基于改進DS證據(jù)理論和貝葉斯網(wǎng)絡(luò)的海運供應(yīng)鏈風(fēng)險評估

初良勇　王夢瑤　陳秀乾

關(guān)鍵詞：海運供應(yīng)鏈；風(fēng)險評估；改進DS證據(jù)理論；貝葉斯網(wǎng)絡(luò)

中圖分類號：F272 文獻標(biāo)識碼：A 文章編號：2096-7934（2024）02-0082-15

一、引言

海運在全球運輸系統(tǒng)中占據(jù)十分重要的地位，在推動經(jīng)濟增長和全球化方面發(fā)揮重要作用的同時，面臨眾多風(fēng)險與挑戰(zhàn)，影響供應(yīng)鏈的安全平穩(wěn)運行。黨的二十大報告中提出，要著力提升產(chǎn)業(yè)鏈供應(yīng)鏈韌性和安全水平，要堅定維護重要產(chǎn)業(yè)鏈供應(yīng)鏈安全；新冠肺炎疫情以來，美國、歐盟等發(fā)達國家加強對供應(yīng)鏈的管理，并制定相關(guān)政策、采取系列措施以塑造更加安全、可持續(xù)和可控的供應(yīng)鏈。因此，供應(yīng)鏈安全性提升到新的戰(zhàn)略高度。2020年新冠肺炎疫情全球性爆發(fā)，多個國家和地區(qū)工廠停工、港口停擺，海運價格暴漲，全球供應(yīng)鏈中斷形勢加??；2021年3月，長榮海運集團運營的集裝箱船“長賜輪”在蘇伊士運河擱淺，出現(xiàn)非常嚴重的航道堵塞事故，全球航運供應(yīng)鏈中斷，造成難以估量的經(jīng)濟損失；2022年2月，俄烏沖突爆發(fā)，烏克蘭港口緊急關(guān)閉，造成船舶滯留，部分船舶公司緊急進行業(yè)務(wù)調(diào)整，全球供應(yīng)鏈中轉(zhuǎn)效率降低，對航運業(yè)造成巨大沖擊。日益復(fù)雜的海運供應(yīng)鏈結(jié)構(gòu)使其面臨的風(fēng)險增加，脆弱性進一步凸顯。

在這個變化的大背景下，供應(yīng)鏈更容易受到破壞，沒有預(yù)見或者低估事故發(fā)生的可能性或后果，都會導(dǎo)致較高的供應(yīng)鏈中斷風(fēng)險。為了更好地應(yīng)對海運供應(yīng)鏈面臨的各種風(fēng)險挑戰(zhàn)，國內(nèi)外部分學(xué)者開展了一系列研究。姜賀（He Jiang）等［1］利用解釋結(jié)構(gòu)模型構(gòu)建海運供應(yīng)鏈風(fēng)險體系，分析風(fēng)險系統(tǒng)的結(jié)構(gòu)及其形成過程，便于進一步控制風(fēng)險；萬程鵬（Wan Chengpeng）等［3］提出一個新的風(fēng)險分類框架，基于改進的模糊貝葉斯網(wǎng)絡(luò)和故障模式與影響分析方法對海運供應(yīng)鏈風(fēng)險進行評估；維爾科（Vilko）等［4］提出了多式聯(lián)運海運供應(yīng)鏈風(fēng)險識別框架，并通過蒙特卡羅模擬分析供應(yīng)鏈中的風(fēng)險影響因素，拓寬了多式聯(lián)運海運供應(yīng)鏈風(fēng)險管理的視角，既考慮了供應(yīng)鏈的需求，又考慮了對最終客戶的供應(yīng)安全；在此基礎(chǔ)上，維爾科（Vilko）等［5］又從可見性以及可控性的角度對多式聯(lián)運海運供應(yīng)鏈進行更深層次的探究，通過提高風(fēng)險可見性和可控性來改善海運供應(yīng)鏈管理的決策過程，進一步降低風(fēng)險，提高安全性、效率和生產(chǎn)力；孫家臣等［6］采用故障模式與影響分析和模糊貝葉斯網(wǎng)絡(luò)相結(jié)合的方法對鋁釩土進口海運供應(yīng)鏈風(fēng)險進行評估；謝露強等［7］針對傳統(tǒng)故障模式與影響分析在風(fēng)險評估中存在的諸多局限性，采用改進的故障模式與影響分析、模糊貝葉斯網(wǎng)絡(luò)和改進的證據(jù)理論相結(jié)合的方法，對鋁礬土海運物流風(fēng)險進行評估；楊鈺池（Yang Yi-Chih）［8］評估了集裝箱安全倡議（CSI）下相關(guān)風(fēng)險因素對臺灣省海運供應(yīng)鏈的影響，使用損失暴露矩陣和蝴蝶結(jié)圖來研究應(yīng)對海運安全風(fēng)險的相關(guān)管理策略。

