基于ISM-BN的内河船舶航行风险因素研究*

doi:10.16265/j.cnki.issn1003-3033.2022.08.2009

中国安全科学学报 ›› 2022, Vol. 32 ›› Issue (8): 37-44.doi: 10.16265/j.cnki.issn1003-3033.2022.08.2009

• 安全社会科学与安全管理 • 上一篇下一篇

基于ISM-BN的内河船舶航行风险因素研究*

赵建伟¹^,²^,³(), 谢磊¹^,², 杨洋¹^,²^,³, 胡昕源¹^,²^,³, 欧昌奎¹^,²^,³, 曾荣¹^,²^,³

¹ 武汉理工大学智能交通系统研究中心,湖北武汉 430063
² 武汉理工大学国家水运安全工程技术研究中心,湖北武汉 430063
³ 武汉理工大学交通与物流工程学院,湖北武汉 430063

收稿日期:2022-02-14 修回日期:2022-06-12 出版日期:2022-09-05 发布日期:2023-02-28
作者简介:
赵建伟 (1997—),男,江西南城人,硕士研究生,研究方向为水路交通安全、船舶工业、自动化技术。E-mail: zhaojianwei@whut.edu.cn。
谢磊, 副研究员。
基金资助:
国家重点研发计划课题项目(2019YFB1600600); 国家重点研发计划课题项目(2019YFB1600604)

An ISM-BN based research on navigation risk factors of inland waterway vessels

ZHAO Jianwei¹^,²^,³(), XIE Lei¹^,², YANG Yang¹^,²^,³, HU Xinyuan¹^,²^,³, OU Changkui¹^,²^,³, ZENG Rong¹^,²^,³

¹ Intelligent Transportation System Research Center, Wuhan University of Technology, Wuhan Hubei 430063,China
² National Engineering Research Center for Water Transport Safety, Wuhan University of Technology,Wuhan Hubei 430063,China
³ School of Transportation and Logistics Engineering, Wuhan University of Technology, Wuhan Hubei 430063,China

Received:2022-02-14 Revised:2022-06-12 Online:2022-09-05 Published:2023-02-28

摘要/Abstract

摘要：

为保障内河船舶航行安全,手动收集近5年长江段海事事故报告,提取代表风险因素频率的主要数据特征;结合事故调查报告分析风险要素,确定船舶航行风险评价指标体系;采用解释结构模型(ISM)构建风险因素之间的关联性模型,获得因素之间的层级关系以判定风险因素间的相关性。采用数据驱动的贝叶斯网络(BN),研究各因素对海事安全的影响,并通过敏感性分析和以往事故记录进行模型验证。结果表明:事故类型涉及到的关键风险因素有水域位置、船型、操纵执行和航道条件;通过所提方法能够识别出不同事故类型的关键风险因素,且风险模型的平均预测精度为82.87%。

关键词: 解释结构模型(ISM), 贝叶斯网络(BN), 内河船舶, 航行风险因素, 事故类型

Abstract:

To ensure the navigation safety of inland waterway vessels, the maritime accident reports of the Yangtze River in recent 5 years were collected manually, and the main data representing the frequency of risk factors were extracted. Combined with the accident investigation report, the risk factors are analyzed, and the evaluation index system of ship navigation risk is determined. The correlation modeling between risk factors was constructed by the ISM, and the hierarchical relationship between factors was obtained to determine the correlation between risk factors. The influence of various factors on maritime safety was studied by data-driven BN, and the model was verified by sensitivity analysis and previous accident records. The results show that the key risk factors involved in accident types include water location, ship type, maneuvering execution and channel conditions. The method proposed in this paper can identify the main risk factors of different accident types, and the average prediction accuracy of the risk model is 82.87%.

Key words: interpretive structural model(ISM), Bayesian network(BN), inland waterway vessel, navigational risk factor, accident type

赵建伟, 谢磊, 杨洋, 胡昕源, 欧昌奎, 曾荣. 基于ISM-BN的内河船舶航行风险因素研究*[J]. 中国安全科学学报, 2022, 32(8): 37-44.

