劉劍平 杜佳欣 尚麟

摘 要：洋山深水港自2005年建港以來，已迅速崛起為中國最重要的國際集裝箱樞紐港。近期規(guī)劃調(diào)整將在北作業(yè)區(qū)設(shè)立新航道并新增錨地，這將對洋山深水港及附近水域的通航環(huán)境帶來實質(zhì)性改變。本文采用貝葉斯時空模型，考慮時空交互效應(yīng)，對事故險情進行分析，提前研判水域風(fēng)險。研究結(jié)果顯示，小洋山港區(qū)和東海大橋附近水域的風(fēng)險最高，航行安全水平不穩(wěn)定。大戟洋和北鼎星附近水域風(fēng)險次高，蘆潮港沿岸碼頭水域風(fēng)險最低。事故險情主要發(fā)生在春夏兩季，特別是3月、8月和10月。這有助于制定更具針對性的監(jiān)管政策和安全措施，確保航行安全和港口高效運營。

關(guān)鍵詞：貝葉斯時空模型；事故險情；風(fēng)險；洋山港

0 引 言

上海港地處長江下游入?？?、東海之濱，是世界上最繁忙的港口之一[1]。自然條件復(fù)雜，船舶種類多樣，船舶流量龐大。自2001年明確建設(shè)上海國際航運中心目標以來，上海港集裝箱吞吐量于2010年首次超越新加坡港成為世界第一，之后持續(xù)保持領(lǐng)先地位[2]。洋山深水港作為中國首個在海島建設(shè)的港口，位于杭州灣口[3]，自2005年開港以來，其集裝箱吞吐量逐年增長，在上海港連續(xù)13年的集裝箱吞吐量排名第一中發(fā)揮著重要作用[4]。

2016年12月，上海市人民政府與浙江省人民政府簽署了《關(guān)于共同推進小洋山區(qū)域開發(fā)等重大合作事項的框架協(xié)議》，旨在共同推進小洋山進一步綜合開發(fā)。新的小洋山北作業(yè)區(qū)項目的啟動將引起水域通航環(huán)境的實質(zhì)性變化，使得警戒區(qū)和附近水域的船舶交通管理變得更加復(fù)雜。因此，需要提前進行針對性研究，識別水域船舶航行風(fēng)險，厘清水域事故險情分布特征，保障洋山深水港區(qū)及其附近水域的水上交通安全，確保航行安全和港口運營的可持續(xù)性[5]。

貝葉斯時空模型是一種強大的統(tǒng)計學(xué)習(xí)方法，它綜合利用先驗信息和觀測數(shù)據(jù)，以概率分布表示參數(shù)不確定性，從而實現(xiàn)更準確、可靠的建模，在探究時空變化或時空分布特征方面具有廣泛應(yīng)用。鄒齊[6]利用貝葉斯時空分層模型，對新冠疫情傳播規(guī)律的時空相依性進行研究，為有針對性地進行疫情防控提供參考。董文錢[7]等人基于貝葉斯時空模型，探究街面秩序、市容環(huán)境等城管事件的時空演變特征及影響因素，為城市管理提供支持。徐冰[8]針對湖南省手足口病傳染問題，構(gòu)建貝葉斯時空模型，研究手足口病的高發(fā)季節(jié)與時間，為建立傳染病早期預(yù)警系統(tǒng)奠定基礎(chǔ)。Yu[9]等人基于華北、朝鮮半島和日本的部分地區(qū)10年的碰撞報告，考慮空間和時間的相互影響，建立了貝葉斯時空模型來評估碰撞風(fēng)險。

貝葉斯時空模型通過分析時空分布特征，為風(fēng)險防控提供了可靠的工具[10]，使得有關(guān)部門能夠更準確地理解和預(yù)測潛在風(fēng)險，從而采取針對性的措施。因此，本文利用貝葉斯時空模型，對洋山深水港及其附近水域事故險情分布特征進行建模分析，研究水域風(fēng)險水平分布特點，為船舶交通安全組織管理提供參考。

1 研究區(qū)域概況與數(shù)據(jù)來源

1.1 研究區(qū)域

本文研究區(qū)域為洋山海事局VTS管理服務(wù)區(qū)，洋山海事局管轄洋山深水港及其附近超4 000 m2水域，VTS管理服務(wù)區(qū)示意圖如圖1所示[11]。岸線達123 km，轄區(qū)呈現(xiàn)“六多一線”的顯著特點，即：航道多，重要水工構(gòu)筑物多；大型集裝箱船進出港艘次多，集裝箱吞吐量大；客運航線多，客船多；危險品船多；重點工程多；惡劣天氣多；東海大橋生命線。該水域船舶密度大、交通流復(fù)雜、種類多樣化、船舶大型化特征明顯，宏觀的東西向進出港與南北向過境船舶之間船長、吃水、航速差異較為明顯，總體交通流維度的交通環(huán)境較為復(fù)雜，安全管理難度較大。