如何降低海運供應(yīng)鏈中風(fēng)險發(fā)生的可能性，緩解風(fēng)險可能造成的不可預(yù)測事件的影響，是目前海運供應(yīng)鏈面臨的主要挑戰(zhàn)之一。因此，本文提出了一種將模糊集、改進DS證據(jù)理論、C-OWA算子以及貝葉斯網(wǎng)絡(luò)相結(jié)合的風(fēng)險評估方法，將有助于對海運供應(yīng)鏈的運行機制和風(fēng)險傳遞環(huán)節(jié)進行更深層次的研究，同時增強供應(yīng)鏈上參與者應(yīng)對突發(fā)事件的能力，提升供應(yīng)鏈整體競爭力。

二、海運供應(yīng)鏈風(fēng)險評價指標(biāo)體系

在眾多國內(nèi)外研究中，風(fēng)險被描述為危險事件、后果和不確定性的組合，將風(fēng)險因素進行量化將有助于進一步研究。風(fēng)險識別的關(guān)鍵因素是風(fēng)險可見性，為保證供應(yīng)鏈安全平穩(wěn)運行，供應(yīng)鏈上的參與者不僅需要識別自身運營中存在的風(fēng)險，還需要識別其他實體的風(fēng)險，以及組織之間的聯(lián)系所造成的風(fēng)險［9］。但一般情況下，供應(yīng)鏈上的參與者對于自身職能之外的其他業(yè)務(wù)風(fēng)險可見性較低，無法準(zhǔn)確全面地識別全部風(fēng)險。

海運供應(yīng)鏈作為一個新興領(lǐng)域，近年來受到越來越多研究者的關(guān)注。國內(nèi)外學(xué)者在對海運供應(yīng)鏈風(fēng)險進行研究時，側(cè)重點各有不同。姜賀（He Jiang）等［1］指出海運供應(yīng)鏈存在外部風(fēng)險、合作風(fēng)險、物流服務(wù)風(fēng)險以及信息風(fēng)險；林（Lam）等［10］認為海運供應(yīng)鏈風(fēng)險包括外部風(fēng)險、供應(yīng)鏈風(fēng)險以及內(nèi)部風(fēng)險；維爾科（Vilko）等［4］對從芬蘭灣延伸到芬蘭大陸的多式聯(lián)運海運供應(yīng)鏈進行研究，將海運供應(yīng)鏈風(fēng)險分為外生風(fēng)險和內(nèi)生風(fēng)險，結(jié)果表明航行水域冰況、財務(wù)問題、火災(zāi)、恐怖主義和罷工構(gòu)成了供應(yīng)鏈中的主要風(fēng)險驅(qū)動因素；孫家臣等［6］從人、船、港口和環(huán)境四個方面建立鋁釩土進口海運供應(yīng)鏈風(fēng)險評價指標(biāo)體系，指出人為因素是其中最敏感的風(fēng)險因素；萬程鵬（Wan Chengpeng）等［11］從五個角度確定海運重大安全問題的主要風(fēng)險因素，包括社會、自然環(huán)境、管理、基礎(chǔ)設(shè)施和技術(shù)以及運營；納拉辛哈（Narasimha）等［12］研究了新冠肺炎疫情對印度海港運輸和海運供應(yīng)鏈的影響；諾特布姆（Notteboom）等［13］討論了新冠肺炎疫情對集裝箱港口、碼頭運營商和航運公司的主要影響；郭家鵬（Guo Jiapeng）［14］對海運供應(yīng)鏈貿(mào)易網(wǎng)絡(luò)中的信用風(fēng)險來源進行識別，發(fā)現(xiàn)其合同履行能力是最大的風(fēng)險來源。傅淑楠等［15］特別關(guān)注海運供應(yīng)鏈中的道德風(fēng)險問題，對船公司與貨代公司在道德風(fēng)險約束下的契約制定問題進行探究。

