楊 坤, 莊 元, 呂鵬飛, 付奎鵬

(1. 武漢理工大學(xué) 航運(yùn)學(xué)院， 武漢 430063; 2. 內(nèi)河航運(yùn)技術(shù)湖北省重點(diǎn)實(shí)驗(yàn)室, 武漢 430063； 3. 江蘇漁港監(jiān)督局, 江蘇 南通 226006)

2017-05-12

交通建設(shè)科技項(xiàng)目(20113282001630)

楊 坤(1996—)，男，重慶人，碩士生，主要研究方向?yàn)榻煌ㄅc安全。E-mail: yk_whut@163.com

莊 元(1976—)，男，江蘇徐州人， 副教授，碩士生導(dǎo)師，博士，主要研究方向?yàn)榻煌ㄅc安全。E-mail：zhuangyuan@whut.edu.cn

1000-4653(2017)03-0077-06

基于貝葉斯網(wǎng)絡(luò)的內(nèi)河擱淺船舶應(yīng)急決策方法

楊 坤1,2, 莊 元1,2, 呂鵬飛1,2, 付奎鵬3

(1. 武漢理工大學(xué) 航運(yùn)學(xué)院， 武漢 430063; 2. 內(nèi)河航運(yùn)技術(shù)湖北省重點(diǎn)實(shí)驗(yàn)室, 武漢 430063； 3. 江蘇漁港監(jiān)督局, 江蘇 南通 226006)

為使內(nèi)河擱淺船舶快速有效地進(jìn)行應(yīng)急處置，提出一種基于貝葉斯網(wǎng)絡(luò)的應(yīng)急處置決策方法，該方法具有直觀性強(qiáng)、能定量分析各種應(yīng)急方案和能處理不確定性信息等優(yōu)點(diǎn)。通過(guò)對(duì)江蘇海事局2009—2012年的擱淺船舶應(yīng)急處置數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，獲得擱淺船舶的應(yīng)急處置方案和相對(duì)應(yīng)的影響因素值。提出擱淺船舶的三層應(yīng)急決策框架，即影響因素層、決策準(zhǔn)則層和決策方案層。在該決策框架的基礎(chǔ)上建立擱淺船舶應(yīng)急處置模型，并介紹各決策層的因素及其含義；同時(shí)，利用條件概率表建立相互間的定量聯(lián)系。以一艘在長(zhǎng)江內(nèi)運(yùn)營(yíng)的典型擱淺船舶為例進(jìn)行案例驗(yàn)證，結(jié)果表明，提出的貝葉斯決策模型能很好地處理擱淺船舶的應(yīng)急處置。

水路運(yùn)輸； 擱淺船舶； 應(yīng)急處置； 決策方法

擱淺事故是典型的水上交通事故，其發(fā)生頻率僅次于碰撞事故[1]，因此開(kāi)展擱淺事故的風(fēng)險(xiǎn)分析和應(yīng)急決策具有重要意義。自2012年意大利“科斯塔·康科迪亞”號(hào)游船發(fā)生擱淺事故以來(lái)，船舶擱淺事故得到國(guó)內(nèi)外相關(guān)學(xué)者的廣泛關(guān)注。例如：MAZAHERI等[2]利用113份擱淺事故調(diào)查報(bào)告分析擱淺事故主要的致因因素； AKHTAR等[3]利用貝葉斯網(wǎng)絡(luò)分析人員疲勞在擱淺事故中的作用； UGURLU等[4-5]利用故障樹(shù)分析方法對(duì)碰撞和擱淺事故進(jìn)行分析，同時(shí)進(jìn)一步分析人為失誤在碰撞和擱淺事故中的作用。

