基于模糊貝葉斯的航運(yùn)安全狀態(tài)監(jiān)測(cè)研究

楊　菁，張慶年

（武漢理工大學(xué)　交通學(xué)院，湖北　武漢　430063）

基于模糊貝葉斯的航運(yùn)安全狀態(tài)監(jiān)測(cè)研究

楊菁，張慶年

（武漢理工大學(xué)交通學(xué)院，湖北武漢430063）

為緩解航運(yùn)安全管理壓力，建立精確量化航運(yùn)安全狀況的實(shí)時(shí)監(jiān)測(cè)模型，衡量不同時(shí)期的航運(yùn)安全狀況。借助系統(tǒng)工程學(xué)理論，從船員、船舶、環(huán)境、管理四方面因素出發(fā)，找出威脅航運(yùn)安全的影響因素，并以其為狀態(tài)節(jié)點(diǎn)構(gòu)建貝葉斯網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)?；谀：惾~斯方法，確定網(wǎng)絡(luò)節(jié)點(diǎn)概率，建立航運(yùn)安全狀態(tài)評(píng)價(jià)模型，并利用MATLAB軟件編程得到不同因素節(jié)點(diǎn)狀態(tài)組合條件下的航運(yùn)安全狀態(tài)概率值。對(duì)航運(yùn)安全狀態(tài)進(jìn)行量化描述，可直觀反映不同時(shí)段安全狀況的變化趨勢(shì)，為航運(yùn)安全狀態(tài)監(jiān)測(cè)提供數(shù)據(jù)支撐。

航運(yùn)安全；安全狀態(tài)；貝葉斯網(wǎng)絡(luò)；實(shí)時(shí)監(jiān)測(cè)

1　引言

航運(yùn)業(yè)的蓬勃發(fā)展是衡量國(guó)家經(jīng)濟(jì)的風(fēng)向標(biāo)之一。近年來(lái)隨著通航條件的改善，航運(yùn)量及船舶航行密度也在明顯增多，但同時(shí)航運(yùn)安全事故的頻發(fā)也造成了航道堵塞、航行中斷、航運(yùn)成本上升等一系列問(wèn)題，制約了航運(yùn)業(yè)的進(jìn)一步發(fā)展。因此，通過(guò)對(duì)航運(yùn)安全狀況進(jìn)行評(píng)估，建立更加安全可靠的通航環(huán)境是亟需解決的問(wèn)題。

長(zhǎng)期以來(lái)，國(guó)內(nèi)學(xué)者多是在安全評(píng)價(jià)指標(biāo)體系構(gòu)建方面對(duì)航運(yùn)安全進(jìn)行研究。如張慶年、周志中［1］建立了相應(yīng)的湘江航運(yùn)安全評(píng)價(jià)指標(biāo)體系，并運(yùn)用模糊綜合評(píng)價(jià)法構(gòu)建了評(píng)價(jià)模型；敖堅(jiān)、胡勤友等［2］建立了通航水域安全的多層次模糊綜合評(píng)價(jià)模型，并通過(guò)實(shí)時(shí)安全指數(shù)這一概念來(lái)反映航行安全度信息；歐陽(yáng)帆、董鴻瑜［3］對(duì)四項(xiàng)水上交通事故指標(biāo)進(jìn)行無(wú)量綱化處理，運(yùn)用模糊層次分析法確定指標(biāo)權(quán)重并建立了水上交通安全評(píng)價(jià)模型；除了對(duì)安全指標(biāo)體系的構(gòu)建研究，王定森、韓延勝［4］通過(guò)分析道路交通沖突與水上交通沖突的特性，把交通沖突技術(shù)引入水上交通安全評(píng)價(jià)中并給出了相應(yīng)的適應(yīng)范圍和數(shù)據(jù)采集方法；葛蓉［5］等對(duì)水上交通加權(quán)安全評(píng)價(jià)方法中的權(quán)重向量進(jìn)行異常分析，研究表明可防止異常權(quán)重的干擾，提高了評(píng)價(jià)質(zhì)量?？傮w而言，現(xiàn)有研究大多局限于事后評(píng)價(jià)，通常停留在單獨(dú)事件的致因研究中，且未能很好地在評(píng)價(jià)中反映各影響因素的關(guān)聯(lián)性，也缺乏對(duì)安全狀態(tài)的界定及精細(xì)監(jiān)測(cè)，導(dǎo)致無(wú)法實(shí)施連續(xù)性的量化研究，更無(wú)法以數(shù)值來(lái)表征航運(yùn)安全狀態(tài)。

