高天航 呂靖 孫茂金

DOI：10.13340/j.jsmu.2017.03.004

文章編號：1672-9498（2017）03001807

摘要：為保障海上通道安全，針對海上通道安全的影響因素較多且相互關(guān)聯(lián)的特點(diǎn)，提出一種考慮耦合效應(yīng)的海上通道風(fēng)險因素識別方法。將二元語義應(yīng)用到專家問卷的語言評價信息，并將2可加模糊測度擴(kuò)展到二元語義環(huán)境，完成對所有風(fēng)險因素的識別分析。案例分析結(jié)果為：在中歐海上通道風(fēng)險因素中，對單風(fēng)險因素進(jìn)行分析后得出影響最大的兩個因素是氣象水文海況和海上犯罪威脅，對任意兩個因素之間的耦合效應(yīng)進(jìn)行分析后得出耦合效應(yīng)最強(qiáng)的兩組風(fēng)險因素是氣象水文海況和通航地理條件以及氣象水文海況和通道船舶密度。

關(guān)鍵詞：

海上通道； 風(fēng)險因素識別； 耦合效應(yīng)； 二元語義； 2可加模糊測度

中圖分類號： U698

文獻(xiàn)標(biāo)志碼： A

Identification of risk factors in sea lanes considering coupling effect

GAO Tianhang1， LYU Jing1， SUN Maojin1，2

（

1. Transportation Management College， Dalian Maritime University， Dalian 116026， Liaoning， China；

2. Zhongjingyun Data Storage Technology Co.， Ltd.， Beijing 100176， China）

Abstract：

In order to ensure the safety of sea lanes， considering that the influencing factors of sea lane safety are multiple and interrelated， an identification method of risk factors is proposed， where the coupling effect among risk factors is considered. The linguistic assessment information given by experts is converted into 2tuple linguistic representation， the 2additive fuzzy measure operator is extended to 2tuple linguistic representation， and the identification analysis of all risk factors is completed. The case study results are the following： in all risk factors in ChinaEurope sea lane， the analysis on each risk factor shows that the two most influential factors are the meteorological and hydrological condition and the threat of maritime crime， and the analysis on coupling effect between any two factors shows that the two groups of risk factors with the strongest coupling effect are the meteorological and hydrological condition with the navigable geographical condition， and the meteorological and hydrological condition with the ship density of sea lanes.

Key words：

sea lane； risk factor identification； coupling effect； 2tuple linguistic； 2additive fuzzy measure

0引言

海上通道是否安全是海上通道能否流暢通行的首要問題，該問題一直以來都受通道內(nèi)部自然環(huán)境和外部人文環(huán)境中多種因素的共同影響。當(dāng)今世界的快速發(fā)展以及世界格局的變幻莫測都使海上通道的風(fēng)險因素更加復(fù)雜多變。若想對海上通道的風(fēng)險進(jìn)行科學(xué)的管理控制，首要工作就是要進(jìn)行風(fēng)險因素識別。

國外早在20世紀(jì)50年代就已展開了對海上通道風(fēng)險的研究，我國的研究工作雖然起步較晚，但已取得了一定的進(jìn)展。關(guān)于海運(yùn)安全的研究比較多。HASHEMI等[1]針對密西西比河進(jìn)行船舶事故預(yù)測，分別對比了神經(jīng)網(wǎng)絡(luò)模型、多重判別分析和Logistic模型，得出神經(jīng)網(wǎng)絡(luò)模型的預(yù)測結(jié)果明顯優(yōu)于另外兩種方法的預(yù)測結(jié)果的結(jié)論。QIN等[2]以風(fēng)險管理模型為基礎(chǔ)構(gòu)建了一個三維的安全管理評價模型，并探討了其在海運(yùn)安全中的適用性。但是，海運(yùn)安全中的各影響因素普遍具有模糊性特點(diǎn)，很難使用非常精確、具體的數(shù)學(xué)方法，為此模糊數(shù)學(xué)的相關(guān)理論就逐漸被引用進(jìn)來。BALMAT等[34]， ELEYEDATUBO等[5]均運(yùn)用模糊綜合評價法對海運(yùn)安全進(jìn)行分析評價，并得到了良好的實踐效果。BALMAT等[34]首先從靜態(tài)和動態(tài)兩個角度設(shè)計風(fēng)險因素，然后利用模糊綜合評價法進(jìn)行了海運(yùn)安全評價，在此基礎(chǔ)上考慮了船速變化等更多情況對模型進(jìn)行完善，并用實例驗證了模型。ELEYEDATUBO等[5]將質(zhì)量分配理論與模糊貝葉斯網(wǎng)絡(luò)結(jié)合進(jìn)行了海上安全的實例研究?？梢?，模糊數(shù)學(xué)的相關(guān)理論應(yīng)用于海運(yùn)安全評價的相關(guān)領(lǐng)域是可行的。關(guān)于海上通道的風(fēng)險因素識別，李振福等[6]應(yīng)用盲數(shù)理論對我國海上戰(zhàn)略通道進(jìn)行了安全風(fēng)險評價，趙旭等[7]使用投影尋蹤法對我國能源運(yùn)輸通道進(jìn)行了安全評價。endprint

