基于貝葉斯網(wǎng)絡(luò)的內(nèi)河船舶碰撞人的失誤分析

陳亞?wèn)| +張延猛 +胡昊

DOI：10.13340/j.jsmu.2017.03.008

文章編號(hào)：1672-9498（2017）03004106

摘要：

為分析對(duì)船舶航行安全有顯著影響的人的因素，引入Swain & Guttmann模型和貝葉斯網(wǎng)絡(luò)分析內(nèi)河船舶碰撞事故。依據(jù)Swain & Guttmann模型的信息處理過(guò)程（感知、決策和行動(dòng)）梳理內(nèi)河船舶碰撞形成機(jī)理。利用領(lǐng)域?qū)＜抑R(shí)和小樣本量數(shù)據(jù)學(xué)習(xí)法構(gòu)建貝葉斯網(wǎng)絡(luò)，計(jì)算網(wǎng)絡(luò)節(jié)點(diǎn)間的條件概率。利用貝葉斯網(wǎng)絡(luò)的不確定性知識(shí)推理方法，得出影響船舶航行安全的關(guān)鍵人的因素。該結(jié)果與真實(shí)事故案例統(tǒng)計(jì)結(jié)果相吻合，這說(shuō)明Swain & Guttmann模型和貝葉斯網(wǎng)絡(luò)適用于對(duì)內(nèi)河船舶航行安全的綜合分析。

關(guān)鍵詞：

航運(yùn)安全； 內(nèi)河船舶碰撞； 貝葉斯網(wǎng)絡(luò)； 最大期望算法； 安全風(fēng)險(xiǎn)； 人的失誤

中圖分類號(hào)： U698.6

文獻(xiàn)標(biāo)志碼： A

Human error analysis of inland ship collision based on Bayesian network

CHEN Yadonga， ZHANG Yanmengb， HU Haoa

（a. School of Naval Architecture， Ocean & Civil Engineering； b. Chinese Underwater Technology Institute，

Shanghai Jiaotong University， Shanghai 200240， China）

Abstract：

In order to analyze human factors that have a significant impact on the ship navigation safety， the Swain & Guttmann model and Bayesian network are proposed to analyze inland ship collision accidents. The collision mechanism is summarized according to the information processing procedure （perception， decision making and action） of the Swain & Guttmann model. The Bayesian network is established with the combination of the domain expert knowledge and the learning method with small amount of sample data， and the conditional probabilities between the network nodes are computed. The main human factors， obtained using the uncertain knowledge inference method of the Bayesian network， are consistent with the statistical results from real accident cases， which reveals that the Swain & Guttmann model and Bayesian network are applicable for comprehensive analysis of inland ship navigation safety.

Key words：

navigation safety； inland ship collision； Bayesian network； expectation maximization algorithm； safety risk； human error

0引言

隨著內(nèi)河水路運(yùn)輸需求持續(xù)高漲，水路通航密度增大，通航環(huán)境日益復(fù)雜，碰撞事故成為最頻發(fā)的內(nèi)河船舶安全事故。學(xué)者們[13]通過(guò)研究認(rèn)為，80%的船舶安全事故與人的因素有關(guān)，且隨著航行設(shè)備與航行技術(shù)的發(fā)展，人的因素在航行安全中的作用愈加顯著。