從以上研究中可看出，目前對(duì)擱淺事故的研究主要集中在風(fēng)險(xiǎn)分析和致因分析2方面，對(duì)事故發(fā)生后的應(yīng)急處置的研究相對(duì)較少。實(shí)際上，事故應(yīng)急處置決策對(duì)減少事故損失具有重要意義，一旦事故應(yīng)急處置不當(dāng)，很有可能引發(fā)二次事故[6]，并造成嚴(yán)重的后果。鑒于此，我國(guó)開(kāi)始逐步重視事故應(yīng)急處置，并從最初的“安全第一、預(yù)防為主”轉(zhuǎn)變到“預(yù)防與處置并重、常態(tài)與非常態(tài)結(jié)合”。近年來(lái)，隨著應(yīng)急決策理論不斷發(fā)展，已有不少學(xué)者開(kāi)展水上交通事故應(yīng)急處置決策研究。例如：吳兵等[7-9]開(kāi)展多部門(mén)協(xié)同下的失控船舶應(yīng)急處置決策方法研究，并在此基礎(chǔ)上進(jìn)一步開(kāi)展不確定性信息下的失控船舶應(yīng)急處置決策方法研究；ELEYE-DATUBO等[10]利用貝葉斯網(wǎng)絡(luò)建立事故發(fā)生后的應(yīng)急處置模型。

根據(jù)2009—2012年江蘇海事局的統(tǒng)計(jì)數(shù)據(jù)，擱淺事故的應(yīng)急處置受多重因素的影響，而考慮到事故應(yīng)急處置過(guò)程中還會(huì)受到時(shí)間及資源的限制和不對(duì)稱信息的制約，使得在應(yīng)急處置過(guò)程中往往難以獲取全部信息。貝葉斯網(wǎng)絡(luò)是一種較易處理這些不完整信息的方法，能利用這些信息進(jìn)行合理的決策，因此首先對(duì)擱淺船舶的應(yīng)急處置進(jìn)行統(tǒng)計(jì)分析，獲取擱淺船舶應(yīng)急處置的決策方案，并建立擱淺船舶應(yīng)急處置決策的三層決策框架；其次利用貝葉斯網(wǎng)絡(luò)建立擱淺船舶的應(yīng)急決策模型；最后應(yīng)用一個(gè)典型的擱淺事故案例進(jìn)行驗(yàn)證。

1 內(nèi)河擱淺船舶應(yīng)急處置問(wèn)題描述

1.1擱淺船舶應(yīng)急處置統(tǒng)計(jì)分析

根據(jù)2009—2012年江蘇海事局的統(tǒng)計(jì)數(shù)據(jù)，這段時(shí)間共發(fā)生215起擱淺事故。在這些事故中，由于應(yīng)急處置得當(dāng)，均未造成人員傷亡，因此可認(rèn)為這些事故的應(yīng)急處置方法較為得當(dāng)。根據(jù)統(tǒng)計(jì)數(shù)據(jù)，目前對(duì)擱淺船舶的應(yīng)急處置有以下4種方案。

1) 自力脫淺(A1)：通過(guò)移動(dòng)貨物和排出壓載水來(lái)調(diào)整橫傾及縱傾，并配合車舵，從而使船舶脫淺。

2) 候潮脫淺(A2)：通過(guò)等待高潮使船舶吃水小于實(shí)際水深，從而脫淺。

3) 全速坐灘(A3)：在傾斜較為嚴(yán)重且大量進(jìn)水的情況下采取的一種避免船舶沉沒(méi)的方法。

4) 拖船協(xié)助(A4)：借助拖船拖帶的力量脫淺。

進(jìn)一步對(duì)擱淺事故數(shù)據(jù)進(jìn)行分析，僅有78起事故詳細(xì)記錄了事故發(fā)生過(guò)程(包括起因、發(fā)展過(guò)程和應(yīng)急方案等)，對(duì)這些事故作進(jìn)一步分析，可獲得擱淺事故應(yīng)急處置方案分布(見(jiàn)圖1)。

圖1 擱淺事故應(yīng)急處置方案分布

從圖1中可看出：候潮脫淺方案應(yīng)用最為廣泛(占38%)，這是由于江蘇段受潮流影響較大，通過(guò)候潮可較為容易地脫淺；自力脫淺方案也應(yīng)用較多(占35%)；拖船協(xié)助方案應(yīng)用率為22%；全速坐灘方案應(yīng)用較少，僅占5%。

