李鈴鈴 仇 蕾

（河海大學管理科學研究所 南京211100）

0 引 言

我國是海洋大國，海洋問題事關國家根本利益。近年來，海事事故頻頻發(fā)生，嚴重制約了我國海洋事業(yè)的發(fā)展。研究表明，90%的海事事故是由人為失誤引發(fā)的，人為失誤又是由各種因素導致的，避免或減少海事事故的關鍵是減少這些因素的發(fā)生。筆者研究的主要內容就是找出人為失誤和這些因素之間的關系，并獲得影響力較強的因素。

以往研究主要采用查詢、報表、聯(lián)機應用分析等傳統(tǒng)的方法，但這些方法只能初步識別出引發(fā)海事事故的人為失誤行為，無法分析出人為失誤與各影響因素之間的相互關系。筆者利用數(shù)據(jù)挖掘中的關聯(lián)規(guī)則，挖掘出了它們之間存在的相互關系。關聯(lián)規(guī)則分析是指在大型數(shù)據(jù)庫系統(tǒng)中，迅速找出各事物之間潛在的、有價值的關聯(lián)，并用規(guī)則的形式表現(xiàn)出來。陳興偉和王志明［1］對海事各原因與結果之間的關聯(lián)性進行了分析，發(fā)現(xiàn)船員因素與碰撞事故關聯(lián)性最大。張曉輝、劉正江與吳兆麟［3］利用單維關聯(lián)規(guī)則挖掘出人為失誤與單因素之間對應關系。由于海事事故的發(fā)生是由多種因素混合組成造成的，光是挖掘出人為失誤和單因素之間的對應關系還遠遠不夠。筆者在前人研究的基礎上，運用多維關聯(lián)規(guī)則中的Apriori算法，借助Matlab軟件工具，不僅挖掘出人為失誤和單因素之間的對應關系，還挖掘出人為失誤與影響因素組合之間的相互關系，更符合海事事故發(fā)生的實際情況，為相關部門的管理決策提供依據(jù)和支持。

1 基于Apriori算法的海事事故中人為失誤致因分析模型

1.1 關聯(lián)規(guī)則

1.1.1 Apriori算法

關聯(lián)規(guī)則是數(shù)據(jù)挖掘中非常重要的分支，目前已經(jīng)提出了很多算法，最著名的是R.Agrawal等人提出的Apriori算法［4］，以下是Apriori算法的相關概念。

1）項集或候選集。Item＝｛Item1，Item2，…，Itemk｝稱為k項集或k項候選集。假設DB包含m項屬性（A，B，…，M），1項集1＿Item＝｛｛A｝，｛B｝，…，｛M｝｝，2項集2＿Item＝｛｛A，B｝，｛A，C｝，…，｛A，M｝，｛B，C｝，｛B，D｝，…，｛B，M｝，…，｛C，D｝，…，｛L，M｝｝，共有［m×（m－1）／2］項項集；3項集3＿Item＝｛｛A，B，C｝，｛A，B，D｝，…，｛A，B，M｝，｛A，C，D｝，｛A，C，E｝，…，｛B，C，D｝，｛B，C，E｝，…，｛B，C，M｝，…，｛K，L，M｝｝；依次類推，m＿Item＝｛A，B，C，…，M｝，有一個項集。

2）支持度和可信度。支持度support簡稱sup，指某條規(guī)則的前件或后件對應支持度與總數(shù)的百分比。A的支持度sup（A）＝｜TR｜TRA｜／｜n｜，（AB）＝sup（A∪B）＝｜TR｜TR（A∪B）｜／｜

n｜，其中，n是DB中總數(shù)的記錄數(shù)目?？尚哦萩onfidence簡稱為conf，規(guī)則AB具有可信度conf（AB），表示DB中包含A的事物同時也包含B的百分比，是A∪B的支持度和前件A的支持度的百分比：conf（AB）＝sup（A∪B）／sup（A）。

3）強項集或頻繁項集。如果k項候選集的支持度大于或者等于設定的最小支持度，則稱該k項候選項集為k項強項集或者k項頻繁項集。

4）關聯(lián)規(guī)則。若A，B為項集，AItem，BItem并且A∩B＝，關聯(lián)規(guī)則是形如AB的蘊含式，算法普遍基于Support－Confidence模型。即在滿足最小支持度時，若強項集可信度滿足最小可信度，稱此k項強項集為關聯(lián)規(guī)則。例如，若（A，B）為二項強項集，sup（A∪B）≥min＿sup且conf（AB）≥min＿conf，則稱AB為關聯(lián)規(guī)則。