船舶碰撞事故中人的失誤存在不確定性，各種失誤間存在因果關(guān)聯(lián)關(guān)系。近幾年，數(shù)據(jù)挖掘技術(shù)在船舶航行安全領(lǐng)域人的可靠性分析中得到了應(yīng)用。貝葉斯網(wǎng)絡(luò)結(jié)合數(shù)據(jù)挖掘和不確定性知識(shí)推理，是目前在多領(lǐng)域均得到廣泛應(yīng)用的一種人工智能技術(shù)。[4]1986年，PEARL首次在專家系統(tǒng)中引進(jìn)了貝葉斯網(wǎng)絡(luò)。貝葉斯網(wǎng)絡(luò)是直觀表達(dá)變量間概率依賴關(guān)系的一種圖形模型，由網(wǎng)絡(luò)結(jié)構(gòu)和條件概率分布兩部分組成[5]，以有向無(wú)環(huán)圖表示研究對(duì)象隨機(jī)變量間的結(jié)構(gòu)屬性，節(jié)點(diǎn)對(duì)應(yīng)于模型中的隨機(jī)變量，節(jié)點(diǎn)間的有向邊代表變量的條件依賴關(guān)系，并產(chǎn)生節(jié)點(diǎn)間的條件概率值。貝葉斯網(wǎng)絡(luò)能夠形象表達(dá)隨機(jī)變量間的因果關(guān)聯(lián)關(guān)系，并進(jìn)行不確定性知識(shí)推理。[6]REN等[1]針對(duì)海上航行安全事故中的人和組織因素，通過(guò)專家判斷法在評(píng)價(jià)框架基礎(chǔ)上建立了貝葉斯網(wǎng)絡(luò)因果分析模型。HNNINEN等[7]以芬蘭灣船舶碰撞為研究對(duì)象，通過(guò)貝葉斯網(wǎng)絡(luò)模型研究人的因素對(duì)船舶碰撞概率的影響，通過(guò)觀察網(wǎng)絡(luò)中人的因素節(jié)點(diǎn)狀態(tài)的變化來(lái)檢測(cè)因果概率的變化情況，并通過(guò)敏感性分析得出在兩船會(huì)遇情況下不合理的避讓操作是引發(fā)船舶碰撞最重要的原因。

本文以內(nèi)河船舶碰撞事故為研究對(duì)象，在地方海事局網(wǎng)站共搜集100余起事故調(diào)查報(bào)告作為構(gòu)建貝葉斯網(wǎng)絡(luò)的分析樣本，最終取出123份，并通過(guò)Swain & Guttmann模型分析和梳理碰撞事故的形成機(jī)理，完整反映事故的發(fā)生過(guò)程。在Swain & Guttmann模型的平臺(tái)上，利用貝葉斯網(wǎng)絡(luò)在處理不確定問(wèn)題方面的優(yōu)勢(shì)，通過(guò)期望最大（Expectation Maximization， EM）算法在小樣本量下構(gòu)建內(nèi)河船舶碰撞貝葉斯網(wǎng)絡(luò)分析模型，并結(jié)合貝葉斯網(wǎng)絡(luò)的診斷推理和因果推理，定量分析人的因素間的因果依賴關(guān)系。endprint

1船舶碰撞人的失誤模型

Swain & Guttmann模型（見(jiàn)圖1）以信息處理理論為基礎(chǔ)[8]，將信息處理過(guò)程簡(jiǎn)化為3個(gè)階段：感知、認(rèn)知、反應(yīng)/行動(dòng)。人的行為在這3個(gè)階段可能受到環(huán)境、個(gè)人心理和生理等方面的影響，該模型將這些可能導(dǎo)致人的失誤發(fā)生的因素定義為行為成形因子，并將行為成形因子分成外部、應(yīng)激物和內(nèi)部3大類。