已有成果為本研究提供了風(fēng)險因素識別方法以及構(gòu)建風(fēng)險因素集的依據(jù)。海上通道風(fēng)險因素識別問題具有以下3個特點(diǎn)：首先，海上通道的各個風(fēng)險因素之間存在著耦合效應(yīng)，即兩種或多種風(fēng)險因素的發(fā)生會產(chǎn)生一定的增強(qiáng)或抵消效果（如兩種風(fēng)險因素耦合帶來的風(fēng)險程度若大于這兩種因素風(fēng)險程度的簡單加和，則存在正耦合效應(yīng)，反之為負(fù)耦合效應(yīng)）；其次，海上通道各個風(fēng)險因素的量級難以準(zhǔn)確測量，難以用較精確的風(fēng)險因素識別方法進(jìn)行計算，需要使用一種基于模糊理論的識別方法；最后，即使使用基于模糊理論的識別方法，所獲得的專家數(shù)據(jù)也存在難以量化的問題，故需要找到一種既利于專家判斷，又能夠轉(zhuǎn)化為實際數(shù)據(jù)運(yùn)算的方法。本文針對這3個特點(diǎn)，提出考慮耦合效應(yīng)的海上通道風(fēng)險因素識別方法。該方法將專家以語言短語形式給出的風(fēng)險耦合信息轉(zhuǎn)化為二元語義形式，并結(jié)合2可加模糊測度[89]構(gòu)造一個考慮耦合效應(yīng)的海上通道風(fēng)險因素識別模型，并進(jìn)行實例應(yīng)用。

1海上通道風(fēng)險因素識別模型

模糊測度作為經(jīng)典測度的延拓，具有更強(qiáng)的表示能力，能夠定量描述指標(biāo)間的交互關(guān)系。2可加模糊測度在兼

顧k可加模糊測度算法的復(fù)雜性和測度的表示能力的同時，具有更好的實用性；其具有的不可加性等特點(diǎn)十分符合本文研究的海上通道風(fēng)險因素識別問題，故選取該理論構(gòu)建海上通道風(fēng)險因素識別模型。

模型中采用的集合和變量：X={xii∈N}為海上通道風(fēng)險因素集合，N=1，2，…，n；E={Ehh∈M}為專家集合，M=1，2，…，m，m≥2；S={Sll∈G}為評價短語集合，G=1，2，…，g；[WTHX]Y[WTBX]h=（yh，i）n為海上通道風(fēng)險因素獨(dú)立風(fēng)險判斷向量，其中yh，i表示第h名專家針對風(fēng)險因素xi給出的獨(dú)立風(fēng)險評價信息；

[WTHX]Z[WTBX]h=zh，ijn×n為海上通道風(fēng)險因素耦合風(fēng)險判斷矩陣，其中zh，ij表示第h名專家針對風(fēng)險因素xi和風(fēng)險因素xj給出的耦合風(fēng)險評價信息。這里不考慮風(fēng)險因素自身的耦合性，即zh，ii=“-”（h∈M，i∈N），不僅如此，zh，ij=zh，ji。