1.1.2 多維關聯(lián)規(guī)則

根據(jù)關聯(lián)規(guī)則所涉及的維數(shù)可以將其分成單維關聯(lián)規(guī)則和多維關聯(lián)規(guī)則［5］。當關聯(lián)規(guī)則中屬性只有一維，那么就稱為單維關聯(lián)規(guī)則或一維關聯(lián)規(guī)則；否則稱為多維關聯(lián)規(guī)則。例如，天氣（霧）→瞭望不當，規(guī)則左右兩邊的屬性只涉及一維，則稱為單維關聯(lián)規(guī)則；若天氣（霧）∧時間（03：30）→瞭望不當（“∧”指天氣因素和時間因素同時存在），是規(guī)則的左邊涉及天氣和時間兩維，則稱為多維關聯(lián)規(guī)則。由于海事事故的發(fā)生通常是由多種人為失誤和影響因素造成，運用多維關聯(lián)規(guī)則進行挖掘更符合實際情況。

1.2 人為失誤和影響因素

海事事故中，人為失誤指的是由于操作人員的錯誤決策和行為［9］，導致船舶系統(tǒng)出現(xiàn)故障、效率降低或性能受損，從而引發(fā)海事事故。筆者將人為失誤分成了13種；導致人為失誤的影響因素分為4類，分別是個人因素、組織管理因素、船舶因素和自然因素，共有32種因素。為方便計算，對人為失誤和影響因素進行編碼，見表1、表2。

表1 人為失誤編碼Tab.1 Code of human errors

表2 影響因素編碼Tab.2 Code of factors

海事事故的原始數(shù)據(jù)是雜亂無章，并且不完全的，需要對原始數(shù)據(jù)進行簡化。保留事故記錄中的導致事故發(fā)生的字段和事故結果字段，刪掉其他字段，對事故記錄進行簡化。然后對事故的屬性進行編碼，并對屬性值進行預處理，將其映射為整數(shù)。海事事故記錄中的數(shù)據(jù)類型主要有3種：第1種是布爾型，如瞭望不當、未準確定位等；第2種是枚舉型，如能見度、天氣等；第3種是數(shù)值型，如時間、交通流。需要對數(shù)據(jù)進行處理［12］。

1）將布爾型數(shù)據(jù)進行轉化。以瞭望不當為例，如果事故記錄中有這項人為失誤，則該屬性的屬性值為1；否則屬性值為0。

2）對枚舉型數(shù)據(jù)進行處理。以天氣為例，主要有晴、陰、雨、霧4種天氣，處理之后為：B27＝1，晴；B27＝2，陰；B27＝3，雨；B27＝4，霧。

3）對數(shù)值型數(shù)據(jù)進行離散化處理。以海事事故發(fā)生的時間為例，對該屬性的屬性值進行離散化：B32＝1，00：00～06：00時；B32＝2，06：00～08：00 時；B32＝3，08：00～16：00 時；B32＝4，16：00～18：00時；B32＝5，18：00～24：00時。

1.3 分析步驟

運用Apriori算法分析人為失誤誘因的步驟見圖1［14］。

圖1 基于Apriori算法的海事事故中人為失誤誘因分析步驟圖Fig.1 Causation analysis of human miss in marine accidents based on Apriori algorithm

具體步驟如下。

1）先將海事事故調查報告轉化成表格的形式。

2）將表格轉化成整數(shù)形式的數(shù)據(jù)庫。

3）計算每項人為失誤在數(shù)據(jù)庫中出現(xiàn)的次數(shù)count（Am）。

4）計算每項人為失誤和影響因素同時出現(xiàn)的次數(shù)count（Am∪Bn）。

5）根據(jù)步驟（3），（4）計算所有的支持度s（Am→Bn）和可信度c（Am→Bn）。

6）設定支持度和可信度閾值，若可信度和支持度都大于閾值，則獲得相應的規(guī)則。

7）計算出每項人為失誤和影響因素組合同時出現(xiàn)的次數(shù)count（Am∪（Bn1∪Bn2））。

8）根據(jù)步驟（3），（7）計算出人為失誤和影響因素組合的支持度s（Am→（Bn1、Bn2））和可信度s（Am→（Bn1、Bn2））。

9）通過與閾值比較，獲得相應的關聯(lián)規(guī)則，并從中獲得導致人為失誤的主要誘因。

2 實例分析

2.1 報告來源

為了讓數(shù)據(jù)更加符合研究的要求，從世界主要海運國家海事調查機構中精選了100份近年來的事故調查報告，并對這些調查報告進行研究分析，表3為報告的主要來源。