1.2應(yīng)急處置決策三層決策框架

建立應(yīng)急處置決策的輸入-準(zhǔn)則-輸出三層決策框架(見(jiàn)圖2)。在該決策框架中，對(duì)于一個(gè)決策方案，往往具有多重影響因素(輸入變量)，這些輸入變量需決策者在做出決策的過(guò)程中采集相應(yīng)的信息，而考慮到影響因素可根據(jù)其特點(diǎn)進(jìn)行部分整合，從而形成決策準(zhǔn)則，最后利用決策準(zhǔn)則獲取決策方案的數(shù)值，進(jìn)行最終的決策。在該決策框架中，建立三層決策框架(即增加決策準(zhǔn)則)的優(yōu)點(diǎn)有：

1) 影響因素往往較多，且存在多個(gè)具有相似屬性的因素，可對(duì)其進(jìn)行整合。

2) 便于決策者對(duì)各影響因素的作用過(guò)程進(jìn)行理解，從而形成系統(tǒng)化的成果。

圖2 應(yīng)急處置三層決策框架

2 基于貝葉斯網(wǎng)絡(luò)的擱淺船舶應(yīng)急決策模型

2.1貝葉斯方法簡(jiǎn)介

貝葉斯網(wǎng)絡(luò)是一個(gè)有向圖，由代表變量的節(jié)點(diǎn)及連接這些節(jié)點(diǎn)的有向邊構(gòu)成，這些節(jié)點(diǎn)即為影響因素，而有向邊則表示節(jié)點(diǎn)之間的關(guān)系，前述有向圖即構(gòu)成貝葉斯網(wǎng)絡(luò)的定性部分。由于采用圖形化的形式來(lái)表示這些影響因素之間的關(guān)系，因此貝葉斯網(wǎng)絡(luò)具有直觀性強(qiáng)的優(yōu)點(diǎn)。此外，貝葉斯網(wǎng)絡(luò)還可定量描述節(jié)點(diǎn)之間的關(guān)系，并采用條件概率表進(jìn)行描述。如圖2所示，令X={X1,X2,…,Xn}為擱淺處置的節(jié)點(diǎn)變量，X變量集中任意節(jié)點(diǎn)變量的聯(lián)合分布可表示為

p(X1,X2,…,Xn)=

(1)

式(1)中：pa為父節(jié)點(diǎn)Xi；p(X1,X2,…,Xn)為貝葉斯網(wǎng)絡(luò)的參數(shù)，為獲得各變量的概率，可通過(guò)計(jì)算該貝葉斯網(wǎng)絡(luò)邊緣概率獲得。

此外，貝葉斯網(wǎng)絡(luò)可很好地處理不確定信息。在作應(yīng)急決策時(shí)，由于時(shí)間緊迫、資源限制和信息不對(duì)稱，決策者往往很難獲得精確信息，而貝葉斯網(wǎng)絡(luò)可很好地解決該問(wèn)題。在獲得其中部分影響因素的信息之后，貝葉斯網(wǎng)絡(luò)可通過(guò)更新先驗(yàn)概率獲得不確定信息下的后驗(yàn)概率。后驗(yàn)概率的計(jì)算式為

(2)

式(2)中：e為獲得的證據(jù)；p(H|e)為獲得先驗(yàn)信息后更新的后驗(yàn)信息；p(H)為獲得的先驗(yàn)信息，既可通過(guò)實(shí)際傳感器采集，也可通過(guò)專家判斷來(lái)確定；p(e|H)為條件概率。

貝葉斯網(wǎng)絡(luò)正是由于具有以上3個(gè)優(yōu)點(diǎn)，已在海事風(fēng)險(xiǎn)評(píng)價(jià)和應(yīng)急決策中得到廣泛應(yīng)用。[10-12]因此，選取貝葉斯網(wǎng)絡(luò)對(duì)擱淺船舶的應(yīng)急處置決策進(jìn)行建模。

2.2確定擱淺船舶應(yīng)急處置影響因素

擱淺船舶應(yīng)急處置貝葉斯模型(見(jiàn)圖3)包含11個(gè)輸入變量、7個(gè)決策準(zhǔn)則和4個(gè)輸出變量。

圖3 擱淺船舶應(yīng)急處置貝葉斯模型

1) 11個(gè)輸入變量是需在事故應(yīng)急現(xiàn)場(chǎng)采集的數(shù)據(jù)信息，直接影響擱淺船舶的應(yīng)急處置。在利用該模型進(jìn)行決策時(shí)，需輸入這些數(shù)據(jù)。

