)聯(lián)系數(shù)記為θi。結(jié)合船舶狀態(tài)指標(biāo)權(quán)重計(jì)算得到影響因素的關(guān)聯(lián)度序列ri為

i=1,2,…,m;j=1,2,…,n

(7)

式(7)中：為確定優(yōu)化系數(shù)a和b，將海事院校和機(jī)構(gòu)專家分為資深船長、海事專家和安全領(lǐng)域?qū)W者等3組，對計(jì)算結(jié)果的實(shí)際符合程度進(jìn)行評估。

4 實(shí)例分析與驗(yàn)證

將船舶事故關(guān)鍵致因識別方法應(yīng)用于油船溢油事故中，對1970—2017年溢油量為700 t及以上的重大油船溢油事故統(tǒng)計(jì)數(shù)據(jù)(源自國際油船船舶所有人污染聯(lián)合會2017年油船溢油事故報(bào)告)進(jìn)行分析，并從研究結(jié)果對方法適用性進(jìn)行驗(yàn)證。

4.1 實(shí)例分析

4.1.1確定權(quán)重向量

由事故致因?qū)哟文Ｐ头治隹傻么耙缬褪鹿式y(tǒng)計(jì)數(shù)據(jù)，見表1。

由權(quán)重式(1)計(jì)算可得船舶狀態(tài)指標(biāo)的事故權(quán)重，見表2。

表2 溢油事故致因指標(biāo)權(quán)重表

4.1.2計(jì)算灰色關(guān)聯(lián)系數(shù)矩陣

假設(shè)存在影響因素使事故必然發(fā)生，為參考序列X0，并按影響因素行進(jìn)行標(biāo)準(zhǔn)化，計(jì)算結(jié)果見表3。

表3 標(biāo)準(zhǔn)化數(shù)據(jù)統(tǒng)計(jì)表

通過式(2)計(jì)算各實(shí)際影響因素到參考序列的距離，得到關(guān)聯(lián)系數(shù)矩陣ζ為

(8)

式(8)中：矩陣每行分別為影響因素指標(biāo)X1～X7;每列分別為船舶狀態(tài)指標(biāo)S1～S7，矩陣值為計(jì)算所得的因素間關(guān)聯(lián)系數(shù)。

4.1.3計(jì)算相對貼近度

(1) 通過事故發(fā)生故障樹的分析來確定最小割集為基本關(guān)聯(lián)事件，如在開闊水域航行時(shí)發(fā)生碰撞;

(2) 計(jì)算各基本事件的3個(gè)重要度指標(biāo)，建立初始矩陣，并結(jié)合指標(biāo)權(quán)重，通過式(3)和式(4)計(jì)算得到相對貼近度矩陣C為

(9)

式(9)中：每一行為影響因素；每一列為船舶狀態(tài)；矩陣數(shù)值為各最小割集的相對貼近度。

4.1.4確定最終關(guān)聯(lián)系數(shù)矩陣及關(guān)聯(lián)度

通過相對貼近度矩陣優(yōu)化灰色關(guān)聯(lián)結(jié)果，由式(5)計(jì)算得到事故致因的關(guān)聯(lián)矩陣θ為

(10)

再結(jié)合船舶狀態(tài)指標(biāo)權(quán)重，計(jì)算得到影響因素指標(biāo)的關(guān)聯(lián)度矩陣r為

[0.536 0.540 0.414 0.347

0.556 0.411 0.310]T

(11)

基于Delphi法和成對比較的9級標(biāo)度法來量化專家經(jīng)驗(yàn)[20]確定優(yōu)化系數(shù)。為避免成對比較次數(shù)過多影響專家判斷，提取相同系數(shù)值出現(xiàn)次數(shù)最多的行列項(xiàng)即X2、X3和X4與S2、S3和S6，作為矩陣特征量進(jìn)行成對比較，共9組。最后，依次得到3組共15名專家的打分，標(biāo)準(zhǔn)化后求得優(yōu)化系數(shù)分別為0.8和0.2。而在關(guān)聯(lián)矩陣中每一行為影響因素，每一列為船舶狀態(tài)，矩陣數(shù)值為各因素的關(guān)聯(lián)系數(shù)，因素越相關(guān)則關(guān)聯(lián)系數(shù)值越大。