根據(jù)Swain & Guttmann模型，在構(gòu)建內(nèi)河船舶碰撞人的失誤模型（見(jiàn)圖2）前，考慮：（1）內(nèi)河船舶碰撞存在航行環(huán)境特殊性。內(nèi)河船舶碰撞是船舶在受限水域發(fā)生的交通事故的一種形式，人的失誤是船舶在受限水域發(fā)生碰撞事故的一種致因。（2）著重研究?jī)?nèi)河船舶避碰過(guò)程中人的失誤的表現(xiàn)形式及其內(nèi)在關(guān)聯(lián)。人的失誤的行為成形因子包括船上的工作條件、航行的水域和氣象條件等。盡管在每個(gè)階段，這些行為成形因子均會(huì)對(duì)人的行為造成影響，但這些因子很難從事故報(bào)告中收集并進(jìn)行量化。因此，本文僅從人的失誤的具體表現(xiàn)入手，并盡量選取通航環(huán)境類似的內(nèi)河船舶碰撞事故，而不考慮環(huán)境因素等其他行為成形因子。（3）船舶碰撞事故不是由某單獨(dú)或單船的人的失誤造成的，往往是由一船的失誤導(dǎo)致另一船的失誤而形成的一連串失誤導(dǎo)致的結(jié)果。這些失誤間的內(nèi)在關(guān)系可由事故鏈或網(wǎng)絡(luò)結(jié)構(gòu)表示。（4）整個(gè)船舶碰撞過(guò)程大致分為3個(gè)階段：感知、決策和行動(dòng)。人的失誤可能發(fā)生在上述每個(gè)階段。3個(gè)階段間存在因果關(guān)系，前一階段人的失誤可能導(dǎo)致后一階段人的失誤，這一系列人的失誤最終可能導(dǎo)致船舶碰撞。

2貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)選取

各國(guó)海事機(jī)構(gòu)對(duì)各年度海上船舶碰撞事故均有統(tǒng)計(jì)分析。[9]多位學(xué)者[1012]對(duì)船舶碰撞過(guò)程中人的失誤也進(jìn)行了相關(guān)的研究。結(jié)合各國(guó)海事機(jī)構(gòu)對(duì)碰撞事故中涉及的人的因素的統(tǒng)計(jì)，參照學(xué)者對(duì)人的失誤與碰撞結(jié)果的關(guān)聯(lián)性分析結(jié)果，按照“感知、決策、行動(dòng)”3個(gè)階段，將123起事故中涉及的人的失誤進(jìn)行階段性歸類。在征詢行業(yè)專家意見(jiàn)的基礎(chǔ)上，選取12種人的失誤作為主要的研究對(duì)象，見(jiàn)圖3。盡管在船舶碰撞過(guò)程中出現(xiàn)的人的失誤遠(yuǎn)不止這12種，但為構(gòu)建的網(wǎng)絡(luò)模型的實(shí)用性，忽略一些根據(jù)經(jīng)驗(yàn)得出的對(duì)碰撞結(jié)果影響較小的人的失誤（如水路調(diào)查不充分），并將一些相近的人的失誤歸到同一類中（如“溝通不當(dāng)”歸到與來(lái)船之間缺少交流或交流信息不確切一類，“碰撞危險(xiǎn)判斷失誤”歸到對(duì)碰撞危險(xiǎn)估計(jì)不足、未判斷出存在碰撞危險(xiǎn)一類）。在確定內(nèi)河船舶碰撞過(guò)程中每階段可能發(fā)生的人的失誤后，根據(jù)Swain & Guttmann模型可確定在船舶碰撞過(guò)程中人的失誤間的階段性因果關(guān)系，如圖3所示。

Swain & Guttmann模型在信息處理理論基礎(chǔ)上再現(xiàn)了船舶碰撞過(guò)程。貝葉斯網(wǎng)絡(luò)作為該模型的補(bǔ)充，憑借強(qiáng)大的案例數(shù)據(jù)學(xué)習(xí)和不確定性知識(shí)推理能力，可以通過(guò)確定事故發(fā)生過(guò)程的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)和節(jié)點(diǎn)間的條件概率表，推理出節(jié)點(diǎn)間的因果概率關(guān)系。

3貝葉斯網(wǎng)絡(luò)構(gòu)建

3.1貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)確定

鑒于客觀上事故調(diào)查報(bào)告數(shù)量不充足和主觀上關(guān)于船舶碰撞的研究積累和領(lǐng)域知識(shí)儲(chǔ)備較為完備，本文通過(guò)專家組的領(lǐng)域知識(shí)進(jìn)行貝葉斯網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的搭建。共邀請(qǐng)3位領(lǐng)域內(nèi)專家組成專家組：專家A來(lái)自上海航務(wù)管理處，有多年內(nèi)河船舶航行安全管理及事故處理經(jīng)驗(yàn)；專家B來(lái)自上海某航運(yùn)物流公司，有多年的散貨運(yùn)輸實(shí)務(wù)經(jīng)歷及安全管理經(jīng)驗(yàn)；專家C來(lái)自上海某高校，研究方向之一為船舶航行安全。