ZHAO Jianwei, XIE Lei, YANG Yang, HU Xinyuan, OU Changkui, ZENG Rong. An ISM-BN based research on navigation risk factors of inland waterway vessels[J]. China Safety Science Journal, 2022, 32(8): 37-44.

图/表 15

图1

图2

图3

图4

图5

表1

图6

图7

表2

表3

续表3

表4

表5

表6

图8

参考文献 11

[1]	ZHANG Liye, WANG Hua, MENG Qiang, et al. Ship accident consequences and contributing factors analyses using ship accident investigation reports[J]. Proceedings of the Institution of Mechanical Engineers, Part O: Journal of Risk and Reliability, 2019, 233(1):35-47.
[2]	ROLF J, ASBJORN L. Maritime navigation accidents and risk indicators: an exploratory statistical analysis using AIS data and accident reports[J]. Reliability Engineering & System Safety, 2018, 176:174-186. doi: 10.1016/j.ress.2018.03.033
[3]	韩天园, 田顺, 吕凯光, 等. 基于文本挖掘的重特大交通事故成因网络分析[J]. 中国安全科学学报, 2021, 31(9):1-7.
	HAN Tianyuan, TIAN Shun, LYU Kaiguang, et al. Network analysis on causes for serious traffic accidents based on text mining[J]. China Safety Science Journal, 2021, 31(9):150-156. doi: 10.16265/j.cnki.issn1003-3033.2021.09.021
[4]	吴伋, 江福才, 姚厚杰, 等. 基于文本挖掘的内河船舶碰撞事故致因因素分析与风险预测[J]. 交通信息与安全, 2018, 36(3):8-18.
	WU Ji, JIANG Fucai, YAO Houjie, et al. An analysis and risk forecasting of inland ship collision based on text mining[J]. Journal of Transport Information and Safety, 2018, 36(3):8-18.
[5]	李文杰, 张浩游, 张文, 等. 基于模糊贝叶斯网络的长江上游航道整治筑物技术状况评价研究[J]. 重庆交通大学学报: 自然科学版, 2020, 39(9):112-118.
	LI Wenjie, ZHANG Haoyou, ZHANG Wen, et al. Technical status evaluation of regulation buildings in upper reaches of Yangtze River channel based on fuzzy Bayesian network[J]. Journal of Chongqing Jiaotong University:Natural Science, 2020, 39(9):112-118.
[6]	ZHANG Di, YAN Xinping, YANG Zaili, 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. doi: 10.1016/j.ress.2013.04.006
[7]	FAN Shiqi, EDUARDO B, YANG Zaili, et al. Incorporation of human factors into maritime accident analysis using a data-driven Bayesian network[J]. Reliability Engineering & System Safety, 2020, 203: DOI: 10.1016/j.ress.2020.107070. doi: 10.1016/j.ress.2020.107070
[8]	李壮, 付姗姗, 高郭平, 等. 海冰影响下船舶北极水域航行风险评估方法[J]. 交通信息与安全, 2020, 38(3):92-98.
	LI Zhuang, FU Shanshan, GAO Guoping, et al. A risk assessment method of ship navigation in the arctic waters under influences of sea ice[J]. Journal of Transport Information and Safety, 2020, 38(3):92-98.
[9]	司东森, 张英俊, 郎坤. 基于改进BN的集装箱船舶碰撞事故致因分析[J]. 中国安全科学学报, 2019, 29(10):31-37. doi: 10.16265/j.cnki.issn1003-3033.2019.10.006
	SI Dongsen, ZHANG Yingjun, LANG Kun. Causation analysis of container ship collision accidents based on improved BN[J]. China Safety Science Journal, 2019, 29(10):31-37. doi: 10.16265/j.cnki.issn1003-3033.2019.10.006
[10]	徐东星, 尹勇, 张秀凤, 等. 长江干线水上交通事故的灰色分析与预测[J]. 中国航海, 2019, 42(2):59-65.
	XU Dongxing, YIN Yong, ZHANG Xiufeng, et al. Grey analysis and prediction of maritime traffic accidents on the trunk line of Yangze River[J]. Navigation of China, 2019, 42(2):59-65.
[11]	CENK S, BURAK K, ALI C et al. Analysing the effects of liquefaction on capsizing through integrating interpretive structural modelling (ISM) and fuzzy Bayesian networks (FBN)[J]. Ocean Engineering, 2020, 215: DOI: 10.1016/j.oceaneng.2020.107917. doi: 10.1016/j.oceaneng.2020.107917

