龔慧佳， 軒少永， 胡甚平， YANG Zaili

(1. 上海海事大學(xué) 商船學(xué)院, 上海 201306； 2. 英國(guó)利物浦約翰摩爾斯大學(xué)， 倫敦 SE12RE)

GONG Huijia1， XUAN Shaoyong1， HU Shenping1， YANG Zaili2

基于灰云模型的海上交通系統(tǒng)風(fēng)險(xiǎn)推理方法

龔慧佳1， 軒少永1， 胡甚平1， YANG Zaili2

(1. 上海海事大學(xué) 商船學(xué)院, 上海 201306； 2. 英國(guó)利物浦約翰摩爾斯大學(xué)， 倫敦 SE12RE)

引入灰云理論的映射方法定量推理海上交通系統(tǒng)風(fēng)險(xiǎn)。首先，提出風(fēng)險(xiǎn)事件成因發(fā)生的可能性及其影響程度，定量推理海上交通系統(tǒng)風(fēng)險(xiǎn);其次，構(gòu)建灰云模型應(yīng)用流程，推理海上交通風(fēng)險(xiǎn)成因的作用效果;再次，借助云模型的代數(shù)運(yùn)算和升云計(jì)算，得出海上交通系統(tǒng)風(fēng)險(xiǎn);最后，結(jié)合我國(guó)某港口水域的船舶交通風(fēng)險(xiǎn)數(shù)據(jù)，推理船員、船舶和環(huán)境等3個(gè)因素作用下的海上交通系統(tǒng)風(fēng)險(xiǎn)。運(yùn)用基于系統(tǒng)因素相互作用的風(fēng)險(xiǎn)二維云推理，得出港口水域船舶交通風(fēng)險(xiǎn)水平為0.3‰，且不穩(wěn)定。算例應(yīng)用結(jié)果表明:借助灰云模型有助于不確定描述與定常信息的量化轉(zhuǎn)換，實(shí)現(xiàn)多因素作用下的海上交通安全風(fēng)險(xiǎn)推理。

水路運(yùn)輸;水上交通安全; 系統(tǒng)仿真； 風(fēng)險(xiǎn)評(píng)估; 云推理; 灰云模型

GONGHuijia1，XUANShaoyong1，HUShenping1，YANGZaili2

Abstract: The gray cloud model to reasoning the risks of maritime traffic system is introduced. First, proposing the possibility and influences of risks and analyzing randomness, quantitatively reasoning the risks of maritime traffic system; Second, based on the cloud model algebra calculation and cloud fusion calculation to obtain the risks of maritime traffic system; Third, combining the traffic risk data information of China’s coastal ports, analyzes the impacts of the crew, vessels and circumstances on marine traffic risks. Based on two dimensions of risk cloud reasoning, calculated the traffic risk level in the port waters was 0.3‰, and unstable. The illustrative examples show that, with the aid of gray cloud model, it can help the conversion between the random and incomplete information and to realize the marine traffic safety risks reasoning with multi factors.

Keywords: waterway transportation; marine traffic safety; system simulation; risk assessment; cloud reasoning; gray cloud model

海上交通安全涉及生命和財(cái)產(chǎn)的安全，屬于公共安全，國(guó)內(nèi)外交通運(yùn)輸領(lǐng)域一直在積極進(jìn)行海上交通安全技術(shù)、管理和教育方面的研究。[1]近年來(lái)，隨著船舶交通量日益增加，海上交通監(jiān)督管理工作面臨的挑戰(zhàn)逐漸增大，海上交通系統(tǒng)的安全問(wèn)題日益突出。因此，對(duì)特定水域的交通系統(tǒng)風(fēng)險(xiǎn)進(jìn)行識(shí)別、評(píng)估和推理已成為海上交通領(lǐng)域的研究熱點(diǎn)，具有積極的理論意義和實(shí)踐指導(dǎo)作用。[2]

目前對(duì)海上交通安全影響因素的相互關(guān)系的研究已取得很多成果。周麗麗等[3]運(yùn)用灰理論分析船舶引航風(fēng)險(xiǎn)成因，提出除人因素之外，航道因素對(duì)引航安全的影響比較突出。張文青等[4]運(yùn)用基于熵權(quán)的海上交通風(fēng)險(xiǎn)成因物元評(píng)價(jià)模型，提出除人因素之外，船舶和自然因素對(duì)海上交通安全的影響比較突出。李紅喜等[5]和王鳳武等[6]運(yùn)用灰理論、主成因子分析法和粗糙集等方法提出環(huán)境因素中自然因素對(duì)海上交通安全的影響較地理因素和交通因素更突出。

