一种长江下游水道通航安全风险识别方法.pdf

水路运输在国民经济发展中起到了重要作用，是大宗商品贸易的主要途径。随着水上交通运输业的快速发展，交通事故也呈增加趋势，特别是在一些繁忙的水道，由于交通流量大，发生交通事故的概率明显高于其他水域。长江是我国最重要的内河航运水道，长江下游水道承载着内河航运70%的货运量，与此同时，发生的交通事故也是最多的。据统计1，长江下游水道2010年至2020年间，共发生事故1527起，其中碰撞786起，进水178起，失控136起，倾斜119起，自沉92起，其他216起，碰撞事故占总事故的比例为51.5%。由于长江下游水道通航环境复杂，不安全因素众多，使得船舶碰撞事故频繁发生，而船舶碰撞事故往往造成人员重大伤亡和财产巨大损失。如何识别通航安全风险源，进而采取有效措施降低事故发生概率，已成为航道管理部门迫切需要解决的问题。科学分析事故发生的主要原因，是有效提高长江下游水道通航安全管理水平的根本途径。水道通航安全风险识别方法有多种，传统方法有安全检查表法（SCL）、经验分析法、预先危险性分析法（PHA）及事故树分析法（FTA）等，近年来出现了一些新的识别方法，如层次分析法、事故因果分析法、概率分析法等2。上述方法在航道安全管理中发挥了积极的作用，提高了通航安全管理水平，但是上述方法主要依赖专家经验，受个人能力限制，主观性较强，缺少数据支撑，因此，需要增加定量分析方法，以提高安全风险分析的客观性。近年来，5M模型作为分析调查事故性质的有效工具在水上交通安全领域得到了初步应用3。通过5M要素模型识别和分析，能有效提高风险源识别的质量，进而采取有效措施降低通航安全风险。国内关于水道通航安全风险影响因素还没有具体的规定，根据水上交通安全规则，结合国内外相关研究成果，确定长江下游水道交通事故产生的原因有29种。1数据来源通过实地调研长江下游3个VTS中心、查阅江苏海事局年度工作报告等方式收集信息，共收集有效事故案例481起。将这些案例分为典型事故案例（258）和一般事故案例（223），分别称为样本1和样本2，其中样本1中有人员死亡、重伤案例41件，轻伤案例2件，无伤亡案例215件，比例约为1：29：300，根据海因里希法则，可认为样本1为较大伤亡事故数据。样本2中有人员死亡案例1件，轻一种长江下游水道通航安全风险识别方法张树奎熊丁（江苏海事职业技术学院，江苏南京211170）摘要针对长江下游水道通航安全风险评价中存在的定量研究不足的问题，基于5M模型（Management,Machine,Man,Me-dia,Mission factor）构建了因子分析方法，利用该方法对长江下游水道历年发生的258件较大伤亡事故和223件较小伤亡事故案例进行主要影响因素分析，结果表明能见度不良、船舶交通流量大、船员安全意识薄弱、船舶设备陈旧是导致交通事故的主要因素。利用事故主要因素覆盖率和影响率对基于5M的因子分析法进行效果评价，并与统计分析法比较，结果表明：因子分析法的覆盖率虽然略有下降，但是影响率提高了56.4%。实例验证说明基于5M的因子分析法用于长江下游水道通航安全风险定量分析是可行的。关键词水道；交通事故；5M模型；因子分析法；风险分析中图分类号U674.2文献标志码A文章编号16718100（2023）04007904收稿日期：2023-02-28作者简介：张树奎，男，博士，教授，研究方向：港口、海岸与近海工程。武汉船舶职业技术学院学报2023 年第 4 期船舶与海洋工程79武汉船舶职业技术学院学报2023 年第 4 期伤案例1件，无伤亡案例221件，根据法则，可认为是较小伤亡事故数据。初步分析样本1和样本2，发现导致长江下游水道交通事故的主要风险源均在29种因素之中，因此，相关样本能够较为全面地反映交通事故的影响因素，具有研究价值。2安全风险分析方法2.1统计分析方法将5M模型作为长江下游水道交通事故主因素的分类依据，构建5M事故数据分析和统计模型。以康斯伯格大型船舶操纵模拟器作为数据支撑平台，利用SPSS软件对样本1和样本2的数据进行处理，基于5M模型统计样本1和样本2事故产生原因的数量。根据事故产生的原因的数量与事故总量的相对比例，将数量大于10的事故原因认为是主要因素。经过分析和统计，识别出样本1的主要因素有9个，样本2的主要因素有6个，具体结果如表1和表2所示。分析表1和表2，可以发现，无论样本1还是样本2，交通事故的主要因素均包含能见度不良、船舶交通流量大、船员安全意识薄弱、船舶设备陈旧等。表1基于统计分析法的样本1主要因素主要因素船员安全意识船舶吨位大船舶设备陈旧船舶交通流量大航道狭窄与次航道交叉点数多能见度不良水流速度大航道管理水平低事故数量251312301011581513占比（%）9.754.711.63.94.322.55.85表2基于统计分析法的样本2主要因素主要因素船员安全意识薄弱船舶设备陈旧航道转向点数多能见度不良助航设施少船舶交通流量大大风VTS服务水平低事故数量2312144013261610占比（%）10.35.46.317.95.811.77.24.52.2因子分析法因子分析法是数据挖掘技术方法之一。因子分析法在数据分析中对多变量起到降维计算的作用，从而降低了数据处理的难度，减少了计算工作量4。因此，它解决了传统方差分析不能解决的数据复杂性问题。