摘 要：近年来，易流态货物海上运输船倾覆和搁浅事故时有发生，并造成了较为严重的人员伤亡和财产损失。本文基于2005-2015年间易流态货物运输船倾覆和搁浅事故案例，采用贝叶斯理论建立起易流态货物运输船倾覆和搁浅事故贝叶斯网络，经过推理计算得到易流态货物运输船事故发生因果关系的概率分布以及最大致因链。研究成果对易流态货物海运事故的预防提供了有力参考。
关键词：易流态货物；船舶倾覆和搁浅；贝叶斯网络；最大致因链
中图分类号：TP183 文献标识码：A 文章编号：2096-4706（2018）12-0001-04
Analysis of Cause for Overturning / Grounding Accident for Transports of
Cargoes that May Liquefy Based on Bayesian Networks
HE Yu，ZHANG Jianwei，ZHOU Wenjie，XIONG Hao，WU Tianqi
（School of Port and Transportation Engineering，Zhejiang Ocean University，Zhoushan 316022，China）
Abstract：In recent years，the overturning and grounding accidents for marine transports of cargoes which may liquefy often occur，which have caused serious casualties and property loss. In this paper，based on the overturning and grounding accidents for marine transports of cargoes which may liquefy from 2005 to 2015，it adopted the Bayesian Theory to construct the Bayesian networks for overturning and grounding accidents for marine transports of cargoes which may liquefy often occur，and then achieved the causal relationship between the overturning and grounding accidents for marine transports of cargoes which may liquefy and the maximum causal chain by probabilistic distribution. The research results contribute to the prevention of marine accidents for marine transports of cargoes which may liquefy.
Keywords：cargoes that may liquefy；ship overturning and grounding；Bayesian network；maximum causal chain
0 引 言
根据《国际海运固体散装货物规则》（2011），包括铁精矿、红土镍矿等在内的相当一部分固体散装货物属于易流态货物，该类货物由一定比例的细微颗粒和水分组成。如其含水量超过一定水平，在外部载荷激励下可能发生流态化进而形成流态，给易流态货物海上安全运输带来隐患。由此导致的海运事故已引起国际和国内社会的高度关注，因此各国都相继出台了相关管理规定，当前主要通过控制货物含水量来保障易流态货物海上运输安全。但易流态货物种类众多，属性各不相同，单一通过控制含水量尚不能有效杜绝易流态货物海上运输事故的发生。
因此，为深入探究易流态货物海上运输事故发生的因果关系，笔者对2005-2015年的世界范围内易流态货物海上运输事故案例进行整理分析，基于贝叶斯理论建立起易流态货物运输船倾覆和搁浅事故贝叶斯网络。通过对事故样本数据的学习和推理，得出易流态货物运输船事故发生因果关系的概率分布以及最大致因链。经过结果分析和讨论提出了针对性的预防措施和对策。
1 贝叶斯网络理论基础
贝叶斯网络又称贝叶斯信度网络，是图论与概率论的结合，直观地表示为一个赋值因果关系图。一个具有N个节点的贝叶斯网络可用N=<，P>来表示，其中表示一个具有N个节点的有向无环图G。图G中的节点集合V={Vi，…，VN}中的元素Vi代表变量，节点变量可以是任何问题的抽象，如船龄、货物种类、天气情况等。节点间的有向边E代表了变量间的因果关系。对于有向边（Vi，Vj），Vi称为Vj的父节点，而Vj为Vi的子节点。Vi的父节点集合和非后代节点集合分别用pa（Vi）和A（Vi）来表示。有向图蕴含了条件独立性假设，即在给定pa（Vi）下，Vi与A（Vi）条件独立：
