基于貝葉斯網(wǎng)絡的內(nèi)河擱淺船舶應急決策方法

楊 坤, 莊 元, 呂鵬飛, 付奎鵬

(1. 武漢理工大學 航運學院， 武漢 430063; 2. 內(nèi)河航運技術(shù)湖北省重點實驗室, 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)科技項目(20113282001630)

楊 坤(1996—)，男，重慶人，碩士生，主要研究方向為交通與安全。E-mail: yk_whut@163.com

莊 元(1976—)，男，江蘇徐州人， 副教授，碩士生導師，博士，主要研究方向為交通與安全。E-mail：zhuangyuan@whut.edu.cn

1000-4653(2017)03-0077-06

基于貝葉斯網(wǎng)絡的內(nèi)河擱淺船舶應急決策方法

楊 坤1,2, 莊 元1,2, 呂鵬飛1,2, 付奎鵬3

(1. 武漢理工大學 航運學院， 武漢 430063; 2. 內(nèi)河航運技術(shù)湖北省重點實驗室, 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行應急處置，提出一種基于貝葉斯網(wǎng)絡的應急處置決策方法，該方法具有直觀性強、能定量分析各種應急方案和能處理不確定性信息等優(yōu)點。通過對江蘇海事局2009—2012年的擱淺船舶應急處置數(shù)據(jù)進行統(tǒng)計分析，獲得擱淺船舶的應急處置方案和相對應的影響因素值。提出擱淺船舶的三層應急決策框架，即影響因素層、決策準則層和決策方案層。在該決策框架的基礎(chǔ)上建立擱淺船舶應急處置模型，并介紹各決策層的因素及其含義；同時，利用條件概率表建立相互間的定量聯(lián)系。以一艘在長江內(nèi)運營的典型擱淺船舶為例進行案例驗證，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急處置。

水路運輸； 擱淺船舶； 應急處置； 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]，因此開展擱淺事故的風險分析和應急決策具有重要意義。自2012年意大利“科斯塔·康科迪亞”號游船發(fā)生擱淺事故以來，船舶擱淺事故得到國內(nèi)外相關(guān)學者的廣泛關(guān)注。例如：MAZAHERI等[2]利用113份擱淺事故調(diào)查報告分析擱淺事故主要的致因因素； AKHTAR等[3]利用貝葉斯網(wǎng)絡分析人員疲勞在擱淺事故中的作用； UGURLU等[4-5]利用故障樹分析方法對碰撞和擱淺事故進行分析，同時進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，目前對擱淺事故的研究主要集中在風險分析和致因分析2方面，對事故發(fā)生后的應急處置的研究相對較少。實際上，事故應急處置決策對減少事故損失具有重要意義，一旦事故應急處置不當，很有可能引發(fā)二次事故[6]，并造成嚴重的后果。鑒于此，我國開始逐步重視事故應急處置，并從最初的“安全第一、預防為主”轉(zhuǎn)變到“預防與處置并重、常態(tài)與非常態(tài)結(jié)合”。近年來，隨著應急決策理論不斷發(fā)展，已有不少學者開展水上交通事故應急處置決策研究。例如：吳兵等[7-9]開展多部門協(xié)同下的失控船舶應急處置決策方法研究，并在此基礎(chǔ)上進一步開展不確定性信息下的失控船舶應急處置決策方法研究；ELEYE-DATUBO等[10]利用貝葉斯網(wǎng)絡建立事故發(fā)生后的應急處置模型。

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

1 內(nèi)河擱淺船舶應急處置問題描述

1.1擱淺船舶應急處置統(tǒng)計分析

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

1) 自力脫淺(A1)：通過移動貨物和排出壓載水來調(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)：通過等待高潮使船舶吃水小于實際水深，從而脫淺。

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

4) 拖船協(xié)助(A4)：借助拖船拖帶的力量脫淺。

進一步對擱淺事故數(shù)據(jù)進行分析，僅有78起事故詳細記錄了事故發(fā)生過程(包括起因、發(fā)展過程和應急方案等)，對這些事故作進一步分析，可獲得擱淺事故應急處置方案分布(見圖1)。

