英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料

Reliability Engineering and System Safety 156 (2016) 210–227

目录可以在 Science Direct 上找到

可靠性工程和系统安全

Journal homepage: www.elsevier.com/locate/ress

将人为因素纳入以人为本的船舶碰撞风险模型

P. Sotiralis a,n, N.P. Ventikos a, R. Hamann b, P. Golyshev b, A.P. Teixeira c

希腊雅典国立技术大学海运实验室

德国汉堡DNV GL

葡萄牙里斯本大学高级技术学院海洋技术和海洋工程中心

文章信息

文章历史：

2015年11月25日收到修订版

2016年6月29日

2016年8月12日接受

2016年8月18日在线提供

关键词：

碰撞风险分析贝叶斯网络事件树

人为因素

以人为本的设计敏感性分析金融服务管理局

摘要

本文提出了一种将人的因素考虑更充分地纳入船舶营运风险定量分析的方法。船舶碰撞事故是船舶运行过程中最主要的风险因素之一。该方法基于贝叶斯网络(BN)模型的开发，该模型融合了认知误差(TRACEr)回溯分析和预测分析技术的元素，着重于计算由人为误差引起的碰撞事故概率。该模型考虑了人在正常、异常和关键操作条件下的性能，并通过对导致碰撞事故类别的任务错误的分析，实现了具体的任务。进行灵敏度分析，以确定影响人员绩效和船舶碰撞的最重要因素。最后，将所建立的模型应用于多佛海峡支线船舶的碰撞风险评估，利用所建立的BN模型所估计的碰撞概率和一个计算人类、经济和环境风险的事件树模型。

amp; 2016 Elsevier Ltd. All rights reserved.

1.介绍

正如最近Guedes Soares和Teixeira[18]等人所认为的，风险评估的非概率方法和正式方法在航运业已经使用了一段时间。上世纪90年代，国际海事组织(IMO)在IMO规则制定过程中引入了“正式安全评估”(FSA)方法，对海运部门风险评估技术的普遍采用做出了重要贡献[23,26]。

传统上，FSA研究主要使用事件树模型来评估特定意外事件的概率和后果，这也降低了风险控制措施效果的评估。很少有模型能更详细地考虑事故的原因，例如以故障树的形式。风险模型通常是复杂的，例如最近的FSA研究表明，它包含了技术系统和人为因素之间的许多依赖性，很难在故障和事件树模型中充分考虑。为了解决这一复杂的问题，贝叶斯网络(BN)模型已经在一些FSA研究(如[25])中被用来替代更经典的方法。事实上，船舶综合安全评估(FSA)已将BN作为大型客轮航行安全的建模工具。

到目前为止，在确定降低风险措施时，船舶结构和系统成为关注的焦点，因此人类行为变得越来越重要。正如Antao和Soares[3]所解释的那样，这一点也得到了许多研究的证实，这些研究发现人为失误对船舶事故的影响越来越大。因此，适当的人类行为模型越来越重要。

一些专业人员研究并模拟了人为及其组织因素对船舶事故的影响[6,13]。绝大多数情况下，事故的发生是由于以下原因之一或其几点原因综合:船员能力差、疲劳、缺乏沟通、缺乏适当的维护、缺乏应用安全文化和规程或其他程序、培训不足、情况评估不佳、压力过大[13,41,46]。因此，减少这些原因的发生将减少事故发生的可能性，从而增加船上人员和环境的安全。

本文着重从以下几个方面改进海上定量风险分析中对人为的因素考虑:一是将人为因素可靠地纳入FSA的风险框架;二是制定一种在与风险相关的情况下评估船员绩效的方法;三是提供以人为中心的设计(HCD)评估工具，为船舶及其系统基于风险的设计过程提供可行的解决方案。

