基于數(shù)據(jù)驅(qū)動(dòng)貝葉斯網(wǎng)絡(luò)的內(nèi)河船舶交通事故分析

葉子陽(yáng)，陳沿伊，張培林，程 盼，鐘惠林，侯華保

(武漢理工大學(xué)交通與物流工程學(xué)院，湖北 武漢 430063)

我國(guó)水路運(yùn)輸尤其是內(nèi)河運(yùn)輸領(lǐng)域的投資不斷增大，有資料顯示2019年內(nèi)河建設(shè)完成投資614億元，全國(guó)內(nèi)河航道通航里程達(dá)到了12.73萬(wàn)km。伴隨著我國(guó)內(nèi)河航道通航里程的增長(zhǎng)，船舶數(shù)量不斷攀升，航運(yùn)事故數(shù)居高不下。根據(jù)長(zhǎng)江海事局通報(bào)的相關(guān)數(shù)據(jù)，2020年共發(fā)生水上交通事故113起，其中一般及以上等級(jí)事故12起，死亡失蹤人數(shù)21人，造成的直接經(jīng)濟(jì)損失約1 702萬(wàn)元，安全監(jiān)管態(tài)勢(shì)十分嚴(yán)峻。2020年6月，交通運(yùn)輸部發(fā)布的《內(nèi)河航運(yùn)發(fā)展綱要》[1]中指出：要構(gòu)筑功能完善、能力充分的航運(yùn)安全體系，完善安全風(fēng)險(xiǎn)防控與監(jiān)管體系，完善安全生產(chǎn)風(fēng)險(xiǎn)分級(jí)管控和事故隱患排查治理雙重預(yù)防機(jī)制，建立完善的安全風(fēng)險(xiǎn)清單。

船舶航行安全是一項(xiàng)復(fù)雜的系統(tǒng)工程，它需要綜合考慮船舶、航道、氣候等多方面的因素。同時(shí)，大多數(shù)船舶交通運(yùn)輸事故的特點(diǎn)是低概率高后果，對(duì)模型的穩(wěn)定性要求較高[2]。國(guó)內(nèi)外學(xué)者針對(duì)通航事故安全風(fēng)險(xiǎn)進(jìn)行了廣泛的研究。如：Fan等[3]基于MAIB、 TSC等海上事故報(bào)告建立了貝葉斯網(wǎng)絡(luò)，對(duì)海上交通事故關(guān)鍵影響因素進(jìn)行了分析；Pristrom等[4]利用專(zhuān)家調(diào)查法建立了貝葉斯網(wǎng)絡(luò)，研究了在不確定條件下做出具有成本效益的海上反海盜決策；李振福等[5]在AIS數(shù)據(jù)的基礎(chǔ)上運(yùn)用云模型和熵權(quán)法識(shí)別了海區(qū)的安全風(fēng)險(xiǎn)。但在內(nèi)河通航安全風(fēng)險(xiǎn)分析中，學(xué)者們較多利用模糊綜合評(píng)價(jià)或證據(jù)推理等方法來(lái)進(jìn)行通航安全風(fēng)險(xiǎn)評(píng)估。如：王愷[6]建立了單因素模糊評(píng)價(jià)模型，對(duì)無(wú)錫運(yùn)河水域的通航環(huán)境進(jìn)行了分析；郝勇等[7]參考冰山模型理論識(shí)別了船員素質(zhì)對(duì)通航安全的影響因素，構(gòu)建了長(zhǎng)江危險(xiǎn)品船船員素質(zhì)評(píng)價(jià)指標(biāo)體系；張笛等[8]運(yùn)用模糊規(guī)則庫(kù)和證據(jù)推理相結(jié)合的方法對(duì)內(nèi)河通航安全風(fēng)險(xiǎn)進(jìn)行了評(píng)價(jià)。此外，一些學(xué)者利用貝葉斯網(wǎng)絡(luò)模型對(duì)通航安全風(fēng)險(xiǎn)進(jìn)行了評(píng)估。如李昊等[9]運(yùn)用貝葉斯網(wǎng)絡(luò)建立了內(nèi)河航運(yùn)安全指數(shù)體系，主要是從整體上反映航運(yùn)安全的變動(dòng)趨勢(shì)和程度。而通過(guò)數(shù)據(jù)驅(qū)動(dòng)建立貝葉斯網(wǎng)絡(luò)，對(duì)內(nèi)河單船在特定風(fēng)險(xiǎn)因素組合下船舶可能發(fā)生的事故類(lèi)型和不同事故類(lèi)型關(guān)鍵影響因素的研究則較為少見(jiàn)。如Fan等[10]的研究發(fā)現(xiàn)，發(fā)生落水事故的關(guān)鍵影響因素是船舶類(lèi)型為漁船，而發(fā)生傾覆事故的關(guān)鍵因素是船舶作業(yè)類(lèi)型(拖航)。