構(gòu)建海上通道風(fēng)險因素識別模型的具體步驟和方法如下：

步驟1根據(jù)二元語義轉(zhuǎn)換函數(shù)[10]θ，分別將

[WTHX]Y[WTBX]h=yh，i和

[WTHX]Z[WTBX]h=zh，ij轉(zhuǎn)換為二元語義形式

[WTHX][WTBX]h=h，i和

[WTHX][WTBX]h=h，ij，轉(zhuǎn)換公式為

θ：S→S×[-0.5，0.5）

（1）

h，i=θ（yh，i）=（yh，i，0），

yh，i∈S， h∈M， i∈N

（2）

h，ij=θ（zh，ij）=（zh，ij，0），

zh，ij∈S， h∈M， i，j∈N

（3）

由于有m個專家參與評價，所以將共m組評價數(shù)據(jù)進(jìn)行整合：

i=（yi，αi），

yi∈S， αi∈[-0.5，0.5）， i∈N

（4）

ij=（zij，αij），

zij∈S，

αij∈[-0.5，0.5）， i，j∈N

（5）

（yi，αi）=Δ1mmh=1

（Δ-1（yh，i，0）），

i∈N

（6）

（zij，αij）=Δ1mmh=1（Δ-1（zh，ij，0）），

i，j∈N（7）

經(jīng)過以上的二元語義變換就會得到綜合風(fēng)險因素獨(dú)立風(fēng)險判斷向量

[WTHX][WTBX]和綜合風(fēng)險因素耦合風(fēng)險判斷矩陣

[WTHX][WTBX]。

[WTHX][WTBX]=1，2，…，n

[WTHX][WTBX]

