人因海事事故诱因组合模式分析与预测

　0引言
　　据国际海事部门统计，人因失误所导致的海事事故约占海事事故总数的80%.人因海事事故每年造成巨大的财产损失和人员伤亡，因而逐渐成为海运界关注的焦点.对海运人因失误进行研究，可以进一步完善我国海运安全理  论体系，提高海事事故防控水平，促进海上运输的稳定健康发展.
　　1999年国际海事组织（IMO）意识到人因失误是引发海事事故的主要因素，2002年IMO确立人因失误在海运安全研究中的重要地位.ROTHBLUM，O’NEIL，DARBRA等和TOFFOLI等在海事事故历史数据的基础上，利用统计学方法证明人因失误是海事事故的主要诱发因素.苏炳魁探讨海运人因失误的定义和性质，并对人因失误进行分类分析；张锦朋等在“人机环境管理”系统的基础上，构建人因失误分类体系，并利用BP神经网络对主要失误进行评价；张欣欣等、CHEN等将人的因素分析与分类系统（Human Factors Analysis and Classification System， HFACS）应用于海事人因失误分析中，并结合灰色关联分析、因果图等方法探索人因失误之间的关系；席永涛等将人的可靠性作为研究重点，对海运人的因素概率以及行为形成因子进行初步探讨.
　　可以看出，在海运人因失误方面的研究较多、涉及面较广，但在对事故防控起直接推动作用的诱发因素组合及预测方面的研究较少.现有海事事故预测方面的研究，仅停留在事故数量上，尚未深入到对事故诱因的预测，因而对海事安全决策的支持十分有限.
　　基于此，本文在“瑞士奶酪”模型基本原理的基础上，结合HFACS，构建全面、系统的人因海事事故诱因分类体系，继而通过数据挖掘技术探究诱因组合模式，并进一步利用Bootstrap方法对诱因组合进行预测，以期为制定具有针对性的人因失误预防策略提供科学的参考依据.
　　1构建人因海事事故诱因分类体系
　　REASON结合6种人因失误观点，提出“瑞士奶酪”模型，见图1.他认为所有复杂生产系统都是由组织影响、不安全的监督、不安全行为的前提条件、不安全行为等4个层面构成，各层面都会因人因失误产生一定的失效，即系统中的“洞”，当“洞”突破多个层次防线时，事故就会发生.SHAPPELL等将“瑞士奶酪”模型应用到人因航空事故分析中，构建HFACS，明确“洞”的含义.
　　同样，可以将海运看作一个复杂的生产系统，它的产品是安全的船舶运输.在“瑞士奶酪”模型及HFACS的基础上，构建人因海事事故诱因分类体系，见图2，其中：第1层是组织影响，是导致事故的深层次原因；第2层是不安全的监督；第3层是不安全行为的前提条件；第4层是船舶操作者的不安全行为.前2层的人因失误具有传递性，会影响其他层的正常运作进而间接引发事故，属隐性差错.第3层诱因中既包括间接导致事故的诱因又包括直接引发事故的诱因，属隐性差错和显性差错.第4层的人因失误直接导致事故的发生，属显性差错以2006—2012年某海事局管辖海域（简称A海域）为研究对象，7年间A海域共发生事故246起，其中人因事故192起，约占总数的78%.参照图2提供的诱因分类体系，逐一分析192起事故，将结果以二进制的形式量化，即：“1”表示诱发因素发生，“0”表示诱发因素未发生。将结果录入Access表格中，整理后得到一个192×17的二进制列表，列表示各种诱发因素，行表示某起海事事故.为便于分析，将这192×17数据视为矩阵M.
　　2.2提取事故单诱因、双诱因组合模式
　　为提取事故的单诱因、双诱因组合模式，将M转化为X，X=MTM，其中：元素X（i，j）表示诱因i和j共同诱发的事故数；元素X（i，i）表示单诱因i诱发的事故数.
　　为更直观地进行分析，将X转化为比例矩阵P，P（i，j）=X（i，j）192，其中：P（i，j）表示诱因i和j共同诱发的事故数占总事故数的比例；P（i，i）表示单诱因i诱发的事故数占总事故数的比例.例如，在X中，引发事故最多的单诱因是H13，事故数X（13，13）=99，占总事故数的比例P（13，13）≈51.6%；引发事故最多的双诱因是H9和H11，事故数是X（9，11）=74，占总事故数的比例P（9，11）≈38.6%.
　　经计算，不难看出，P对角线元素P（i，i）并不是所在列和行的非对角线元素之和，说明事故除单诱因和双诱因组合外，还有多诱因组合模式.另外，当诱因引发事故数占总数的20%及以上（P中加粗数字）时，就认为该单诱因或双诱因易引发事故，故将其作为后继预测仿真研究的对象.　2.3提取事故多诱因组合模式
　　人因海事事故诱因分类体系中有17个诱因，共有217种诱因组合模式.为进一步揭示事故的多诱因组合模式，采用单一聚类法分析M.单一聚类是一种处理二进制数据的分裂式层次聚类方法，可避免对间隔尺度变量矩阵和非相似矩阵进行  处理.
