劉紅， 何鵬

(上海海事大學(xué) 交通運(yùn)輸學(xué)院，上海 201306)

0 引 言

船舶海事事故的發(fā)生會(huì)造成人員和財(cái)產(chǎn)的重大損失，研究船舶發(fā)生海事事故的影響因素，對(duì)避免和減少船舶海事事故的發(fā)生有重要的理論和現(xiàn)實(shí)意義.國(guó)外最新研究關(guān)注于機(jī)艙火災(zāi)及爆炸中的組織因素影響和人為因素對(duì)海事安全的影響[1-2]；采用的方法主要有模糊故障樹(shù)分析法[3]和分類(lèi)樹(shù)模型[4]，重點(diǎn)研究受限水域中的海事安全問(wèn)題.我國(guó)學(xué)者對(duì)海事事故影響因素的研究則主要集中在碰撞事故與人為失誤的關(guān)聯(lián)性分析[5-6]、船舶機(jī)損事故人為失誤分析[7]、海船船員適任性評(píng)價(jià)[8]、船舶碰撞危險(xiǎn)度評(píng)價(jià)[9]及船員駕駛行為的研究[10]上.

粗糙集理論是PAWLAK[11]于1982年提出的一種能夠定量分析不精確、不一致、不完整信息和知識(shí)的數(shù)據(jù)處理工具.它無(wú)須先驗(yàn)知識(shí)，可從樣本數(shù)據(jù)中提取簡(jiǎn)明、直接、易于理解的決策規(guī)則，進(jìn)而計(jì)算各屬性對(duì)決策的重要度，是目前數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)的有力工具之一，在模式識(shí)別、機(jī)器學(xué)習(xí)、決策分析、知識(shí)獲取及知識(shí)發(fā)現(xiàn)等領(lǐng)域有廣泛應(yīng)用.

目前全球海上事故頻發(fā)，事故原因多樣.本文嘗試通過(guò)對(duì)近年來(lái)國(guó)內(nèi)外船舶海事事故的調(diào)查與數(shù)據(jù)統(tǒng)計(jì)，運(yùn)用粗糙集理論挖掘船舶海事事故中人、船及環(huán)境因素的深層次影響及關(guān)聯(lián)程度，為海事監(jiān)管部門(mén)和航運(yùn)企業(yè)避免海事事故的發(fā)生提供參考.

1 粗糙集理論及相關(guān)知識(shí)

1.1 決策表

1.2 屬性約簡(jiǎn)與核

對(duì)一個(gè)給定的決策系統(tǒng)S=(U,C∪D)，條件屬性集合C的約簡(jiǎn)是C的一個(gè)非空子集C′，滿足(1)I(C′,D)=I(C,D)；(2)不存在C″，使I(C″,D)=I(C′,D).稱C的所有約簡(jiǎn)的集合為C的核，記作o(C),即o(C)=∩r(C)，其中r(C)是C的所有簡(jiǎn)化簇.[13]設(shè)P?A=C∪D，xi,xj∈U，定義I(P)={(xi,xj)∈U×U|?p∈P,p(xi)=p(xj)}為不可區(qū)分(不分明)關(guān)系.

1.3 可區(qū)分矩陣

設(shè)全集U按決策屬性D被分成不相交的類(lèi)族，即D={X1,X2,…,Xm}，則U中C的區(qū)分矩陣記作M(C)={mi,j}n×n.其中，當(dāng)xi,xj∈D的同一等價(jià)類(lèi)時(shí)，mi,j=φ；xi,xj∈D的不同等價(jià)類(lèi)時(shí),mi,j={c∈C:f(c,xi)≠f(c,xj)}，1

1.4 屬性重要度與屬性值隸屬度

在粗糙集中，使用信息表描述論域中的數(shù)據(jù)集合.信息表的行代表對(duì)象，列代表屬性，一個(gè)屬性對(duì)應(yīng)一個(gè)等價(jià)關(guān)系.為了找出某些屬性(集)的重要性，從表中去掉一些屬性后考察沒(méi)有該屬性后分類(lèi)會(huì)如何變化.如果去掉該屬性，相應(yīng)分類(lèi)變化較大，則說(shuō)明該屬性的強(qiáng)度大，即重要性高；反之，說(shuō)明該屬性重要性低.因此，對(duì)于一個(gè)區(qū)分矩陣M(C)={mi,j}n×n，相應(yīng)的屬性a的重要性計(jì)算公式為

(1)

式中：λij為屬性出現(xiàn)在區(qū)分矩陣的長(zhǎng)度；C(mi,j)為mi,j包含屬性的個(gè)數(shù).