考慮貝葉斯網(wǎng)絡(luò)具有很好的建模隨機(jī)性和捕捉非線(xiàn)性因果關(guān)系的能力[11]，故本文引入貝葉斯網(wǎng)絡(luò)理論，在蕪湖海事局2013—2020年上報(bào)的219條內(nèi)河航運(yùn)事故船舶數(shù)據(jù)的基礎(chǔ)上，經(jīng)過(guò)數(shù)據(jù)清理和補(bǔ)全提煉出影響內(nèi)河船舶航運(yùn)安全的因素，使用貝葉斯可視化軟件Netica進(jìn)行參數(shù)學(xué)習(xí)，建立內(nèi)河船舶交通事故的貝葉斯網(wǎng)絡(luò)模型，并對(duì)內(nèi)河船舶航運(yùn)安全風(fēng)險(xiǎn)進(jìn)行正向推理和反向診斷，進(jìn)而分析得到內(nèi)河通航船舶的高風(fēng)險(xiǎn)情景和不同事故類(lèi)型的關(guān)鍵影響因素。

1 貝葉斯網(wǎng)絡(luò)理論基礎(chǔ)

貝葉斯網(wǎng)絡(luò)是基于圖論和概率論，將先驗(yàn)知識(shí)與樣本數(shù)據(jù)有機(jī)結(jié)合來(lái)對(duì)不確定性問(wèn)題進(jìn)行模擬和推理的一種有效工具，它需要經(jīng)過(guò)結(jié)構(gòu)學(xué)習(xí)、參數(shù)學(xué)習(xí)和推理分析來(lái)獲得解決問(wèn)題的依據(jù)[12]。

1.1 貝葉斯定理

在通常情況下，事件A在事件B發(fā)生條件下的概率和事件B在事件A發(fā)生條件下的概率是不一樣的，貝葉斯網(wǎng)絡(luò)就是基于概率理論對(duì)這種關(guān)系的陳述。P(A|B)表示事件B已經(jīng)發(fā)生的前提下，事件A發(fā)生的概率，叫做事件B發(fā)生下事件A的條件概率，其基本求解公式如下：

P(A|B)=(P(AB))/(P(B))

(1)

其中，A和B代表基本事件集E中的兩個(gè)事件。

對(duì)于事件A1，A2,…,An，且P(A1)≥P(A1,A2)≥…≥P(A1,A2,…,Pn-1)，可推導(dǎo)出乘法式如下[13]:

P(A1A2…An)=P(A1)P(A2|A1)P(A3|A1A2)…P(An|A1A2…An-1)

(2)

后驗(yàn)概率公式就是貝葉斯網(wǎng)絡(luò)的推理基礎(chǔ)。設(shè)先驗(yàn)概率為P(B1)， 若條件概率P(Aj|Bi)已知，且P(Bi)>0，則貝葉斯后驗(yàn)概率公式如下：

(3)

1.2 貝葉斯網(wǎng)絡(luò)建模

貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)是一種有向無(wú)環(huán)圖(E,A)，其中節(jié)點(diǎn)E={E1,E2,…,En}用來(lái)表示變量，各變量之間的相互關(guān)系則用有向弧A表示，有向弧的方向是從原因節(jié)點(diǎn)指向結(jié)果節(jié)點(diǎn)，即父節(jié)點(diǎn)指向子節(jié)點(diǎn)，而沒(méi)有直接鏈接的節(jié)點(diǎn)表示有條件地相互獨(dú)立。貝葉斯網(wǎng)絡(luò)的參數(shù)θ是代表變量間相互關(guān)系的條件概率表(Conditional Probability Table，CPT)，用P(Ei|Pa(Ei))表示，代表變量之間的相互依賴(lài)關(guān)系[21]。換言之，貝葉斯網(wǎng)絡(luò)是由各節(jié)點(diǎn)間具有相互依賴(lài)關(guān)系的網(wǎng)狀結(jié)構(gòu)和變量之間相聯(lián)系的條件概率表組成，對(duì)于有向邊(Ei,Ej)，Ei的父節(jié)點(diǎn)用Pa(Ei)表示，非后代節(jié)點(diǎn)可用A(Ei)表示。在給定父節(jié)點(diǎn)的條件下，非后代節(jié)點(diǎn)與父節(jié)點(diǎn)Ei條件獨(dú)立[14],即：

P(Ei|Pa(Ei),A(Ei))=P(Ei|Pa(Ei))

(4)

則聯(lián)合概率為[15]

(5)