國(guó)外對(duì)風(fēng)險(xiǎn)不確定性分析的理論研究[7-9]有很多，特別是在模糊信息下的海上交通風(fēng)險(xiǎn)宏觀(guān)性特征基礎(chǔ)研究領(lǐng)域。MERRICK等[10]闡述貝葉斯技術(shù)的輸入和輸出的不確定性仿真模型的不確定度表現(xiàn)。YANG等[11]研究證據(jù)推理方法的基本原理，提出權(quán)重標(biāo)準(zhǔn)化和基本概率分配的新方案。ELEYE-DATUBO等[12]研究貝葉斯網(wǎng)絡(luò)處理FSA研究中遇到的隨機(jī)不確定性問(wèn)題。

近年來(lái)，隨著人工智能技術(shù)不斷發(fā)展，不確定性定量化研究不斷深入，系統(tǒng)形成因素之間的相互關(guān)系和作用機(jī)制開(kāi)始成為一個(gè)新的研究方向。呂彬等[13]構(gòu)建基于云模型的裝備采辦風(fēng)險(xiǎn)評(píng)估方法。王健等[14]將云模型應(yīng)用到白化權(quán)函數(shù)中構(gòu)造出灰云模型，并將其運(yùn)用到球載雷達(dá)模擬訓(xùn)練系統(tǒng)的效能評(píng)估中。胡甚平等[15]引入人工智能方法，建立海上交通系統(tǒng)風(fēng)險(xiǎn)云模型，闡明基于3個(gè)不安全要素的海上交通系統(tǒng)風(fēng)險(xiǎn)成因耦合機(jī)理。李曉松等[16]介紹云推理理論，構(gòu)建武器裝備研制風(fēng)險(xiǎn)的云推理評(píng)估模型，實(shí)現(xiàn)定性變量與定量變量的相互映射。

這里引入不確定人工智能的方法，以海上交通運(yùn)輸安全風(fēng)險(xiǎn)中風(fēng)險(xiǎn)形成因素發(fā)生的可能性和影響程度作為辨識(shí)基礎(chǔ)，通過(guò)輸入二維云參數(shù)，并結(jié)合確定的規(guī)則生成器，推理海上交通風(fēng)險(xiǎn)的量化等級(jí)，從而辨識(shí)出海上交通風(fēng)險(xiǎn)因素的作用和影響及確定特定條件下的風(fēng)險(xiǎn)程度，為分析風(fēng)險(xiǎn)評(píng)估的不確定性信息提供新的思路。

1 海上交通風(fēng)險(xiǎn)成因作用與量化

1.1海上交通風(fēng)險(xiǎn)成因分析

在海上交通系統(tǒng)安全方面，危險(xiǎn)源是海上交通系統(tǒng)安全風(fēng)險(xiǎn)的形成因素,根據(jù)能量意外釋放理論，認(rèn)為其由潛在危險(xiǎn)性、存在條件和觸發(fā)因素等3個(gè)要素構(gòu)成，其中：潛在危險(xiǎn)性主要是財(cái)產(chǎn)損失、人命傷亡和環(huán)境損害，有時(shí)也會(huì)涉及社會(huì)影響；存在條件是人-船(貨)-環(huán)境的運(yùn)行條件；觸發(fā)因素是使危險(xiǎn)源轉(zhuǎn)化為事故的外因，每個(gè)類(lèi)型的危險(xiǎn)源都有相應(yīng)的敏感觸發(fā)因素。系統(tǒng)的3個(gè)不安全(即人的不安全行為、船的不安全狀態(tài)和環(huán)境的不安全條件)是海上交通危險(xiǎn)源的觸發(fā)因素。

1.2海上交通風(fēng)險(xiǎn)描述

在海上交通系統(tǒng)中，海上交通風(fēng)險(xiǎn)是指某一特定的狀態(tài)下能導(dǎo)致人、船、貨受到損害的可能性和形成影響的程度或范圍的組合[1-2],用數(shù)學(xué)算式表示為