通過上述計(jì)算，可得船舶狀態(tài)指標(biāo)在各關(guān)聯(lián)因素中所占的權(quán)重。S5占據(jù)最大的權(quán)重為36%，其次是S1為22%。而對于因素間的關(guān)聯(lián)性，關(guān)聯(lián)系數(shù)矩陣見圖4。圖4中:標(biāo)簽為各關(guān)聯(lián)系數(shù)值及其對應(yīng)的事故數(shù)，比較可發(fā)現(xiàn)統(tǒng)計(jì)數(shù)據(jù)中并沒有發(fā)生事故的因素組合，卻有著導(dǎo)致事故發(fā)生的關(guān)聯(lián)效應(yīng)。如在S2時(shí)設(shè)備故障，其并沒有在事故統(tǒng)計(jì)數(shù)據(jù)中體現(xiàn)，但卻與事故的發(fā)生有著關(guān)聯(lián)系數(shù)為0.292的關(guān)聯(lián)性。結(jié)合航行狀態(tài)指標(biāo)權(quán)重求得影響因素的關(guān)聯(lián)度序列，見圖5。

圖4 因素關(guān)聯(lián)系數(shù)

圖5 關(guān)聯(lián)度序列圖

由圖5所知:X5、X2和X1是引發(fā)溢油事故的關(guān)鍵致因。其中，X5的關(guān)聯(lián)度稍高，且與其關(guān)聯(lián)性最大的船舶狀態(tài)是S6。因?yàn)?裝卸的石油和其相關(guān)產(chǎn)品具有易燃易爆的性質(zhì)[21]，一旦部分泄漏導(dǎo)致起火將引發(fā)重大溢油事故。而X1與其對應(yīng)的S1和S2。因?yàn)?在錨泊過程中駕駛?cè)藛T極易放松值守而造成碰撞，且若發(fā)生碰撞可能會造成船體受損，設(shè)備故障等一系列附加關(guān)聯(lián)因素，使得發(fā)生溢油事故的概率大大增加。此外，其他事故致因的影響相對較小。最后，為使關(guān)聯(lián)度評價(jià)結(jié)果更清晰，將關(guān)聯(lián)度與事故統(tǒng)計(jì)數(shù)進(jìn)行標(biāo)準(zhǔn)化比較，見圖6。圖6中:折線為關(guān)聯(lián)度;數(shù)據(jù)點(diǎn)為相對應(yīng)的事故統(tǒng)計(jì)數(shù)。由圖6可知：發(fā)現(xiàn)事故統(tǒng)計(jì)數(shù)較少的因素卻有著導(dǎo)致事故發(fā)生較強(qiáng)的關(guān)聯(lián)效應(yīng)如X6、X4等。

圖6 結(jié)果比較圖

4.2 結(jié)果驗(yàn)證

基于熵權(quán)灰色關(guān)聯(lián)與TOPSIS-FTA相結(jié)合方法得到油船在加油作業(yè)時(shí)發(fā)生X5、S1時(shí)發(fā)生擱淺或在錨泊狀態(tài)時(shí)發(fā)生X1是事故關(guān)鍵致因。且在《IMO溢油風(fēng)險(xiǎn)評價(jià)手冊》中，也是分別得到重點(diǎn)關(guān)注的航行狀態(tài)和風(fēng)險(xiǎn)評價(jià)的主要影響因素[22]，結(jié)果表明符合實(shí)際，驗(yàn)證研究方法的適用性。

5 結(jié)束語

1) 本研究提出一種基于關(guān)聯(lián)分析的船舶事故關(guān)鍵致因識別方法，為事故預(yù)防措施的采取提供參考。并通過識別框架構(gòu)建和實(shí)例運(yùn)算得到，油船在加油作業(yè)時(shí)發(fā)生X5、在錨泊狀態(tài)發(fā)生X1和在航行狀態(tài)發(fā)生X2是溢油事故的關(guān)鍵致因。

2) 利用TOPSIS-FTA方法確定最小割集為基本關(guān)聯(lián)事件，得到相對貼近度矩陣，對灰色關(guān)聯(lián)結(jié)果進(jìn)行優(yōu)化，解決可能出現(xiàn)相同關(guān)聯(lián)系數(shù)值情況。并基于Delphi法確定優(yōu)化系數(shù)，量化專家經(jīng)驗(yàn)，使計(jì)算結(jié)果更符合實(shí)際。

3) 基于關(guān)聯(lián)分析可發(fā)現(xiàn)事故統(tǒng)計(jì)數(shù)較少的因素,卻有著導(dǎo)致事故發(fā)生較強(qiáng)的關(guān)聯(lián)效應(yīng)如人為因素、設(shè)備故障等，及其對應(yīng)的關(guān)聯(lián)船舶狀態(tài)如正在進(jìn)行裝卸貨和加油作業(yè)，可為后續(xù)在船舶航行風(fēng)險(xiǎn)建模中指標(biāo)的選取提供參考。