◎ 蔡源忠 九江市港口航運(yùn)管理局

近年來，隨著海上經(jīng)濟(jì)的快速發(fā)展，海事事故的發(fā)生頻次也在不斷增加，據(jù)相關(guān)統(tǒng)計(jì)數(shù)據(jù)顯示，多達(dá)90%以上的海事事故均為人為因素引發(fā)，及時(shí)掌握海事事故當(dāng)中人為因素所帶來的影響，是強(qiáng)化海事事故預(yù)防，降低事故影響的重點(diǎn)所在。通過關(guān)聯(lián)規(guī)則當(dāng)中的Apriori算法，能夠較為直觀地挖掘出人為失誤與海事事故之間的相互關(guān)系，為海洋運(yùn)輸管理部門的有關(guān)舉措提供更加客觀準(zhǔn)確的參考，使海事事故的預(yù)防方案能夠進(jìn)一步契合事故實(shí)際情況，保障海上運(yùn)輸業(yè)安全。

1.Apriori算法基本原理

Apriori算法是最為常見的一種關(guān)聯(lián)規(guī)則挖掘算法，其主要運(yùn)用逐層搜索的迭代方法對(duì)項(xiàng)集當(dāng)中的關(guān)聯(lián)性進(jìn)行挖掘，進(jìn)而形成關(guān)聯(lián)規(guī)則。在海事事故致因分析過程中，可將事故案例作為事物集D，將導(dǎo)致事故發(fā)生的各項(xiàng)信息組成項(xiàng)集I，其中，I={i1,i2,i3,...,ik}，項(xiàng)集當(dāng)中的各項(xiàng)要素涵蓋了事故信息、事故誘因等涉及海事事故致因分析工作的關(guān)鍵要點(diǎn)。將人為因素作為條件X，將事故信息作為結(jié)論Y，分析條件X至結(jié)論Y之間的強(qiáng)度則能夠得到人為因素與海事事故之間的關(guān)聯(lián)性，進(jìn)而實(shí)現(xiàn)對(duì)事故致因的探討[1]。

由于項(xiàng)集I當(dāng)中涉及的事故信息較為復(fù)雜，給分析工作帶來了一定難度。因此可選取典型性信息作為分析代表，并對(duì)其進(jìn)行編碼，設(shè)最小支持度為min_sup=20%，最小置信度為min_conf=70%，能夠針對(duì)編碼后的信息進(jìn)行篩選，得到頻繁項(xiàng)集。與此同時(shí)，按照上述支持度與置信度計(jì)算要求對(duì)項(xiàng)集內(nèi)部信息進(jìn)行多次迭代，并基于置信度公式對(duì)信息置信度進(jìn)行驗(yàn)證。公式為：

待置信度驗(yàn)證完成后，能夠明確頻繁項(xiàng)集當(dāng)中海事事故相關(guān)因素與事故影響之間的關(guān)聯(lián)性特征，為實(shí)現(xiàn)針對(duì)海事事故的有效預(yù)防提供支持。

2.海事事故致因要素整合處理

在Apriori算法下，海事事故致因要素的分析更加嚴(yán)謹(jǐn)，為減少算法誤差對(duì)分析精度造成的影響，在致因分析之前，需要對(duì)項(xiàng)集模型當(dāng)中涉及的要素進(jìn)行整合處理，使其能夠符合Apriori算法分析要求。