Rs=f(L,I)|s

(1)

式(1)中：L為某一風(fēng)險(xiǎn)事件發(fā)生的可能性；I為事件發(fā)生帶來(lái)的影響；s為某一特定因素作用下的狀態(tài)；Rs為在s狀態(tài)下分析對(duì)象的風(fēng)險(xiǎn)；f為L(zhǎng)和I上的非負(fù)實(shí)數(shù)函數(shù)。

風(fēng)險(xiǎn)是風(fēng)險(xiǎn)事件的可能性和嚴(yán)重性的組合。[2]現(xiàn)實(shí)中，海上交通系統(tǒng)安全風(fēng)險(xiǎn)往往包含隨機(jī)性、模糊性和不完整性信息，是多種信息的集成表示。對(duì)風(fēng)險(xiǎn)進(jìn)行量化需尋求3種信息不確定表示的方法。

2 灰云模型與云推理

2.1灰云模型

灰云模型是王洪利等[17]結(jié)合云模型[18-19]理論和灰色理論提出的,目前已被廣泛應(yīng)用于復(fù)雜系統(tǒng)智能信息的處理中。在云模型中，其縱坐標(biāo)表示模糊性的隸屬度關(guān)系；而在灰云模型中，其縱坐標(biāo)表示不完整性的灰數(shù)白化權(quán)。[19]灰云模型既可表示系統(tǒng)的不完整性信息，又能表示主觀(guān)判斷的隨機(jī)性和模糊性信息，還能綜合實(shí)現(xiàn)灰性和隨機(jī)性的定性與定量轉(zhuǎn)化。[19]

海上交通風(fēng)險(xiǎn)的形成是復(fù)雜的多因素相互作用的結(jié)果。[15]海上交通風(fēng)險(xiǎn)描述是對(duì)不確定性信息進(jìn)行量化的過(guò)程，而不確定信息包含隨機(jī)性、模糊性和不完整性等多種屬性特征。因此，海上交通風(fēng)險(xiǎn)描述可借助灰云模型來(lái)綜合處理。

2.2灰云參數(shù)計(jì)算與灰云發(fā)生器

采用灰云模型進(jìn)行海上交通系統(tǒng)風(fēng)險(xiǎn)仿真研究，以實(shí)現(xiàn)風(fēng)險(xiǎn)中隨機(jī)的不完整信息與定常信息的不確定轉(zhuǎn)換。

云的數(shù)字特征N3(Ex,En,He)用期望Ex，熵En和超熵He等3個(gè)數(shù)值來(lái)表示?；以频臄?shù)字特征GL5(Cx,Lx,Rx,En,He)用峰值Cx，左右邊界值[Lx,Rx]，熵En和超熵He等數(shù)值來(lái)表征。[19]

在點(diǎn)峰值模型中，熵En的取值為

En=(Rx-Lx)/6

(2)

在區(qū)間峰值中，熵En的取值為

En=[(Rx-Lx)-(RCx-LCx)]/6

(3)

He=En/α

(4)

式(2)～式(4)中：Cx為灰色概念中最能代表該定性概念的值，即白化權(quán)為1的值，可以是一個(gè)數(shù)，成為點(diǎn)峰值；[Lx,Rx]為論域中不完整性的灰色概念的數(shù)值范圍;α為常數(shù)，一般取6～8。

在實(shí)際語(yǔ)言描述的定性概念中，除完整的灰云模型之外，經(jīng)常運(yùn)用的還有半升灰云、半降灰云等單側(cè)特征的灰云。

灰云模型繼承了代數(shù)運(yùn)算和升云運(yùn)算[15,19]等云模型的基本算法。正向云發(fā)生器和逆向云發(fā)生器相結(jié)合可進(jìn)行定性與定量的任意轉(zhuǎn)換。因此，運(yùn)用云發(fā)生器算法生成的云也有不均勻分布云滴的特性，集成定性信息的隨機(jī)性和不完整性等特征。