=-12…1（n-1）1n21-…2（n-1）2n

（n-1）1（n-1）2…-（n-1）nn1n2…n（n-1）-

步驟2通過得到的

[WTHX][WTBX]和

[WTHX][WTBX]進(jìn)行兩兩成對比較，參考層次分析法，得到各風(fēng)險因素的初始對比風(fēng)險系數(shù)矩陣

[WTHX]P[WTBX]和初始耦合風(fēng)險系數(shù)矩陣

[WTHX]Q[WTBX]。

[WTHX]P[WTBX]=（Iiji）n×n， Iiji∈（0，1）， i，j∈N

（8）

[WTHX]Q[WTBX]=（Iij）n×n， i，j∈N， i≠j

（9）

Iiji表示風(fēng)險因素Xi與Xj之間的對比風(fēng)險性，Iiii=1，

Iiji=Ijii=Δ-1（yi，αi）Δ-1（yi，αi）+Δ-1（yj，αj），

i，j∈N

（10）

Iij表示風(fēng)險因素xi與xj之間的耦合風(fēng)險系數(shù)，也就是交互作用系數(shù)，其公式為

Iij=

Iji=（Δ-1（zij，αij）-Δ-1（Sg/2，

0））/（Δ-1（yi，

αi）+Δ-1（yj，αj）+Δ-1（zij，αij）-Δ-1（Sg/2，

0）），i，j∈N，

i≠j

（11）

此類處理是因為考慮到耦合效應(yīng)分為正耦合效應(yīng)和負(fù)耦合效應(yīng)，存在著一定方向性。

步驟3在得到

P后，可以求得相對風(fēng)險系數(shù)矩陣

C=（cij）n×n， cij=Iiji/Iijjendprint

（12）

步驟4根據(jù)最大特征向量法求得各風(fēng)險因素Xi的調(diào)整后相對風(fēng)險系數(shù)向量

[WTHX]I[WTBX]*=（I*1，I*2，…，I*n），再用新得到的

I*對

Q進(jìn)行變換，即可得到調(diào)整后的新耦合風(fēng)險系數(shù)矩陣

Q*=I*ijn×n，其中

I*ij=sgn（Iij）min（I*i，I*j）n-1Iij2IijiIijj，

i，j∈N， i≠j

（13）

由于式（13）為創(chuàng)新提出，所以必須證明式（13）為2可加模糊測度，即證明定理1。

定理1I*ij確定的模糊測度為2可加模糊測度。

為證明定理1，在此引用2可加模糊測度的相關(guān)定理，即成為2可加模糊測度必須滿足以下定理：

定理2設(shè)存在有限集合X，P（X）為其冪集，aK為可確定的唯一2可加模糊測度，當(dāng)且僅當(dāng)滿足以下條件時成立：

（1）aφ=0，K∈P（X）aK=1；

（2）對于K∈P（X），有xi∈T，TKaK≥0；

（3）當(dāng)K>2時，aK=0，同時K0∈P（X），K0=2，aK0≠0。

為證明定理2，引入2可加模糊測度的基礎(chǔ)定理[11]：

定理3

設(shè)μ為定義在（X，P（X））上的模糊測度，當(dāng)X=2時，有

-min（I1，I2）≤12I12≤min（I1，I2）

定理4設(shè)μ為定義在（X，P（X））上的模糊測度，若存在唯一確定的2可加模糊測度，則默比烏斯變換系數(shù)a和交互指標(biāo)值Iij具有以下關(guān)系：

ai=Ii-12xj∈X＼{xi}Iij，

aij=Iij

證明若要證明I*ij為2可加模糊測度，需滿足定理2的3個條件。

（1）aφ=0顯然成立，引入定理4，有

K∈P（X）aK=

xi∈Xai+xi，xj∈Xaij=

xi∈XI*i-12xj∈X＼{xi}I*ij

+xi，xj∈XI*ij=

xi∈XI*i-xi∈X12xj∈X＼{xi}I*ij+xi，xj∈XI*ij=

xi∈XI*i-2×12xi，xj∈XI*ij+xi，xj∈XI*ij=1

（2）對于K∈P（X），以及其中存在的某一集合T，有

xi∈T，TKaT=

ai+xj∈K＼{xi}aij=I*i-12xj∈X＼{xi}I*ij+xj∈K＼{xi}I*ij=I*i-12xj∈P（X）＼K

I*ij+xj∈K＼{xi}I*ij

由定理3可知，-min（Iiji，Iijj）≤12Iij≤min（Iiji，Iijj），則有

0≤Iij24IijiIijj≤（min（Iiji，Iijj））2IijiIijj

0≤Iij24IijiIijj≤IijiIijjIijiIijj

0≤min（I*i，I*j）n-1Iij24IijiIijj≤min（I*i，I*j）n-1IijiIijjIijiIijj

0≤min（I*i，I*j）2（n-1）Iij2IijiIijj≤min（I*i，I*j）n-1

再將I*ij=sgn（Iij）min（I*i，I*j）n-1Iij2IijiIijj代入

-min（I*i，I*j）n-1≤sgn（Iij）min（I*i，I*j）2（n-1）Iij2IijiIijj≤

min（I*i，I*j）n-1

即

-min（I*i，I*j）n-1≤12I*ij≤min（I*i，I*j）n-1

-I*in-1≤12I*ij≤I*in-1

-（n-1）I*in-1≤-12xj∈

P（X）＼K

I*ij+

12xj∈K＼{xi}I*ij≤（n-1）I*in-1

I*i-12xj∈P（X）＼K

I*ij+12xj∈K＼{xi}I*ij≥0

則可得

xi∈T，TKaT≥0。

（3）根據(jù)文獻(xiàn)[11]中的定義4，K>2時，aK=0，同時因各因素間的差異性和交互性，必然K0∈P（X），K0=2，aK0≠0。

步驟4的式（13）是由文獻(xiàn)[11]改進(jìn)而來。因為較早的方法需要在最終的計算結(jié)果中進(jìn)行一個最小化選擇，會將原數(shù)據(jù)中的部分信息舍棄，造成部分?jǐn)?shù)據(jù)缺失，所以在這里將其進(jìn)行一定的轉(zhuǎn)化，更大限度地保留了原始數(shù)據(jù)及計算過程中的信息。

步驟5當(dāng)K>2或K=φ時，I*K=0。求得所有的默比烏斯變換系數(shù)

ai=I*i-12xj∈X＼{xi}I*ij

之后利用文獻(xiàn)[11]中的定義2，3和4，可以求得所有子集的模糊測度。

2案例分析

由于中歐海上通道經(jīng)過東南亞地區(qū)、中東地區(qū)和歐洲地區(qū)等我國重要的貿(mào)易伙伴分布地區(qū)，一直都是最受重視的海上通道之一，所以選取中歐海上通道作為研究對象，其具體線路見圖1。