因此,貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)的選擇是確定貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)的先決條件，在確定貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)后，就應(yīng)對(duì)其節(jié)點(diǎn)的相關(guān)參數(shù)進(jìn)行學(xué)習(xí)。貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)共有兩種方式：一是基于專(zhuān)家經(jīng)驗(yàn)，通過(guò)發(fā)放問(wèn)卷的方式獲得相關(guān)變量的權(quán)重，并通過(guò)計(jì)算獲得各個(gè)節(jié)點(diǎn)的條件概率表；二是利用數(shù)據(jù)驅(qū)動(dòng)，通過(guò)導(dǎo)入相關(guān)事故數(shù)據(jù)來(lái)訓(xùn)練模型，以獲得相關(guān)節(jié)點(diǎn)的條件概率。本文選用第二種方法，基于船舶航運(yùn)事故數(shù)據(jù)進(jìn)行參數(shù)學(xué)習(xí)。就數(shù)據(jù)驅(qū)動(dòng)方法而言，也有許多種不同的方法，如樸素貝葉斯網(wǎng)絡(luò)(NBN)算法、樹(shù)增強(qiáng)型樸素貝葉斯網(wǎng)絡(luò)(TAN)算法，考慮到本模型各影響因素之間的相互影響較小，樸素貝葉斯網(wǎng)絡(luò)算法對(duì)于給出的待分類(lèi)項(xiàng)會(huì)選擇條件概率最大的類(lèi)別，且具有建模簡(jiǎn)單、魯棒性較強(qiáng)等特點(diǎn)，故本文擬定采用樸素貝葉斯網(wǎng)絡(luò)建模。

同時(shí)，由于采用具有唯一子節(jié)點(diǎn)的樸素貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)(見(jiàn)圖1)，目標(biāo)節(jié)點(diǎn)的條件概率表將會(huì)非常龐大，進(jìn)行參數(shù)學(xué)習(xí)時(shí)會(huì)作為模型變量極大地增加工作量。因此，考慮到貝葉斯網(wǎng)絡(luò)具有雙向風(fēng)險(xiǎn)分析的能力，為了簡(jiǎn)化結(jié)構(gòu)，本文提出了一種改進(jìn)的發(fā)散樸素貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)。該結(jié)構(gòu)將目標(biāo)節(jié)點(diǎn)當(dāng)作唯一的父節(jié)點(diǎn)，其余影響因素均作為該父節(jié)點(diǎn)影響下的子節(jié)點(diǎn)(見(jiàn)圖2)，這種結(jié)構(gòu)可以在很大程度上減少條件概率的計(jì)算量，且對(duì)最終的結(jié)果沒(méi)有影響[10]。

圖1 樸素貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)(唯一子節(jié)點(diǎn))

圖2 改進(jìn)的發(fā)散樸素貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)(唯一父節(jié)點(diǎn))

綜上所述，基于數(shù)據(jù)驅(qū)動(dòng)的樸素貝葉斯網(wǎng)絡(luò)建模流程，見(jiàn)圖3。

圖3 基于數(shù)據(jù)驅(qū)動(dòng)的樸素貝葉斯網(wǎng)絡(luò)建模流程圖

2 內(nèi)河船舶交通事故的貝葉斯網(wǎng)絡(luò)模型構(gòu)建

2.1 網(wǎng)絡(luò)節(jié)點(diǎn)及其值域的確定

本文基于蕪湖海事局內(nèi)河航運(yùn)事故數(shù)據(jù)庫(kù)(包含上報(bào)及未上報(bào)數(shù)據(jù)、事故報(bào)告等)，參考相關(guān)文獻(xiàn)[16-17]以及內(nèi)河通航管理規(guī)范[18]，在確定節(jié)點(diǎn)名稱(chēng)時(shí)從航道、氣候和船舶三個(gè)方面的影響因素展開(kāi)，共提煉出與內(nèi)河船舶通航安全關(guān)聯(lián)較大且較易被海事局等部門(mén)識(shí)別的的16個(gè)影響因素作為模型變量，包括是否橋區(qū)、是否彎曲航道、航行密度、航道水深富裕程度、航道寬度富裕程度、是否下雨、是否霧天、風(fēng)力、晝夜、水期、船舶類(lèi)型、船舶歸屬、船齡、是否滿(mǎn)載、航行方向、船員配備。其中，考慮到水流流速也是一個(gè)能夠客觀反映內(nèi)河船舶通航安全狀態(tài)的指標(biāo)，但該指標(biāo)是實(shí)時(shí)動(dòng)態(tài)變化的，較難獲得，故選用綜合性指標(biāo)“水期”代替。但是，“水期”反映的是事故發(fā)生時(shí)的整體航道水流狀況，且不能完全等同于“航道水深富裕程度”，因?yàn)椤八凇笔且粋€(gè)相對(duì)客觀的評(píng)判，而“航道水深富裕程度”則與船舶本身的性質(zhì)有著很大的關(guān)系。

在本文選取的16個(gè)變量中，部分變量狀態(tài)如晝夜、是否下雨、是否起霧和航行方向等的定義可以從蕪湖海事局上報(bào)的船舶航運(yùn)事故數(shù)據(jù)庫(kù)中得到，這些變量狀態(tài)的定義也在各類(lèi)參考文獻(xiàn)中被廣泛接受。但也有一些變量狀態(tài)如船舶類(lèi)型、是否滿(mǎn)載等是結(jié)合相關(guān)文獻(xiàn)和長(zhǎng)江下游蕪湖航段的船舶通航事故總結(jié)得出，如長(zhǎng)江下游蕪湖航段的事故船舶類(lèi)型包括干散貨船、件雜貨船、危險(xiǎn)化學(xué)品運(yùn)輸船、拖輪、駁船、集裝箱船、漁船、工程船等，結(jié)合蕪湖海事局上報(bào)的航運(yùn)事故船舶類(lèi)型數(shù)據(jù)統(tǒng)計(jì)可以發(fā)現(xiàn)件雜貨船、漁船、工程船、駁船等船舶類(lèi)型數(shù)量較少，考慮到樣本容量和模型的準(zhǔn)確度問(wèn)題，本文將這些船舶類(lèi)型統(tǒng)稱(chēng)為其他船舶。關(guān)于內(nèi)河船舶交通事故16個(gè)影響因素的定義，詳見(jiàn)表1。