2) 決策準(zhǔn)則是便于決策者進(jìn)行決策的中間變量，無(wú)需決策者輸入，而是根據(jù)條件概率計(jì)算獲得。

3) 輸出變量是4個(gè)應(yīng)急處置方案，通過(guò)計(jì)算可獲得這4個(gè)應(yīng)急方案的屬性值，其值越大表示方案越優(yōu)。

在確定各影響因素時(shí)，主要考慮歷史統(tǒng)計(jì)事故數(shù)據(jù)并結(jié)合相關(guān)文獻(xiàn)[7-9,11-12,13-15]。吳兵等[7-9]在失控船的應(yīng)急中將相關(guān)的影響因素分為自然因素、交通環(huán)境、船舶狀況和應(yīng)急資源等4類，并對(duì)這4類影響因素進(jìn)行詳細(xì)分析；WU等[12]指出通航安全與外部環(huán)境密切相關(guān)；張笛等[14]分析不同水位期不同水域的通航安全影響因素。

2.3定義各影響因素評(píng)價(jià)等級(jí)

在決策問(wèn)題中，往往需確定各影響因素的評(píng)價(jià)等級(jí)，并確定其相應(yīng)的評(píng)價(jià)標(biāo)準(zhǔn)。例如，在模糊數(shù)學(xué)[7,15]和證據(jù)理論[9]中，均采用語(yǔ)言變量，且賦予相應(yīng)的數(shù)值區(qū)間作為評(píng)價(jià)標(biāo)準(zhǔn)。與這2種方法類似，貝葉斯網(wǎng)絡(luò)也需確定相應(yīng)的語(yǔ)言變量及其決策標(biāo)準(zhǔn)，但若貝葉斯網(wǎng)絡(luò)中語(yǔ)言變量太多，則需建立一個(gè)龐大的條件概率分布表。例如，對(duì)于一個(gè)具有5個(gè)子節(jié)點(diǎn)的父節(jié)點(diǎn)，當(dāng)每個(gè)子節(jié)點(diǎn)有4個(gè)評(píng)價(jià)等級(jí)時(shí)，需建立一個(gè)具有5×5×5×5概率組合的條件概率表，這就需大量的數(shù)據(jù)(專家評(píng)價(jià)或歷史數(shù)據(jù))，而這在實(shí)際中是比較困難的。鑒于此，在實(shí)際中往往需減少子節(jié)點(diǎn)的個(gè)數(shù)及其評(píng)價(jià)等級(jí)。因此，在選取評(píng)價(jià)等級(jí)時(shí)一般只選取3個(gè)評(píng)價(jià)等級(jí)，而在確定各影響因素的評(píng)價(jià)時(shí)也參考相關(guān)應(yīng)急決策的評(píng)價(jià)標(biāo)準(zhǔn)。各影響因素的評(píng)價(jià)等級(jí)及其解釋見(jiàn)表1。

類似地，也可定義決策準(zhǔn)則的評(píng)價(jià)等級(jí)，限于篇幅，這里不對(duì)其進(jìn)行詳細(xì)介紹。

2.4獲取各節(jié)點(diǎn)條件概率分布表

條件概率分布表的獲取是貝葉斯網(wǎng)絡(luò)的難題，一般可通過(guò)統(tǒng)計(jì)數(shù)據(jù)來(lái)獲得。然而在現(xiàn)實(shí)情況中，由于各決策準(zhǔn)則往往是根據(jù)經(jīng)驗(yàn)知識(shí)確定的，在歷史統(tǒng)計(jì)數(shù)據(jù)中難以獲得，因此有學(xué)者提出基于EM(Expectation Maximization)算法的獲取方法。該方法的基本原理是首先確定貝葉斯網(wǎng)絡(luò)的網(wǎng)絡(luò)圖(即定性部分)，其次利用歷史數(shù)據(jù)更新現(xiàn)有的條件概率表[16]，但由于擱淺船舶的樣本數(shù)據(jù)有限，因此采用該方法難以獲得較為理想的結(jié)果。YANG等[17]提出在經(jīng)典IF-THEN規(guī)則的基礎(chǔ)上用置信度來(lái)描述輸出變量，并將改進(jìn)后的IF-THEN規(guī)則轉(zhuǎn)換為相對(duì)應(yīng)的條件概率，從而獲得條件概率表。該方法需用到專家數(shù)據(jù)，但具有較強(qiáng)的可操作性。此外，NORRINGTON等[18]提出一種引導(dǎo)專家獲取條件概率的評(píng)價(jià)框架。結(jié)合上述獲取方法，這里對(duì)能利用歷史數(shù)據(jù)獲取的條件概率采用統(tǒng)計(jì)值的方法求取，但對(duì)部分較為主觀的數(shù)據(jù)采用改進(jìn)后的IF-THEN規(guī)則獲取。以吃水與水深差為例，可獲得其條件概率表(見(jiàn)表2)。