3 基于灰云模型的海上交通系統(tǒng)風(fēng)險(xiǎn)推理流程

在風(fēng)險(xiǎn)云推理上，首先根據(jù)隨機(jī)事件發(fā)生的可能性及其影響，將2個(gè)判定值(L,I)|s輸入至二維X條件云發(fā)生器中，獲得確定度μ；然后輸入Y條件云發(fā)生器，得到單因素作用的風(fēng)險(xiǎn)值Rs；最后經(jīng)云模型的代數(shù)運(yùn)算和升云計(jì)算，獲得系統(tǒng)風(fēng)險(xiǎn)值R。

3.1風(fēng)險(xiǎn)變量云化

對(duì)定性變量進(jìn)行云描述時(shí)，首先根據(jù)專(zhuān)家運(yùn)用自然語(yǔ)言給出的評(píng)語(yǔ)給定性變量賦值，獲取灰云數(shù)字特征和云的形狀。風(fēng)險(xiǎn)描述包括風(fēng)險(xiǎn)發(fā)生概率、風(fēng)險(xiǎn)后果程度和風(fēng)險(xiǎn)大小等3個(gè)定性變量，因此要獲取各自的灰云數(shù)字特征GL5(Cx,Lx,Rx,En,He)。

3.2構(gòu)造灰云標(biāo)尺

將定性變量云化的結(jié)果置于統(tǒng)一的坐標(biāo)系上，形成云標(biāo)尺。目前主要有基于云變換的數(shù)據(jù)驅(qū)動(dòng)法和基于黃金分割的模型驅(qū)動(dòng)法。2種基于云模型的概念生成方法中,黃金分割率是廣泛應(yīng)用的一種反映自然規(guī)律的最優(yōu)分割模型[19]，因此借助分割率確立灰云標(biāo)尺。

一般取奇數(shù)個(gè)云(如3個(gè)或5個(gè))，如在[0,1]之間將論域分為5個(gè)評(píng)估等級(jí)(I5～I(xiàn)1)，分別對(duì)應(yīng)灰云模型GL1(0.950 0，0.587 1， …，0.121 0，0.015 1)，GL2(0.587 1，0.362 8， 0.950 0，0.097 9，0.012 2)，GL3(0.362 8，0.224 2,0.587 1，0.074 8，0.009 3)，GL4(0.224 2，0.138 6,0.362 8,0.037 4,0.004 7)，GL5(0.138 6，…，0.224 2，0.028 6,0.003 6)。風(fēng)險(xiǎn)發(fā)生概率、風(fēng)險(xiǎn)影響程度和風(fēng)險(xiǎn)大小的云標(biāo)尺見(jiàn)圖1，云標(biāo)尺中的云簇形成定性變量的激活區(qū)間。

圖1 3種概念的灰云標(biāo)尺

3.3確定定性規(guī)則

在構(gòu)造云發(fā)生器之前,要先確定風(fēng)險(xiǎn)事件發(fā)生的可能性、影響程度和風(fēng)險(xiǎn)大小之間的定性規(guī)則。通過(guò)咨詢(xún)專(zhuān)家和參考相關(guān)文獻(xiàn)，確立可能性L(fǎng)，影響程度I及風(fēng)險(xiǎn)大小R之間的定性規(guī)則見(jiàn)表1，其含義列舉如下。

Rule 1：If 可能性L(fǎng)1(該風(fēng)險(xiǎn)不太可能發(fā)生) and影響I2(對(duì)目標(biāo)影響極小或無(wú)影響)，then風(fēng)險(xiǎn)很低RIV。

?

Rule 9：If可能性L(fǎng)4(該風(fēng)險(xiǎn)很可能發(fā)生) and影響I5(對(duì)目標(biāo)有重大影響)，then高度危險(xiǎn)的作業(yè)RI。

表1 風(fēng)險(xiǎn)矩陣表

3.4構(gòu)造規(guī)則發(fā)生器

由風(fēng)險(xiǎn)事件發(fā)生的可能性及其影響程度2個(gè)基本因素的組合可確定風(fēng)險(xiǎn)大小。針對(duì)特定水域，描述風(fēng)險(xiǎn)事件或組成因素的可能性及其影響程度具有隨機(jī)性、模糊性乃至不完整性等不確定性信息，因此需要將一個(gè)定性分析問(wèn)題以云模型為工具進(jìn)行定量分析。借助已確定的定性規(guī)則組合成多規(guī)則發(fā)生器。在由該發(fā)生器得到的風(fēng)險(xiǎn)矩陣中，不同位置處曲面的粗糙程度反映不確定性的程度[19]：越靠近規(guī)則的中心位置，曲面越光滑，不確定性的程度越低；而越靠近規(guī)則的重疊區(qū)，曲面越粗糙，不確定性的程度越高。