因此，本文從人-機(jī)-環(huán)境-管理四個(gè)方面著手探討航運(yùn)安全影響因素及其致因機(jī)理，構(gòu)建了基于貝葉斯網(wǎng)絡(luò)的安全評(píng)價(jià)模型，對(duì)航運(yùn)安全狀態(tài)進(jìn)行數(shù)值化描述，綜合衡量各因素導(dǎo)致事故發(fā)生的作用機(jī)理。

2　貝葉斯網(wǎng)絡(luò)航運(yùn)安全評(píng)價(jià)模型

水上交通安全事故是由諸多影響因素共同作用的結(jié)果，各因素對(duì)事故的發(fā)生存在著較高的不確定性，研究中需從海量歷史數(shù)據(jù)中推導(dǎo)相關(guān)概率等指標(biāo)。而貝葉斯網(wǎng)絡(luò)是一種基于概率的不確定性及多變性的推理型網(wǎng)絡(luò)［6-7］，這恰好與水上交通安全事故發(fā)生的不確定性相吻合。因此，本文采用貝葉斯網(wǎng)絡(luò)來(lái)構(gòu)建相應(yīng)的航運(yùn)安全評(píng)價(jià)模型。

2.1模型節(jié)點(diǎn)及網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

為了系統(tǒng)全面地評(píng)價(jià)航運(yùn)安全，本文綜合各專家意見(jiàn)及現(xiàn)有研究，從人-機(jī)-環(huán)境-管理四個(gè)方面來(lái)研究各種因素對(duì)于航運(yùn)安全的影響，確定了航運(yùn)安全狀況評(píng)價(jià)模型的1個(gè)目標(biāo)節(jié)點(diǎn)、4個(gè)中間節(jié)點(diǎn)及24個(gè)證據(jù)節(jié)點(diǎn)，各節(jié)點(diǎn)共同作用于航運(yùn)安全。選擇航運(yùn)安全狀況作為目標(biāo)節(jié)點(diǎn)，選取“船員”、“船舶”、“環(huán)境”、“管理”作為中間節(jié)點(diǎn)，中間節(jié)點(diǎn)又與各自的證據(jù)節(jié)點(diǎn)相連接。為保證節(jié)點(diǎn)連接的科學(xué)性和可行性，查閱了相關(guān)資料，最終確定了適用于航運(yùn)安全狀況的貝葉斯網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)［8-9］。其中，“船員”中間節(jié)點(diǎn)分別連接責(zé)任心、問(wèn)題處理能力、安全意識(shí)、學(xué)歷、在船工齡、年齡結(jié)構(gòu)、疲勞程度、疾病與缺勤狀態(tài)這8個(gè)證據(jù)節(jié)點(diǎn)；“船舶”中間節(jié)點(diǎn)分別連接滿載率、船舶平衡性、船舶噸位、船齡、航速、船舶保養(yǎng)程度這6個(gè)證據(jù)節(jié)點(diǎn)；“環(huán)境”中間節(jié)點(diǎn)分別連接風(fēng)、霧、通航時(shí)間段、航道寬度、富余水深、礙航建筑物、流速這7個(gè)證據(jù)節(jié)點(diǎn)；“管理”中間節(jié)點(diǎn)分別連接應(yīng)急救援能力、安全檢查力度、安全宣傳培訓(xùn)力度這3個(gè)證據(jù)節(jié)點(diǎn)。具體如圖1所示。

圖1　航運(yùn)安全狀態(tài)網(wǎng)絡(luò)拓?fù)鋱D

2.2節(jié)點(diǎn)值域的確定

為更全面考察航運(yùn)安全狀況，需對(duì)所選取的節(jié)點(diǎn)設(shè)置值域以細(xì)分其狀態(tài)值，設(shè)定節(jié)點(diǎn)值域?yàn)?開(kāi)始的整數(shù)，初始值1代表狀況良好，數(shù)值越大代表狀況越差，對(duì)航運(yùn)安全的潛在威脅也越大；數(shù)值越小代表狀況越好，表示由該因素造成水上交通事故的可能性越小。