变量	语言描述及相应的值
操纵执行	a代表正确		b代表有误
船员素质与能力	a代表好		b代表坏
通信交流	a代表充分		b代表不充分
安全意识	a代表好		b代表坏
船况	a代表好		b代表坏
船龄	a代表[1,10]	b代表[11,20]		c代表>20
船舶尺度	a代表小型	b代表中型		c代表大型
船型	a代表干货船	b代表散货船		c代表集装箱船
船型	d代表油船	e代表工作船		f代表其他船舶
载货影响	a代表有影响		b代表无影响
天气条件	a代表好		b代表坏
水文条件	a代表好		b代表坏
航道条件	a代表好		b代表坏
事发时间段	a代表06:00—18:00		b代表18:00—6:00
水域位置	a代表上游自然航道		b代表下游港区
水域位置	c代表下游定线制流域		d代表中游航道
船公司管理	a代表好		b代表坏
海事监管	a代表好		b代表坏
事故类型	a代表碰撞	b代表触碰		c代表自沉
事故类型	d代表搁浅	e代表火灾		f代表其他

节点	互信息	占比/%	信念方差
水域位置	0.133 46	6.060	0.007 832 3
船型	0.071 36	3.240	0.005 676 6
航道条件	0.042 41	1.920	0.005 004 1
操纵执行	0.04 002	1.810	0.004 191 3
天气条件	0.039 01	1.770	0.002 563 6
事发时间段	0.037 25	1.690	0.002 895 8
通信交流	0.036 09	1.640	0.002 687 6
船龄	0.028 11	1.280	0.000 812 2
船况	0.024 65	1.120	0.001 421 3
海事监管	0.018 96	0.861	0.001 124 9
安全意识	0.018 93	0.859	0.001 243 0
船公司管理	0.018 27	0.829	0.000 509 0
船员素质与能力	0.014 89	0.676	0.000 378 0
船舶尺度	0.012 37	0.561	0.000 234 5
水文条件	0.003 79	0.172	0.000 215 4
载货影响	0.003 55	0.161	0.000 507 8

水域位置	事故类型
水域位置	C₁	C₂	C₃	C₄	C₅	C₆
a	50.30	23.70	13.10	3.73	6.53	2.61
b	52.70	19.20	11.70	5.02	4.39	7.03
c	12.50	21.30	19.50	33.50	7.32	5.86
d	46.00	9.75	17.90	7.66	13.40	5.36

水域位置	事故类型
水域位置	C₁	C₂	C₃	C₄	C₅		C₆
船型	事故类型
船型	C₁	C₂	C₃	C₄	C₅	C₆
a	52.90	20.80	13.80	3.75	6.34	2.41
b	32.30	25.40	22.50	9.17	7.73	2.95
c	32.00	25.20	11.20	18.20	7.67	5.84
d	36.60	14.40	12.80	20.80	8.77	6.68
e	55.10	10.80	9.60	7.82	6.60	10.10
f	50.90	13.30	11.80	9.63	8.13	6.19
航道条件	事故类型
航道条件	C₁	C₂	C₃	C₄	C₅	C₆
a	52.00	18.20	11.90	6.67	6.90	4.26
b	29.00	21.80	19.60	15.40	8.09	6.01
操纵执行	事故类型
操纵执行	C₁	C₂	C₃	C₄	C₅	C₆
a	40.30	21.00	14.70	10.60	8.09	5.26
b	46.90	18.30	14.60	9.04	6.68	4.57

节点	各事故类型的R_T						均值
节点	C₁	C₂	C₃	C₄	C₅	C₆	均值
水域位置	10.47	4.89	3.20	4.06	3.04	1.31	5.41
船型	9.45	3.00	4.35	3.59	3.90	3.09	4.56
航道条件	11.50	4.80	3.85	4.37	0.60	0.88	4.33
操纵执行	12.65	5.00	0.10	0.69	0.68	3.33	3.74