表2中，船舶擱淺速度和擱淺潮位越高，船舶擱淺深度(吃水與水深差)越大，這說(shuō)明應(yīng)盡量避免在全速且高潮時(shí)擱淺，這與現(xiàn)有的研究[19]是一致的。

表1 影響因素的評(píng)價(jià)等級(jí)及其解釋

此外，該研究還給出船舶開(kāi)錨條件、船舶損壞程度等決策變量的影響因素及其與決策變量之間的影響關(guān)系。根據(jù)這些研究成果，結(jié)合統(tǒng)計(jì)數(shù)據(jù)應(yīng)急處置過(guò)程的相關(guān)描述，并利用改進(jìn)后的IF-THEN規(guī)則進(jìn)行量化，也容易獲得其他決策變量的條件概率表。限于篇幅，這里不列出所有的條件概率。進(jìn)一步利用改進(jìn)的IF-THEN規(guī)則建立決策變量與輸出變量的推理規(guī)則，在輸出變量評(píng)價(jià)時(shí)，引入常用的效用值函數(shù)[11]，從而建立決策變量和輸出變量(效用值)的條件概率表，并最終建立兩者之間的關(guān)系，從而獲取各決策方案的決策效用值。決策效用值越高，表明該應(yīng)急方案越好。

3 案例驗(yàn)證

3.1擱淺船舶情景描述

2012年1月，一艘載重22 731 t的散貨船在福姜沙北水道11#黑浮附近水域擱淺。該船為滿載；擱淺時(shí)間為16:20；風(fēng)力為3～4級(jí)；擱淺時(shí)已通過(guò)停車和拋錨等手段將航速降為微速；擱淺時(shí)潮位為平潮；底質(zhì)為軟底質(zhì)；擱淺位置在舯部；附近較近的限制區(qū)域距離在1～3 km；應(yīng)急拖船到達(dá)時(shí)間為15～30 min；預(yù)計(jì)脫淺時(shí)的潮位為高潮。

3.2輸入影響因素先驗(yàn)概率

對(duì)于該案例，將上述先驗(yàn)概率輸入到輸入變量中即可獲得決策準(zhǔn)則的后驗(yàn)概率，并可進(jìn)一步獲得各決策準(zhǔn)則的值，其計(jì)算原理如式(2)所示。但是，該過(guò)程也可采用專業(yè)軟件來(lái)實(shí)現(xiàn)，例如采用GeNIe軟件實(shí)現(xiàn)該過(guò)程僅需在各節(jié)點(diǎn)上設(shè)置“set evidence”，并選擇相應(yīng)的評(píng)價(jià)等級(jí)，其結(jié)果見(jiàn)圖4。

3.3獲取最優(yōu)方案

由圖4可知，各決策方案的期望值可利用該軟件獲得，其結(jié)果見(jiàn)表3。

從表3中可看出，該案例最佳的應(yīng)急方案是依靠拖船協(xié)助脫淺，考慮到擱淺船舶噸位較大，且船舶機(jī)械損壞的可能性較小(20%)，即車舵可正常使用，而應(yīng)急拖船距離擱淺現(xiàn)場(chǎng)較近，因此采用A4方案最為合理。A1方案的可行性次之，這是由于船舶狀況和自然環(huán)境狀況均較好，船舶車舵可使用，船舶可通過(guò)移動(dòng)貨物和排出壓載水等方法實(shí)現(xiàn)自力脫淺。A2方案的可行性相對(duì)較低，這是由于船舶噸位較大且滿載，直接候潮脫淺的難度比較大。A3方案是在船舶損壞較為嚴(yán)重且大量進(jìn)水和傾斜時(shí)不得不采取的一種避免擱淺船舶沉沒(méi)的方案，往往是在船舶損壞較小時(shí)最后選擇的方案。