2.1 布爾數(shù)據(jù)轉(zhuǎn)化

作為一種單維布爾型的數(shù)據(jù)挖掘算法，在針對(duì)海事事故人為致因進(jìn)行分析和研究的過程當(dāng)中，應(yīng)將多維要素進(jìn)行轉(zhuǎn)化，使數(shù)據(jù)挖掘結(jié)論更加全面。事故項(xiàng)集I當(dāng)中的信息內(nèi)容涵蓋的布爾信息包括違規(guī)值班、能見度不良等等，在針對(duì)算法模型進(jìn)行構(gòu)建的同時(shí)，應(yīng)當(dāng)具備對(duì)信息數(shù)據(jù)形態(tài)進(jìn)行辨識(shí)的功能，模型內(nèi)部應(yīng)將單維布爾型數(shù)據(jù)的屬性值設(shè)定為1，將多維信息數(shù)據(jù)的屬性值設(shè)定為0，使Apriori算法下不同事故致因要素在事物集D當(dāng)中的比重能夠較為直觀地展現(xiàn)在模型當(dāng)中。基于布爾數(shù)據(jù)轉(zhuǎn)化過后的要素分析主要涉及組織管理、監(jiān)督安全以及事故發(fā)生條件等三個(gè)層次。具體數(shù)據(jù)見表1至表3。

表1 組織管理層次在要素分析當(dāng)中的占比

表2 監(jiān)督安全層次在要素分析當(dāng)中的占比

表3 事故發(fā)生條件層次在要素分析當(dāng)中的占比

2.2 枚舉數(shù)據(jù)處理

上文當(dāng)中，主要針對(duì)海事事故發(fā)生過程當(dāng)中涉及的布爾型數(shù)據(jù)進(jìn)行了初步梳理，為了覆蓋更加廣泛的海上事故狀況，提升海事事故預(yù)防工作成效，還需要從枚舉角度對(duì)項(xiàng)集當(dāng)中涉及的事故信息進(jìn)行全面分析，使天氣要素、人為失誤要素等信息進(jìn)一步細(xì)化，使Apriori算法的分析工作開展更加合理[2]。本文以人為因素為例進(jìn)行論證。在海事事故人為失誤致因要素當(dāng)中，可分為人員因素與管理因素兩類，其中人員因素涵蓋了海上運(yùn)輸工作人員的適任性情況、工作人員的身心狀態(tài)、對(duì)海上運(yùn)輸環(huán)境的感知、對(duì)運(yùn)行風(fēng)險(xiǎn)的辨識(shí)判斷與決策、風(fēng)險(xiǎn)處理過程當(dāng)中的操作行為等，管理因素主要涵蓋了船上資源管理、處置流程優(yōu)化、安全氛圍建設(shè)、風(fēng)險(xiǎn)行為監(jiān)督、安全運(yùn)行規(guī)劃、違規(guī)行為處置等。針對(duì)枚舉數(shù)據(jù)進(jìn)行處理過后，能夠使Apriori算法下的數(shù)據(jù)挖掘工作得到較為全面的內(nèi)容支撐，保障數(shù)據(jù)挖掘價(jià)值。

2.3 數(shù)值數(shù)據(jù)離散

海洋運(yùn)輸業(yè)發(fā)展過程當(dāng)中涉及的各項(xiàng)事故信息類別較為豐富，這就給數(shù)據(jù)之間非線性關(guān)系的描述和分析帶來了一定的挑戰(zhàn)。此外，事故信息項(xiàng)集內(nèi)部可能存在的一些異常數(shù)據(jù)信息也會(huì)對(duì)最終的分析結(jié)果帶來一定的負(fù)面影響。因此在運(yùn)用Apriori算法進(jìn)行海事事故信息數(shù)據(jù)整合處理的同時(shí)，還應(yīng)當(dāng)針對(duì)數(shù)值數(shù)據(jù)進(jìn)行離散處理，使其能夠回歸自身屬性值，進(jìn)而摒棄異常數(shù)據(jù)對(duì)于算法分析結(jié)果產(chǎn)生的影響，確保致因分析的準(zhǔn)確性。在基于Apriori算法針對(duì)海事事故數(shù)據(jù)信息進(jìn)行挖掘的同時(shí)，主要涉及支持度、置信度兩項(xiàng)指標(biāo)，因此離散化處理的過程中也應(yīng)當(dāng)做好變量控制，使數(shù)據(jù)結(jié)論更加完善。