在船員中間節(jié)點(diǎn)中，責(zé)任心、問(wèn)題處理能力、安全意識(shí)根據(jù)專業(yè)測(cè)評(píng)軟件得分劃分等級(jí)，學(xué)歷以學(xué)歷賦值得分來(lái)劃分，在船工齡以在船齡2年之下的新船員占船員總數(shù)的百分比作評(píng)價(jià)，年齡結(jié)構(gòu)以船員年齡每月統(tǒng)計(jì)資料數(shù)據(jù)得分評(píng)價(jià)，疲勞程度以船員在船連續(xù)工作時(shí)間反映，疾病與缺勤用缺勤人數(shù)占船員總數(shù)百分比來(lái)評(píng)價(jià)。船舶中間節(jié)點(diǎn)中，滿載率以超載百分比來(lái)評(píng)價(jià)，船舶平衡性以平衡配載偏離百分比來(lái)評(píng)價(jià)，船舶噸位、船齡均以實(shí)際噸位、年齡來(lái)評(píng)價(jià)，船舶保養(yǎng)以是否正常安全檢修來(lái)評(píng)價(jià)。環(huán)境中間節(jié)點(diǎn)中，風(fēng)以風(fēng)級(jí)來(lái)評(píng)價(jià)，霧以能見(jiàn)度來(lái)評(píng)價(jià)，通航時(shí)間段以白天、日出日落、黑夜三段來(lái)賦值評(píng)價(jià)，航道寬度以航道最窄處與船寬之比來(lái)評(píng)價(jià)，富余水深以實(shí)際深度來(lái)評(píng)價(jià)，礙航建筑物以實(shí)際有無(wú)礙航來(lái)評(píng)價(jià)，流速以實(shí)際水流速度來(lái)評(píng)價(jià)。在管理中間節(jié)點(diǎn)中，應(yīng)急救援能力以實(shí)際可執(zhí)行的船舶消防緊急預(yù)案、人員落水應(yīng)急救援預(yù)案和船艙關(guān)鍵設(shè)備應(yīng)急反應(yīng)預(yù)案中的個(gè)數(shù)來(lái)評(píng)價(jià)，安全檢查力度以上級(jí)主管部門的檢查次數(shù)來(lái)評(píng)價(jià)，安全宣傳力度以年宣傳次數(shù)來(lái)評(píng)價(jià)。

3　航運(yùn)安全評(píng)價(jià)模型算法研究

在建立了貝葉斯網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的基礎(chǔ)上，需利用貝葉斯網(wǎng)絡(luò)推理來(lái)量化航運(yùn)安全狀態(tài)。設(shè)先驗(yàn)概率為如果已知其 中i=1，2，…，n； j=1，2，…，m。則由貝葉斯公式計(jì)算的后驗(yàn)概率為：

由式（1），若已知父節(jié)點(diǎn)的先驗(yàn)概率及相應(yīng)的條件概率分布表，便可求解子節(jié)點(diǎn)所需的后驗(yàn)概率。換言之，如果知道網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖中各證據(jù)節(jié)點(diǎn)的先驗(yàn)概率及中間節(jié)點(diǎn)與目標(biāo)節(jié)點(diǎn)的聯(lián)合概率分布，便可求得最終概率值。

3.1節(jié)點(diǎn)概率的計(jì)算

利用貝葉斯網(wǎng)絡(luò)進(jìn)行推理時(shí)，需要先驗(yàn)概率的分布為基礎(chǔ)。目前，國(guó)內(nèi)外研究中基本事件的發(fā)生概率都是利用確定值來(lái)表示的。但是鑒于統(tǒng)計(jì)數(shù)據(jù)的局限性，將事件發(fā)生概率用明確的數(shù)值來(lái)表達(dá)是較為困難的。因此可借助解模糊的手段將概念性、模糊性的語(yǔ)言轉(zhuǎn)化為貝葉斯網(wǎng)絡(luò)推理所需的先驗(yàn)概率進(jìn)行計(jì)算。