表3 海洋事故調查報告來源Tab.3 Sources of marine accident investigation report

報告具有以下幾個特性。

1）時效性。事故報告選自近10年的事例，具有更好地參考價值。

2）權威性。事故報告必須是國家授權的海事調查機構或者海事管理機構發(fā)布的，這樣對當事船的任何一方都不會有偏見。

3）隨機性。選擇事故報告時不要刻意考慮事故發(fā)生的時間、地點、船型、駕引人員情況、船舶所屬公司和國籍等因素，保證人為失誤與影響因素之間的關系不受報告來源影響。

4）完整性。書面報告要符合特定的格式，內容完整，事實表述清楚，分析有條有理。

2.2 實例分析

根據(jù)精選的100份調查報告建立1個海事事故數(shù)據(jù)庫D，count（D）＝100。每1個事故都有1個屬性集合I＝｛i1，i2，…，im，…，i45｝。式中：im＝0或1。由于已將人為失誤分為13種，影響因素分為32種，所以總數(shù)是45。D中每一個事故都是I中1組因素的集合，即D∈I。設A是人為失誤的集合，B是影響因素的集合，如果A∈T、B∈T，那么稱事故T含A，B。其中：A＝｛A1，A2，…，A13｝，B＝｛B1，B2，…，B32｝。

在對事故進行關聯(lián)分析之前［15］，要對最小支持度和最小可信度閾值進行合理的設定。閾值設定得過高，會忽略掉許多重要的規(guī)則；設定得過低，則會出現(xiàn)大量的矛盾規(guī)則和冗余規(guī)則。以往的研究中基本是采用經(jīng)驗法設定閾值，也就是憑借主觀經(jīng)驗對閾值進行設定。事實證明，運用經(jīng)驗法設定的閾值要么偏高，要么偏低，不符合實際情況。筆者采用的是基于支持度變化的閾值設定方法，首先選擇1個初始閾值進行計算，通過迭代，最終確定最適合用戶的閾值。實例中，將初始支持度閾值設定為0.4，通過迭代確定最終的支持度閾值為0.305，可信度閾值為0.347。

1）第1次關聯(lián)分析。首先計算每項人為失誤和影響因素所對應的支持度s（Am→Bn）和可信度c（Am→Bn），將計算的結果與閾值進行比較，如果大于閾值，則獲得相應的關聯(lián)規(guī)則。

支持度和可信度由式（1）、式（2）計算，獲得的關聯(lián)規(guī)則見表4。

表4 第1次數(shù)據(jù)挖掘產生的關聯(lián)規(guī)則Tab.4 The first data mining association rules generated

2）第2次關聯(lián)分析。首先計算每項人為失誤和影響因素組合所對應的支持度s（Am→（Bn1、Bn2））和可信度s（Am→（Bn1、Bn2）），若計算結果大于閾值，則獲得相應的關聯(lián)規(guī)則。

支持度和可信度由式（3）、式（4）計算，獲得的關聯(lián)規(guī)則見表5。

2.3 挖掘結果

采用不同的可信度和支持度閾值，運用關聯(lián)規(guī)則挖掘出來的結果也不一樣。筆者通過迭代確定合適的支持度和可信度閾值，對海事事故數(shù)據(jù)進行了2次挖掘。首先對人為失誤和單因素之間的對應關系進行了挖掘。以其中1項人為失誤瞭望不當為例，挖掘出主要的影響因素有B9，B11，B15，B18，B28，B30和B31，也就是注意力、信息處理能力、知識經(jīng)驗培訓、配員、監(jiān)督、能見度、航道和交通流。

表5 第2次數(shù)據(jù)挖掘產生的關聯(lián)規(guī)則Tab.5 The second data mining association rules generated

第2次是挖掘人為失誤和影響因素組合之間的關系。以瞭望不當為例，挖掘出的主要影響因素組合為（B9，B30），（B11，B30），（B18，B30）和（B28，B31），也就是（信息處理能力、航道），（知識經(jīng)驗培訓、航道），（監(jiān)督、航道）和（能見度、交通流）。