在離散分析之前，將項(xiàng)集內(nèi)部有關(guān)于海事事故的信息要素的支持度閾值控制在20%，同時(shí)將置信度閾值控制在25%，進(jìn)而對(duì)項(xiàng)集I內(nèi)部各項(xiàng)信息要素與事故發(fā)生時(shí)的關(guān)聯(lián)特性以及關(guān)聯(lián)規(guī)則進(jìn)行比對(duì)分析，并且在支持度閾值不變的前提下，針對(duì)項(xiàng)集I當(dāng)中數(shù)據(jù)信息的置信度閾值進(jìn)行調(diào)整，對(duì)最終獲取到的信息關(guān)聯(lián)規(guī)則進(jìn)行排序，最終得到離散分析過后的關(guān)聯(lián)規(guī)則。基于上述規(guī)則，能夠進(jìn)一步減少異常信息給致因分析結(jié)論造成的影響，實(shí)現(xiàn)對(duì)規(guī)則冗余的充分排除，為海事事故人為失誤的致因分析提供支持。

3.基于Apriori算法的人為失誤致因分析

3.1 信息來源

作為一項(xiàng)布爾型數(shù)據(jù)挖掘算法，Apriori算法需要大量數(shù)據(jù)作為基礎(chǔ)和支持，在選擇海事事故案例的過程當(dāng)中，研究者應(yīng)當(dāng)遵循以下幾方面原則。第一是時(shí)效性原則，為了使海事事故調(diào)查報(bào)告具備更加充分的參考價(jià)值，減少社會(huì)環(huán)境變化以及技術(shù)發(fā)展對(duì)項(xiàng)集內(nèi)部信息產(chǎn)生的影響，應(yīng)盡可能將案例選擇的時(shí)間閾值控制在10年以內(nèi)。第二是權(quán)威性原則，相關(guān)海事事故的調(diào)查報(bào)告必須來源于各國官方機(jī)構(gòu)。第三是隨機(jī)性原則，在針對(duì)海事事故調(diào)查報(bào)告進(jìn)行篩選與整理的同時(shí)，應(yīng)盡可能保障篩選過程的隨機(jī)性，避免事故類別以及事故影響范圍對(duì)研究造成的影響。第四是完整性原則，在基于Apriori算法對(duì)不同海事事故調(diào)查報(bào)告進(jìn)行分析與梳理的過程中，應(yīng)保障調(diào)查報(bào)告內(nèi)容的全面完整，其內(nèi)部應(yīng)涵蓋事故原因、事故影響、事故類別等多項(xiàng)關(guān)鍵性內(nèi)容，使人為失誤與海事事故之間的關(guān)聯(lián)性得到進(jìn)一步凸顯[3]。

為適應(yīng)Apriori算法分析要求，滿足上述信息來源與篩選原則，本次研究過程中基于各國海事事故調(diào)查報(bào)告選擇了100個(gè)樣本，具體案例如表4所示。

表4 海事事故調(diào)查報(bào)告樣本

3.2 相關(guān)性分析

在基于Apriori算法針對(duì)人為失誤與海事事故之間的關(guān)聯(lián)性進(jìn)行調(diào)查與研究的過程中，應(yīng)依托上述篩選完成后的100個(gè)權(quán)威海事事故調(diào)查報(bào)告為例對(duì)其涉及的數(shù)據(jù)信息進(jìn)行相關(guān)性分析，從而獲取到人為失誤與海事事故之間的關(guān)聯(lián)性規(guī)則。

首先，基于上述海事事故調(diào)查報(bào)告設(shè)定事故事物集D，其中包括篩選完成的100個(gè)各國發(fā)布的典型性海事事故案例，同時(shí)，依托案例調(diào)查報(bào)告，將海事事故調(diào)查過程中所涉及的影響要素納入項(xiàng)集I當(dāng)中，本次研究涉及的人為失誤共13類，事故影響要素共32類，因此項(xiàng)集I當(dāng)中的要素總數(shù)為45個(gè)。與此同時(shí)，將A設(shè)定為海事事故當(dāng)中人為失誤集合，將B設(shè)定為事故影響要素集合。