節(jié)點(diǎn)（即人的失誤類別）的位置、節(jié)點(diǎn)之間的聯(lián)系均由3位專家結(jié)合自身經(jīng)驗(yàn)和樣本事故報(bào)告，根據(jù)可行性、簡(jiǎn)潔性原則在討論中確定，最終構(gòu)建的貝葉斯網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)見(jiàn)圖4。

3.2貝葉斯網(wǎng)絡(luò)參數(shù)確定

3.2.1內(nèi)河船舶碰撞事故樣本

在實(shí)際的船舶碰撞過(guò)程中，事故的發(fā)生往往是由當(dāng)事兩船或多船人的失誤共同造成的，往往是一船的失誤導(dǎo)致了另一船的失誤，而不是一船的上一個(gè)失誤導(dǎo)致了該船下一個(gè)失誤。[13]在分析船舶碰撞形成原因時(shí)，任何一方在這一過(guò)程中出現(xiàn)人的失誤都將計(jì)入事故的誘因中。碰撞的主體都需要對(duì)船舶碰撞事故承擔(dān)相應(yīng)的責(zé)任。本文重點(diǎn)收集通航環(huán)境類似的內(nèi)河發(fā)生的碰撞事故，并在整理收集到的船舶碰撞事故時(shí)用1，2分別表示每類人的失誤是否發(fā)生（見(jiàn)表1）：1表示在該起事故中該類人的失誤沒(méi)有發(fā)生；2表示在該起事故中該類人的失誤確實(shí)發(fā)生，包括碰撞的主體間僅一船發(fā)生了該類失誤或所有的涉事船舶均出現(xiàn)了該類失誤。同樣，在構(gòu)建貝

3.2.2條件概率表計(jì)算

從123起船舶碰撞事故數(shù)據(jù)中取出103起用于條件概率計(jì)算，其余20起用于模型驗(yàn)證。因收集的樣本量較小，故通過(guò)Bootstrap 再抽樣方法有放回地模擬重取樣，在小數(shù)據(jù)集中加入n個(gè)“新”樣本，然后采用隨機(jī)算法將擴(kuò)大后的數(shù)據(jù)中任意樣本的某些變量的取值去除，將小數(shù)據(jù)集轉(zhuǎn)化為不完備數(shù)據(jù)集，進(jìn)而采用GeNIe軟件內(nèi)嵌的EM算法進(jìn)行參數(shù)學(xué)習(xí)，計(jì)算出各節(jié)點(diǎn)間的條件概率。EM算法是一種從數(shù)據(jù)不完全或數(shù)據(jù)有丟失的數(shù)據(jù)集中求解概率模型參數(shù)的最大似然估計(jì)方法。條件概率表中，缺失的部分樣本數(shù)據(jù)和節(jié)點(diǎn)間的條件概率均未知，且存在相互推理關(guān)系，故先賦予某節(jié)點(diǎn)一初始條件概率值，在此基礎(chǔ)上計(jì)算出缺失的樣本數(shù)據(jù)的取值，再?gòu)臉颖緮?shù)據(jù)的計(jì)算值出發(fā)，得出新的條件概率值，直至該參數(shù)收斂。

以節(jié)點(diǎn)“瞭望不當(dāng)”的條件概率P（D2|A1，B1，C2）的計(jì)算過(guò)程為例進(jìn)行說(shuō)明（下標(biāo)1和2分別表示該類人的失誤沒(méi)有發(fā)生和確實(shí)發(fā)生）。

E步：將初始條件概率值設(shè)置為0.5，即P（D2|A1，B1，C2）=0.5，然后依此計(jì)算缺失數(shù)據(jù)的條件期望值，再將該值視為觀測(cè)值，得到完整的觀測(cè)值并將其代入最大似然估計(jì)公式[14]

