Analysis of the Causes of Traffc Accidents in Zhoushan Waters Based on Principal Component Analysis

LI Ziqiang （Zhejiang International Maritime College， Zhoushan 316021， China）

Abstract：ThenavigationenvironmentinthewatersofZhoushaniscomplex.Inordertoimprovewatertraffcsafetyandreduce theoccurrenceoftraffcaccidents，basedontheinvestigationreportsofwatertraffcaccidentsinrecentyears，principalompo nentanalysisisusedtoanalyethecauseofwatertraficaccidentsfromtheperspectivesofrew，ships，environmentandman agement.Thekeycausalfactorsofacidentsareidentifiedtofacilitatethedevelopmentoftargetedwatertraffcriskprevention and control measures.

Key words： principal component analysis; water traffic accidents; cause analysis

0引言

隨著航運業(yè)快速發(fā)展，港口吞吐量逐年增加，船舶數(shù)量快速擴張，伴隨著船舶質(zhì)量與性能的改進提升，水路運輸?shù)母咝?、快捷、安全得以快速提高。目前，全?90% 以上的貨物貿(mào)易是通過海上交通運輸實現(xiàn)的，因此，航運安全對于世界經(jīng)濟的健康、可持續(xù)發(fā)展尤為重要。舟山是長三角綜合運輸網(wǎng)的重要節(jié)點，但舟山海域島嶼眾多，且港區(qū)分散，明礁、干出礁、暗礁、沉船等礙航物多，航行環(huán)境復雜，受潮流影響大，流急且流向復雜，船舶操縱難度大。舟山擁有全國最大的漁場，漁場作業(yè)區(qū)內(nèi)漁船密集，匯聚多條商船習慣航線，通航條件復雜。

目前，國內(nèi)外學者圍繞水上交通事故成因分析已開展一定的研究。曹久華等2從港口船舶通航復雜系統(tǒng)角度，運用系統(tǒng)動力學方法對港口船舶通航風險成因進行了耦合仿真研究；張欣欣等提出海上交通事故人失誤分析與分類系統(tǒng) （HEACS-MTA），運用灰色關(guān)聯(lián)分析法對事故形成原因進行定量分析，發(fā)現(xiàn)導致事故發(fā)生的人失誤因素依次為不安全行為的前提條件、不安全的監(jiān)督、不安全行為和組織影響；盛小曼等針對長江干線水上安全事故，從事故類型、事故時間段、事故人員傷亡等多角度進行分析，歸納事故主要特征，并從時間特征、分布特征等方面分析了事故致因。徐燕等采用層次分析法，針對選取的典型事故案例，從船員素質(zhì)、船舶狀況、航行環(huán)境、管理因素等4個方面進行分析，研究發(fā)現(xiàn)船舶駕駛與值班人員因素是導致舟山島礁區(qū)發(fā)生水上交通事故的主要原因等。在對交通事故的分析中，為了更加準確全面的分析事故致因因素，就需要考慮盡可能多的指標，這樣不可避免的會增加問題的復雜性，再者各指標均是對交通事故的反映，還會造成信息的大量重疊。主成分分析方法是利用降維思想從眾多變量之間復雜的關(guān)系中找出一些主要成分，通過提取出較少的綜合變量來代替原始大量變量進行統(tǒng)計分析，用以揭示變量之間的內(nèi)在關(guān)系。

1主成分分析法的算法步驟

（1）原始數(shù)據(jù)標準化。在多元主成分分析中，假設(shè)共有 n 個待評樣本，每個樣本有 p 個指標變量，則構(gòu)成一個 n×p 階的事故數(shù)據(jù)矩陣，如式（1）：

各變量在數(shù)量級或量綱上會存在不同，需對其運用式（2）進行標準化處理：

式中： （其中： 0

（2）求相關(guān)系數(shù)矩陣 R 。根據(jù)標準化矩陣 ，運用式（3）求相應的相關(guān)系數(shù)矩陣 R ：

式中： r_jk 為指標 j 與指標 k 的相關(guān)系數(shù)。 即， ，當河時， r_ij=1 ， r_jk=r_kj （其中： i=1，2，…，n j=1，2，…，p ; k=1，2，…，p， 。

（3）求相關(guān)系數(shù)矩陣 R 的特征根與特征向量，進而確定主成分。通過求解特征方程式 ，可得其特征根 λ_g （20號 ，和每一特征根對應的特征向量， L_g=l_g1，l_g2，…，l_gp=1

根據(jù)標準化后的指標變量，則主成分Fg=lg1z1+lg2z++lgpε（g=1，2，，p）。

（4）計算累計貢獻率，并確定主成分個數(shù)。累計貢獻率表示的是前 k 個主成分提取原始總信息的比重：

在實際分析中，通常使前 k^{（k 個主成分的累計貢獻率達到一定的比率，這樣用前 k 個主成分代替原來的 p 個變量，可以在不損失太多信息的情況下又能夠達到減少變量個數(shù)的目的。}