1.2事故險情報告數(shù)據(jù)及預(yù)處理過程

為掌握水域事故險情發(fā)生特點，加強重點水域管理，對洋山海事局VTS管理服務(wù)區(qū)2017年1月至2023年4月事故險情報告進行分析，共收集134份有效記錄，在建模之前，需要對事故險情數(shù)據(jù)進行收集與預(yù)處理，事故險情數(shù)據(jù)的收集與預(yù)處理是進行基于貝葉斯時空模型的事故險情分布特征分析的關(guān)鍵步驟，準確、完整的數(shù)據(jù)收集以及有效的預(yù)處理過程對于后續(xù)模型建立和結(jié)果分析至關(guān)重要。

根據(jù)洋山VTS管理服務(wù)區(qū)部分航路的位置，將該區(qū)域劃分為金山航道東西向西段至金山沿岸碼頭、蘆潮港沿岸碼頭、小洋山港區(qū)及東海大橋、大戟洋及北鼎星、主航道警戒區(qū)及大洋山以南5個區(qū)域，各區(qū)域的劃分及位置如圖2所示：

本文提取事故險情報告中的時間與位置信息，根據(jù)經(jīng)緯度位置信息，將事故對應(yīng)到各個區(qū)域中，對位置信息進行處理。事故險情發(fā)生位置屬于區(qū)域1時，位置點記為“1”；事故險情發(fā)生位置屬于區(qū)域2時，位置點記為“2”。以此類推，將所有的位置信息進行歸類，并記錄事故險情的發(fā)生年份，組成一組具有時空信息的數(shù)據(jù)樣本，并收集整理各個區(qū)域的交通流量，作為模型的輸入。

2 研究方法

根據(jù)貝葉斯理論，貝葉斯模型可以將樣本信息與先驗分布相結(jié)合來估計后驗分布，后驗分布表示影響因素導(dǎo)致事故險情發(fā)生的概率。由于典型的貝葉斯模型遵循泊松分布[12]，因此似然函數(shù)可以表示為：

L（y|μ）=i=1∏5? ?μiyiexp（－μi）/yi?。?）

式中，yi表示服從泊松分布的船舶事故險情發(fā)生次數(shù)，μi表示事故險情發(fā)生次數(shù)的期望值，i表示事故險情發(fā)生區(qū)域，i∈{1，2，3，4，5}。

假定船舶事故險情發(fā)生是相互獨立的。因此，泊松分布μi的期望值可建模為 ：

E（yi）=μi=eiθi（2）

式中ei為事故險情發(fā)生的預(yù)期次數(shù)，θi為區(qū)域i的事故險情發(fā)生相對風(fēng)險值。參數(shù)ei可表示為：

ei=rk pi（3）

式中，r為整個區(qū)域的事故險情發(fā)生概率，pi為區(qū)域i的船舶流量。r可以通過事故險情發(fā)生次數(shù)和每個區(qū)域i的交通流量表示為：

r=5Σi=1 yi / 5Σi=1pi（4）

在本文中，事故險情發(fā)生相對風(fēng)險值θ是評估事故險情發(fā)生風(fēng)險概率的關(guān)鍵參數(shù)。以空間和時間參數(shù)為橋梁，計算時空交互效應(yīng)對潛在事故險情發(fā)生風(fēng)險的影響。為了比較貝葉斯模型的性能，從考慮或不考慮時空交互效應(yīng)出發(fā)，本文提出了3種類型的貝葉斯時空模型，如模型（5）、（6）、（7）所示。在實踐中，通過DIC （Deviance Information Criterion）值來評價擬合優(yōu)度，DIC是對擬合優(yōu)度性能的評價標準，廣泛應(yīng)用于多個候選模型之間的比較[13]。具體而言，DIC值越小代表模型的性能越好。

θij=exp（a0+a1*timelj+ui+gi+di*timelj）（5）

θij=exp（a0+a1*timelj+ui+vi+gj+ditimelj）（6）

θij=exp（a0+a1*timelj+ui+vi+gj+psiij+ditimelj（7）

其中參數(shù)j表示年份，α0為表示平均事故險情發(fā)生相對風(fēng)險的截距參數(shù)，由馬爾可夫鏈蒙特卡羅（MCMC）方法得到，α1為時間效應(yīng)系數(shù)，time1j為j年的時間效應(yīng)，ui為由空間因素引起的隨機效應(yīng)。在模型（6）和（7）中，vi分別表示非空間因素引起的隨機效應(yīng)，gj表示自回歸時間效應(yīng)，di表示位置效應(yīng)，psiij表示時空交互效應(yīng)。