此外，因子分析处理后的新变量各不相关，避免了信息重叠带来的混乱，具有不受数据本来具有的相关性限制的优点。近年来，因子分析法在交通领域得到了越越多的来应用，取得了较好的效果5。2.2.1因子分析模型本文采用因子分析法构建模型，对长江下游水道交通事故主要因素进行分析。数学模型如下：设初始变量Yi(i=12q)，可以表示为：y1=a11t1+a12t2+a1ptp+1y2=a21t1+a22t2+a2ptp+2（1）yq=aq1t1+aq2t2+aqptp+ppq其矩阵形式可表示为Y=AT+（2）式中：aij为载荷系数，A为因子载荷矩阵，T为公共因子变量，为残差向量。若影响很小忽略不计，且T公因子各分量相互独立，则T的数学期望E(Ti)=0，方差D(Ti)=1，公式（2）变为X=BY（3）式中：X为主成分向量，Y为初始向量，B为主成分相关矩阵。为了使主成分向量X和公因子变量T的定义一致，令D(Xi)=i，Ti=Xii，api=ibpi，则由（3）式可得：Yi=1b1iX11+2b2iX22+nbniXnn，也即是Yi=a1iT1+a2iT2+aniTn=AT（4）因子分析法的目的就是计算出主成分相关矩阵B，而主成分D(T1)、D(T2)D(Tn)在总方差的占比依次递减，研究表明占比累计大于70%时，占比较大的成分被确定为主成分。2.2.2基于5M的事故主要因素模型利用5M理论构建事故主要因素模型，对样本801 和样本 2 进行分析。按照 5M 模型提取事故数量、碰撞次数、进水次数、伤亡人数等统计量，并进行X-score标准化处理。表3所示是标准化处理后的部分结果。表3样本2标准化处理后的数据5M分类船员船舶航道管理功能影响因素心理素质差专业水平底船舶设备陈旧船舶资料不全船舶年龄大船舶吨位大航道宽度小转向点数多大风航道深度浅VTS服务差船员安全教育欠缺设备维护欠缺助航设施少装货不合理施工不科学设备缺陷Xacc-0.423-0.1724.253-0.334-0.4470.4530.472-0.4550.263-0.3470.324-0.513-0.425-0.352-0.342-0.422-0.352Xcol-0.536-0.1324.312-0.326-0.4970.2490.379-0.4420.325-0.4340.352-0.390-0.401-0.412-0.483-0.414-0.323Xflo-0.402-0.423-0.378-0.3792.533-0.377-0.381-0.379-0.380-0.381-0.380-0.379-0.380-0.3802.534-0.398-0.381Xcas3.462-0.191-0.182-0.179-0.178-0.179-0.180-0.178-0.179-0.179-0.176-0.177-0.178-0.179-0.180-0.179-0.180注：Xacc事故数量,Xcol碰撞次数,Xflo进水次数，Xcas伤亡人数.Xinj受伤人数,Xdea死亡总数。3实验与分析3.1因子分析法的应用利用因子分析方法，计算样本2矩阵的特征值和方差贡献率，并将累积贡献率大于70%的成分视为主成分6，得到 2 个特征值，分别为1=2.3862=1.494。利用公式（2）（4）可计算出因子载荷矩阵A，如表4所示。表4样本2的因子载荷矩阵主成份12Xacc0.972-0.024Xcol0.993-0.011Xflo0.574-0.074Xcas-0.1720.803由 表 4 可 计 算 出 主 成 分 相 关 矩 阵B=()0.72 0.75 0.61 0.58，则样本2主要因素计算公式为Ys=()0.720.750.610.58()XaccXcolXfloXcasT（5）同理，样本1主要因素计算公式为Yl=()0.940.970.400.130.15()XaccXcolXfloXinjXdeaT（6）基于 5M 模型，计算各因素的公共因子变量T，方法是将表1中的数据带入公式（5）得到样本2的各因素的主成分值。同理根据公式（6）可得到样本1的主成分值。将两者中主成分值大于1的因素视为主因素，结果如表5和表6所示。表5样本2事故主要因素主要因素能见度不良船舶交通流量大船员安全意识薄弱大风船舶设备陈旧事故影响力7.253.872.261.531.03表6样本1事故主要因素主要因素能见度不良船舶交通流量大船员安全意识薄弱水流速度大船舶设备陈旧水道狭窄水道管理水平低事故影响力7.124.192.651.951.571.361.02综合考虑事故数量、碰撞次数、进水次数、伤亡人数等多种识别尺度，结合表5和表6，可得出样本1的主要因素7个，样本2的主要因素5个。无论样本1还是样本2，能见度不良、船舶交通流量大、船员安全意识薄弱、船舶设备陈旧都是交通事故产生的主要原因。交通事故主要因素的分析及重要性排序，反映了事故因素对水道通航安全风险的影响力强弱，可以为水道通航安全风险评价和决策提供数据支撑。3.2结果分析统计分析法和因子分析法都能分析出水道交通事故的主要因素，但是分析效果不同，表现在主一种长江下游水道通航安全风险识别方法张树奎等81武汉船舶职业技术学院学报2023 年第 4 期（下转第100页）要因素略有不同、主要因素数量也有所不同。