P（D2|A1，B1，C2）=N（D2，A1，B1，C2）N（A1，B1，C2）（1）

M步：將上述最大似然估計(jì)公式最大化，得出P（D2|A1，B1，C2）的最大可能值。endprint

重復(fù)上述兩個(gè)步驟直到參數(shù)收斂，即可得到P（D2|A1，B1，C2）的最佳估計(jì)值。

4.1.1敏感性分析

根據(jù)以下兩條定律，以節(jié)點(diǎn)“碰撞危險(xiǎn)判斷失誤”為例，對(duì)該貝葉斯網(wǎng)絡(luò)進(jìn)行敏感性分析。

定律1任一父節(jié)點(diǎn)先驗(yàn)概率的細(xì)微增加或減少將相應(yīng)地引起其子節(jié)點(diǎn)后驗(yàn)概率的增加或減少。

定律2所有父節(jié)點(diǎn)先驗(yàn)概率的變化對(duì)其子節(jié)點(diǎn)后驗(yàn)概率的影響程度應(yīng)大于其中任一父節(jié)點(diǎn)先驗(yàn)概率對(duì)其子節(jié)點(diǎn)后驗(yàn)概率的影響[15]。

計(jì)算可得，P（I2|D1，F(xiàn)1，G1）=0.05，P（I2|D1，F(xiàn)1，G2）=0.38，P（I2|D1，F(xiàn)2，G2）=0.83，P（I2|D2，F(xiàn)2，G2）=1，

即：當(dāng)父節(jié)點(diǎn)“瞭望不當(dāng)”“溝通不當(dāng)”“未充分考慮航行氣象”等人的失誤均未發(fā)生時(shí)，子節(jié)點(diǎn)“碰撞危險(xiǎn)判斷失誤”的發(fā)生概率為0.05；當(dāng)父節(jié)點(diǎn)“未充分考慮航行氣象”確實(shí)發(fā)生（即發(fā)生概率為1）時(shí)，“碰撞危險(xiǎn)判斷失誤”發(fā)生的后驗(yàn)概率由0.05增大至0.38；當(dāng)再增加“溝通不當(dāng)”這一人的失誤時(shí)，發(fā)生“碰撞危險(xiǎn)判斷失誤”的概率會(huì)提升至0.83；在此情況下，如父節(jié)點(diǎn)中“瞭望不當(dāng)”的發(fā)生概率也變?yōu)?，則子節(jié)點(diǎn)“碰撞危險(xiǎn)判斷失誤”發(fā)生的后驗(yàn)概率達(dá)到1。子節(jié)點(diǎn)“碰撞危險(xiǎn)判斷失誤”發(fā)生的后驗(yàn)概率隨著父節(jié)點(diǎn)證據(jù)的逐漸增多而相應(yīng)持續(xù)增大，這一增長(zhǎng)過(guò)程與定律1和2相吻合，部分驗(yàn)證了模型的可靠性，增加了模型分析結(jié)果的可信度。

4.1.2有效性分析

利用20起碰撞事故進(jìn)行案例分析以驗(yàn)證模型的有效性。將

每起事故中人的失誤提取出來(lái)，作為證據(jù)節(jié)點(diǎn)輸入網(wǎng)絡(luò)中，計(jì)算出在每起事故對(duì)應(yīng)的人的失誤的組合下船舶碰撞發(fā)生的后驗(yàn)概率，得到：有8起事故發(fā)生的后驗(yàn)概率大于或等于0.95，占檢驗(yàn)樣本總量的40%，表明有相當(dāng)比例的檢驗(yàn)樣本經(jīng)過(guò)模型推理預(yù)測(cè)后得到的結(jié)論與實(shí)際情況相吻合；有7起事故發(fā)生的后驗(yàn)概率在0.90與0.95之間；有3起事故發(fā)生的后驗(yàn)概率介于0.80與0.90之間；有2起事故發(fā)生的后驗(yàn)概率低于0.80。根據(jù)真實(shí)案例的貝葉斯網(wǎng)絡(luò)推理結(jié)果，可以看出本文建立的貝葉斯網(wǎng)絡(luò)中包含的事故形成機(jī)理、選取的人的失誤種類以及網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)和參數(shù)與船舶碰撞發(fā)生時(shí)的真實(shí)場(chǎng)景相符，能體現(xiàn)人的失誤與最終的船舶碰撞事故的關(guān)聯(lián)強(qiáng)度，表明構(gòu)建的貝葉斯網(wǎng)絡(luò)有效。因此，該網(wǎng)絡(luò)可用于下一步的診斷與因果推理等，尋找關(guān)鍵的人的失誤以進(jìn)行有針對(duì)性的改進(jìn)。