表1 內(nèi)河航舶交通事故影響因素的定義

由于貝葉斯網(wǎng)絡(luò)模型涉及多個(gè)維度的不同節(jié)點(diǎn)，為了全面、客觀地反映不同節(jié)點(diǎn)對(duì)子節(jié)點(diǎn)的影響，參考相關(guān)文獻(xiàn)及專(zhuān)家經(jīng)驗(yàn)，本文將節(jié)點(diǎn)的值域用離散型變量展示，不同的父節(jié)點(diǎn)有著不同的值域。而對(duì)于最終的子節(jié)點(diǎn)，本文結(jié)合實(shí)際情況將事故類(lèi)型分為碰撞(collision)、觸碰(contact)、火災(zāi)(fire damage)、擱淺(grounding)、自沉(sinking)和其他(others)6種。

通過(guò)對(duì)長(zhǎng)江海事事故的分析發(fā)現(xiàn)，內(nèi)河船舶交通事故不同評(píng)價(jià)指標(biāo)的危險(xiǎn)系數(shù)不同，例如：水期影響因素的危險(xiǎn)系數(shù)表現(xiàn)為枯水期>洪水期>中水期[19]；不同類(lèi)型的船舶評(píng)價(jià)指標(biāo)危險(xiǎn)系數(shù)也不一樣，如集裝箱船一般較為堅(jiān)固耐用，而危險(xiǎn)品及油船等屬于交管部門(mén)嚴(yán)加管控的對(duì)象[16]。因此，本文根據(jù)內(nèi)河船舶交通事故不同影響因素的危險(xiǎn)系數(shù)對(duì)各影響因素進(jìn)行了重新分級(jí)，具體等級(jí)劃分標(biāo)準(zhǔn)見(jiàn)表2。

表2 內(nèi)河船舶交通事故影響因素等級(jí)劃分標(biāo)準(zhǔn)

2.2 數(shù)據(jù)采集及獲取

本模型事故數(shù)據(jù)來(lái)源于蕪湖海事局2013—2020年度上報(bào)的所有內(nèi)河船舶交通事故數(shù)據(jù)庫(kù)，通過(guò)對(duì)該數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行篩選，重點(diǎn)是剔除與船舶通行無(wú)關(guān)的諸如游客戲水導(dǎo)致的事故以及部分發(fā)生在小型漁船上由于某些特殊原因?qū)е碌氖鹿实葦?shù)據(jù)，最終共選取最近8年具有代表性的內(nèi)河船舶交通事故數(shù)據(jù)159條，事故船舶數(shù)據(jù)219條。由于蕪湖海事局上報(bào)的內(nèi)河船舶交通事故數(shù)據(jù)庫(kù)中存在部分影響因素?zé)o法提取和信息缺失的情況，故本文廣泛運(yùn)用船訊網(wǎng)、長(zhǎng)江海事局官網(wǎng)、長(zhǎng)江航道局電子航道圖等資料進(jìn)行數(shù)據(jù)補(bǔ)充，最終構(gòu)造出本文數(shù)據(jù)庫(kù)。

此外，考慮到不同類(lèi)型的船舶具備不同的船舶特性，因此本文以事故船舶數(shù)據(jù)為基礎(chǔ)，隨機(jī)抽取154條事故船舶數(shù)據(jù)作為組建事故類(lèi)型預(yù)測(cè)分析的訓(xùn)練樣本，65條事故船舶數(shù)據(jù)用于作為事故類(lèi)型預(yù)測(cè)的驗(yàn)證樣本。

2.3 貝葉斯網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的確定及參數(shù)學(xué)習(xí)

本文基于蕪湖海事局上報(bào)的內(nèi)河船舶交通事故數(shù)據(jù)為基礎(chǔ)，考慮構(gòu)建基于樸素貝葉斯網(wǎng)絡(luò)的內(nèi)河船舶交通事故預(yù)測(cè)模型。由于各影響因素之間并不完全獨(dú)立，但參考相關(guān)文獻(xiàn)，也沒(méi)有證據(jù)證明這些影響因素之間具有較強(qiáng)的相關(guān)性[9-10,17]，且已有研究表明這種假設(shè)并不會(huì)顯著影響貝葉斯網(wǎng)絡(luò)建立后各節(jié)點(diǎn)的條件概率[12]，而且對(duì)之后情景分析的影響也更為有限，因此可視為各影響因素獨(dú)立。綜上，可在此假設(shè)的基礎(chǔ)上建立樸素貝葉斯網(wǎng)絡(luò)(見(jiàn)圖4)，此時(shí)事故類(lèi)型是唯一的父節(jié)點(diǎn)，其余各子節(jié)點(diǎn)也就是原始的各影響因素如是否橋區(qū)、航行密度、水期、船舶歸屬以及是否滿(mǎn)載等相互獨(dú)立。