2數(shù)據(jù)收集

根據(jù)中國海事局及浙江海事局發(fā)布的信息，整理舟山海域 2014—2021年來水上交通事故數(shù)據(jù)（見圖1）。舟山海域每年水上交通事故數(shù)量大致維持在10件左右，死亡、失蹤人數(shù)少時10幾人，多時高達近40人，年直接經(jīng)濟損失均在千萬元以上。

由圖1和圖2可知，該海域發(fā)生一般等級及以上事故數(shù)量總體較為平穩(wěn)，但2020年事故數(shù)量較其他年份較高。事故數(shù)量的顯著增長可歸因于多重復雜因素的交織影響，一方面，自然環(huán)境極端變化，如強對流天氣、頻繁臺風和創(chuàng)紀錄的高溫降水，直接加劇了海上航行風險；另一方面，港口經(jīng)濟活動的激增，特別是貨物與油氣吞吐量的顯著增長，導致航運活動密度上升，航道擁堵，事故發(fā)生的概率隨之升高。此外，全球新冠疫情的蔓延也改變了航運模式，船員長時間海上作業(yè)導致的疲勞累積及心理壓力增加，進一步提升了事故風險。

3建立評價指標體系

根據(jù)國家海事局所發(fā)布的舟山水域水上交通事故調(diào)查報告，從船員、船舶、環(huán)境、管理等方面分析導致事故發(fā)生的影響因素。以船員因素為例，包括的影響因素如表1所示。

4評價結(jié)果與分析

4.1KMO與BTS 檢驗結(jié)果。KMO檢驗是用于評估因子分析模型適合度的統(tǒng)計檢驗工具，檢驗的目的是測試每個觀察變量與其他變量之間的相關(guān)性程度。介于0＼～1之間，值越接近1表示變量之間的相關(guān)性越高，相應的因子分析結(jié)果將更為準確。通常，KMO取樣適切性量數(shù)大于0.5，則可用因子分析。巴特利特球形檢驗（BTS）用來檢驗數(shù)據(jù)樣本中變量之間的相互獨立性。當p -value 小于0.001時，表明各個變量之間存在統(tǒng)計學上顯著的相關(guān)性，存在進行因子分析的可能]。

通過對主成分分析數(shù)據(jù)進行KMO和BTS檢驗，結(jié)果見表2，KMO為0.823，BTS檢驗顯著性為0.000，符合主成分分析的要求。

4.2累計方差貢獻率。根據(jù)特征值大于1的原則，提取出5個主成分，這5個主成分累計方差為 68.22% ，反映了船員因素原始數(shù)據(jù)提供的 68.22% 的信息，累計方差貢獻率如表3所示。4.3關(guān)鍵影響因素篩選。通過統(tǒng)計分析軟件輸出成分矩陣（見表4），比較幾個主成分中各指標因素系數(shù)大小，選出系數(shù)最大的因素即為水上交通事故風險的關(guān)鍵影響因素。主成分1在P2、P3、P12、P13處得分最高，可以歸類為業(yè)務(wù)技能差；主成分2在P4、P5處得分最高，可歸納為工作責任心差；主成分3在P1、P7、P9處得分最高，可歸納為自身操作失誤；主成分4在P8、P10處得分最高，可歸納為安全意識差；主成分5在P6處得分最高，可以歸納為經(jīng)驗不足。通過上述主成分分析，篩選出水上交通事故中影響船員因素的關(guān)鍵影響因子5個。

5結(jié)束語

根據(jù)近年來舟山海域的水上交通事故調(diào)查報告，對舟山海域的交通事故進行分析，辨識舟山海域水上交通存在的各種風險因素，研究水上交通事故的時空分布特征，并對事故原因進行分析，得出關(guān)鍵影響因素，為進一步的預測、防范水上交通事故提供理論支撐，也為海事安全監(jiān)管部門及航運企業(yè)制定風險應對決策提供依據(jù)。

參考文獻：

[1]虞佳維，張恩澤，等．舟山海損事故統(tǒng)計分析及風險防范建議[J].水運管理，2023（2）：19-22.

[2]曹久華，席永濤，等．基于系統(tǒng)動力學的港口船舶通航風險成因耦合模型[J].安全與環(huán)境學報，2015（3）：65-71.

[3]張欣欣，軒少永，等．基于HFACS的海上交通事故原因系統(tǒng)分析[J].上海海事大學學報，2012（4）：15-19.

[4]盛小曼，劉旭，等．長江干線船舶水上交通事故分析與對策研究[J]．水上安全，2023（2）：50-53，65.

[5]徐燕，龐少杰．舟山島礁區(qū)船舶事故分析及應對策略[J].山東交通學院學報，2023（3）：156-161.

[6]閆建華，宇仁德，等．基于主成分分析的道路交通事故預測[J].交通標準化，2023（3）：86-90.

[7]李慧敏，龐奇志，等．主成分分析法在煤礦事故統(tǒng)計分析中的應用[J].安全與環(huán)境工程，2012（3）：77-79.

[8]王松，吳彤，等．基于主成分分析法對樂山市2022年度水環(huán)境評價研究[J].四川環(huán)境，2024（1）：64-67.