為提取具有較多共同特性的重要規(guī)則，必須對(duì)約簡(jiǎn)后生成的大量規(guī)則集進(jìn)行優(yōu)化運(yùn)算.針對(duì)提取出的條件規(guī)則，進(jìn)行屬性值的計(jì)算.條件屬性值的隸屬度表示決策事件(決策屬性值)Dj依賴于條件事件Cij(條件屬性值)的程度，屬性值的隸屬度(可信度)Fij可定義為

(2)

式中:Ci,j∩Dj≠φ，0

基于粗糙集理論的數(shù)據(jù)挖掘一般需要經(jīng)過(guò)數(shù)據(jù)預(yù)處理、求核屬性、屬性約簡(jiǎn)、規(guī)則生成及分析解釋結(jié)果等幾個(gè)步驟完成.

2 基于粗糙集的海事事故影響因素分析的數(shù)據(jù)預(yù)處理

2.1 海事事故統(tǒng)計(jì)數(shù)據(jù)的來(lái)源及篩選

在遵循海事事故統(tǒng)計(jì)數(shù)據(jù)篩選的完整性、可靠性、時(shí)效性、足量性原則的前提下共搜集到國(guó)內(nèi)外168份海事事故報(bào)告，這些事故的原始資料分別來(lái)自：中國(guó)(中國(guó)交通運(yùn)輸部海事局網(wǎng)站、中國(guó)交通運(yùn)輸部海事局編寫(xiě)的《水上交通事故調(diào)查報(bào)告》、上海海事局編寫(xiě)的《海事案例集》)、英國(guó)海事調(diào)查委員會(huì)(MAIB，Marine Accident Investigation Bureau)、澳大利亞運(yùn)輸安全委員會(huì)(ATSB，Australian Transport Safety Bureau)、美國(guó)國(guó)家運(yùn)輸安全委員會(huì)(NTSB，National Transportation Safety Board of United States)、美國(guó)海岸警衛(wèi)隊(duì)(USCG，US Coast Guard)、加拿大運(yùn)輸安全委員會(huì)(TSB， Transportation Safety Board of Canada)和新西蘭運(yùn)輸事故調(diào)查委員會(huì)(TAIC，Transport Accident Investigation Commission of New Zealand).

在168份海事事故報(bào)告中，依據(jù)數(shù)據(jù)的完整性、可靠性、實(shí)效性原則，最終確定100份作為研究樣本.這100份樣本來(lái)源于世界主要海運(yùn)國(guó)家的海事事故調(diào)查機(jī)構(gòu)對(duì)2000—2011年共12年間發(fā)生在其管轄水域中的海事事故所做的調(diào)查報(bào)告，詳見(jiàn)表1.

表1 事故樣本統(tǒng)計(jì)

2.2 海事事故統(tǒng)計(jì)數(shù)據(jù)的預(yù)處理

影響海事事故的因素主要是人、船、環(huán)境和管理等.本文通過(guò)分析影響海事事故的因素及所搜集到的國(guó)內(nèi)外100份海事事故報(bào)告，從人、船和環(huán)境的角度提取影響海事事故的主要因素，選擇事故類(lèi)型、事故發(fā)生時(shí)間、船旗國(guó)、噸位、船型、船齡、氣象、人為因素、事故等級(jí)等9個(gè)因素建立決策表：論域U={1,2,3,…,100}，條件屬性集合C={A,T,F,G,S,E,W,H}.具體說(shuō)明如下：

A為事故類(lèi)型，VA={1,2,3,4,5,6}，其中1={碰撞}，2={火災(zāi)或爆炸}，3={設(shè)備機(jī)器故障}，4={擱淺或沉船}，5={自然災(zāi)害}，6={其他}.