為保障能夠科學(xué)、客觀、合理地進行評價指標(biāo)選取，本文在國內(nèi)外學(xué)者研究的基礎(chǔ)上，進一步采用專家調(diào)查法分析海運供應(yīng)鏈可能面臨的風(fēng)險因素，邀請了30名從事海運運營管理的相關(guān)人員進行問卷調(diào)查，其中航運企業(yè)12人、港口碼頭5人、貨運代理4人、供應(yīng)鏈服務(wù)商3人、高校專家3人以及航運需求方3人。

根據(jù)調(diào)查結(jié)果以及專家反饋意見確定評估對象影響因素，構(gòu)建海運供應(yīng)鏈風(fēng)險評價指標(biāo)體系如圖1所示，其中有4個一級指標(biāo)和20個二級指標(biāo)。

圖1 海運供應(yīng)鏈風(fēng)險評價指標(biāo)體系

三、風(fēng)險評估方法

海運供應(yīng)鏈的中斷勢必會給全球貿(mào)易以及世界經(jīng)濟帶來嚴重損失，面對日益復(fù)雜的外部環(huán)境以及系統(tǒng)內(nèi)部不確定性的增多，如何確保海運供應(yīng)鏈安全平穩(wěn)運行顯得十分重要。因此，評估海運供應(yīng)鏈風(fēng)險很有必要。本文構(gòu)建基于改進DS證據(jù)理論和貝葉斯網(wǎng)絡(luò)的海運供應(yīng)鏈風(fēng)險評估模型，如圖2所示，通過相關(guān)研究能夠降低海運供應(yīng)鏈中風(fēng)險因素的影響，提升供應(yīng)鏈安全性。

圖2 基于改進DS證據(jù)理論和貝葉斯網(wǎng)絡(luò)的海運供應(yīng)鏈風(fēng)險評估模型

（一）模糊集和改進的DS證據(jù)理論確定基本概率分配

模糊集理論能夠?qū)χ饔^數(shù)據(jù)的模糊性進行處理，隸屬度函數(shù)是模糊集理論中的關(guān)鍵概念，在不確定概念外延中，可以用隸屬度函數(shù)確定一個對象屬于某個概念的程度，將專家給出的評價語言轉(zhuǎn)換為模糊區(qū)間值，對其評價進行去模糊化［16］。

由于高斯型隸屬度函數(shù)可以對屬性值進行描述，其模糊化運算具有較好的抗干擾能力，運算結(jié)果更接近于人的認知習(xí)慣，可用于解決模糊控制問題，因此本文運用高斯型隸屬度函數(shù)表示海運供應(yīng)鏈風(fēng)險評估中相關(guān)風(fēng)險因素的模糊程度［17］，高斯型隸屬度函數(shù)為：

式（1）中：x為專家給出的節(jié)點的模糊狀態(tài)量化值，μ為函數(shù)的中心，σ為標(biāo)準(zhǔn)偏差， σ數(shù)值越大表示該專家對給出的風(fēng)險等級評價值的不確定性越高。

本文采用5個等級的風(fēng)險表述，按照風(fēng)險嚴重程度分為V1（高）、V2（較高）、V3（中等）、V4（較低）、V5（低），風(fēng)險評價集如表1所示。

表1 風(fēng)險評價指標(biāo)體系評價集

根據(jù)高斯型隸屬度函數(shù)，確定專家對評價指標(biāo)的評價語分別屬于各個風(fēng)險等級的程度，并將風(fēng)險等級對應(yīng)的高斯型隸屬度函數(shù)的中心代入其中，可得隸屬度函數(shù)分別為［17］：

（三）獲取節(jié)點條件概率表

條件概率表是節(jié)點間條件概率的集合，代表節(jié)點之間的概率依賴關(guān)系，節(jié)點條件概率表一般通過專家知識或者參數(shù)學(xué)習(xí)獲?。?1］，但是在實際研究中經(jīng)常由于樣本數(shù)量不足，導(dǎo)致無法進行參數(shù)學(xué)習(xí)。因此，本文針對研究對象的實際情況，采用專家知識獲取貝葉斯網(wǎng)絡(luò)條件概率表。