基于ISM-BN的内河船舶航行风险因素研究*

An ISM-BN based research on navigation risk factors of inland waterway vessels

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 15

参考文献 11

相关文章 15

编辑推荐

Metrics

本文评价

变量	事件编号
变量	1	2	3
船龄	11、14	11	21
船况	好	坏	好
船型	干货船	油船	散货船
船舶尺度	中型、中型	大型	中型
水文条件	好	坏	坏
水域位置	下游定线制	下游定线制	下游港口
航道条件	好	坏	好
天气条件	好	好	坏
操纵执行	错误	—	错误
通信交流	—	—	充分
船员素质能力	—	—	—
安全意识	坏	—	坏
海事监管	—	—	—
船公司管理	—	—	—
载货影响	无影响	有影响	有影响
事发时间段	20:36	11:58	16:42
事故类型	碰撞	搁浅	自沉
事故发生概率/%	83.90	84.50	80.20

[1]	黄亚江, 李书全, 李益锌, 郑涵. 基于DEMATEL-ISM-ANP的地铁运营安全韧性综合评价[J]. 中国安全科学学报, 2022, 32(6): 171-177.
[2]	赵露薇, 王青娥. 暴雨干扰下地铁系统脆弱性形成机制[J]. 中国安全科学学报, 2022, 32(6): 193-199.
[3]	李响, 李消, 王松, 雷描描, 赖本涛. 铁路机务检修人员人因失误影响因素研究[J]. 中国安全科学学报, 2022, 32(6): 23-30.
[4]	刘嘉豪, 余杨, 张振兴, 余建星, 王巍巍, 傅一钦. 二维云模型和贝叶斯网络的立管风险评估方法[J]. 中国安全科学学报, 2022, 32(5): 147-154.
[5]	鲁义, 伍江乐, 邵淑珍, 施式亮, 周荣义, 王伟. 基于贝叶斯网络的危化品道路运输事故推理模型[J]. 中国安全科学学报, 2022, 32(3): 174-182.
[6]	韩鹏, 王军, 王启, 赵嶷飞. 基于飞行剖面的航空器试飞活动空管风险研究[J]. 中国安全科学学报, 2022, 32(1): 149-156.
[7]	胡韫频, 李超, 李宗亮, 杨道合. 大跨度钢结构施工安全风险评价IHFACS-BN模型及应用^*[J]. 中国安全科学学报, 2021, 31(8): 147-154.
[8]	李广利, 严一知, 刘文琦, 陈耀光, 吴泽玉. 基于DEMATEL-ISM的矿工不安全情绪形成因子研究^*[J]. 中国安全科学学报, 2021, 31(7): 30-37.
[9]	朱高庚, 陈国明, 张玉飞, 盛积良, 袁冠英, 刘健. 风暴灾害下海洋油气工业重大事故演化层次研究[J]. 中国安全科学学报, 2021, 31(7): 172-179.
[10]	潘丹, 李永, 罗帆, 张攀科, 肖琴. 飞行区外来物入侵安全风险致因FTA-BN模型[J]. 中国安全科学学报, 2021, 31(6): 7-13.
[11]	王军武, 王梦雨, 刘登辉, 吴寒, 胡蝶. 基于HFACS-BN的地铁车站施工高处坠落可能性评价[J]. 中国安全科学学报, 2021, 31(6): 90-98.
[12]	刘阳, 张建经, 罗宏森, 于海莹, 向波. 基于贝叶斯网络的Fuzzy-SVM路基震害预测模型^*[J]. 中国安全科学学报, 2021, 31(11): 171-178.
[13]	米红甫, 张小梅, 杨文璟, 王文和, 刘亚玲, 焦一飞. 城市地下综合管廊电缆舱火灾概率分析方法[J]. 中国安全科学学报, 2021, 31(1): 165-172.
[14]	屈静, 张建彬, 李旭芳, 陆宝, 华宁, 朱晓曼. 基于贝叶斯网络的输油管道泄漏事故情景推演[J]. 中国安全科学学报, 2021, 31(1): 192-198.
[15]	陈伟, 杨主张, 熊威, 熊付刚, 杨道合, 牛力. 装配式建筑工程施工安全风险传导DEMATEL-BN模型[J]. 中国安全科学学报, 2020, 30(7): 1-6.