3.4不確定性信息決策方案

由于在進(jìn)行事故應(yīng)急決策時(shí)往往會(huì)受到時(shí)間緊迫、資源限制和不對(duì)稱信息的制約，因此在事故現(xiàn)場(chǎng)采集的輸入數(shù)據(jù)信息往往存在一定的不確定性，這些不確定性主要體現(xiàn)在對(duì)某個(gè)影響因素信息完全未知和對(duì)某個(gè)影響因素具有一定的置信度(部分未知)2方面。

表2 吃水與水深差條件概率表

圖4 輸入先驗(yàn)概率后的貝葉斯網(wǎng)絡(luò)

決策方案標(biāo)號(hào)期望值排序自力脫淺A10．55032候潮脫淺A20．31223全速坐灘A30．23124拖船協(xié)助A40．65791

為進(jìn)一步分析貝葉斯網(wǎng)絡(luò)在不確定信息下的決策，選取表4中的不確定信息進(jìn)行決策，其余未列出的信息與圖4中的完全相同，其結(jié)果見(jiàn)圖5。

表4 擱淺船舶應(yīng)急決策的不確定信息

圖5 不確定信息下的決策結(jié)果

從圖5中可看出，在該不確定信息下，其最優(yōu)結(jié)果仍是拖船協(xié)助。由此可見(jiàn)，即使是在對(duì)拖船到達(dá)時(shí)間等多個(gè)影響因素完全未知或部分未知的情況下，利用貝葉斯網(wǎng)絡(luò)仍能實(shí)現(xiàn)對(duì)擱淺船舶的應(yīng)急處置，并可獲得合理的決策結(jié)果。這在事故應(yīng)急中是非常重要的，因?yàn)樵谑鹿蕬?yīng)急處置現(xiàn)場(chǎng)，決策者往往很難獲得完整的決策信息。

4 結(jié)束語(yǔ)

為使內(nèi)河擱淺船舶快速、有效地進(jìn)行應(yīng)急處置，本文提出基于貝葉斯網(wǎng)絡(luò)的應(yīng)急處置決策方法，該方法具有直觀性強(qiáng)、能處理不確定信息及能定量描述影響因素等3個(gè)優(yōu)點(diǎn)。從實(shí)際驗(yàn)證的結(jié)果中看，該模型能很好地處置內(nèi)河擱淺船舶。但需指出的是，本文提出的模型在影響因素的選取和決策方案的選擇等方面針對(duì)的均是內(nèi)河長(zhǎng)江江蘇段水域，在推廣應(yīng)用到其他水域時(shí)還需進(jìn)行相應(yīng)的調(diào)整。

[1] MAZAHERI A, MONTEWKA J, KUJALA P. Modeling the Risk of Ship Grounding-A Literature Review from a Risk Management Perspective[J]. WMU Journal of Maritime Affairs, 2014, 13(2): 269-297.

[2] MAZAHERI A, MONTEWKA J, NISULA J, et al. Usability of Accident and Incident Reports for Evidence-Based Risk Modeling-A Case Study on Ship Grounding Reports[J]. Safety Science, 2015, 76: 202-214.

[3] AKHTAR M J, UTNE I B. Human Fatigue’s Effect on the Risk of Maritime Groundings-A Bayesian Network Modeling Approach[J]. Safety Science, 2014, 62: 427-440.

[6] ULUS?U ? S, ?ZBAB, ALTLOK T, et al. Risk Analysis of the Vessel Traffic in the Strait of Istanbul[J]. Risk Analysis, 2009, 29(10): 1454-1472.

[7] 吳兵, 嚴(yán)新平, 汪洋, 等. 多部門(mén)協(xié)同的內(nèi)河失控船應(yīng)急處置決策方法[J]. 交通運(yùn)輸系統(tǒng)工程與信息, 2015, 15(5): 16-23.