圖1 擱淺事故應急處置方案分布

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

1.2應急處置決策三層決策框架

建立應急處置決策的輸入-準則-輸出三層決策框架(見圖2)。在該決策框架中，對于一個決策方案，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程中采集相應的信息，而考慮到影響因素可根據(jù)其特點進行部分整合，從而形成決策準則，最后利用決策準則獲取決策方案的數(shù)值，進行最終的決策。在該決策框架中，建立三層決策框架(即增加決策準則)的優(yōu)點有：

1) 影響因素往往較多，且存在多個具有相似屬性的因素，可對其進行整合。

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

圖2 應急處置三層決策框架

2 基于貝葉斯網(wǎng)絡的擱淺船舶應急決策模型

2.1貝葉斯方法簡介

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

p(X1,X2,…,Xn)=

(1)

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

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

(2)

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

貝葉斯網(wǎng)絡正是由于具有以上3個優(yōu)點，已在海事風險評價和應急決策中得到廣泛應用。[10-12]因此，選取貝葉斯網(wǎng)絡對擱淺船舶的應急處置決策進行建模。

2.2確定擱淺船舶應急處置影響因素

擱淺船舶應急處置貝葉斯模型(見圖3)包含11個輸入變量、7個決策準則和4個輸出變量。

圖3 擱淺船舶應急處置貝葉斯模型

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

2) 決策準則是便于決策者進行決策的中間變量，無需決策者輸入，而是根據(jù)條件概率計算獲得。

3) 輸出變量是4個應急處置方案，通過計算可獲得這4個應急方案的屬性值，其值越大表示方案越優(yōu)。

在確定各影響因素時，主要考慮歷史統(tǒng)計事故數(shù)據(jù)并結(jié)合相關(guān)文獻[7-9,11-12,13-15]。吳兵等[7-9]在失控船的應急中將相關(guān)的影響因素分為自然因素、交通環(huán)境、船舶狀況和應急資源等4類，并對這4類影響因素進行詳細分析；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定義各影響因素評價等級

在決策問題中，往往需確定各影響因素的評價等級，并確定其相應的評價標準。例如，在模糊數(shù)學[7,15]和證據(jù)理論[9]中，均采用語言變量，且賦予相應的數(shù)值區(qū)間作為評價標準。與這2種方法類似，貝葉斯網(wǎng)絡也需確定相應的語言變量及其決策標準，但若貝葉斯網(wǎng)絡中語言變量太多，則需建立一個龐大的條件概率分布表。例如，對于一個具有5個子節(jié)點的父節(jié)點，當每個子節(jié)點有4個評價等級時，需建立一個具有5×5×5×5概率組合的條件概率表，這就需大量的數(shù)據(jù)(專家評價或歷史數(shù)據(jù))，而這在實際中是比較困難的。鑒于此，在實際中往往需減少子節(jié)點的個數(shù)及其評價等級。因此，在選取評價等級時一般只選取3個評價等級，而在確定各影響因素的評價時也參考相關(guān)應急決策的評價標準。各影響因素的評價等級及其解釋見表1。

類似地，也可定義決策準則的評價等級，限于篇幅，這里不對其進行詳細介紹。

2.4獲取各節(jié)點條件概率分布表

條件概率分布表的獲取是貝葉斯網(wǎng)絡的難題，一般可通過統(tǒng)計數(shù)據(jù)來獲得。然而在現(xiàn)實情況中，由于各決策準則往往是根據(jù)經(jīng)驗知識確定的，在歷史統(tǒng)計數(shù)據(jù)中難以獲得，因此有學者提出基于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)絡的網(wǎng)絡圖(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)上用置信度來描述輸出變量，并將改進后的IF-THEN規(guī)則轉(zhuǎn)換為相對應的條件概率，從而獲得條件概率表。該方法需用到專家數(shù)據(jù)，但具有較強的可操作性。此外，NORRINGTON等[18]提出一種引導專家獲取條件概率的評價框架。結(jié)合上述獲取方法，這里對能利用歷史數(shù)據(jù)獲取的條件概率采用統(tǒng)計值的方法求取，但對部分較為主觀的數(shù)據(jù)采用改進后的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，這說明應盡量避免在全速且高潮時擱淺，這與現(xiàn)有的研究[19]是一致的。