（四）貝葉斯網(wǎng)絡(luò)概率推理

貝葉斯網(wǎng)絡(luò)是建立在概率理論基礎(chǔ)上的網(wǎng)絡(luò)模型，由有向無環(huán)圖和條件概率表兩部分構(gòu)成，通過將概率的圖形表示與數(shù)學(xué)推理計算相結(jié)合，貝葉斯網(wǎng)絡(luò)能夠?qū)崿F(xiàn)對于不完整、不精確和不確定信息的分析和處理，并通過推理過程量化不確定性問題［22］。

1.建立網(wǎng)絡(luò)結(jié)構(gòu)

本文假定風(fēng)險評價指標(biāo)體系中各評價指標(biāo)相互獨立，根據(jù)建立的風(fēng)險評價指標(biāo)體系，采用GENIE軟件構(gòu)建貝葉斯網(wǎng)絡(luò)拓撲結(jié)構(gòu)。

2.推理分析

正向推理是指通過各項指標(biāo)對應(yīng)節(jié)點發(fā)生風(fēng)險的概率來預(yù)測目標(biāo)節(jié)點的風(fēng)險水平［21］。設(shè)子節(jié)點Ai有n個父節(jié)點Bi1，Bi2，…，Bin，且各個父節(jié)點之間相互獨立，則Ai發(fā)生風(fēng)險的概率公式為：

式（17）中：P（Ai）為子節(jié)點Ai發(fā)生風(fēng)險的概率；P（Ai|Bij）為在父節(jié)點Bij發(fā)生風(fēng)險的條件下，子節(jié)點Ai發(fā)生風(fēng)險的概率；P（Bij）為父節(jié)點Bij發(fā)生風(fēng)險的概率；j=1，2，…，n。

逆向推理是指假設(shè)風(fēng)險事件已經(jīng)發(fā)生，計算導(dǎo)致該風(fēng)險事件發(fā)生的各風(fēng)險影響因素的后驗概率［21］，并由此確定影響最大的風(fēng)險影響因素。當(dāng)子節(jié)點Ai發(fā)生時，由父節(jié)點Bij引發(fā)的子節(jié)點Ai風(fēng)險發(fā)生的概率計算公式為：

四、海運供應(yīng)鏈風(fēng)險評估

（一）確定節(jié)點先驗概率

為了更加準(zhǔn)確地獲取相關(guān)數(shù)據(jù)，對海運供應(yīng)鏈進行合理有效的評估，本文邀請6位行業(yè)內(nèi)專家組建專家評審小組，依據(jù)建立的風(fēng)險評價指標(biāo)體系，對各指標(biāo)進行評價，以專家1為例，評價結(jié)果如表2所示。

表2 專家1評價結(jié)果

將表2中的數(shù)據(jù)帶入到模糊集隸屬度函數(shù)計算公式（2）至式（6）中，并進行矩陣行歸一化處理，可以得到專家1對于海運供應(yīng)鏈風(fēng)險評價指標(biāo)的基本概率分配情況如表3所示。

按照上述步驟依次計算出其余5位專家對于海運供應(yīng)鏈風(fēng)險評價指標(biāo)的基本概率分配情況，并使用改進DS證據(jù)理論方法融合處理后的6位專家的基本概率分配，融合后的結(jié)果如表4所示。

表3 專家1基本概率分配

表4 融合后的基本概率分配

（二）確定貝葉斯網(wǎng)絡(luò)條件概率表

邀請專家評審小組對評價指標(biāo)的重要程度進行賦分，并根據(jù)專家賦分情況，利用C-OWA算子方法計算海運供應(yīng)鏈風(fēng)險評價指標(biāo)體系中各指標(biāo)的權(quán)重系數(shù)（式（13）至式（15）），如表5所示。根據(jù)節(jié)點條件概率算法，通過MATLAB編碼獲得對應(yīng)的節(jié)點條件概率表。