为进一步判断那一种方法更优，本文引入事故主要因素覆盖率和事故影响率两个指标进行评价7。事故主要因素覆盖率计算公式为C=|HiHUm(i)|H100%|H K（7）式中：C为主要素覆盖率，表示事故主要因素占事故所有因素集合的比例，|H为水道交通事故所有因素的集合，i表示一个主要因素，Um(i)为分析出来的事故主要因素集合，K为水道交通事故所有因素的数量。事故主要因素影响率是指主要因素事故影响力与所有事故因素数量的比值，计算公式为Hi=|f(Xscore(i)|H100%|H Ki=1234（8）式中：f(Xscore(i)为主要因素事故影响力，表示在所有事故因素集合中由主要因素导致的事故后果经Xscore标准化处理后的数值，i为主要因素数量，包括事故数量、碰撞次数、进水次数、伤亡人数等，本文i5，如公式（6）所示。统计分析法只考虑事故数量的单一指标，而因子分析法是求解多指标尺度下的主要因素函数。分别将Xscore值代入公式（5）和公式（6），可以得到f(Xscore(i)。针对样本1和样本2的数据，在K值为29时，将f(Xscore(i)代入公式（7）和公式（8），计算结果如表7所示。表7两种分析方法效果比较分析方法统计分析法因子分析法样本数据样本1样本2样本1样本2K29292929C0.3250.2300.2920.179Hi0.4130.2830.7430.442分析表7数据可知：相对于统计分析方法，采用因子分析方法，虽然覆盖率略有下降，但是影响率却增加明显。单一尺度“事故数量”反映了事故发生频次，多尺度指标“事故数量、碰撞次数、进水次数、伤亡人数”等反映了事故频次、后果损失程度。因此，因子分析法相对适中，可以采用。此外，样本2的覆盖率为0.179，相对于统计分析方法，降低了22.4%；样本2的影响率为0.442，相对于统计分析方法，提高了56.4%。因此，因子分析法分析水道安全风险效果更优。4结论针对传统的水道通航安全风险分析方法存在的主观性较强、缺少数据支撑等的不足，基于长江下游水道历史事故数据构建了5M因子分析法，首先将水道交通事故指标进行5M分析，然后利用因子分析法构建主要因素分析模型，综合考虑事故数量、碰撞次数、进水次数、伤亡人数等多尺度事故损失计算方法，对水道通航安全的影响因素进行分析和计算，得出了影响因素的重要性排序，为水道管理提供了理论参考和数据支撑。为进一步证明基于5M的因子分析法的可用性，利用事故主要因素覆盖率和影响率对该方法进行效果评价，并与统计分析法进行比较，结果表明，基于5M 的因子分析法虽然覆盖率略有下降，但是影响率显著提升，覆盖率降低了22.4%，影响率提高了56.4%。实验表明：基于5M的因子分析法用于长江下游水道通航安全风险分析效果更优。参考文献1冯珂，张本伟.复杂气象海况条件下船舶航行安全辨识及航行优化方法 J.中国航海,2022,45（3）:1-6.2胡甚平，谢莹，张欣欣，江帅，席永涛.基于关联规则的船员不安全行为发展路径分析J.上海海事大学学报,2022,43（3）：62-68.3REN J H,ZHANG Q,LIU F.Analysis of factors affectingtraction energy consumption of electric multiple unit transbased on data mining J.Journal of Cleaner Production,2020,262:1213.4白响恩，刘 璐，徐笑锋，朱 峰，肖英杰.基于改进灰色聚类的洋山港大型集装箱船通航安全评价 J.中国航海,2022，45(4):8-14.5YOU Jinming,FANG Shouen,ZHANG Lanfang.Re-al-Time Crash Risk Prediction Models and TransferabilityAnalysis on Freeways J.Journal Tongji University(NaturalScience),2019，43（3）：347-352.6林海香，曾小清，李阳庆等.基于5M的轨道交通信号系统安全预评估方法J.城市轨道交通研究，2018（12）：115.75徐鲁强，王宪刚.基于数字化技术的世界一流港口技术管理模式J.港口科技，2020（2）：21-27.82武汉船舶职业技术学院学报2023 年第 4 期（上接第82页）Analysis on Construction Technology of Corrugated Steel WebComposite Beams of Expressway BridgesWANG Shao-yan(China Railway 18th Bureau Group Construction and Installation Engineering Co.,Ltd.,Tianjin 300308,China)Abstract:In order to discuss the construction technology of composite beams with corrugatedsteel webs for expressway Bridges,combined with the actual situation