表1 影響因素的評價等級及其解釋

此外，該研究還給出船舶開錨條件、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)計數(shù)據(jù)應急處置過程的相關(guān)描述，并利用改進后的IF-THEN規(guī)則進行量化，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。進一步利用改進的IF-THEN規(guī)則建立決策變量與輸出變量的推理規(guī)則，在輸出變量評價時，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，表明該應急方案越好。

3 案例驗證

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；擱淺時間為16:20；風力為3～4級；擱淺時已通過停車和拋錨等手段將航速降為微速；擱淺時潮位為平潮；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；應急拖船到達時間為15～30 min；預計脫淺時的潮位為高潮。

3.2輸入影響因素先驗概率

對于該案例，將上述先驗概率輸入到輸入變量中即可獲得決策準則的后驗概率，并可進一步獲得各決策準則的值，其計算原理如式(2)所示。但是，該過程也可采用專業(yè)軟件來實現(xiàn)，例如采用GeNIe軟件實現(xiàn)該過程僅需在各節(jié)點上設(shè)置“set evidence”，并選擇相應的評價等級，其結(jié)果見圖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)果見表3。

從表3中可看出，該案例最佳的應急方案是依靠拖船協(xié)助脫淺，考慮到擱淺船舶噸位較大，且船舶機械損壞的可能性較小(20%)，即車舵可正常使用，而應急拖船距離擱淺現(xiàn)場較近，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，船舶可通過移動貨物和排出壓載水等方法實現(xiàn)自力脫淺。A2方案的可行性相對較低，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重且大量進水和傾斜時不得不采取的一種避免擱淺船舶沉沒的方案，往往是在船舶損壞較小時最后選擇的方案。

3.4不確定性信息決策方案

由于在進行事故應急決策時往往會受到時間緊迫、資源限制和不對稱信息的制約，因此在事故現(xiàn)場采集的輸入數(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)在對某個影響因素信息完全未知和對某個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 輸入先驗概率后的貝葉斯網(wǎng)絡

決策方案標號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

為進一步分析貝葉斯網(wǎng)絡在不確定信息下的決策，選取表4中的不確定信息進行決策，其余未列出的信息與圖4中的完全相同，其結(jié)果見圖5。

表4 擱淺船舶應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，即使是在對拖船到達時間等多個影響因素完全未知或部分未知的情況下，利用貝葉斯網(wǎng)絡仍能實現(xiàn)對擱淺船舶的應急處置，并可獲得合理的決策結(jié)果。這在事故應急中是非常重要的，因為在事故應急處置現(xiàn)場，決策者往往很難獲得完整的決策信息。

4 結(jié)束語

為使內(nèi)河擱淺船舶快速、有效地進行應急處置，本文提出基于貝葉斯網(wǎng)絡的應急處置決策方法，該方法具有直觀性強、能處理不確定信息及能定量描述影響因素等3個優(yōu)點。從實際驗證的結(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的均是內(nèi)河長江江蘇段水域，在推廣應用到其他水域時還需進行相應的調(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, 嚴新平, 汪洋, 等. 多部門協(xié)同的內(nèi)河失控船應急處置決策方法[J]. 交通運輸系統(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, 嚴新平, 汪洋, 等. 不確定信息下的失控船應急處置決策方法[J]. 哈爾濱工程大學學報, 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)絡的船舶溢油風險評價研究[J]. 中國航海, 2012, 35(1): 85-89.

[14] 張笛, 張金奮, 嚴新平. 基于模糊規(guī)則庫和證據(jù)推理的內(nèi)河通航風險評價[J]. 中國航海, 2014, 37(1): 71-75.

[15] 吳兵, 嚴新平, 汪洋, 等.基于橋梁通航風險的海巡艇配備研究[J]. 中國航海, 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. 淺談搜救中心對船舶擱淺、觸礁后的應急處置[J]. 中國水運, 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