表5 海運供應(yīng)鏈風(fēng)險評價指標(biāo)權(quán)重

（三）貝葉斯網(wǎng)絡(luò)推理分析

將上述計算得到的相關(guān)數(shù)據(jù)代入到構(gòu)建的貝葉斯網(wǎng)絡(luò)中進行正向推理分析，可以得到各指標(biāo)節(jié)點的概率分布情況，如圖3所示。其中，目標(biāo)節(jié)點“海運供應(yīng)鏈風(fēng)險”的風(fēng)險等級狀態(tài)為R=（21.78%，36.45%，26.49%，11.10%，4.18%），即海運供應(yīng)鏈風(fēng)險狀態(tài)為“高”的概率為21.78%，風(fēng)險狀態(tài)為“較高”的概率為36.45%，風(fēng)險狀態(tài)為“中等”的概率為26.49%，風(fēng)險狀態(tài)為“較低”的概率為11.10%，風(fēng)險狀態(tài)為“低”的概率為4.18%。利用加權(quán)平均法計算得到最終面臨的風(fēng)險大小為0.6211，對應(yīng)表1風(fēng)險評價指標(biāo)體系評價集可知，海運供應(yīng)鏈的風(fēng)險等級為V2，處于較高風(fēng)險狀態(tài)。使用加權(quán)平均法計算一級指標(biāo)和二級指標(biāo)的風(fēng)險評估值，進行風(fēng)險優(yōu)先級排序，結(jié)果如表6所示。

由表6可知，一級指標(biāo)中風(fēng)險排序依次為“信息系統(tǒng)風(fēng)險”“外部環(huán)境風(fēng)險”“物流服務(wù)風(fēng)險”及“內(nèi)部合作風(fēng)險”；二級指標(biāo)中風(fēng)險較高的五個因素分別為“信息系統(tǒng)故障”“自然環(huán)境風(fēng)險”“社會不穩(wěn)定因素”“信息準(zhǔn)確性”和“網(wǎng)絡(luò)安全”。

在貝葉斯網(wǎng)絡(luò)模型中將目標(biāo)節(jié)點“海運供應(yīng)鏈風(fēng)險”設(shè)置為高風(fēng)險等級狀態(tài)V1（風(fēng)險發(fā)生概率設(shè)置為100%），判斷其關(guān)鍵影響因素。通過加權(quán)平均法對逆向推理結(jié)果進行處理，如表7所示，可知：當(dāng)海運供應(yīng)鏈處于高風(fēng)險狀態(tài)時，一級指標(biāo)中“信息系統(tǒng)風(fēng)險”和“外部環(huán)境風(fēng)險”概率較高，分別為78%和77%，其次是“物流服務(wù)風(fēng)險”和“內(nèi)部合作風(fēng)險”，風(fēng)險發(fā)生概率均高于50%；二級指標(biāo)中“自然環(huán)境風(fēng)險”“社會不穩(wěn)定因素”“信息準(zhǔn)確性”和“信息系統(tǒng)故障”風(fēng)險發(fā)生概率較高，均高于75%。

圖3 海運供應(yīng)鏈風(fēng)險評估貝葉斯網(wǎng)絡(luò)模型

表6 貝葉斯網(wǎng)絡(luò)正向推理結(jié)果

表7 貝葉斯網(wǎng)絡(luò)逆向推理結(jié)果

五、結(jié)論

本文提出了一種結(jié)合模糊集、改進的DS證據(jù)理論、C-OWA算子和貝葉斯網(wǎng)絡(luò)的海運供應(yīng)鏈風(fēng)險評估模型，以風(fēng)險識別結(jié)果為基礎(chǔ)，構(gòu)建海運供應(yīng)鏈風(fēng)險評價指標(biāo)體系；基于模糊集理論結(jié)合改進的DS證據(jù)理論融合多位專家評價結(jié)果，得到各評價指標(biāo)的基本概率分配；基于專家小組評價結(jié)果，運用C-OWA算子方法計算指標(biāo)權(quán)重，用MATLAB加以處理獲取節(jié)點條件概率表；運用GENIE軟件構(gòu)建海運供應(yīng)鏈風(fēng)險評估的貝葉斯網(wǎng)絡(luò)拓撲結(jié)構(gòu)，將指標(biāo)基本概率和條件概率表代入其中，更新貝葉斯網(wǎng)絡(luò)，并進行推理分析。