共選取9個中歐海上通道風(fēng)險因素，

X={X1，X2，…，X9}，分別為通道基本狀況、氣象水文海況、通航地理條件、通道船舶密度、沿岸政治環(huán)境、法律政策約束、地區(qū)軍事背景、海上犯罪威脅和國家安全

保障能力。選取這9個因素主要是從內(nèi)部自然環(huán)境和外部政治環(huán)境兩方面來考慮的。內(nèi)部自然環(huán)境由這9個因素中的前4個體現(xiàn)，考慮了通道長度、風(fēng)浪洋流、水深暗礁、港口條件、船舶密度等多個自然因素，旨在探究自然因素對中歐海上通道的影響。外部人文環(huán)境考慮政治、法律、軍事、海盜特殊情況以及外交等多個方面，旨在探究人文因素對中歐海上通道的影響。語言評價集合參考文獻(xiàn)[12]，設(shè)為5個程度，S={VL，L，M，H，VH}，用來表示風(fēng)險程度高低（很低（1），低（2），中等（3），高（4），很高（5）），同時還用來表示耦合性強(qiáng)弱（強(qiáng)負(fù)耦合（-2），弱負(fù)耦合（-1），獨(dú)立（0），弱正耦合（1），強(qiáng)正耦合（2））。然后根據(jù)模型需要發(fā)放調(diào)查問卷，調(diào)查對象主要包括海事局、航運(yùn)企業(yè)、港口和高等院校等相關(guān)從業(yè)者及科研者，調(diào)查的具體問題為各風(fēng)險因素的初始獨(dú)立風(fēng)險程度和風(fēng)險因素間的初始耦合風(fēng)險程度。共收回問卷110份，其中有4份為無效問卷，有效率為96.4%。endprint

步驟1把由調(diào)查問卷得到的定性數(shù)據(jù)代入式（4）～（7），將各風(fēng)險因素的初始獨(dú)立風(fēng)險程度對應(yīng)綜合風(fēng)險因素獨(dú)立風(fēng)險判斷向量，風(fēng)險因素間的初始耦合風(fēng)險效應(yīng)程度對應(yīng)綜合風(fēng)險因素耦合風(fēng)險判斷矩陣，得到和。

步驟2根據(jù)式（10）得到各風(fēng)險因素的初始對比風(fēng)險系數(shù)，并將其整合成矩陣P，如

I121=（2-0.018 9）/（2-0.018 9+3-0.301 9） =0.423 4。

根據(jù)式（11）得到各元素之間的初始耦合風(fēng)險系數(shù)，將其整合成矩陣Q，如I12=I21=（1-0.264 2）/（1-0.264 2+2-0.018 9+3-0.301 9）=0.135 9。

步驟3根據(jù)式（12）得到各風(fēng)險元素之間的相對風(fēng)險系數(shù)，將其整合成矩陣C，如c12=I121/I122=0.423 4/0.576 6=0.734 3。

步驟4根據(jù)相對風(fēng)險矩陣，計算出最大特征值向量，即各風(fēng)險因素調(diào)整后的相對風(fēng)險系數(shù)向量

[WTHX]I[WTBX]*=（0.094 7，0.128 9，0.118 1，0.108 2，0.115 4，0.093 8，0.116 3，0.123 5，0.101 1）

再根據(jù)式（13）將初始相對風(fēng)險系數(shù)矩陣Q進(jìn)行變換，計算得到新的交互指標(biāo)I*ij，整合成矩陣[WTHX]Q[WTBX]*，即耦合風(fēng)險系數(shù)矩陣，如