3.5風(fēng)險(xiǎn)的云推理

構(gòu)造云規(guī)則發(fā)生器后，得到任一風(fēng)險(xiǎn)組成因素可能性及其影響程度的信息，經(jīng)云規(guī)則發(fā)生器處理后，可統(tǒng)計(jì)出該風(fēng)險(xiǎn)組成因素的風(fēng)險(xiǎn)數(shù)值。

3.6系統(tǒng)風(fēng)險(xiǎn)

根據(jù)海上交通系統(tǒng)風(fēng)險(xiǎn)3個(gè)因素的云參數(shù)可由式(5)獲得。

(5)

式(5)中：ri為因素風(fēng)險(xiǎn)；wi為風(fēng)險(xiǎn)因素相互關(guān)系。該式利用云代數(shù)運(yùn)算[15,19]可得出結(jié)果。同時(shí)，運(yùn)用升云計(jì)算[15,19]也可推理出海上交通系統(tǒng)風(fēng)險(xiǎn)。

4 算 例

根據(jù)事故致因理論的觀(guān)點(diǎn)，海上交通事故是由船員的不安全行為、船舶的不安全狀態(tài)和環(huán)境的不安全條件等3個(gè)“不安全”相互作用導(dǎo)致的。這里以港口船舶交通風(fēng)險(xiǎn)為例說(shuō)明基于云推理的應(yīng)用。

4.1港口船舶交通風(fēng)險(xiǎn)因素分析與灰云參數(shù)

以我國(guó)東部地區(qū)的重要港口水域?yàn)槔?，利用DELPHI方法收集30名專(zhuān)家給出的該水域3個(gè)不安全的風(fēng)險(xiǎn)維度的判斷結(jié)果(初始云滴)，經(jīng)云模型計(jì)算[15,19]得到該水域船舶交通風(fēng)險(xiǎn)因素的輸入值(見(jiàn)表2)。

表2 某水域船舶交通風(fēng)險(xiǎn)因素專(zhuān)家判斷

4.2各成因港口船舶交通風(fēng)險(xiǎn)云推理

海上交通風(fēng)險(xiǎn)的成因包括船員的不安全行為、船舶的不安全狀態(tài)和環(huán)境的不安全條件。不同成因作用下的海上交通風(fēng)險(xiǎn)量化可依靠前述模型經(jīng)仿真獲得。首先將環(huán)境的不安全條件發(fā)生的可能性和風(fēng)險(xiǎn)影響程度(xL,xI)=(0.521 3,0.352 4)輸入至云規(guī)則發(fā)生器中，進(jìn)行1 000次仿真，通過(guò)卡方檢驗(yàn)得到若干個(gè)云滴；然后通過(guò)逆云生成器計(jì)算得到環(huán)境的不安全條件下風(fēng)險(xiǎn)因素ri的風(fēng)險(xiǎn)云參數(shù)，其數(shù)學(xué)期望為0.592 7，方差為0.234 0，超熵為0.121 6(即環(huán)境的不安全條件下風(fēng)險(xiǎn)因素為II級(jí)風(fēng)險(xiǎn))。

重復(fù)上述步驟，遞推得到船員和船舶的風(fēng)險(xiǎn)因素為II級(jí)和III級(jí)風(fēng)險(xiǎn)(見(jiàn)表3)。

由表2數(shù)據(jù)可得出以下結(jié)論：

表3 某水域船舶交通風(fēng)險(xiǎn)因素云參數(shù)

1) 船舶在該水域作業(yè)，環(huán)境條件引發(fā)的風(fēng)險(xiǎn)較大，船員次之，船舶因素引發(fā)的風(fēng)險(xiǎn)較小。

2) 港口水域船舶交通風(fēng)險(xiǎn)的主要來(lái)源仍是環(huán)境的不安全條件，即自然、地理和交通等因素對(duì)海上交通風(fēng)險(xiǎn)的作用突出。