3.1.1模糊數(shù)的處理。為數(shù)值化表示專家對(duì)某一狀態(tài)發(fā)生概率的評(píng)判，通常引入語(yǔ)言變量。事件發(fā)生概率可劃分為7個(gè)不同等級(jí)的語(yǔ)義值，具體模糊數(shù)形式和λ-截集見(jiàn)表1。

表1　模糊數(shù)形式和λ截集

為了使結(jié)果更加客觀精準(zhǔn)，需運(yùn)用算數(shù)平均法綜合多位專家的意見(jiàn)，n位專家的綜合評(píng)判為：

式（2）中，Pi為第i個(gè)事件的模糊發(fā)生概率；fij為第j個(gè)專家評(píng)判第i個(gè)事件的模糊值；m為事件數(shù)目。

下面以“安全意識(shí)”這一證據(jù)節(jié)點(diǎn)為例，選取了15位專家給出的模糊概率值的語(yǔ)言描述，見(jiàn)表2。

首先，將上述專家語(yǔ)言表述轉(zhuǎn)化為可用于解模糊的模糊數(shù)及對(duì)應(yīng)的λ截集形式。根據(jù)式（2）可知15位專家評(píng)判的平均模糊數(shù)為：

表2　“安全意識(shí)”節(jié)點(diǎn)不同值域語(yǔ)言描述

3.1.2先驗(yàn)概率的生成。模糊數(shù)經(jīng)過(guò)上述方法處理后，再便是解模糊的過(guò)程，即選擇一個(gè)確定的數(shù)值使之最能代表整個(gè)集合。通常情況下，解模糊的方法包括全積分值算法、重心法、平均最大法、加權(quán)平均法和隸屬度限幅元素平均法等［10］。本文選取計(jì)算簡(jiǎn)便且通俗易懂的積分值法來(lái)計(jì)算，用優(yōu)化指標(biāo)ε來(lái)反映決策人員的意見(jiàn)，假設(shè)P是L-R型模糊數(shù)，模糊數(shù)P的解模糊值為：

式（3）中，ε為樂(lè)觀系數(shù)，當(dāng)ε=0.5時(shí)I（P）為模糊數(shù)P解模糊過(guò)程的代表值。因此根據(jù)式（3），當(dāng)ε=0.5時(shí)，可求得節(jié)點(diǎn)“安全意識(shí)”的先驗(yàn)概率分布為：P（安全意識(shí)得分85分以上=true）=0.8，P（安全意識(shí)得分為60至85= true）=0.12，P（安全意識(shí)得分為8級(jí)以=true）=0.08。以船員因素為例，同理可得到其他證據(jù)節(jié)點(diǎn)狀態(tài)的先驗(yàn)概率分布，見(jiàn)表3。

表3　船員因素證據(jù)節(jié)點(diǎn)先驗(yàn)概率分布

3.1.3節(jié)點(diǎn)間聯(lián)合概率分布。各證據(jù)節(jié)點(diǎn)的先驗(yàn)概率分布求得后，還需確定目標(biāo)結(jié)點(diǎn)與中間節(jié)點(diǎn)的聯(lián)合概率分布，本文采用最大后驗(yàn)估計(jì)來(lái)進(jìn)行計(jì)算。在統(tǒng)計(jì)學(xué)中，最大后驗(yàn)估計(jì)與最大似然估計(jì)中的Fisher方法聯(lián)系密切，可被視為規(guī)則化的最大似然估計(jì)。

假設(shè)總體參數(shù)θ需要根據(jù)觀察數(shù)據(jù)x來(lái)估計(jì)，f為 x的采樣分布便是總體參數(shù)為θ時(shí)x的概率。函數(shù)則為似然函數(shù)，其估計(jì)就是θ的最大似然估計(jì)。假設(shè)θ存在一個(gè)先驗(yàn)分布g，則θ的后驗(yàn)分布為：