T為事故發(fā)生時(shí)間，VT={1,2,3,4,5,6}，其中1=[0000，0400]，2=[0400，0800]，3=[0800，1200]，4=[1200，1600]，5=[1600，2000]，6=[2000，2400].

F為事故船舶的船旗國(guó)，VF={1,2,3,4,5}，其中，1={亞洲}，2={歐洲}，3={美洲}，4={非洲}，5={其他}.

G為事故船舶噸位，VG={1,2,3,4,5}，其中，1=[0，500]，2=(500，3 000]，3=(3 000，10 000]，4=(10 000，30 000]，5=(30 000，+∞).

S為事故船型，VS={1,2,3,4,5,6}，其中，1={漁船、游艇等小型船舶}，2={干散貨船，雜貨船}，3={油船、化學(xué)品等液貨船}，4={集裝箱船}，5={客船，滾裝船，多用途船}，6={其他船型}.

E為事故船舶船齡，VE={1,2,3,4,5}，其中，1=[0，5)，2=[5，10)，3=[10，20)，4=[20，30)，5=[30，+∞).

W為事故發(fā)生時(shí)的天氣，VW={1,2,3,4}，其中，1={良好}，2={大風(fēng)或大浪}，3={大霧或能見(jiàn)度低}，4={其他惡劣天氣}.

H為事故發(fā)生的人為因素，VH={1,2,3}，其中，1={人為處置得當(dāng)或無(wú)明顯失誤}，2={一般性失誤}，3={嚴(yán)重或重大失誤}.

決策屬性D為事故等級(jí)，是事故造成的影響，依據(jù)傷亡人數(shù)、經(jīng)濟(jì)損失、環(huán)境污染等因素確定.劃分為一級(jí)和二級(jí).一級(jí)表示大事故及以上事故，二級(jí)表示一般及以下事故.VD={1,2}，其中，1={一般及以下事故}，2={大事故及以上事故}.

3 基于粗糙集的海事事故影響因素?cái)?shù)據(jù)挖掘與分析

3.1 決策表生成、約簡(jiǎn)及屬性重要度

利用華沙大學(xué)的粗糙集數(shù)據(jù)處理系統(tǒng)RSES[14]導(dǎo)入經(jīng)過(guò)離散化處理的船舶事故等級(jí)決策表，共100條記錄、9個(gè)屬性，前面8個(gè)為條件屬性，最后一個(gè)為決策屬性.利用粗糙集理論中常見(jiàn)的數(shù)據(jù)約簡(jiǎn)和規(guī)則生成算法——基因遺傳算法,進(jìn)行屬性約簡(jiǎn).通過(guò)基因遺傳算法約簡(jiǎn)共產(chǎn)生15個(gè)約簡(jiǎn)集，各自包含不同的屬性.

條件屬性集的核為

o(C)={A,T,G,W}∩{A,T,F,S}∩{A,T,F,E,W}∩{H,G,S,E}∩{A,T,W,H}∩{A,T,S,E}∩{A,F,S,E,H}∩{A,F,S,W,H}∩{H,G,S,W}∩{T,G,S,E,H}∩{T,F,G,S,H}∩{A,S,E,W,H}∩{T,F,G,E,W,H}∩{F,G,S,E,H}∩{T,G,S,W,H}={φ}

根據(jù)式(1)分別對(duì)8個(gè)屬性的重要度進(jìn)行計(jì)算，結(jié)果見(jiàn)圖1.

圖1顯示：船舶類(lèi)型的影響程度最大，其次是人為因素，再次是事故發(fā)生時(shí)間段、天氣、事故類(lèi)型、噸位、船齡和船旗國(guó).船旗國(guó)對(duì)事故的影響程度最小.

圖1 各條件屬性與重要度

15個(gè)約簡(jiǎn)后的集合對(duì)應(yīng)產(chǎn)生不相同的916條規(guī)則，與沒(méi)有約簡(jiǎn)的決策規(guī)則集相比擴(kuò)大近9倍.規(guī)則集樣本的擴(kuò)大提高了決策規(guī)則的可靠性.