圖4 內(nèi)河船舶交通事故的樸素貝葉斯網(wǎng)絡(luò)模型

在確定貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)后，基于內(nèi)河船舶交通事故船舶數(shù)據(jù)，在建立的內(nèi)河船舶交通事故樸素貝葉斯網(wǎng)絡(luò)預(yù)測(cè)模型的基礎(chǔ)上，通過(guò)貝葉斯可視化軟件Netica對(duì)模型中的關(guān)鍵節(jié)點(diǎn)進(jìn)行參數(shù)學(xué)習(xí)，而一旦條件概率表被構(gòu)建與獲得，就可以計(jì)算每個(gè)影響因素的后驗(yàn)概率。該模型的訓(xùn)練結(jié)果見(jiàn)圖5。

圖5 內(nèi)河船舶交通事故的貝葉斯網(wǎng)絡(luò)模型訓(xùn)練結(jié)果

3 貝葉斯網(wǎng)絡(luò)模型結(jié)果驗(yàn)證及情景分析

3.1 貝葉斯網(wǎng)絡(luò)模型結(jié)果分析及驗(yàn)證

3.1.1 貝葉斯網(wǎng)絡(luò)模型結(jié)果分析

涉及航道因素、氣候因素、船舶因素的16個(gè)影響因素的內(nèi)河船舶交通事故貝葉斯網(wǎng)絡(luò)模型的訓(xùn)練結(jié)果，見(jiàn)圖5。

由圖5可以看出：

(1) 就事故類(lèi)型而言，2013—2020這8年間長(zhǎng)江下游蕪湖海事局所轄航道發(fā)生的船舶交通事故以碰撞事故(collision)為主，該事故發(fā)生概率高達(dá)54.1%，而發(fā)生觸碰、火災(zāi)、擱淺和自沉和其他事故的概率差別不大，在6.9%～13.7%范圍內(nèi)。

(2) 就航道因素而言，14.1%概率的事故發(fā)生在橋區(qū)航道，彎曲航道發(fā)生事故占比接近一半，為49.8%；蕪湖海事局所轄航道船舶航行流量較大，事故發(fā)生在航行流量高峰期的概率約為43.7%，事故發(fā)生在航行流量中峰期的概率為50.8%，兩者占比達(dá)94.5%；33.8%概率的事故發(fā)生在航道水深富裕程度高風(fēng)險(xiǎn)時(shí)期，在該時(shí)期航道水深和吃水的比值均小于1.5；只有約4.2%概率的事故發(fā)生在航道寬度富裕程度不足的時(shí)期，而剩下95.8%的事故發(fā)生在航道寬度富裕程度充足(即低風(fēng)險(xiǎn))和航道寬度富裕程度中等(即中風(fēng)險(xiǎn))時(shí)期，但這并不能說(shuō)明航道寬度富裕程度不足時(shí)船舶航行安全系數(shù)較高，這是由于目標(biāo)航段的航道寬度普遍較大，航道寬度對(duì)內(nèi)河船舶航行事故特別是碰撞事故的影響較小。

(3) 就氣候因素而言，43.5%概率的事故發(fā)生在雨天，38.5%概率的事故發(fā)生在風(fēng)力大于3級(jí)的場(chǎng)景下；事故發(fā)生時(shí)間對(duì)事故也有一定的影響，63.8%概率的事故發(fā)生在18∶00至次日6∶00，可見(jiàn)夜間船舶航行的風(fēng)險(xiǎn)較高；而就水期而言，枯水期發(fā)生事故概率約為24.9%，洪水期發(fā)生的事故概率比達(dá)43.1%；由于目標(biāo)航道地處長(zhǎng)江中下游，霧天相對(duì)較少，且海事局等部門(mén)往往會(huì)采取禁航等措施來(lái)限制霧天航行，因此發(fā)生在霧天的事故占比僅為7.3%。

(4) 就船舶因素而言,干散貨船發(fā)生事故的概率較高，達(dá)到了69.4%；個(gè)體所有的船舶發(fā)生事故概率接近一半，為48.0%；船舶船齡大于15 a發(fā)生事故的概率約為9.8%，船舶船齡10～15 a發(fā)生事故的概率大約為14.9%；船舶航行方向?yàn)樯闲?、下行狀態(tài)時(shí)發(fā)生事故的概率接近，均超過(guò)40%，其余為靜止?fàn)顟B(tài)；船舶超載和空載發(fā)生事故的概率分別占28.2%和25.1%。