4.2診斷推理

診斷推理即基于構(gòu)建的貝葉斯網(wǎng)絡(luò)，在已知瞭望、對(duì)碰撞風(fēng)險(xiǎn)判斷力、船舶避碰操縱等節(jié)點(diǎn)的狀態(tài)時(shí)，對(duì)是否會(huì)引起船舶碰撞進(jìn)行預(yù)測(cè)。

所有底層人的失誤均未發(fā)生（即A1，B1，C1，E1和G1）對(duì)應(yīng)的船舶碰撞發(fā)生的后驗(yàn)概率為0.21。現(xiàn)假設(shè)A2（發(fā)生“值班不當(dāng)”的失誤）對(duì)應(yīng)的船舶碰撞發(fā)生的后驗(yàn)概率為0.59。當(dāng)剩余的底層人的失誤各自單獨(dú)發(fā)生（即A2，B2，C2，E2和G2），且無(wú)其他人的失誤及不利因素時(shí)，相應(yīng)的船舶碰撞事故發(fā)生的后驗(yàn)概率分別為0.59，0.59，0.57，0.50和0.41?？梢钥闯觯合噍^于無(wú)人的失誤及不利影響因素的狀態(tài)，當(dāng)?shù)讓尤说氖д`發(fā)生時(shí)，船舶碰撞事故發(fā)生的后驗(yàn)概率會(huì)大幅提升；“值班不當(dāng)”“疲勞駕駛”“雷達(dá)、ARPA設(shè)備使用不當(dāng)”這3類人的失誤對(duì)船舶碰撞有著最為強(qiáng)烈的影響，即船舶碰撞事故最有可能在這3類人的失誤下發(fā)生。而且，這3類人的失誤均為“瞭望不當(dāng)”的父節(jié)點(diǎn)，這說(shuō)明合理瞭望對(duì)船舶航行安全非常重要。

4.3因果推理

因果推理是在假設(shè)船舶碰撞事故已發(fā)生時(shí)，計(jì)算其他人的失誤發(fā)生的后驗(yàn)概率。當(dāng)船舶碰撞發(fā)生時(shí)，行動(dòng)層的3類人的失誤（J，K，L）的后驗(yàn)概率分別為P（J2|M2）=0.54，P（K2|M2）=0.58，P（L2|M2）=0.77?？梢悦黠@看出節(jié)點(diǎn)L（避讓行動(dòng)不當(dāng)）的后驗(yàn)概率最高，即在船舶碰撞危險(xiǎn)局面形成時(shí)，不合理的避讓動(dòng)作是導(dǎo)致船舶碰撞的最重要的因素。

當(dāng)船舶碰撞已發(fā)生時(shí)，底層各類人的失誤的后驗(yàn)概率分別為P（A2|M2）=0.32，P（B2|M2）=0.40，P（C2|M2）=0.24，P（E2|M2）=0.17，P（G2|M2）=0.14。很明顯，B（疲勞駕駛）、A（值班不當(dāng)）、C（雷達(dá)、ARPA設(shè)備使用不當(dāng)）這3類人的失誤對(duì)船舶碰撞發(fā)生的影響比底層其他人的失誤的影響更大。這一分析結(jié)果得出的敏感人的失誤也與真實(shí)船舶碰撞樣本中高頻出現(xiàn)的人的失誤相吻合，再次說(shuō)明該因果推理的有效性。