3 結(jié)果與分析

經(jīng)求解，模型（5）的DIC值為130.6548，模型（6）的DIC值為129.9314，模型（7）的DIC值為115.9526。其中模型（7）的DIC值最小，因而表明時空交互效應(yīng)psiij對船舶事故險情發(fā)生有較大影響，且模型（7）是評估事故險情風(fēng)險的最佳模型。

根據(jù)事故險情報告歸類得到的各區(qū)域發(fā)生的事故險情位置如圖 3所示，可以直觀地發(fā)現(xiàn)，區(qū)域3和區(qū)域5發(fā)生事故險情的頻率較高，其次是區(qū)域4，區(qū)域1與區(qū)域2發(fā)生事故險情的頻率較低。從圖中也可以看出，在警戒區(qū)及警戒區(qū)以南事故險情發(fā)生的頻率較高，警戒區(qū)以北相對較低。

利用所選模型（7），計算各研究區(qū)域的相對風(fēng)險值θ，如表1所示。根據(jù)事故險情發(fā)生相對風(fēng)險值，將5個區(qū)域劃分為低、中、高3個事故險情發(fā)生風(fēng)險等級。

根據(jù)表1中結(jié)果，將事故險情發(fā)生相對風(fēng)險（RCR）值小于1.00的區(qū)域定義為低風(fēng)險區(qū)域，RCR值在[1.00，1.50）之間的區(qū)域定義為中風(fēng)險區(qū)域，RCR值大于1.50的區(qū)域定義為高風(fēng)險區(qū)域。因此，區(qū)域3為高風(fēng)險區(qū)域，區(qū)域4和5為中風(fēng)險區(qū)域，區(qū)域1和區(qū)域2屬于低風(fēng)險區(qū)域。

圖4展示了各區(qū)域相對風(fēng)險值逐年變化情況。觀察圖中可知，區(qū)域3、區(qū)域4和區(qū)域5的相對風(fēng)險值均于2018年達到一個峰值，表明2018年可能是事故險情高發(fā)的一年，水域風(fēng)險水平較高。區(qū)域3的相對風(fēng)險水平波動較大，表明區(qū)域3事故險情發(fā)生的數(shù)量在歷年的分布并不均勻，可能是由于航行規(guī)則的改變，導(dǎo)致交通流量發(fā)生變化，進而影響事故險情的發(fā)生。除區(qū)域3外，其他區(qū)域的相對風(fēng)險水平較為平穩(wěn)，波動較小，表明這些水域較為穩(wěn)定，整體航行安全水平變化不大。

2017年1月至2023年4月事故險情數(shù)變化情況如圖5所示，可以看出，事故險情數(shù)在2018年達到高峰，全年共發(fā)生54起。然而，隨后的幾年，即2019年至2021年，事故險情數(shù)量明顯減少。這可能是由于疫情導(dǎo)致了社會活動的限制以及各項安全措施的加強，從而降低了事故的發(fā)生率。而隨著疫情的穩(wěn)定與好轉(zhuǎn)，2022年雖然事故數(shù)量未發(fā)生明顯變化，但險情數(shù)量明顯上升，導(dǎo)致事故險情數(shù)再次呈現(xiàn)上升趨勢。隨著經(jīng)濟的復(fù)蘇以及海上貿(mào)易的逐漸恢復(fù)，洋山海事局VTS管理服務(wù)區(qū)來往的交通流量也在逐步恢復(fù)疫情前的水平。因此，為防止事故險情數(shù)的進一步攀升，須繼續(xù)加強安全措施和管理，以確保航行安全和避免事故的發(fā)生。

船舶事故險情在2017年至2023年間呈現(xiàn)出較為明顯的季節(jié)性分布趨勢，如圖6所示，從事故險情總量而言，春季和夏季是高發(fā)季節(jié)，而秋季和冬季則相對較低，但在每一年里面季節(jié)性特點并不完全相同。每年春季洋山水域為大風(fēng)及能見度不良天氣多發(fā)季節(jié)，一定程度上導(dǎo)致了險情事故多發(fā)的客觀現(xiàn)象，而夏季主要受高溫、短時強對流天氣以及臺風(fēng)影響，風(fēng)險因素較多，海上風(fēng)浪較大，增加了事故發(fā)生的可能性。