本文提出的风险模型是由欧盟2012 - 2015年的CyClaDes项目(以船员为中心的船舶和船舶系统设计与操作)针对船舶碰撞事故开发的，碰撞事故是各类船舶的主要风险因素，主要是人为失误造成的。该模型考虑一个表示碰撞事件后果的事件树和一个用于计算碰撞概率的BN，并对影响值班人员(OOW)能力、检测、评估和行动的基本因素进行建模。影响参数是基于最初为空中交通管制[49]开发的示踪剂(用于认知错误的回顾性和预测分析的技术)分类的性能形成因素(PSF)，该示踪剂最近被

应用于海上环境[21]，Graziano[16]等人使用其对一

系列碰撞事故进行编码和分析。

本文的结构如下:第二部分是关于贝叶斯网络在海事领域应用的文献综述；第三部分主要介绍了以人为本的设计特征对碰撞风险影响的基本理论和提出的碰撞风险模型；第四部分给出了结果，特别是BN的量化和验证过程，对已开发的BN进行敏感性分析，在完整的风险分析框架下实现碰撞概率；最后在第五部分总结了分析得出的重要结论和观察结果。

2.模型在海上风险评估的应用

贝叶斯网络为分析具有确定性和随机性信息及相互关系的复杂现象提供了重要的工具。贝叶斯网络(BN)是一种概率图形模型，通过有向无环图(DAG)(如[27])表示一组随机变量及其条件依赖关系。贝叶斯网络可以替代传统风险模型中的FTs和ETs，与故障树分析相比，在复杂的依赖结构建模方面具有显著的优势。BNs还允许基于观察到的证据或证据进行推理，从而允许利用不同场景下的模型响应，并可用于识别对一个或多个变量提供证据的最可能场景(即来自网络中每个变量的一个状态)。

贝叶斯网络已经应用于各种运输系统，包括海事问题。然而，与其他行业相比，关于BN模型在海事领域的应用发表的著作仍然很少。例如，Or和Kahraman[39]、Pedrali等人[43]、Leva等人[32]、Eleye-Datubo等人[10]、Trucco等人[51]和Norrington等人[38]所完成的作品。这些研究大多基于专家判断的启发式，每个节点的状态数较少。通常情况下，主要是二进制状态或正则噪声——或或噪声——用于这两个原因，减少计算需求和辅助启发式过程。

后来，Antao等人用BN框架来分析海上事故，该数据集包括10年间的857名伤亡人员。数据记录结构包括船舶特性、事故类型和后果，而对事故的解释仅限于一个所谓可能的原因。即使有这些有限的数据，也可以建立不同类型事故的重要概况。

在船舶碰撞风险评估中，最常用的船舶碰撞概率评估方法是基于Fujii [14]等人和MacDuff[35]的工作。他们的模型对Pedersen[42]进行了修改，并广泛应用于欧洲水域的航行安全评估研究。根

据Pedersen[42]，潜在的或预期的碰撞数定义为:

P = NA∙Pc (1)

其中NA为碰撞候选数，PC为因果概率或碰撞候选成为碰撞的概率(如[36])。

碰撞候选数（NA）与未进行规避操作的碰撞数相对应，并取决于该区域的船舶交通特性。对于两条水道的特定交叉点[42]，或使用Pedersen[42]定义的碰撞直径概念的直接自动识别系统（AIS）数据，如Silveira [50]等人所做的，可以估计碰撞候选。

因果关系概率可以用两种方法来估计：情景法和综合法。如果根据可用的事故数据计算因果概率，则使用情景法。综合方法依赖于贝叶斯网络模型的发展来估计（Pc），即未能避免碰撞的候选碰撞分数，这通常受到技术、环境和人为因素的影响。

贝叶斯网络模型已经被用于因果关系概率估计，其变量的数量和性质都有所不同。例如，Fris Hansen和Simonsen[12]开发了一个名为搁浅和碰撞分析工具箱（GRACAT）的软件包，用于估算船舶碰撞和搁浅的概率以及损伤评估。GRACAT在计算碰撞和搁浅概率时使用的方法是基于Fujii[14]等人和麦克达夫[35]的模型，而预测船舶碰撞因果因子的BN模型是基于Fris Hansen和Pedersen[11]建立的网络，并且扩展到了对两艘船的模型，即船舶碰撞情况。例如，GRACAT软件已用于芬兰湾实施VTMIS（船舶交通管理和信息服务）系统的FSA研究的碰撞风险评估。