步驟5當(dāng)K>2或K=φ時，令I(lǐng)*K=0，求得所有的默比烏斯變換系數(shù)（見表1）， 如

a1=

0.094 7-1/2×（0.003 3+0.003 8+

0.002 8+ 0.001 8 +0.000 1+0.001 3+

0.002 9+0.001 4）= 0.086 0

由于aij=I*ij，耦合風(fēng)險系數(shù)矩陣由I*ij構(gòu)成，也就是矩陣Q*，所以不在此羅列。

當(dāng)?shù)玫絾卧刈蛹哪葹跛棺儞Q系數(shù)時，也就確定了每個風(fēng)險元素的模糊測度，在本文中的實際含義即為風(fēng)險程度。事實上，通過模糊測度與默比烏斯變換系數(shù)的關(guān)系，可以得到所有子集的模糊測度，可以更加全面地了解海上通道的風(fēng)險因素的不同組合子集的風(fēng)險程度。在本文中，待分析因素有9個，需要計算的子集數(shù)量為29=512，限于篇幅，僅列出雙風(fēng)險元素的模糊測度，見表2。

根據(jù)表1和2的計算結(jié)果可以得到以下結(jié)論：

（1）根據(jù)單元素子集模糊測度可對海上通道

風(fēng)險因素進(jìn)行風(fēng)險排序，X1X6X9X4X5X3X7X8X2。從結(jié)果中可以看出，中歐海上通道的風(fēng)險因素中，影響最顯著的是氣象水文海況和海上犯罪威脅?？紤]到中歐海上通道較長的地理距離以及復(fù)雜的海上環(huán)境，氣象水文海況對中歐海上通道安全具有較大影響是符合實際的。另外，中歐海上通道還包括部分東南亞和印度洋地區(qū)。這兩個地區(qū)水域長期受海盜影響，海盜威脅屢禁不止，所以也與實際情況較為符合。在被評價的9個風(fēng)險因素中，影響相對較小的是通道基本狀況和法律政策約束。在現(xiàn)有的船舶設(shè)備及航海技術(shù)下，通道基本狀況對中歐海上通道安全整體的威脅在逐漸減弱。法律政策對中歐海上通道的風(fēng)險程度雖然起到了一定程度的約束，但是各項法律政策的執(zhí)行能力仍需提高。

（2）在被評價的9個風(fēng)險因素中，耦合性最強(qiáng)的兩組因素是氣象水文海況和通航地理條件以及氣象水文海況和通道船舶密度，耦合風(fēng)險系數(shù)分別達(dá)到了0.004 2和0.004 0。在實際情況中反映的是，在惡劣的天氣下一旦處于通航地理條件較差或者船舶密度較大的通道水域內(nèi)，船舶出現(xiàn)擱淺或者碰撞的事故數(shù)會因為正耦合作用的存在而更大。耦合性最弱的兩組因素是通道基本狀況和法律政策約束，耦合風(fēng)險系數(shù)僅為0.000 1。也就是在實際中法律政策約束與通道基本狀況對海上通道的風(fēng)險影響之間幾乎是沒有耦合作用的，可以理解為風(fēng)險影響是簡單的疊加。除此之外，氣象水文海況與法律政策約束和海上犯罪威脅，通航地理條件與國家安全保障能力，通道船舶密度與沿岸政治環(huán)境和國家安全保障能力之間的耦合作用也很弱，可以認(rèn)為互不影響。

（3）根據(jù)表2分析，當(dāng)兩個海上通道風(fēng)險因素同時產(chǎn)生風(fēng)險并產(chǎn)生耦合作用時，氣象水文海況和通航地理條件以及氣象水文海況和海上犯罪威脅對中歐海上通道造成的威脅最大，風(fēng)險模糊測度達(dá)到0.231 8和0.236 6。前者氣象水文海況和通航地理條件所產(chǎn)生的較大風(fēng)險主要是由于兩者之間有較強(qiáng)的耦合效應(yīng)。后者氣象水文海況與海上犯罪威脅之間雖然耦合效應(yīng)效果不強(qiáng)，但是兩個風(fēng)險因素各自對海上通道風(fēng)險影響較強(qiáng)，也會導(dǎo)致類似結(jié)果。由此可見，單項的風(fēng)險因素或者其間耦合效應(yīng)較強(qiáng)的風(fēng)險因素，都會對海上通道安全造成巨大的威脅。