3.2 海事事故主要影響因素?cái)?shù)據(jù)挖掘結(jié)果分析

在已得到的決策規(guī)則基礎(chǔ)上，運(yùn)用粗糙集的屬性值的隸屬度公式(2)，計(jì)算出決策表中各條件屬性相對(duì)于不同決策屬性值的隸屬度.圖2為各人為因素與不同等級(jí)海事事故的隸屬度關(guān)系曲線.

圖2 不同人為因素相對(duì)事故等級(jí)的隸屬度

3.2.1 人為影響因素?cái)?shù)據(jù)挖掘結(jié)果分析

由圖2可知：不管是重大事故還是一般事故，人為因素與事故發(fā)生的隸屬度成正比，即失誤程度越大，發(fā)生事故的可能性越大，造成的損失也越大.但人為處理得當(dāng)或無(wú)明顯失誤對(duì)重大事故的影響比對(duì)一般性事故的影響更大，反映出人員處理事故的能力對(duì)事故損失影響的重要性.因此，提高人員對(duì)事故的應(yīng)變能力對(duì)避免重大事故的發(fā)生有重要作用.船公司應(yīng)對(duì)船上人員進(jìn)行安全培訓(xùn)，提高業(yè)務(wù)處理水平和安全意識(shí)，減少重大人為失誤的發(fā)生.

3.2.2 船舶影響因素?cái)?shù)據(jù)挖掘結(jié)果及分析

(1)事故船舶類(lèi)型因素.圖3顯示：干散貨船、油船和集裝箱船發(fā)生重大事故與一般事故的隸屬度趨勢(shì)基本一致.大型集裝箱船與油船等專業(yè)性船舶發(fā)生大事故及以上事故的隸屬度相對(duì)較低，也就是發(fā)生事故后出現(xiàn)嚴(yán)重受損的可能性較低.由此可見(jiàn)提升船舶的專業(yè)化有助于提高船舶的安全性.其中集裝箱船發(fā)生事故的隸屬度在這3類(lèi)船舶中最低，反映出集裝箱船的安全性能較好.而漁船、游艇等小型船、客船及滾裝船、多用途船舶發(fā)生重大事故的隸屬度明顯高于其他船型，極易發(fā)生船舶全損及沉沒(méi)等大事故及以上事故，因此應(yīng)加強(qiáng)這類(lèi)船舶的安全管理.

(2)船齡因素的隸屬度.圖4顯示：船齡在5～10年的船舶發(fā)生事故的隸屬度最低，表明這一船齡段船舶與人員環(huán)境等磨合得較好，發(fā)生事故的概率較低.新船船齡在0～5年的船舶比5～10年船齡的船舶更易發(fā)生事故.隨著船齡增大、船體腐蝕、設(shè)備老化等，大事故及以上事故的隸屬度呈逐漸增大的趨勢(shì).船齡在30年及以上船舶發(fā)生大事故及以上等級(jí)事故的隸屬度接近0.6，表明老齡船舶發(fā)生嚴(yán)重事故的危險(xiǎn)度比較高.船齡在10～20年時(shí)船舶發(fā)生一般及以下等級(jí)事故的隸屬度稍高，0～5年船舶發(fā)生一般及以下等級(jí)事故的隸屬度稍低.

圖3 不同船舶類(lèi)型相對(duì)事故等級(jí)的隸屬度

圖4 船齡因素相對(duì)事故等級(jí)的隸屬度

(3)船舶噸位的隸屬度.圖5顯示：船舶小于500總噸時(shí)，發(fā)生事故的危險(xiǎn)程度明顯高于其他噸位級(jí)別的船舶，極易發(fā)生船舶全損的危險(xiǎn)事故.船舶噸位在30 000總噸以上的船舶發(fā)生大事故及以上等級(jí)事故的隸屬度明顯低于中等及以下噸位船舶的隸屬度.由此可見(jiàn)船舶的大型化有助于提高船舶的安全性.船舶噸位在500～10 000總噸時(shí)發(fā)生一般及以下等級(jí)事故的隸屬度比較高，明顯高于其他噸位船舶.大于30 000總噸時(shí)發(fā)生一般及以下等級(jí)事故的隸屬度最低.