3.1.2 貝葉斯網(wǎng)絡(luò)正向推理

基于生成的樸素貝葉斯網(wǎng)絡(luò)，可根據(jù)目標(biāo)節(jié)點(diǎn)事故類(lèi)型，結(jié)合事故概率分布變化逆推子節(jié)點(diǎn)影響因素的重要性。當(dāng)調(diào)整擱淺事故(grounding)的發(fā)生概率至100%時(shí)，發(fā)現(xiàn)變化幅度最大的幾項(xiàng)影響因素依次為航行方向、是否彎曲航道、航道水深富裕程度和是否下雨(見(jiàn)圖6)，即表明船舶在雨天下行時(shí)，其通過(guò)航道深度不足的彎曲航道時(shí)極易發(fā)生擱淺事故。

圖6 內(nèi)河船舶擱淺事故貝葉斯網(wǎng)絡(luò)模型的結(jié)果

同理，當(dāng)調(diào)整碰撞事故(collision)的發(fā)生概率至100%時(shí)，發(fā)現(xiàn)當(dāng)船齡較大的船舶夜間通航于枯水期且當(dāng)時(shí)風(fēng)力等級(jí)較高時(shí)極易發(fā)生碰撞事故。通常情況下航行密度和航道是否彎曲對(duì)碰撞事故的概率也會(huì)造成一定的影響，但本文的目標(biāo)航段處于長(zhǎng)江中、下游地區(qū)，航道條件相對(duì)較好，即使航道處于流量高峰期或者航道較為彎曲時(shí)，也有足夠的航道富裕寬度，因此航道本身的因素對(duì)碰撞事故發(fā)生概率的影響較小，但隨著航道的上溯，當(dāng)航段處于長(zhǎng)江上游地區(qū)時(shí)，航行密度、航道是否彎曲對(duì)碰撞事故的影響也會(huì)隨之增大。同理，可以推測(cè)出火災(zāi)、觸碰、自沉和其他內(nèi)河船舶交通事故類(lèi)型的主要影響因素，見(jiàn)表3。

表3 內(nèi)河船舶不同交通事故類(lèi)型的主要影響因素

3.1.3 貝葉斯網(wǎng)絡(luò)模型驗(yàn)證

本文對(duì)219條樣本數(shù)據(jù)按照事故類(lèi)型分布進(jìn)行分層隨機(jī)抽樣，選用訓(xùn)練樣本154條(70%)，驗(yàn)證樣本65條(30%)，并利用貝葉斯可視化軟件Netica對(duì)樣本進(jìn)行訓(xùn)練，得到如圖5所示的貝葉斯網(wǎng)絡(luò)模型訓(xùn)練結(jié)果。

為了驗(yàn)證建立的樸素貝葉斯網(wǎng)絡(luò)模型對(duì)樣本預(yù)測(cè)的準(zhǔn)確率，本文調(diào)用Python程序?qū)υ撌鹿蚀皵?shù)據(jù)集進(jìn)行驗(yàn)證，經(jīng)正向驗(yàn)證發(fā)現(xiàn)該模型預(yù)測(cè)的準(zhǔn)確率為75.4%，表明該模型具備一定的參考性。驗(yàn)證樣本事故類(lèi)型分布，見(jiàn)表4。

表4 驗(yàn)證樣本事故類(lèi)型分布

同時(shí)在Python程序中，本文針對(duì)該數(shù)據(jù)集基于樸素貝葉斯網(wǎng)絡(luò)模型進(jìn)行了100次訓(xùn)練，每次均隨機(jī)選用70%作為訓(xùn)練樣本、30%作為驗(yàn)證樣本，其驗(yàn)證結(jié)果見(jiàn)圖7。

圖7 基于樸素貝葉斯網(wǎng)絡(luò)對(duì)數(shù)據(jù)集預(yù)測(cè)準(zhǔn)確率的驗(yàn)證結(jié)果

由圖7可見(jiàn)，基于樸素貝葉斯網(wǎng)絡(luò)模型對(duì)數(shù)據(jù)集預(yù)測(cè)的準(zhǔn)確率基本維持在65%～84%之間，表明樸素貝葉斯網(wǎng)絡(luò)模型針對(duì)該數(shù)據(jù)集的預(yù)測(cè)精度具備較好的穩(wěn)定性。

3.2 情景分析

考慮到貝葉斯網(wǎng)絡(luò)模型具備動(dòng)態(tài)分析的功能特點(diǎn)，其適用于分析在涉及船舶運(yùn)行特征和環(huán)境因素等不同情景下各種事故類(lèi)型發(fā)生的可能性。因此，本文通過(guò)設(shè)置多個(gè)影響因素同時(shí)變動(dòng)的四個(gè)復(fù)合場(chǎng)景，用以判斷在不同場(chǎng)景下最有可能發(fā)生的事故類(lèi)型，并找出該事故類(lèi)型對(duì)應(yīng)的主要影響因素，以為海事局等部門(mén)制定相應(yīng)的防控措施提供理論支持。

3.2.1 環(huán)境因素變動(dòng)

環(huán)境因素主要包含航道和氣候兩個(gè)方面的因素，具體包含是否橋區(qū)、是否彎曲航道、航行密度、航道水深富裕程度、航道寬度富裕程度、是否下雨、是否有霧、風(fēng)力等級(jí)、晝夜和水期10個(gè)影響因素。