其中，Θ是g的定義域。

最大后驗(yàn)估計(jì)的目標(biāo)函數(shù)為：

由網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)可知，每個(gè)中間節(jié)點(diǎn)分別連接數(shù)目不等的證據(jù)節(jié)點(diǎn)，同時(shí)各中間節(jié)點(diǎn)又與目標(biāo)節(jié)點(diǎn)相連接。鑒于證據(jù)節(jié)點(diǎn)具有不同狀態(tài)，以船舶中間節(jié)點(diǎn)為例，該節(jié)點(diǎn)的不同狀態(tài)數(shù)為各證據(jù)節(jié)點(diǎn)狀態(tài)數(shù)之積，即324種可能，表4列出幾種可能性。其他證據(jù)節(jié)點(diǎn)及目標(biāo)節(jié)點(diǎn)聯(lián)合概率分布也可用同樣方法求得，具體過(guò)程在此省略。

表4　船舶因素聯(lián)合概率分布

3.2貝葉斯網(wǎng)絡(luò)推理

前文已按照貝葉斯網(wǎng)絡(luò)建模步驟，構(gòu)建了航運(yùn)安全的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)，得到了貝葉斯網(wǎng)絡(luò)各個(gè)節(jié)點(diǎn)概率表，即形成了評(píng)價(jià)航運(yùn)安全的貝葉斯網(wǎng)絡(luò)評(píng)價(jià)模型。貝葉斯網(wǎng)絡(luò)推理可以通過(guò)MATLAB實(shí)現(xiàn)。先建立貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)，說(shuō)明節(jié)點(diǎn)之間的連接關(guān)系，并制定條件概率表，輸入證據(jù)，計(jì)算單個(gè)節(jié)點(diǎn)后驗(yàn)概率，即進(jìn)行推理求解出航運(yùn)安全事故中各類影響因素對(duì)事故發(fā)生的致因概率及航運(yùn)安全狀況綜合安全概率。

為了衡量各時(shí)期航運(yùn)安全狀況是否惡化，需對(duì)一般情況下的航運(yùn)安全狀態(tài)進(jìn)行定義評(píng)估。鑒于航運(yùn)安全事故特性，本文選取5月份某一時(shí)間段作為基準(zhǔn)，這時(shí)的人員、船舶、環(huán)境、管理均處于平穩(wěn)狀態(tài)，推算出的安全概率具有可比性。表5為一般情況下航運(yùn)的安全概率。

表5　航運(yùn)綜合安全概率表

4　實(shí)證研究

2009年2月8日08：50，一艘裝載4 900t大豆的船舶“XXX”輪，靠泊XX港東海糧油碼頭N0.4泊位后，機(jī)艙發(fā)生火災(zāi)，造成1人死亡，構(gòu)成重大內(nèi)河交通事故。

該輪本航次配員16人，配員符合《船舶最低安全配員證書》要求；船舶建造日期為2002年12月9日，總長(zhǎng)為98.41m，型寬為15.80m，型深7.40m，參考載貨量5 220t，主機(jī)型號(hào)為GB300ZC7BH；事故發(fā)生時(shí)為陰天，東到東北風(fēng)3-4級(jí)，落潮流，輕霧，能見(jiàn)度中等，船舶行駛航區(qū)為近海及長(zhǎng)江A，B級(jí)；船公司管理能力良好，船員應(yīng)急救援能力良好。

將以上信息轉(zhuǎn)化為貝葉斯網(wǎng)絡(luò)相應(yīng)節(jié)點(diǎn)狀態(tài)，并代入程序計(jì)算，可得實(shí)時(shí)航運(yùn)安全綜合概率僅為0.528 4，遠(yuǎn)遠(yuǎn)低于一般情況下航運(yùn)安全綜合概率，表明發(fā)生事故的可能性大大增加。且在各分概率中，船舶因素安全概率最低，其次是船員安全因素，概率分別為0.413 6和0.382 5，表明事故主要是由這兩方面因素引起的。根據(jù)實(shí)際事故報(bào)告，重油沉淀柜是本次事故的起火源，柜內(nèi)油氣接觸裸露的電加熱管發(fā)生爆燃及該柜低位報(bào)警裝置發(fā)生故障，直接導(dǎo)致火災(zāi)事故的發(fā)生。除此之外，船員疏于機(jī)艙值班，未及時(shí)發(fā)現(xiàn)重油沉淀柜液位低于報(bào)警位置也是事故發(fā)生的重要原因。這與計(jì)算結(jié)果相符，表明本文所構(gòu)建的模糊貝葉斯航運(yùn)安全模型具有可操作性。