其次，在依托Apriori算法進(jìn)行關(guān)聯(lián)分析的過程中，應(yīng)明確各要素之間的支持度與可信度閾值。一般可采用經(jīng)驗(yàn)法以及變量控制法兩種方法對(duì)要素關(guān)聯(lián)閾值進(jìn)行設(shè)定，為了減少誤差因素對(duì)于最終數(shù)據(jù)挖掘結(jié)果造成的影響，提升Apriori算法分析結(jié)論的可信性，本次研究當(dāng)中采用了變量控制的策略對(duì)項(xiàng)集I當(dāng)中各要素的支持度、可信度閾值進(jìn)行設(shè)計(jì)，經(jīng)迭代計(jì)算過后，最終確定支持度閾值為30.5%，可信度閾值為34.7%。

最后，基于迭代分析得到的信息支持度與可信度閾值，針對(duì)要素與事故之間的關(guān)聯(lián)規(guī)則進(jìn)行明確。計(jì)算公式為：

式中，s為海事事故致因分析過程當(dāng)中的要素支持度，c為海事事故致因分析過程當(dāng)中的要素可信度。最終的關(guān)聯(lián)規(guī)則如表5所示。

表5 Apriori算法計(jì)算過后的要素關(guān)聯(lián)規(guī)則

3.3 資料勘探

在不同閾值條件下，最終得到的分析結(jié)論也存在一定的差異，進(jìn)而得到的人為失誤與海事事故之間的關(guān)聯(lián)性也存在相應(yīng)區(qū)別。其中，在海洋運(yùn)輸航行過程當(dāng)中，對(duì)于風(fēng)險(xiǎn)信息的處理能力、航道選擇能力、航行知識(shí)經(jīng)驗(yàn)、風(fēng)險(xiǎn)監(jiān)督以及作業(yè)注意力等相關(guān)要素與海事事故之間的關(guān)聯(lián)性較強(qiáng)，可能引發(fā)海事事故的概率較高。

4.海事事故預(yù)防建議

為了進(jìn)一步降低海事事故發(fā)生概率，減少海事事故給海洋運(yùn)輸業(yè)以及海上經(jīng)貿(mào)活動(dòng)造成的影響，有關(guān)單位與從業(yè)者應(yīng)分別基于內(nèi)部環(huán)境與外部條件兩方面做好事故預(yù)防工作。

4.1 內(nèi)部環(huán)境預(yù)防

從內(nèi)部環(huán)境來看，海上運(yùn)輸作業(yè)人員的能力與素質(zhì)與海事事故的發(fā)生具有較為明確的關(guān)聯(lián)性，因此有關(guān)企業(yè)與單位應(yīng)當(dāng)積極加強(qiáng)有關(guān)作業(yè)團(tuán)隊(duì)的選拔與培養(yǎng)工作，同時(shí)因地制宜做好運(yùn)輸作業(yè)監(jiān)管，避免嚴(yán)重海上事故的發(fā)生[4]。

4.2 外部條件預(yù)防

從外部條件來看，在海上航行作業(yè)之前，應(yīng)當(dāng)加強(qiáng)對(duì)航行環(huán)境以及航行條件的監(jiān)控，避免在惡劣環(huán)境或密集交通下進(jìn)行作業(yè)，保障海上航行安全。

5.結(jié)論

綜上所述，在海上航行作業(yè)過程中，人為失誤對(duì)事故的發(fā)生具有重要影響。相關(guān)研究者可基于Apriori算法對(duì)人為失誤與海事事故之間的關(guān)聯(lián)特征進(jìn)行分析和明確，力求規(guī)避海事事故造成的影響，為海事監(jiān)管工作的正常開展奠定基礎(chǔ)。