3) 環(huán)境和船員均被視為明顯危險(xiǎn)的作業(yè)因素，需采取措施進(jìn)行控制；船舶因素被視為可能危險(xiǎn)的作業(yè)因素。

4.3港口船舶交通系統(tǒng)風(fēng)險(xiǎn)

船員的不安全行為、船舶的不安全狀態(tài)和環(huán)境的不安全條件共同作用產(chǎn)生港口船舶交通系統(tǒng)風(fēng)險(xiǎn)。文獻(xiàn)[15]中提出3個(gè)“不安全”產(chǎn)生的風(fēng)險(xiǎn)因素相互關(guān)系wi(見(jiàn)表4)。

表4 某水域船舶交通風(fēng)險(xiǎn)因素相互關(guān)系云 ×10-3

運(yùn)用云計(jì)算公式[15]，得到該水域船舶交通風(fēng)險(xiǎn)一次推理水平為(3.135±0.663)×10-4。

若經(jīng)逆向云發(fā)生器獲得云滴，根據(jù)文獻(xiàn)[15]，通過(guò)升云運(yùn)算得到3個(gè)“不安全”產(chǎn)生的系統(tǒng)風(fēng)險(xiǎn)為0.540 3，處于III級(jí)風(fēng)險(xiǎn)與II級(jí)風(fēng)險(xiǎn)之間，相對(duì)趨向于II級(jí)風(fēng)險(xiǎn)且不穩(wěn)定(見(jiàn)圖2)。

圖2 基于云推理的水域風(fēng)險(xiǎn)評(píng)價(jià)

5 結(jié)束語(yǔ)

風(fēng)險(xiǎn)是風(fēng)險(xiǎn)形成因素相互作用和影響的結(jié)果。海上交通系統(tǒng)安全風(fēng)險(xiǎn)本質(zhì)上是船員的不安全行為、船舶的不安全狀態(tài)和環(huán)境的不安全條件等3個(gè)“不安全”相互作用觸發(fā)形成的綜合風(fēng)險(xiǎn)。算例應(yīng)用結(jié)果證明，這些觸發(fā)因素的相互作用是不穩(wěn)定的。

運(yùn)用云推理，結(jié)合隨機(jī)信息和主觀(guān)信息進(jìn)行海上交通系統(tǒng)風(fēng)險(xiǎn)測(cè)量。與以往的風(fēng)險(xiǎn)屬性中可能性與后果的代數(shù)組合相比，組合后的風(fēng)險(xiǎn)評(píng)價(jià)反映可能性與后果組合的非對(duì)稱(chēng)性，更加注重后果的影響。灰云模型能綜合隨機(jī)性信息、模糊性信息和不完整性信息等多屬性信息，描述不確定性信息的容量更強(qiáng)。

運(yùn)用云的代數(shù)計(jì)算和升云計(jì)算，可實(shí)現(xiàn)風(fēng)險(xiǎn)因素的綜合評(píng)估，獲得的結(jié)果能較好地反映相對(duì)風(fēng)險(xiǎn)評(píng)估結(jié)論的可靠性。絕對(duì)風(fēng)險(xiǎn)的定量化(特別是轉(zhuǎn)化成符合船舶活動(dòng)量下的風(fēng)險(xiǎn))是以后需要進(jìn)行的研究。

[1] HU S, FANG Q, XIA H, et al. Formal Safety Assessment Based on Relative Risk Model in Ship Navigation[J]. Reliability Engineering & System Safety, 2011,92(3):369-377.

[2] 方泉根,胡甚平. FSA在船舶引航風(fēng)險(xiǎn)評(píng)估中的應(yīng)用[J].哈爾濱工程大學(xué)學(xué)報(bào),2006,27(3):329-334.

[3] 周麗麗,胡甚平. 船舶引航風(fēng)險(xiǎn)成因灰色綜合評(píng)價(jià)模型[J]. 上海海事大學(xué)學(xué)報(bào),2008(2):21-25.

[4] 張文青,胡甚平,劉琨,等. 基于熵權(quán)的海上交通風(fēng)險(xiǎn)成因物元評(píng)價(jià)模型[J]. 上海海事大學(xué)學(xué)報(bào),2010(2):18-22.