圖5 船舶噸位因素相對(duì)事故等級(jí)的隸屬度

(4)船旗國(guó)的隸屬度.圖6顯示：船旗國(guó)為美洲國(guó)家時(shí)船舶發(fā)生大事故及以上等級(jí)事故的隸屬度最高.可能主要源于很多船公司為節(jié)省費(fèi)用掛南美洲國(guó)家如巴拿馬及其他國(guó)家的船旗有關(guān).歐洲船旗國(guó)的事故隸屬度較低.船旗國(guó)屬于美洲和亞洲國(guó)家的船舶發(fā)生一般及以下等級(jí)事故的隸屬度明顯高于其他各洲，且美洲稍高于亞洲.

圖6 船旗國(guó)因素相對(duì)事故等級(jí)的隸屬度

3.2.3 外部環(huán)境影響因素?cái)?shù)據(jù)挖掘結(jié)果及分析

(1)事故發(fā)生時(shí)間因素的隸屬度.圖7顯示：在[0000，0400]，[0400，0800]，[2000，2400]時(shí)間段發(fā)生大事故及以上事故的隸屬度較高，尤其在[0000，0400]時(shí)間段達(dá)到最高，即該時(shí)間段最易發(fā)生大事故，可能是因?yàn)榇瑔T疲勞造成的.同時(shí)可以看出夜晚發(fā)生事故的概率明顯大于白天.這可能是因?yàn)樵谝雇砗叫兄?，發(fā)生突發(fā)事件時(shí)，人的視覺(jué)、注意力和反應(yīng)判斷能力受到影響所致.在[1600，2000]時(shí)間段發(fā)生一般及以下等級(jí)事故的隸屬度高于其他時(shí)間段，[0800，1200]發(fā)生事故的隸屬度最低.

圖7 事故發(fā)生時(shí)間因素相對(duì)事故等級(jí)的隸屬度

(2)事故類(lèi)型的隸屬度.圖8顯示：船舶碰撞情況下發(fā)生大事故或以上事故的隸屬度最高;火災(zāi)或爆炸、設(shè)備機(jī)器故障、擱淺或沉沒(méi)情況下發(fā)生大事故或以上事故的隸屬度大體相當(dāng).而對(duì)于一般及以下等級(jí)事故碰撞及擱淺或沉沒(méi)的隸屬度較高.擱淺或沉沒(méi)情況下發(fā)生大事故或以上事故與發(fā)生一般及以下等級(jí)事故的隸屬度大體相當(dāng).

圖8 事故類(lèi)型相對(duì)事故等級(jí)的隸屬度

(3)氣象因素的隸屬度.圖9顯示：大霧、能見(jiàn)度低情況下發(fā)生大事故或以上事故的隸屬度稍高于大風(fēng)或大浪，可能是因?yàn)榇箪F或其他惡劣天氣的能見(jiàn)度低,導(dǎo)致船舶碰撞、擱淺及觸礁的事故更容易發(fā)生.而一旦發(fā)生此類(lèi)事故很可能造成船舶人員傷亡及經(jīng)濟(jì)損失.大風(fēng)或大浪條件下發(fā)生一般及以下等級(jí)事故的隸屬度最高，天氣良好時(shí)發(fā)生一般及以下等級(jí)事故的隸屬度最低.

圖9 氣象因素相對(duì)事故等級(jí)的隸屬度

4 結(jié) 論

以國(guó)內(nèi)外最新的100份海事事故報(bào)告為樣本，運(yùn)用粗糙集理論從人、船、環(huán)境的角度研究事故類(lèi)型、事故發(fā)生時(shí)間、船旗國(guó)、噸位、船型、船齡、氣象、人為因素與事故等級(jí)之間的重要性隸屬度關(guān)系，克服主觀影響，所得結(jié)論具有一定的普遍性.

本文的研究結(jié)論在人為因素、事故類(lèi)型、天氣因素及船旗國(guó)因素對(duì)事故等級(jí)的影響方面與以往學(xué)者的研究結(jié)論基本一致：即人為因素與事故發(fā)生的隸屬度成正比；碰撞型事故類(lèi)型在各事故中隸屬度最高；天氣越惡劣，事故發(fā)生隸屬度越高；船旗國(guó)為美洲國(guó)家的船舶發(fā)生大事故及以上等級(jí)事故的隸屬度最高.