4.4最大可能致因鏈分析

對(duì)貝葉斯網(wǎng)絡(luò)中致因鏈的分析更有助于從直觀上了解船舶事故的形成機(jī)理。尋找導(dǎo)致船舶碰撞在人的失誤層面上的最大可能致因鏈的過(guò)程為：（1）結(jié)果設(shè)置。假設(shè)船舶碰撞已發(fā)生（最大可能致因鏈分析實(shí)質(zhì)仍為因果推理）。（2）貝葉斯因果推理。在碰撞事故發(fā)生的情況下，利用GeNIe軟件計(jì)算每個(gè)節(jié)點(diǎn)代表的人的失誤的后驗(yàn)概率。（3）逆向搜尋。從船舶碰撞節(jié)點(diǎn)開(kāi)始，逆向向下尋找各子節(jié)點(diǎn)的后驗(yàn)概率最大的父節(jié)點(diǎn)。

可以看出，在船舶碰撞發(fā)生的前提下，其父節(jié)點(diǎn)中L（避讓行動(dòng)不當(dāng)）的后驗(yàn)概率最高。取出節(jié)點(diǎn)“船舶避讓行動(dòng)不當(dāng)”，依此方法得出最大可能致因鏈即為圖5中粗線條所示鏈條：值班不當(dāng)→瞭望不當(dāng)→未及時(shí)發(fā)現(xiàn)來(lái)船→避讓行動(dòng)不當(dāng)→船舶碰撞。最大可能致因鏈?zhǔn)谴芭鲎沧钣锌赡馨l(fā)生的路徑，并未排除船舶碰撞事故按照其他致因鏈發(fā)生的可能性，也不影響其他影響因素的關(guān)鍵性。

5結(jié)束語(yǔ)

在Swain & Guttmann模型的平臺(tái)上，構(gòu)建出一般化的內(nèi)河船舶碰撞人的失誤鏈狀模型，使動(dòng)態(tài)復(fù)雜的船舶碰撞過(guò)程適于用貝葉斯網(wǎng)絡(luò)表示，并引入期望最大（EM）算法，在小樣本數(shù)據(jù)集的基礎(chǔ)上，高效準(zhǔn)確地將影響船舶航行的人的定性因素定量化，并應(yīng)用貝葉斯網(wǎng)絡(luò)不確定知識(shí)推理功能進(jìn)行推理分析。

得出的主要結(jié)論為：（1）引發(fā)船舶碰撞的人的失誤間存在因果關(guān)系，即船舶碰撞事故的形成過(guò)程是一個(gè)因果關(guān)系鏈條。（2）在引發(fā)船舶碰撞的底層人的失誤中，最關(guān)鍵的因素為“值班不當(dāng)”“疲勞駕駛”和“雷達(dá)、ARPA設(shè)備使用不當(dāng)”，這3類人的失誤均是“瞭望不當(dāng)”的父節(jié)點(diǎn)，驗(yàn)證了合理瞭望對(duì)船舶航行安全的重要性。“避讓行動(dòng)不當(dāng)”是最主要的直接觸發(fā)船舶碰撞的人的失誤。內(nèi)河船舶碰撞最大可能致因鏈為：值班不當(dāng)→瞭望不當(dāng)→未及時(shí)發(fā)現(xiàn)來(lái)船→避讓行動(dòng)不當(dāng)→船舶碰撞。（3）建立的模型在人的失誤分析方面具有一定實(shí)用性。利用貝葉斯網(wǎng)絡(luò)概率推理功能尋找出關(guān)鍵影響因素，推理結(jié)果與真實(shí)事故案例統(tǒng)計(jì)分析結(jié)果相吻合，證明了Swain & Guttmann模型和貝葉斯網(wǎng)絡(luò)能夠用于內(nèi)河船舶航行安全事故的形成機(jī)理分析和人的因素對(duì)事故結(jié)果的關(guān)聯(lián)強(qiáng)度分析。endprint

參考文獻(xiàn)：

[1]REN J， JENKINSON I， WANG J， et al. A methodology to model causal relationships on offshore safety assessment focusing on human and organizational factors[J]. Journal of Safety Research， 2008， 39（1）： 87100. DOI： 10.1016/j.jsr.2007.09.009.