P（Vipa（Vi），A（Vi））=P（Vipa（Vi）） （1）
P表示与每个节点相关的条件概率分布。由贝叶斯网络的条件独立性假设可知，条件概率分布可用P（Vipa（Vi））来描述，它表达了节点与其父节点的定量关联关系。如果给定根节点先验概率分布和非根节点条件概率分布，可以得到包含所有节点的联合概率分布。
图1给出了一个简单的4节点贝叶斯网络示例，包含所有节点的联合概率分布函数为：
P（C，S，R，W）=P（WS，R）P（SC）P（RC）P（C）
（2）
贝叶斯网络建模的主要任务是确定网络拓扑结构和计算网络中各节点的条件概率分布。其一般采用借助专家知识和数据样本学习相结合的方法来构建贝叶斯网络模型。贝叶斯网络推理通常是从先验知识入手，按照网络拓扑运用条件概率公式进行概率计算。贝叶斯网络的概率推理算法中，各种算法都是根据联合概率分布寻找一种有效的参数化方式，然后寻求计算局部化。不同的推理算法有不同的特点，但它们都具有相当的计算复杂度，根据对推理结果不同的精度要求，推理方法可以为近似推理或精确推理。本文考虑到易流态货物运输船倾覆和搁浅事故实际情况、贝叶斯网络的结构和节点个数，采用近似推理中的K2算法[1]进行联合概率分布的计算。
2 易流态货物运输船倾覆和搁浅事故贝叶斯网络的建立
2.1 定义贝叶斯网络节点
结合2005-2015年所发生的易流态货物运输船倾覆和搁浅事故案例中的各个影响因素来设定所需节点。去除相关性小的因素，将各节点按照人员因素、货物因素、船舶因素、环境因素进行划分[2]，并考虑中间因素，最终确定了14个因素，形成了四级层次结构，即确定了15个贝叶斯网络节点。
人员因素：
（1）航线设计，《1978年海员培训、发证和值班标准国际公约》马尼拉修正案第二章规定，高级船员应该能够从海图和航海出版物中获取信息，并能加以正确分析和使用[3]；
（2）船员客观能力，定位不正确，违反避碰规则，瞭望不当，不熟悉航道，交流障碍等因为船员航海及其他能力水平限制导致的事故；
（3）船员主观问题，因为懈怠工作，疲劳工作，安全意识不强导致的事故；
（4）采集运送货物问题，因为采集运输以及装卸货物时的不规范操作导致货物的含水量不达标而引起货物流态化直至发生事故。
船舶因素，指船舶因为设备故障以及船舶老化等因素所导致的倾覆和搁浅事故。一般由于环境因素和人员操作失误所引起的船体损坏不计入船舶因素：
（1）设备故障，指主机及其他所有辅助机械设备出现故障而引发的事故；
（2）船龄，因为机器设备磨合不理想的船龄过小以及船舶老化的船龄过大在相同情况下容易引发事故。
货物因素，货物性质不同对货物流态化的发生有不同的影响：
（1）货物种类，固体散装货物因种类不同，其物理属性也各不相同，因属性不同导致其含水量有所变化，影响货物流态化而导致船舶倾覆和搁浅；
（2）含水量，货物的含水量是易流态货物流态化发生的重要因素，货物流态化是运输船发生倾覆和搁浅事故的重要原因[4]。
环境因素，恶劣天气会致使船舶设备发生故障、人员操纵失误以及货物流态化等，进而引发船舶事故：
（1）风浪，实船运输中，风浪条件不好将会严重影响船舶的操纵性能；
（2）能见度，文献[5]中指出能见度在0到1000米距离时运输船发生事故的概率最大。
2.2 确定贝叶斯网络节点值域
节点航线设计不当的值域为{0，1}，航线设计不当为1，反之为0。节点船员客观能力值域{0，1}，客观能力不达标为1，反之为0。节点船员主观因素的值域为{0，1}，船员主观因素存在问题为1，反之为0。节点采集运送货物的值域为{0，1}，采集运送操作不规范为1，反之为0。节点风浪条件值域为{0，1}，若风浪大于10kn，该值为1，反之为0。节点能见度值域为{0，1}，若能见度小于2km则该节点为1，反之为0。节点设备故障的值域为{0，1}，设备发生故障为1，反之为0。节点船龄的值域为{0，1，2，3}，船龄≤10年为1，10年<船龄≤20年为2，20年<船龄≤30年为3，船龄>30年为0。节点货物种类值域为{0，1，2}，根据事故案例涉及的货物种类，铜锌矿为1，镍铁矿为2，其他为0。节点含水量的值域为{0，1}，含水量超标为1，反之为0。节点碰撞、流态化、进水、爆炸和倾覆/搁浅的值域均为{0，1}，分别表示上述节点内容的不发生与发生。
2.3 建立贝叶斯网络结构模型
结合以上确定的节点，采用GeNIe贝叶斯网络分析软件包，建立易流态货物运输船倾覆/搁浅事故贝叶斯网络结构模型，如图2所示。其中确定的事故致因链如下所述：
（1）航线设计不当-碰撞-倾覆和搁浅；
（2）船员主观因素-碰撞-倾覆和搁浅；