[8] WU B, YAN X, WANG Y, et al. Selection of Maritime Safety Control Options for NUC Ships Using a Hybrid Group Decision-Making Approach[J]. Safety Science, 2016, 88: 108-122.

[9] 吳兵, 嚴(yán)新平, 汪洋, 等. 不確定信息下的失控船應(yīng)急處置決策方法[J]. 哈爾濱工程大學(xué)學(xué)報(bào), 2016, 37(7): 908-914.

[10] ELEYE-DATUBO A G, WALL A, SAAJEDI A, et al. Enabling a Powerful Marine and Offshore Decision-Support Solution Through Bayesian Network Technique [J]. Risk Analysis, 2006, 26(3): 695-721.

[11] ZHANG D, YAN X P, YANG Z L, et al. Incorporation of Formal Safety Assessment and Bayesian Network in Navigational Risk Estimation of the Yangtze River[J]. Reliability Engineering & System Safety, 2013, 118: 93-105.

[12] WU B, WANG Y, ZHANG J, et al. Effectiveness of Maritime Safety Control in Different Navigation Zones Using a Spatial Sequential DEA Model: Yangtze River Case[J]. Accident Analysis & Prevention, 2015, 81: 232-242.

[13] 劉克中, 干偉東, 黃明, 等. 基于貝葉斯網(wǎng)絡(luò)的船舶溢油風(fēng)險(xiǎn)評(píng)價(jià)研究[J]. 中國(guó)航海, 2012, 35(1): 85-89.

[14] 張笛, 張金奮, 嚴(yán)新平. 基于模糊規(guī)則庫(kù)和證據(jù)推理的內(nèi)河通航風(fēng)險(xiǎn)評(píng)價(jià)[J]. 中國(guó)航海, 2014, 37(1): 71-75.

[15] 吳兵, 嚴(yán)新平, 汪洋, 等.基于橋梁通航風(fēng)險(xiǎn)的海巡艇配備研究[J]. 中國(guó)航海, 2013, 36(4): 82-85.

[16] ZENG Q, YANG L, ZHANG Q. Modeling the Sailing Risk of RoPax Ships with Bayesian Network[J]. Transport, 2014: 1-8.

[17] YANG Z, BONSALL S, WANG J. Fuzzy Rule-Based Bayesian Reasoning Approach for Prioritization of Failures in FMEA[J]. IEEE Transactions on Reliability, 2008, 57(3): 517-528.

[18] NORRINGTON L, QUIGLEY J, RUSSELL A, et al. Modelling the Reliability of Search and Rescue Operations with Bayesian Belief Networks[J]. Reliability Engineering & System Safety, 2008, 93(7): 940-949.

[19] 顏峰. 淺談搜救中心對(duì)船舶擱淺、觸礁后的應(yīng)急處置[J]. 中國(guó)水運(yùn), 2009，9(6): 1-3.

EmergencyDecision-MakingMethodforGroundingShipsHandlinginInlandWaterwayBasedonBayesianNetwork

YANGKun1,2,ZHUANGYuan1,2,LYUPengfei1,2,FUKuipeng3

(1. School of Navigation, Wuhan University of Technology, Wuhan 430063, China; 2. Hubei Inland Shipping Technology Key Laboratory, Wuhan 430063, China; 3. Port Supervision Bureau of Jiangsu Province, Nantong 226006, China)

In order to handle grounding accidents timely and effectively in inland waterway transportation, a Bayesian network based decision-making method is proposed, which owns the distinguishing characters of intuitive, quantitative assessment on alternatives and being able to deal with uncertainty. The data of emergency response to grounding ships from 2009 to 2012 in Jiangsu MSA are collected and processed with statistical analysis to find the portfolio of response measures and corresponding influencing factors. The three-layer emergency decision-making framework for grounding ships is proposed, which consists of the influencing factors layer, the decision attribute layer and the decision layer. The emergency decision-making model is established in the three-layer framework. The factors of each layer are explained in detail and the relationships between the influencing factors are established using conditional probability tables. A typical grounding accident in Yangtze River is used to verify the proposed model. The result demonstrates that the proposed Bayesian network model is useful for emergency response to grounding accidents.

waterway transportation; grounding ship; emergency response; decision-making method

U698.6

A