挪威与FSA一起在大型客船上进行了另一项关于搁浅和碰撞情况的BN模型应用[24]。在这项研究中，为了量化风险控制选项（RCO），特别是为了评估电子海图显示和信息系统（ECDIS）、电子航海图（ENC）和航迹控制的效果，建立了搁浅和碰撞事故的风险模型。这些接地和碰撞事故情景的BN模型包括人为因素、技术因素、地理和其他外部因素，旨在反映重要的风险因素，并能够评估RCO的影响。该分析考虑了可能导致接地的五种情况，根据专家判断估算了可能性。此外，有几个因素被认为影响了执行导航员任务的能力，例如：a）管理因素；b）工作条件和c）个人因素，包括OOW的身体和精神状态（疲劳、压力水平、醉酒等）。对于碰撞场景，船舶失控的建模或多或少与搁浅的建模相同，只是包括了与其他船舶的相互作用（让路规则和惯例、通信等）。

Hanninen和Kujala[20]研究了贝叶斯信念网络模型中各变量对芬兰湾船舶碰撞概率的影响，本研究的目的是找出影响最大的变量，并检验BN模型的有效性，分析模型的结构在很大程度上是基于

DNV[8]和DNV[7]提出的模型。然而，Hanninen和Kujala[20]的模型考虑了相遇船舶的多种类型和模型。在观察网络变量的每个状态时，通过敏感性和互信息分析，研究了所谓的因果概率的变化(即未避免碰撞的候选碰撞的比例，这受到技术、环境和人为因素的影响)。模型中影响最大的变量是遭遇情况的变化过程，其次是OOW的行动、情况评估、危险探测、个人状况和丧失行为能力等变量。

Kristiansen[30]也评估了利用贝叶斯网络分析船舶事故的可行性，这项研究的重点是动力接地，其目的是模拟绩效形成因素与不安全行为之间的相互作用。这种BN结构是根据Reason的瑞士奶酪模型和Shappell和Wiegmann[48]为分析航空运输事故而开发的HFACS（人为因素分析和分类系统）分类法启发的屏障型事故模型来定义的。尽管数据集有限，编码分类法也存在不足，但贝叶斯信念网络（BBN）方法的潜力被证明是可行的。

Ramos和Maturana[47]开发了一种基于BN的方法来分析人的可靠性，并将这种方法应用于油轮的操作，重点关注碰撞事故的风险。所获得的模型被用来确定最可能发生的危险事件的顺序，从而隔离船舶运行中的关键活动，以研究内部因素（IFs）、技能、管理和组织因素（MOF），这些对碰撞的概率最大的影响因素在降低风险方面应得到更多的关注。

最近，Montewka等人[37]以及后来的Goerlandt和Montewka[15]等人提出了一种海上运输系统风险评估框架，该框架集中于涉及滚装船/客轮和油轮溢油的公海船舶碰撞问题。风险框架是使用贝叶斯网络开发的，并使用一套分析方法来估计风险模型参数。

3.考虑人为因素的碰撞风险模型

目前国际海事组织正在使用正式的安全评估（FSA）流程[26]，所有主要船型的风险模型都存在。在绝大多数安全评估中，后果模型是从事故事件（即碰撞、接触、接地等）开始，使用事件树（ET）开发的，并考虑了与人类和环境相关的代表性情景和相应后果。

人为因素和组织因素影响风险模型的两个部分，即事故启动阶段和后果发展阶段。到目前为止在FSAs背景下进行的调查显示，在几种事故类型的初始阶段，特别是碰撞，人为因素的影响很大。此外，对碰撞事故的分析表明，大多数人为错误与在桥梁上执行的导航、监督和交通监控任务有

关，主要涉及OOW[16]。

在本部分中，考虑到人为因素对事故的影响，建立了BN碰撞风险模型。特别地，将与人相

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[239425]，资料为PDF文档或Word文档，PDF文档可免费转换为Word