[2]AKYUZ E， CELIK M. A methodological extension to human reliability analysis for cargo tank cleaning operation on board chemical tanker ships[J]. Safety Science， 2015， 75： 146155. DOI： 10.1016/j.ssci.2015.02.008.

[3]HETHERINGTON C， FLIN R， MEARNS K. Safety in shipping： the human element[J]. Journal of Safety Research， 2006， 37（4）： 401411. DOI： 10.1016/j.jsr.2006.04.007.

[4]ABIMBOLA M， KHAN F， KHAKZAD N， et al. Safety and risk analysis of managed pressure drilling operation using Bayesian network[J]. Safety Science， 2015， 76： 133144. DOI： 10.1016/j.ssci.2015.01.010.

[5]KHAKZAD N， KHAN F， AMYOTTE P. Safety analysis in process facilities： comparison of fault tree and Bayesian network approaches[J]. Reliability Engineering & System Safety， 2011， 96（8）： 925932. DOI： 10.1016/j.ress.2011.03.012.

[6]KHAKZAD N， KHAN F， AMYOTTE P. Dynamic safety analysis of process systems by mapping bowtie into Bayesian network[J]. Process Safety & Environmental Protection， 2013， 91（1/2）： 4653. DOI： 10.1016/j.pSept.2012.01.005.

[7]HNNINEN M， KUJALA P. Influences of variables on ship collision probability in a Bayesian belief network model[J]. Reliability Engineering & System Safety， 2012， 102： 2740. DOI： 10.1016/j.ress.2012.02.008.

[8]SWAIN A D， GUTTMAN H E. Handbook of human reliability analysis with emphasis on nuclear power plant applications[R]. US Department of Energy， 1983.

[9]劉正江， 吳兆麟， 嚴(yán)立. 船舶避碰過(guò)程中人的可靠性分析[J]. 大連海事大學(xué)學(xué)報(bào)， 2003， 29（3）： 4347. DOI： 10.16411/j.cnki.issn10067736.2003.03.012.

[10]鄭濱， 金永興. 基于屬性約簡(jiǎn)的海事人的失誤致因分析[J]. 上海海事大學(xué)學(xué)報(bào)， 2010， 31（1）： 9194.

[11]胡志武， 竹本孝弘， 古莊雅生. 船舶碰撞事故中人為錯(cuò)誤的分類[J]. 航海技術(shù)， 2005（6）： 1518.

[12]賈愛(ài)鵬， 王勝利. 基于STATISTICA的人的失誤與船舶碰撞之間關(guān)系的研究[J]. 浙江國(guó)際海運(yùn)職業(yè)技術(shù)學(xué)院學(xué)報(bào)， 2011， 7（4）： 68.

[13]李紅喜， 張連豐， 鄭中義. 基于數(shù)據(jù)挖掘的船舶人為碰撞事故致因鏈研究[J]. 大連海事大學(xué)學(xué)報(bào)， 2014， 40（2）：1012. DOI： 10.16411/j.cnki.issn10067736.2014.02.003.

[14]俞奎， 王浩， 吳信東， 等. 貝葉斯網(wǎng)絡(luò)的并行EM學(xué)習(xí)算法[J]. 模式識(shí)別與人工智能， 2008， 21（5）： 670676.

[15]JONES B， JENKINSON I， YANG Z， et al. The use of Bayesian network modelling for maintenance planning in a manufacturing industry[J]. Reliability Engineering & System Safety， 2010， 95（3）： 267277. DOI： 10.1016/j.ress.2009.10.007.

（編輯趙勉）endprint