為了更加詳細地總結(jié)險情事故在時間維度上的分布特點，本文進一步分析了2017至2023年來事故險情數(shù)在各月的分布情況，如圖7?？芍鹿孰U情在3月發(fā)生的頻率較大，達到了月平均4.3起。其次為8月和10月，事故險情數(shù)為月平均2.3起。因此，應(yīng)格外注意水域在春夏兩季的事故發(fā)生情況，特別是3月、8月與10月，采取一定措施預(yù)防事故的發(fā)生。

4 結(jié) 論

厘清事故險情發(fā)生時空分布特點在海事部門對水域進行針對性監(jiān)管方面具有重要意義。本文基于貝葉斯時空模型，考慮時空交互效應(yīng)，對洋山深水港及其附近水域事故險情發(fā)生情況進行建模分析。研究結(jié)果顯示，小洋山港區(qū)以及東海大橋附近水域的相對風(fēng)險水平最為突出。這一區(qū)域的風(fēng)險水平呈現(xiàn)出逐年波動的趨勢，航行安全水平相對不穩(wěn)定。大戟洋及北鼎星附近水域的航行風(fēng)險居次高，蘆潮港沿岸碼頭附近水域船舶航行風(fēng)險最低。在洋山港及其附近水域，事故險情多發(fā)于春夏兩季，其中主要分布在3月、8月和10月。

基于模型分析結(jié)果，針對高風(fēng)險區(qū)域，可以采取更頻繁的巡航巡檢、加強導(dǎo)航警示設(shè)施建設(shè)等措施，以提高航行安全性。同時，對于低風(fēng)險區(qū)域，可以適度調(diào)配監(jiān)管資源，優(yōu)化監(jiān)管策略，以確保資源的最優(yōu)利用。

綜上所述，本文深入分析了洋山深水港及其周邊水域事故險情的時空分布特點，識別水域安全風(fēng)險，為小洋山北作業(yè)區(qū)的規(guī)劃與建設(shè)后，海事部門水上交通安全組織提供有力保障。未來的研究可以考慮更多影響事故發(fā)生的因素，進一步提升預(yù)測模型的準確性和實用性。這將有助于在海域管理中更好地平衡航行效率與安全性，確保水域的可持續(xù)發(fā)展。

參考文獻

[1] 趙一飛.上海國際航運中心洋山深水港區(qū)國際中轉(zhuǎn)業(yè)務(wù)的新里程碑[J].集裝箱化，2021，32（12）：1-2+19.DOI：10.13340/j.cont.2021.12.001.

[2] 洋山深水港區(qū)四期工程上海國際航運中心[J].城鄉(xiāng)建設(shè)，2021（18）：72-73.

[3] 陳煒俊.上海港洋山深水港區(qū)發(fā)展對策[J].集裝箱化，2012，23（02）：16-19.

[4] 王桂英.發(fā)展國際集裝箱水水中轉(zhuǎn)助推上海國際航運中心建設(shè)——以洋山港為例[J].物流工程與管理，2012，34（05）：1-2+7.

[5] 黃少卿.洋山港——名副其實的東方大港[J].港口經(jīng)濟，2016（07）：53-55.

[6] 鄒齊. 基于貝葉斯分層時空模型的新冠疫情時空相依性研究[D].上海師范大學(xué)，2022.DOI：10.27312/d.cnki.gshsu.2022.000759.

[7] 董文錢，董良，向琳等.基于貝葉斯時空模型的城管事件時空變化分析[J].地球信息科學(xué)學(xué)報，2020，22（05）：1073-1082.

[8] 徐冰. 基于貝葉斯網(wǎng)絡(luò)的傳染病時空預(yù)警模型研究[D].長安大學(xué)，2016.

[9] Yu Y， Chen L， Shu Y， et al. Evaluation model and management strategy for reducing pollution caused by ship collision in coastal waters[J]. Ocean & Coastal Management， 2021， 203： 105446.

[10] 梁永玉，田茂再.基于分層貝葉斯時空Poisson模型的流行病建模研究[J].系統(tǒng)科學(xué)與數(shù)學(xué)，2022，42（02）：462-472.

[11] 徐善雷，郭錦春.洋山港海事局：大數(shù)據(jù)應(yīng)用讓水域更安全[J].中國海事，2018（11）：70-71.DOI：10.16831/j.cnki.issn1673-2278.2018.11.023.

[12] 趙昕. 基于貝葉斯時空模型的甘肅省猩紅熱發(fā)病時空分布及與氣象等因素的關(guān)聯(lián)研究[D].蘭州大學(xué)，2023.

[13] 徐單. 基于貝葉斯新方法的時空獨立模型影響分析[D].東南大學(xué)，2016.董天翔. 江蘇省高速路網(wǎng)道路低溫時空分布及預(yù)警模型對比研究[D].南京信息工程大學(xué)，2018.