3結(jié)論

將二元語義與2可加模糊測度相結(jié)合，提出一種新的識別模型，在保留2可加模糊測度的精確性和快捷性的同時，利用二元語義增強(qiáng)了模型的實用性。構(gòu)建的新海上通道風(fēng)險因素識別模型是在考慮風(fēng)險因素耦合效應(yīng)的基礎(chǔ)上，將模糊測度中的不可加性與實際情況中的耦合效應(yīng)相對應(yīng)，從一個新的視角研究海上通道風(fēng)險識別問題，所得到的風(fēng)險識別結(jié)果具有更強(qiáng)的科學(xué)性和可信性。

實際應(yīng)用方面，將海上通道風(fēng)險因素識別模型應(yīng)用到中歐海上通道的風(fēng)險因素識別中。計算結(jié)果表明，該模型能夠較好地識別海上通道風(fēng)險因素及相互間的耦合效應(yīng)，為后續(xù)的風(fēng)險管理提供理論依據(jù)。本文在實際應(yīng)用方面仍然有一定局限性，例如風(fēng)險因素選取的數(shù)量有限以及沒有考慮時間對中歐海上通道風(fēng)險因素識別的影響，在今后的研究中會對上述問題進(jìn)行更深入的探討，找出解決方案。

參考文獻(xiàn)：

[1]

HASHEMI R R， BLANC L A L， RUCKS C T， et al. A neuralnetwork for transportation safety modeling[J]. Expert Systems with Applications， 1995， 9（3）： 247256.endprint

[2]QIN Tingrong， CHEN Weijiong， ZENG Xiangkun. Risk management modeling and its application in maritime safety[J]. Journal of Marine Science Applications， 2008， 7（4）： 286291.

[3]BALMAT J F， LAFONT F， MAIFRET R， et al. A decisionmaking system to maritime risk assessment[J]. Ocean Engineering， 2011， 38（1）： 171176.

[4]BALMAT J F， LAFONT F， MAIFRET R， et al. Maritime risk assessment （MARISA）， a fuzzy approach to define an individual ship risk factor[J]. Ocean Engineering， 2009， 36（15）： 12781286.

[5]ELEYEDATUBO A G， WALL A， WANG J. Marine and offshore safety assessment by incorporative risk modeling in a fuzzyBayesian network of an induced mass assignment paradigm[J]. Risk Analysis， 2008， 28（1）： 95112.

[6]李振福， 顏章龍. 基于盲數(shù)理論的我國海上戰(zhàn)略通道安全風(fēng)險評價[J]. 武漢理工大學(xué)學(xué)報（交通科學(xué)與工程版）， 2014， 38（1）： 1620.

[7]趙旭， 高建賓， 林瑋. 基于投影尋蹤的海上能源運(yùn)輸通道安全評價[J]. 交通運(yùn)輸系統(tǒng)工程與信息， 2011， 11（6）： 3037.

[8]SUGENO M.Theory of fuzzy integral and its applications[D]. Tokyo： Tokyo Institute of Technology， 1974.

[9]GRABISCH M. korder additive discrete fuzzy measures and their representation[J]. Fuzzy Sets and Systems， 1997， 92（2）： 167189.

[10]HERRERA F， MARTINES L. A 2tuple fuzzy linguistic representation model for computing with words[J]. IEEE Transactions on Fuzzy Systems， 2000， 8（6）： 746752.

[11]武建章， 張強(qiáng). 基于2可加模糊測度的多準(zhǔn)則決策方法[J]. 系統(tǒng)工程理論與實踐， 2010， 30（7）： 12291237.

[12]索瑋嵐， 陳銳. 考慮復(fù)雜關(guān)聯(lián)情境的城市典型生命線運(yùn)行風(fēng)險因素識別方法研究[J]. 中國管理科學(xué)， 2014， 22（8）： 130140.

[13]張忠， 方可， 楊明. 基于2可加模糊測度的仿真可信度評估方法[J]. 控制與決策， 2013， 28（1）： 147151.

[14]MAYAG B， GRABISCH M， LABREUCHE C. A characterization of the 2additive Choquet integral[C]//Proceedings of IPMU， 2008： 15121518.

（編輯趙勉）endprint