[5] 李紅喜,鄭中義,齊跡. 基于粗糙集的港口通航環(huán)境對(duì)航行安全的影響[J]. 大連海事大學(xué)學(xué)報(bào),2012, 38(2):8-10.

[6] 王鳳武,邊海濤,劉強(qiáng). 海損事故致因的加權(quán)灰色關(guān)聯(lián)分析[J]. 大連海事大學(xué)學(xué)報(bào),2012, 38 (3):19-21.

[7] HELTON J C, JOHNSON J D, SALLABERRY C J. Quantification of Margins and Uncertainties: Example Analyses from Reactor Safety and Radioactive Waste Disposal Involving the Separation of Aleatory and Epistemic Uncertainty[J]. Quantification of Margins and Uncertainties,2011,96(9):1014-1033.

[8] AVEN T, ZIO E. Some Considerations on the Treatment of Uncertainties in Risk Assessment for Practical Decision Making[J].Reliability Engineering & System Safety,2011,96(1):64-74.

[9] KO? M L. Risk Assessment of a Vertical Breakwater Using Possibility and Evidence Theories[J]. Ocean Engineering,2009, 36(14):1060-1066.

[10] MERRICK J R W,DINESH V, AMITA S D, et al. Propagation of Uncertainty in a Simulation-Based Maritime Risk Assessment Model Utilizing Bayesian Simulation Techniques[C]. Simulation Conference, 2003.

[11] YANG J B, XU D L. On the Evidential Reasoning Algorithm for Multiple Attribute Decision Analysis Under Uncertainty[J]. Systems, Man and Cybernetics Part A Systems & Humans IEEE Transactions on, 2002, 32(3): 289-304.

[12] ELEYE-DATUBO A G, WALL A, SAAJED A, et al. Facilitating the Treatment of Uncertainty in Marine Formal Safety Assessment[C]∥Proceedings of the Institute of Marine Engineering, Science and Technology. Journal of Marine Design and Operations, 2006(10): 39-53.

[13] 呂彬,杜紅梅, 陳慶華. 基于云模型的裝備采辦風(fēng)險(xiǎn)評(píng)估方法研究[J].中國(guó)國(guó)防經(jīng)濟(jì), 2006, 4: 70-75.

[14] 王健,肖文杰,盛文,等. 一種改進(jìn)灰云模型的效能評(píng)估方法[J]. 微計(jì)算機(jī)信息,2009,12:277-278.

[15] 胡甚平，黎法明，席永濤，等. 海上交通系統(tǒng)風(fēng)險(xiǎn)成因耦合機(jī)理仿真[J]. 應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報(bào), 2015,23(2):409-419.

[16] 李曉松,王成志,陳慶華.基于云推理模型的武器裝備研制風(fēng)險(xiǎn)評(píng)估研究[J].運(yùn)籌與管理, 2011(3):111-118.

[17] 王洪利,馮玉強(qiáng). 基于灰云的改進(jìn)白化模型及其在灰色決策中應(yīng)用[J]. 黑龍江大學(xué)自然科學(xué)學(xué)報(bào),2006(6):740-745.

[18] 李德毅, 孟海軍, 史雪梅. 隸屬云和隸屬云發(fā)生器[J]. 計(jì)算機(jī)研究和發(fā)展, 1995, 32(6): 16-21.

[19] 李德毅,劉常昱,杜鹢,等.不確定性人工智能[J].軟件學(xué)報(bào),2004,15(11):1583-1594.

[20] 楊朝暉,李德毅. 二維云模型及其在預(yù)測(cè)中的應(yīng)用[J].計(jì)算機(jī)學(xué)報(bào),1998,21(11):961-968.

[21] 岳訓(xùn),李全忠,孫忠林,等.定性預(yù)測(cè)系統(tǒng)的建模方法[J].計(jì)算機(jī)工程, 2001, 27(9): 97-98.

ReasoningMethodforRiskinMarineTrafficSystemBasedonGrayCloudModel

(1. Merchant Marine College, Shanghai Maritime University, Shanghai 201306, China; 2. Liverpool John Moores University, London SE12RE, UK)

U698

A

2016-05-10

龔慧佳 (1983—)， 女，上海人， 助教，博士生，主要研究方向?yàn)楹Ｉ辖煌ò踩?。E-mail:jiajia.1510@163.com

1000-4653(2016)02-0087-05