海運供應(yīng)鏈涉及眾多組織，其安全問題是各國共同追求的目標(biāo)，針對風(fēng)險評估中確定的關(guān)鍵風(fēng)險因素，海運供應(yīng)鏈上的參與者應(yīng)該采取針對性的措施控制或者防范風(fēng)險：信息準(zhǔn)確性以及信息系統(tǒng)故障等信息系統(tǒng)風(fēng)險反映出信息交流與共享的重要性，供應(yīng)鏈上的參與者應(yīng)制定信息共享機制，構(gòu)建統(tǒng)一的供應(yīng)鏈管理平臺，以實現(xiàn)信息安全高效流轉(zhuǎn)。自然環(huán)境風(fēng)險以及社會不穩(wěn)定因素等外部環(huán)境風(fēng)險導(dǎo)致供應(yīng)鏈運作的不確定性增加，為保障供應(yīng)鏈的穩(wěn)定性和可持續(xù)性，供應(yīng)鏈上的參與者應(yīng)該加強合作，共同應(yīng)對風(fēng)險和挑戰(zhàn)；提高供應(yīng)鏈可視化水平，以獲取實時數(shù)據(jù)和信息；制定應(yīng)急計劃，確保做出及時有效的反應(yīng)。

本文的主要貢獻在于所提出的模型能夠從系統(tǒng)的角度對海運供應(yīng)鏈風(fēng)險進行評估，進一步提升風(fēng)險評價過程的科學(xué)性和準(zhǔn)確性；與傳統(tǒng)的DS證據(jù)理論相比，改進的DS證據(jù)理論引入矩陣分析和權(quán)值分配，解決了專家意見的主觀性帶來的證據(jù)沖突問題，簡化了計算過程；評估結(jié)果反映出海運供應(yīng)鏈上各風(fēng)險事件的重要程度，能夠為后續(xù)風(fēng)險管理工作提供有效借鑒。

然而，本文提出的海運供應(yīng)鏈風(fēng)險評估模型具有一定的局限性：評估結(jié)果很大程度上取決于專家意見，主觀性較強；同時，在貝葉斯網(wǎng)絡(luò)的應(yīng)用過程中，由于參數(shù)學(xué)習(xí)樣本的缺乏，導(dǎo)致確定貝葉斯網(wǎng)絡(luò)條件概率表的過程相對繁瑣。在未來的研究中要進一步融入定量分析，主客觀相結(jié)合，使風(fēng)險評估模型以及最終評估結(jié)果更接近實際情況。

參考文獻：

［1］JIANG H， XIONG W， CAO Y.Risk of the maritime supply chain system based on interpretative structural model［J］.Polish maritime research， gdansk： gdansk univ technology， 2017， 24： 28-33.

［2］JIANG M， LIU Y， LU J， et al.Risk assessment of maritime supply chains within the context of the Maritime Silk Road［J］.Ocean and coastal management， 2023， 231： 106380.

［3］WAN C， YAN X， ZHANG D， et al.An advanced fuzzy bayesian-based FMEA approach for assessing maritime supply chain risks［J］.Transportation research part e： logistics and transportation review， 2019， 125： 222-240.

［4］VILKO J P P， HALLIKAS J M.Risk assessment in multimodal supply chains［J］.International journal of production economics， 2012， 140（2）： 586-595.

［5］VILKO J， RITALA P， HALLIKAS J.Risk management abilities in multimodal maritime supply chains： visibility and control perspectives［J］.Accident analysis and prevention， 2019， 123： 469-481.

［6］孫家臣， 王海燕， 任瑤，等.西非鋁礬土進口海運供應(yīng)鏈風(fēng)險評估［J］.上海船舶運輸科學(xué)研究所學(xué)報， 2020， 43（1）： 71-77.

［7］謝露強， 孫家臣， 王海燕.基于改進FMECA-FBN和ER的鋁礬土海運物流風(fēng)險評估［J］.安全與環(huán)境工程， 2022， 29（6）： 10-21.

［8］YANGY C.Risk management of Taiwans maritime supply chain security［J］.Safety science， 2011， 49（3）： 382-393.

［9］BARNES P， OLORUNTOBA R.Assurance of security in maritime supply chains： conceptual issues of vulnerability and crisis management［J］.Journal of international management， 2005， 11（4）： 519-540.