5　結(jié)語(yǔ)

本文從影響航運(yùn)安全的4個(gè)因素著手，選取影響航運(yùn)安全的主要指標(biāo)并建立相關(guān)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。貝葉斯網(wǎng)絡(luò)模型及推理過(guò)程確定了不同節(jié)點(diǎn)狀態(tài)組合下的安全概率值，并得到了綜合安全概率值及各影響因素安全分概率值，實(shí)現(xiàn)了揭示航運(yùn)安全各致災(zāi)因子之間相互作用的功能。同時(shí)，該評(píng)價(jià)模型的構(gòu)建經(jīng)過(guò)實(shí)證研究證明具有可行性，為監(jiān)測(cè)實(shí)時(shí)航運(yùn)安全狀態(tài)提供了支持。

［1］張慶年，周志中.湘江航運(yùn)安全狀況模糊綜合評(píng)價(jià)模型研究［J］.武漢理工大學(xué)學(xué)報(bào)（交通科學(xué)與工程版），2007，31（6）:984-987.

［2］敖堅(jiān)，胡勤友，趙仁余.通航水域?qū)崟r(shí)安全指數(shù)方法分析［J］.船海工程，2008，37（4）:79-82.

［3］歐陽(yáng)帆，董鴻瑜.基于無(wú)量綱化處理和模糊層次分析法的水上交通安全評(píng)價(jià)研究［J］.中國(guó)水運(yùn)，2013，（7）:44-45.

［4］王定森，韓延勝.交通沖突技術(shù)在水上安全評(píng)價(jià)中應(yīng)用的可行性研究［J］.中國(guó)水運(yùn)，2011，11（7）:42-45.

［5］葛蓉，胡勤友，涂新華，等.水上交通加權(quán)安全評(píng)價(jià)中權(quán)重向量的異常分析［J］.上海海事大學(xué)學(xué)報(bào)，2014，35（1）:14-17.

［6］朱明敏.貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)與推理研究［D］.西安:西安電子科技大學(xué)，2013.

［7］Boudali H，Dugan J B.A discrete time Bayesian network reliability modeling and analysis framework［J］.Reliability Engineering&System Safety，2005，87（3）:337-349.

［8］李碩豪，張軍.貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)綜述［J］.計(jì)算機(jī)應(yīng)用研究，2015，32（3）:641-646.

［9］林文聞，黃淑萍.基于貝葉斯網(wǎng)絡(luò)的組織因素對(duì)船員疲勞的影響分析［J］.中國(guó)安全科學(xué)學(xué)報(bào)，2013，23（6）:26-31.

［10］梁德翠.模糊環(huán)境下基于決策粗糙集的決策方法研究［D］.成都:西南交通大學(xué)，2014.

Study on Shipping Safety Status Monitoring Based on Fuzzy Bayesian Approach

Yang Jing，Zhang Qingnian
（School of Transportation，Wuhan University of Technology，Wuhan 430063，China）

In order to ameliorate the pressure in shipping safety management，we need to accurately quantify the shipping safety status real-time monitoring model to measure the shipping safety status at all times.In this paper，using the theory of the systems engineering and from the aspects of crew，vessel，environment and management，we identified the influence factors jeopardizing shipping safety，made them status nodes around which to build a Bayesian network structure.Then based on the fuzzy Bayesian approach，we determined the probability of the network nodes，built the corresponding shipping safety status evaluation model，and used the MATLAB program to obtain the probability of the shipping safety status under different combination of the nodes.At the end，we described quantitatively the shipping safety status so as to reflect straightforwardly the pattern of change of the safety status of different waterway sections at different times.

shipping safety；safety status；Bayesian network；real-time monitoring

F560.6；O212.8

A

1005-152X（2016）04-0069-04

10.3969/j.issn.1005-152X.2016.04.018

2016-03-06

楊菁（1992-），女，湖北武漢人，碩士，研究方向：交通運(yùn)輸規(guī)劃與管理；張慶年（1957-），男，湖北武漢人，武漢理工大學(xué)交通學(xué)院博士生導(dǎo)師，教授，研究方向：交通運(yùn)輸規(guī)劃與管理。