情景一：當(dāng)將環(huán)境因素節(jié)點(diǎn)分配到如圖8所示的狀態(tài)時(shí)，碰撞(collision)事故的發(fā)生概率增長(zhǎng)了約22個(gè)百分點(diǎn)，達(dá)到了76.2%；同時(shí)發(fā)生觸碰(contact)事故的風(fēng)險(xiǎn)也比常規(guī)情況提升了近一倍，達(dá)到了16.5%。也就是說(shuō)，當(dāng)目標(biāo)船舶在洪水期風(fēng)雨交加的夜間(即18∶00至次日6∶00)駛?cè)霃澢降狼掖昂叫忻芏容^大時(shí)，最容易發(fā)生碰撞和觸碰事故。

圖8 內(nèi)河船舶交通事故的貝葉斯網(wǎng)絡(luò)模型(情景一)

情景二：當(dāng)將環(huán)境因素節(jié)點(diǎn)分配到如圖9所示的狀態(tài)時(shí)，擱淺事故成為發(fā)生概率最大的事故類(lèi)型，發(fā)生事故且為擱淺事故的概率由原來(lái)的13.7%驟升至88.3%，而除碰撞事故外其他事故發(fā)生的概率均小于1%。因此，當(dāng)枯水期無(wú)風(fēng)無(wú)雨有霧的白天(即6∶00至18∶00)，航道水深富裕程度和航道寬度富裕程度均處在高風(fēng)險(xiǎn)，且船舶航行密度正常時(shí)，在彎曲航道非橋區(qū)通航的船舶更容易發(fā)生擱淺事故，故海事局等部門(mén)應(yīng)做好有針對(duì)性的預(yù)警工作。

圖9 內(nèi)河船舶交通事故的貝葉斯網(wǎng)絡(luò)模型(情景二)

3.2.2 船舶因素變動(dòng)

此外，本文還考慮了船舶因素變動(dòng)對(duì)內(nèi)河船舶交通事故類(lèi)型的影響，船舶因素包括6個(gè)影響因素，分別是：船舶歸屬、船舶類(lèi)型、船齡、航行方向、是否滿(mǎn)載和船員配備，這也是內(nèi)河船舶一些比較突出的特征。

情景三：當(dāng)將船舶因素節(jié)點(diǎn)變動(dòng)到如圖10所示的狀態(tài)時(shí)，即公司制的集裝箱船舶、船齡偏大且空載靜止的條件下，火災(zāi)(fire_damage)事故的發(fā)生概率最高，同比該事故發(fā)生的概率增長(zhǎng)了67.7%，從原有的9.6%增長(zhǎng)到如今的77.3%，此時(shí)第二種可能發(fā)生的事故類(lèi)型仍為碰撞(collision)事故，不過(guò)該事故發(fā)生的概率下降了約41.9%。

圖10 內(nèi)河船舶交通事故的貝葉斯網(wǎng)絡(luò)模型(情景三)

情景四：當(dāng)將船舶因素節(jié)點(diǎn)變動(dòng)到如圖11所示的狀態(tài)時(shí)，自沉事故的發(fā)生概率最大，同比其事故發(fā)生概率增長(zhǎng)了約59.6%，此時(shí)第二種可能發(fā)生的事故類(lèi)型為碰撞事故，同比其事故發(fā)生概率下降了約33.1%，說(shuō)明船齡、航行方向、船舶類(lèi)型等的變動(dòng)，對(duì)事故類(lèi)型的變動(dòng)有著較大的影響。由圖11分析可知，當(dāng)船齡較大的個(gè)體所有小船處在下行超載的情況下非常容易發(fā)生自沉事故，故應(yīng)做好有針對(duì)性的預(yù)案工作。

圖11 內(nèi)河船舶交通事故的貝葉斯網(wǎng)絡(luò)模型(情景四)

4 結(jié) 論

本文結(jié)合蕪湖海事局2013—2020年間的內(nèi)河船舶交通事故上報(bào)數(shù)據(jù)，通過(guò)對(duì)影響內(nèi)河通航安全因素的分析，建立了一個(gè)基于樸素貝葉斯網(wǎng)絡(luò)的內(nèi)河船舶交通事故模型，相比現(xiàn)有多集中于事故發(fā)生可能性及嚴(yán)重程度的研究，本文完全基于數(shù)據(jù)驅(qū)動(dòng)的方法，對(duì)可能發(fā)生的事故類(lèi)型進(jìn)行預(yù)測(cè)，在最大程度上減少了人為主觀因素對(duì)預(yù)測(cè)結(jié)果的影響。通過(guò)對(duì)模型展開(kāi)原因分析，同時(shí)設(shè)置情景分析得出了如下結(jié)論：

