基于复杂网络的内河船舶碰撞事故致因分析

为了探明内河船舶碰撞事故致因内在联系,基于船舶碰撞事故调查报告,从人-机-环-管视角构建事故致因复杂网络模型。运用“2-4”模型从人-机-环-管视角识别和提取事故致因,采用事故树方法分析调查报告中碰撞事故过程,提取内河船舶碰撞事故致因链,利用复杂网络理论融合多事故致因链,构建包括36个节点、123条边在内的事故致因网络,计算致因网络拓扑特征参数,定量分析内河船舶碰撞事故致因之间相互作用。研究结果表明:疏忽瞭望、错误估计碰撞危险、安全管理不到位、船员不适任、船与船通信信息不足、未及时行动是内河船舶碰撞事故的关键致因。同时,内河船舶碰撞致因网络是1个无标度网络,且具有小世界特性,表明事故致因之间连锁效应明显,管控上述关键致因可有效预防碰撞事故。研究结果可为预防内河船舶碰撞事故、提高内河航运管理水平提供参考。

基于文本挖掘的内河船舶碰撞事故致因因素分析与风险预测

作为一种典型的高风险海事事故,内河船舶碰撞事故致因因素众多。为了明确内河船舶碰撞事故致因因素,分析内河船舶碰撞风险,选取2013年至2017年长江内河航道419起船舶碰撞事故报告作为文本挖掘语料,将语料库中的人为因素、船舶因素、自然环境因素以及管理因素作为目标数据,利用R语言和文本挖掘方法,获得包含特征值和特征值权重属性的高维稀疏的原始特征向量空间集合,对tf-idf公式进行平滑改进,解决了文本识别过程中无法识别统计较为生僻的专业名词的问题,提升了文本挖掘方法在交通运输领域的适应性。使用统计对其进行降维,获得最终33个维度的文本特征项,确定了船舶碰撞风险致因因素。通过实验验证了文本挖掘得出的船舶碰撞致因因素置信率达到了81%。以碰撞过程中的4个步骤为主线,构建基于"人-船-环境-管理"系统的船舶碰撞风险贝叶斯网络结构,计算贝叶斯网络结构中各节点的条件概率表,进行船舶碰撞风险建模。结合贝叶斯网络实现内河船舶碰撞事故的风险预测,并通过反向推理确定了人为因素是船舶碰撞事故致因中的首要因素。

基于贝叶斯网络的内河船舶碰撞人的失误分析

为分析对船舶航行安全有显著影响的人的因素,引入Swain&Guttmann模型和贝叶斯网络分析内河船舶碰撞事故。依据Swain&Guttmann模型的信息处理过程(感知、决策和行动)梳理内河船舶碰撞形成机理。利用领域专家知识和小样本量数据学习法构建贝叶斯网络,计算网络节点间的条件概率。利用贝叶斯网络的不确定性知识推理方法,得出影响船舶航行安全的关键人的因素。该结果与真实事故案例统计结果相吻合,这说明Swain&Guttmann模型和贝叶斯网络适用于对内河船舶航行安全的综合分析。