在事故發(fā)生時(shí)間、船齡、船舶類(lèi)型及船舶噸位與海事事故的關(guān)系方面，本文的研究結(jié)論與以往學(xué)者的研究結(jié)論有所不同，結(jié)果顯示：

(1)在[0000，0400]時(shí)間段發(fā)生大事故及以上等級(jí)海事事故的概率較高，與閆化然[6]對(duì)碰撞事故的研究結(jié)論有所不同，表明不同類(lèi)型事故的高發(fā)時(shí)間段存在差異.

(2)5～10年船齡的船舶事故隸屬度最低.0～5年船齡的船舶比5～10年船齡的船舶事故隸屬度高，說(shuō)明新船比5～10年船齡的船舶更易發(fā)生事故.原因可能在于新船需要在人、船舶、環(huán)境和管理上更好地磨合，但在磨合中比較容易出現(xiàn)事故.這點(diǎn)在海事事故以往的研究中未有體現(xiàn).

(3)總體上事故碰撞率與船舶噸位大小成反比，但500總噸以下小船的碰撞危險(xiǎn)度最高.

(4)漁船、游艇、雜貨船發(fā)生事故的隸屬度較高，比較容易引發(fā)大事故及以上等級(jí)事故.集裝箱船等大型專業(yè)化船舶發(fā)生事故的隸屬度較低，不易發(fā)生重大事故,但三大主力船型中的散貨船發(fā)生一般事故的隸屬度最高，更易發(fā)生事故.

參考文獻(xiàn)：

[1] SCHR?DER-HINRICHS J U, BALDAUF M, GHIRXI K T. Accident investigation reporting deficiencies related to organizational factors in machinery space fires and explosions[J]. Accident Anal & Prevention, 2011, 43(3): 1187-1196.

[2] LENNé M G, SALMON P M, LIU C C,etal. A systems approach to accident causation in mining: an application of the HFACS method[J]. Accident Anal & Prevention, 2012, (48): 111-117.

[3] CELIK M, LAVASANI S M, WANG J. A risk-based modeling approach to enhance shipping accident investigation[J]. Safety Sci, 2010, 48(1): 18-27.

[4] KOKOTOS D X, LINARDATOS D S. An application of data mining tools for the study of shipping safety in restricted waters[J]. Safety Sci, 2011, 49(2): 192-197.

[5] 劉正江, 吳兆麟. 基于船舶碰撞事故調(diào)查報(bào)告的人的因素?cái)?shù)據(jù)挖掘[J]. 中國(guó)航海, 2004, 59(2): 1-6.

[6] 閆化然. 基于粗糙集的船舶碰撞受損的影響因素分析研究[D]. 大連: 大連海事大學(xué), 2011.

[7] 鄒建軍, 胡以懷. 船舶機(jī)損事故中人為失誤的分析[J]. 上海海運(yùn)學(xué)院學(xué)報(bào), 2003, 24(2): 119-123.

[8] 徐東華, 吳兆麟. 基于粗糙集數(shù)據(jù)約簡(jiǎn)的海事事故致因研究[J]. 大連海事大學(xué)學(xué)報(bào), 2009, 35(3): 37-39.

[9] 劉茹茹,胡勤友.一種主觀的船舶碰撞危險(xiǎn)度評(píng)價(jià)模型[J]. 上海海事大學(xué)學(xué)報(bào), 2012, 33(1): 41-44.

[10] 鄭濱, 金永興. 基于屬性約簡(jiǎn)的海事人為失誤致因分析[J]. 上海海事大學(xué)學(xué)報(bào), 2010, 31(1): 91-94.

[11] PAWLAK Z. Rough set[J]. Int J Comput & Inform Sci, 1982, 11(5): 341-356

[12] 張文修, 吳偉志, 梁吉業(yè), 等. 粗糙集理論與方法[M]. 北京: 科學(xué)出版社, 2001.

[13] PAWLAK Z. Rough sets: theoretical aspects of reasoning about data[M]. Dordrecht: Kluwer Academic Publishers, 1991.

[14] University of Warsaw. RSES 2.2 User’s Guide[G/OL]. (2005-01-19)[2012-04-06]. http://logic.mimuw.edu.pl/～rses.