(1) 模型展現(xiàn)出長(zhǎng)江中、下游蕪湖航段的船舶交通事故以碰撞事故為主，碰撞事故的先驗(yàn)概率超過(guò)了50%，其余事故類(lèi)型的發(fā)生概率較小，在通常情況下海事局等部門(mén)應(yīng)針對(duì)碰撞事故采取有針對(duì)性的預(yù)防措施。同時(shí)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)顯示目標(biāo)航段航道寬度、霧天等節(jié)點(diǎn)對(duì)內(nèi)河船舶發(fā)生交通事故的影響較小，符合目標(biāo)航段地處長(zhǎng)江下游的航道及其氣候特點(diǎn)。

(2) 通過(guò)對(duì)各種不同事故類(lèi)型展開(kāi)分類(lèi)分析，并通過(guò)后驗(yàn)概率的變化得出不同事故類(lèi)型在目標(biāo)航段所對(duì)應(yīng)的關(guān)鍵子節(jié)點(diǎn)。碰撞事故的關(guān)鍵子節(jié)點(diǎn)為船員配備、晝夜、水期和風(fēng)力；觸碰事故的關(guān)鍵子節(jié)點(diǎn)為航行密度、航行方向、水期和是否橋區(qū)；火災(zāi)事故的關(guān)鍵子節(jié)點(diǎn)為船員配備、航行密度、船齡和航行方向；擱淺事故的關(guān)鍵子節(jié)點(diǎn)為航行方向、是否彎曲航道、航道富裕水深和是否下雨；自沉事故的關(guān)鍵子節(jié)點(diǎn)為船齡、船舶類(lèi)型、是否彎曲航道和航行密度；其他事故的關(guān)鍵子節(jié)點(diǎn)為是否滿(mǎn)載、晝夜、船舶類(lèi)型和風(fēng)力。經(jīng)走訪(fǎng)調(diào)查，本模型針對(duì)不同事故類(lèi)型關(guān)鍵子節(jié)點(diǎn)的提取基本符合蕪湖海事局所轄航段的事故特征。如：當(dāng)航行密度較高且為橋區(qū)時(shí)，的確更容易發(fā)生觸碰類(lèi)事故；而當(dāng)處于枯水期，航道水深富裕程度為高風(fēng)險(xiǎn)時(shí)，由于水位較低更容易發(fā)生擱淺事故?？梢?jiàn)，本模型預(yù)測(cè)結(jié)果與客觀實(shí)際情況較為吻合，具備較高的參考價(jià)值。

(3) 環(huán)境因素變動(dòng)下的情景分析通過(guò)預(yù)設(shè)兩種不同的情景，揭示了不同航道因素和氣候因素共同作用下對(duì)事故類(lèi)型造成的影響。當(dāng)船舶通航環(huán)境處于以下?tīng)顟B(tài)時(shí)，碰撞事故發(fā)生的概率最高：高通航密度、彎曲航道、夜間、雨天、風(fēng)力大于3級(jí)；當(dāng)船舶通航環(huán)境處于以下?tīng)顟B(tài)時(shí)，擱淺事故發(fā)生的概率最高：航道水深富裕程度為高風(fēng)險(xiǎn)、航道寬度富裕程度為高風(fēng)險(xiǎn)、航行密度中等、彎曲航道、非橋區(qū)航道、白天、無(wú)雨、有霧、風(fēng)力小于等于3級(jí)、枯水期。

(4) 船舶因素變動(dòng)下的情景分析同樣通過(guò)預(yù)設(shè)兩種不同場(chǎng)景，展現(xiàn)了不同船舶因素共同作用下對(duì)事故類(lèi)型造成的影響。當(dāng)船舶自身通行狀況處于以下?tīng)顟B(tài)時(shí)，火災(zāi)事故發(fā)生的概率最高：個(gè)體所有船舶、集裝箱船、船齡大于15 a、空載、航行方向處于靜止?fàn)顟B(tài)、船員配備不足；當(dāng)船舶自身通行狀況處于以下?tīng)顟B(tài)時(shí)，自沉事故發(fā)生的概率最高：個(gè)體所有的船舶、漁船等小型船舶、船齡大于15 a、超載、航行方向處于下行狀態(tài)、船員配備不足。

本文共提取16個(gè)最易被海事管理部門(mén)偵測(cè)的影響因素，方便海事管理部門(mén)對(duì)特定情境下船舶可能發(fā)生的事故類(lèi)型進(jìn)行快速預(yù)判，并通過(guò)建立的樸素貝葉斯網(wǎng)絡(luò)模型針對(duì)任意目標(biāo)船舶動(dòng)態(tài)調(diào)整相應(yīng)的參數(shù)，判斷出目標(biāo)船舶最可能發(fā)生的事故類(lèi)型，從而采取相應(yīng)的控制措施將事故發(fā)生的可能性降到最低。但由于受限于樣本數(shù)量較少及上報(bào)數(shù)據(jù)庫(kù)信息不夠完善等問(wèn)題，本模型的結(jié)構(gòu)還有一定的改進(jìn)空間，后期可以考慮增加完整的事故報(bào)告或添加人為因素判定來(lái)彌補(bǔ)現(xiàn)有數(shù)據(jù)的不足，完善現(xiàn)有模型以提高模型預(yù)測(cè)的準(zhǔn)確率以及處理其他復(fù)雜性問(wèn)題的能力。