［10］LAM J S L， BAI X.A quality function deployment approach to improve maritime supply chain resilience［J］.Transportation research part E-logistics and transportation review， 2016， 92： 16-27.

［11］WAN C， YANG Z， ZHANG D， et al.Resilience in transportation systems： a systematic review and future directions［J］.Transport reviews，2018， 38（4）： 479-498.

［12］NARASIMHA P T， JENA P R， MAJHI R.Impact of COVID-19 on the Indian seaport transportation and maritime supply chain［J］.Transport policy， 2021， 110： 191-203.

［13］NOTTEBOOM T， PALLIS T， RODRIGUE J P.Disruptions and resilience in global container shipping and ports： the COVID-19 pandemic versus the 2008-2009 financial crisis［J］.Maritime economics and logistics，2021， 23（2）： 179-210.

［14］GUO J.Credit risk management and control in a maritime supply chain trade network［J］.Journal of coastal research， 2020， 106（1）： 109.

［15］傅淑楠， 徐晟皓.海運供應(yīng)鏈中的道德風(fēng)險問題研究［J］.河北經(jīng)貿(mào)大學(xué)學(xué)報（綜合版）， 2016， 16（4）： 96-99.

［16］張清華， 王進， 王國胤.粗糙模糊集的近似表示［J］.計算機學(xué)報， 2015， 38（7）： 1484-1496.

［17］ 賈進章，陳怡諾，柯丁琳.基于模糊集和改進DS證據(jù)理論的?；返缆愤\輸體系貝葉斯網(wǎng)絡(luò)風(fēng)險分析［J］.北京化工大學(xué)學(xué)報（自然科學(xué)版）， 2020， 47（1）： 38-45.

［18］王姣，范科峰，莫瑋.基于改進DS證據(jù)理論和BN的信息安全風(fēng)險評估［J］.電視技術(shù)，2017，41（6）：24-30.

［19］奚婷婷， 熊偉麗， 張林，等.基于矩陣分析的DS合成算法［J］.計算機工程， 2009， 35（16）： 264-266.

［20］亢磊磊.基于C-OWA算子和BP神經(jīng)網(wǎng)絡(luò)的地鐵車站火災(zāi)安全評價［J］.隧道建設(shè)（中英文）， 2018， 38（7）： 1158-1163.

［21］李金蓉， 楊玉中.DS理論-貝葉斯網(wǎng)絡(luò)下的煤礦通風(fēng)系統(tǒng)風(fēng)險評估［J］.中國安全科學(xué)學(xué)報， 2022， 32（8）： 146-153.

［22］王姣， 范科峰， 莫瑋.基于模糊集和DS證據(jù)理論的信息安全風(fēng)險評估方法［J］.計算機應(yīng)用研究， 2017， 34（11）： 3432-3436.

Risk Assessment of Maritime Supply Chain Based on

Improved DS Evidence Theory and Bayesian Network

CHU Liang-yong1，2，3，WANG Meng-yao1，CHEN Xiu-qian1

（1.Navigation College， Jimei University， Xiamen，F(xiàn)ujian 361021;

2.Fujian Shipping Research Institute， Xiamen，F(xiàn)ujian 361021;

3.Modern Logistics Research Center， Jimei University，Xiamen，F(xiàn)ujian 361021）

Abstract：As a complex network organization， the maritime supply chain provides transport services for the global industrial chain， and in the context of globalization， the maritime supply chain faces numerous risks and challenges that affect the safe and smooth operation of the supply chain.Therefore， it is crucial to study its risks.In response to the uncertainty of influencing factors and subjectivity in expert knowledge inference in the risk assessment system of maritime supply chain， the article proposes a maritime supply chain risk assessment model based on improved DS evidence theory and Bayesian network.The results indicate that the maritime supply chain is in a high risk level state， with a high probability of “information system risk” and “external environmental risk”， which require special attention.This model can evaluate the risks of the maritime supply chain from a systematic perspective， effectively improving the scientificity and accuracy of risk assessment; The evaluation results can provide effective reference for risk management for participants in the supply chain.

Keywords： maritime supply chain；risk assessment；improved DS evidence theory；Bayesian network

基金項目：國家社科基金重大項目“面向應(yīng)急決策的重大災(zāi)害態(tài)勢感知理論、方法與應(yīng)用研究”（23&ZD138）