3 結論及建議

針對海事事故數(shù)據(jù)復雜量多等特點，運用多維關聯(lián)規(guī)則的數(shù)據(jù)挖掘方法，建立了基于Apriori算法的海事事故中人為失誤致因分析模型。通過對模型計算結果進行分析，得到一些有意義的結論和改進措施。

1）人員的注意力、信息處理能力、知識經(jīng)驗培訓，船舶的配員、監(jiān)督以及一些外部條件如天氣的能見度、通行航道和交通流是導致人為失誤，引發(fā)海洋事故的主要因素。所以要想減少海事事故的發(fā)生率，要從內部條件和外部環(huán)境2方面預防事故的發(fā)生。

從內部條件方面，選拔一些素質較高的工作人員，如思維反應比較敏捷，受教育程度較高的工作人員；在這個基礎上制定合理的監(jiān)管制度，并對人員進行合理的配置。

外部環(huán)境方面，盡量在天氣較好、能見度較高的時候進行航行；選擇路線較為安全，船舶流量較少的航線航行，以此減少事故發(fā)生的外部風險。

2）當外部的條件不是特別利于航行時，如航道不順，交通流太密集，或能見度不高時，應當立即調整人員配置，加大監(jiān)管措施，以減少事故的發(fā)生率。

3）研究表明，當交通流很密集的航行區(qū)域出現(xiàn)能見度較低的天氣時，發(fā)生海事事故的概率較高。所以當航海出現(xiàn)這種情況的時候，可以適當?shù)卣{整航行計劃，如暫時將船舶停靠至附近的碼頭或者選擇合適的時間段航行，降低事故發(fā)生概率。

同時，筆者所做研究仍然存在一些不足之處。

1）沒有針對特定海域的海事事故分析研究，所以不具有太強的針對性。

2）在對海事事故進行關聯(lián)分析時，仍然沒有找出理想的針對海事事故數(shù)據(jù)的閾值設定方法。

［1］ 陳興偉，王志明.港口水域安全風險分析法［J］.中國航海，2009，32（1）：69－71.

［2］ 曲生偉.海上交通事故案例［M］.武漢：武漢理工大學出版社，2011.

［3］ 劉正江，吳兆麟.基于船舶碰撞事故調查報告的人的因素數(shù)據(jù)挖掘［J］.中國航海，2004（2）：1－6.

［4］ 陳 燕.數(shù)據(jù)挖掘技術與應用［M］.北京：清華大學出版社，2010.

［5］ 王宏雁，王 琪.多層多維關聯(lián)規(guī)則在交通事故研究中的應用［J］.交通科學與工程，2009，25（1）：73－77.

［6］ 劉 紅，何 鵬.基于粗糙集的海事事故影響因素分析［J］.上海海事大學學報，2013，34（2）：18－23.

［7］ 畢建欣，張岐山.關聯(lián)規(guī)則挖掘算法綜述［J］.中國工程科學，2005，7（4）：89－94.

［8］ 張曉輝，劉正江，吳兆麟.基于水上交通安全事故基礎數(shù)據(jù)的模式發(fā)現(xiàn)［J］.大連海事大學學報，2011，37（2）：40－42

［9］ 付玉慧.海事事故中人為失誤的作用機理［J］.大連海事大學學報，2004（3）：106－108.

［10］ 程 巖，黃梯云.粗糙集中定量關聯(lián)規(guī)則的發(fā)現(xiàn)及其規(guī)則約簡的方法研究［J］.管理工程學報，2001（3）：73－77.

［11］ 劉 洋，馬壽峰.基于聚類分析的非參數(shù)回歸短時交通流預測方法［J］.交通信息與安全，2013，31（2）：27－31.

［12］ 王冬秀，賴先濤，李 輝，等.道路交通事故中關聯(lián)規(guī)則挖掘研究［J］.計算機與信息化，2012（8）：207－208.

［13］ 蔣 宏，方守恩，陳雨人，等.基于時間序列和灰色模型的交通事故預測［J］.交通信息與安全，2012，30（4）：93－98.

［14］ 郭秀娟.基于關聯(lián)規(guī)則數(shù)據(jù)挖掘算法的研究［D］.長春：吉林大學，2004.

［15］ 朱曉東，李幫義.基于支持度變化的關聯(lián)規(guī)則重挖掘技術［J］.電氣技術與自動化，2005，34（2）：75－77.