　　对M进行单一聚类分析，识别出165种事故诱因组合模式，其中13种模式诱发的事故数量≥2起（见表1），这说明这13种模式具有一定的频发性，易诱发事故，应进行深入分析.在165种组合模式中，H7，H9，H11，H13和H16同时出现的事故有107起，约占事故总数的65%，在表1的13种模式中就占7种.这与前述的单、双诱因比例矩阵分析结果一致.在P中，这5种因素的诱发比例都处于较高水平，分别达46.2%，44.3%，50.1%，51.6%，43.5%，说明
　　3人因海事事故诱因组合模式预测
　　为给预防事故提供更可靠、有效的技术支持，引入Bootstrap方法对诱因组合模式进行预测.Bootstrap方法，又称自助法，是斯坦福大学EFRON教授
　　1979年提出的一种基于计算机的统计推断方法，该法只依赖给定的观测信息，不需要其他假设或增加新的观测，不但能够克服数据有限性等困难，还能够大大增强常用的估计、推断法的效能，已被广泛应用于统计学的各个领域.Bootstrap方法的基本思想是使用自助样本估算未知概率测度的统计量的统计特性.使用该方法进行预测主要基于以下基本假设：①已发生的事故数可以通过一个泊松过程进行模拟；②将发生的事故的诱因组合模式可以通过聚类方法得到的模 式模拟.人因海事事故诱因组模式的Bootstrap预测流程见图3.
　　参照图3所示流程在MATLAB中编程，进行诱因组合模式预测.输入数据包括：事故诱因矩阵M，人因海事事故总数m，待预测年人因事故数k，抽样次数q，诱因组合模式向量V.输出数据包括：待预测诱因组合模式及出现次数、置信水平为95%时的置信区间.以A海域2006—2012年的人因海事事故为样本数据，对2013年人因海事事故诱因组合模式进行预测，输入数据依次为：M，192起，21起，1 000次，V.
　　表2列出2013年A海域人因海事事故主要单诱因、双诱因及部分多诱因组合模式的预测结果.从表2可以看出，预测值与实际值比较吻合，可以从整体上反映诱因的发生次数及分布情况.表中个别预测值具有较大偏差，但由于人因海事事故具有随机性、不确定性、小概率等特点，这些预测结果是可以接受的.根据预测结果，可以有效提取引发人因海事事故的主要矛盾，明确事故防控的重点，有利于海事安全监管部门、船舶管理人员和在船操作人员制定针对性强的防范措施.
　　4结束语
　　在“瑞士奶酪”模型及HFACS的基础上，构建人因海事事故诱因分类体系，为海运人因失误分析提供理论框架，以便全面系统地调查研究人因失误.借助于所建立的分类体系，利用二进制、矩阵转换和单一聚类分析法从事故历史数据中识别出主要的单诱因、双诱因和多诱因组合模式，以抓住引发事故的主要矛盾，明确事故预防的重点.利用Bootstrap方法对诱因组合模式进行预测，预测值与实际值基本吻合，说明该方法可以为指导海运安全提供有效的技术支持，也为制定预防措施提供科学的参考依据.
　　参考文献：
　　[1]IMO. Resolution A.884（21）： amendments to the code for the investigation of marine casualties and incidents （resolution A.849（20））[C]// Summary Resolutions of the 21st IMO Conf， London， UK， 1999.
　　[2]IMO. International safety management （ISM） code （2002）[EB/OL]. http：//.
　　[3]ROTHBLUM A R. Human error and marine safety[C]// National Safety Council Congress and Expo， Proc 2000 National Safety Council Congress and Expo， 2000.
　　. WMU J Maritime Affairs， 2003， 2（2）： 9597.
　　[5]DARBRA R M， CASAL J. Historical analysis of accidents in seaports[J]. Safety Sci， 2004， 42： 8598.
　　. Appl Ocean Res， 2005， 27（6）： 281291.
　　[7]苏炳魁. 海事领域人为因素研究[D].大连：大连理工大学， 2005.
　　[8]张锦朋， 陈伟炯， 杲庆林， 等. 航海人员的不安全行为分析与评价模型研究[J]. 中国安全科学学报， 2005， 15（10）： 4349.
　　[9]张欣欣， 轩少永， 席永涛， 等. 基于HFACS的海上交通事故原因系统分析[J]. 上海海事大学学报， 2012， 33（4）： 1519.
　　. Safety Sci， 2013， 60： 105114.
　　[11]席永涛， 陈伟炯， 夏少生， 等. 基于APJESLIM的海运人为因素概率的确定[J]. 中国安全科学学报， 2011（3）： 8489.