of Taipeng-sectionLJ08-2(K130+122 K137+050)bridge of Yinkun Expressway,based on the constructiontechnology flow of composite beams with corrugated steel webs,the concrete constructionmethod is analyzed,and the construction quality control measures are put forward.The anal-ysis shows that the construction of composite beams with corrugated steel webs is difficult,and there are many influencing factors.In the concrete construction,it is necessary to com-bine the characteristics of bridge engineering,start from the production,installation,structur-al connection,external prestressing construction and other aspects at the same time,andstrictly control the quality of each detail,so as to give full play to the advantages of thiskind of bridge structure efficiently and fully.Accumulate experience for the future construc-tion of similar projects.Key words:bridge engineering;corrugated steel web;composite beam;construction control（责任编辑：程洁）A Method of Safety Risk Analysis for the Lower Waterways ofthe Yangtze RiverZHANG Shu-kui XIONG Ding(Jiangsu Maritime Institute,Nanjing 211170,China)Abstract:Due to the lack of quantitative research in the risk assessment of navigation safetyin the lower waterways of the Yangtze River,a factor analysis method based on 5M model(management,machine,man,media,mission factor)is proposed,the main influencing fac-tors of 258 major and 223 minor casualty accidents in the lower waterways of the YangtzeRiver were analyzed by using this method,the results show that poor visibility,large trafficflow,weak safety awareness of crew and outdated ship equipment are themain factorsleading to traffic accidents.The effect of factor analysis based on 5M was evaluated by us-ing the coverage rate and influence rate of main factors of accident,and compared with thestatistical analysis;the results showed that the coverage rate of factor analysis was slightlylower than that of statistical analysis,but the impact rate increased by 56.4%.The casestudy shows that the factor analysis method based on 5M is feasible for the navigation safe-ty risk quantitative analysis of the lower waterways of the Yangtze River.Key words:waterway;traffic accident;5M model;factor analysis;risk analysis（责任编辑：程洁）100