（3）风浪-碰撞-倾覆和搁浅，风浪-流态化-倾覆和搁浅；
（4）能见度-碰撞-倾覆和搁浅；
（5）船员客观能力-碰撞-倾覆和搁浅；
（6）船龄-设备故障-碰撞/流态化/爆炸/进水-倾覆和搁浅；
（7）采集运送货物/货物种类-含水量-流态化-倾覆和搁浅。
2.4 各节点条件概率表的确定
通过对2005-2015年易流态货物运输船倾覆和搁浅事故案例进行分析，将各影响因素真实值提取出来并进行离散化处理，作为贝叶斯网络学习的样本参数，本文共获取了79组样本数据。通过统计学方法和软件的计算来确定所有节点的条件概率表。用条件概率表来表示父节点和子节点的条件概率关系。
采取搜索计分法中的K2算法构建贝叶斯网络结构模型。第一步确定网络结构的评分函数来评价网络结构的优良，第二步根据确定好的节点顺序来选择评分最高的节点作为目标节点的父节点。将样本数据导入GeNie软件，如图3所示，进行贝叶斯网络节点与样本数据的匹配。
根据样本数据匹配和条件概率计算结果，以节点流态化的条件概率结果为例，如图4所示。
当风浪为0，设备故障为0，含水量为0时发生流态化的概率约为0.31；当风浪为1，设备故障为1，含水量为1时发生流态化的概率为0.98。由此可见，不利的风浪、设备情况和含水量条件下，易流态货物发生流态化的概率最大。
3 结果分析及预防措施
3.1 贝叶斯网络的推理
通过建立的贝叶斯网络，利用GeNie软件的敏感性推理、逆向推理和最大致因链分析功能来寻找易流态货物海运过程中的敏感性和关键性风险因素。分析得到的结果可为易流态货物海上安全运输提供科学依据，并提出针对性的建议和对策。
逆向推理时，将倾覆或搁浅设置为1，即假定运输船发生倾覆或搁浅事故，推理结果如图5所示。
由贝叶斯网络逆向推理结果可知，在导致易流态货物运输船倾覆或搁浅事故发生的因素中，货物流态化出现的概率最大为96%，其次为船体进水和船舶碰撞，其概率分别为69%和43%，而由于爆炸造成运输船倾覆或搁浅出现的概率最低，为2%。由此可见，为有效预防易流态货物运输船倾覆或搁浅事故，除了控制货物含水量防止流态化之外，也应重点关注船体进水和船舶碰撞带来的影响。
在造成货物流态化发生的因素中，货物含水量超标出现的概率相比风浪和设备故障因素出现的概率较高，达到84%。这也充分验证了目前对易流态货物流态化的预防，主要通过控制含水量的方法来实现。在造成船舶碰撞的因素中，风浪条件不良和船员客观能力出现的概率较大，分别达到82%和42%，这也说明为避免船舶碰撞发生，应重视海况条件和提高船员各方面能力。与进水相关的因素中，设备故障因素占主导，因此，海运过程中应做好船舶主机以及其他关键辅助机械的检查工作。
基于以上分析，在造成易流态货物运输船倾覆或搁浅事故发生的致因链中，最大致因链为采集运送货物-含水量-流态化-倾覆或搁浅，其次为船龄-设备故障-进水-倾覆或搁浅。因此，应首先采取措施降低最大致因链中各因素出现的概率，才能有效预防易流态货物运输船倾覆或搁浅事故的发生。
3.2 预防易流态货物运输船倾覆或搁浅事故的对策
易流态货物的流态化是导致运输船倾覆或搁浅的最主要原因，预防货物流态化可从多方面进行。首先严格按照规定，公司、船长要拒绝含水量超标的货物装船，对已装船的货物要求托运人/港方立即将货物卸到岸上处理以保证人、船、货的海上安全。此外，要时刻关注风浪预报情况，避开恶劣海况。其次，要重点关注船体进水和碰撞。加强瞭望，严格遵守航行规则。通过对航行环境的综合分析得到尽可能多的信息，在没有领航员时根据航行情况和人员特征进行明确分工，减少由于分工不明确或恐慌导致的瞭望不当。此外，应加强船员安全教育，提高现有船员的安全意识。对于船上设备故障问题，需做好船舶主机及其他辅助机械设备的检查工作，确定应急预案的具体实施方法。
4 结 语
本文基于易流态货物运输船倾覆或搁浅事故发生案例，从人员、货物、船舶和环境因素着手进行分析，基于贝叶斯网络理论，建立了易流态货物运输船倾覆或搁浅事故贝叶斯网络。结合事故样本数据，进行贝叶斯网络节点条件概率的确定和推理学习，得到导致运输船倾覆或搁浅事故的最大致因链。通过对最大致因链的分析，针对性地提出了预防措施，可为易流态货物海上安全运输提供理论指导。
参考文献：
[1] 马小梅.基于贝叶斯网络的报警根源分析与研究 [D].北京：北京化工大学，2017.
[2] 陈婷婷，施朝健，雷琴.基于灰色模糊集理论的船舶搁浅概率分析 [J].安全与环境学报，2015，15（4）：21-24.
[3] 王新建.基于贝叶斯网络的船舶搁浅事故致因分析 [D].大连：大连海事大学，2016.
[4] 贾康.红土镍矿流态化机理及内因参数研究 [D].大连：大连海事大学，2016.
[5] 张耀伟.天津港散装危险化学品事故风险评估及应急反应策略 [D].大连：大连海事大学，2009.
作者简介：何誉（1995-），男，汉族，甘肃武威人，本科。研究方向：轮机。
