一种基于组合赋权-云模型的客滚船航行风险评估方法

1.本发明属于海上船舶风险评估技术领域，具体涉及一种基于组合赋权-云模型的客滚船航行风险评估方法。


背景技术：

2.客滚船运输是综合交通运输体系重要组成部分，客滚船航行安全受到的关注度越来越高，研究客滚船航行风险具有重要现实意义。而客滚船区别于一般船舶，为便于各类车辆的进出，减少了其船内横格舱壁的数量，导致船舶抗沉性减弱；甲板上常为多层结构，因此船舶重心较高，稳性相对较差；船舶载运人员、载运车辆的种类繁多，在其航行过程中也存在着不同程度的影响。因此建立合理的风险评估方法，辨识其载运过程中的风险因素，保证船舶营运安全，具有重大的现实意义。
3.现有技术中客滚船安全评价通常采用如下方法：
4.1)模糊数学：模糊数学是运用数学方法研究和处理模糊性现象的一门数学新分支，以“模糊集合”论为基础。模糊数学提供了一种处理不肯定性和不精确性问题的新方法，是描述人脑思维处理模糊信息的有力工具。它既可用于“硬”科学方面，又可用于“软”科学方面。模糊数学有许多分支，应用广泛，如模糊规划、模糊优化设计、模糊综合评判、模糊聚类分析、模糊排序等。
5.2)层次分析法：是指将一个复杂的多目标决策问题作为一个系统，将目标分解为多个目标或准则，进而分解为多指标(或准则、约束)的若干层次，通过定性指标模糊量化方法算出层次单排序(权数)和总排序，以作为目标(多指标)、多方案优化决策的系统方法。其特点是在对复杂的决策问题的本质、影响因素及其内在关系等进行深入分析的基础上，利用较少的定量信息使决策的思维过程数学化，从而为多目标、多准则或无结构特性的复杂决策问题提供简便的决策方法，尤其适合于对决策结果难于直接准确计量的场合。层次分析法将复杂的决策系统层次化，通过逐层比较各种关联因素的重要性来为分析、决策提供定量的依据。
6.3)统计分析法：统计分析法指运用统计方法及与分析对象有关的知识，从定量与定性的结合上进行的研究活动，通过对研究对象的规模、速度、范围、程度等数量关系的分析研究，认识和揭示事物间的相互关系、变化规律和发展趋势，借以达到对事物的正确解释和预测。
7.4)文献研究法：根据一定的研究目的或课题，搜集、鉴别、整理文献，并通过对文献的研究，从而全面地、正确地了解掌握所要研究问题的一种方法。
8.5)德尔菲法：又名专家意见法，是依据系统的程序，采用匿名发表意见的方式，即团队成员之间不得互相讨论，不发生横向联系，只能与调查人员发生关系，以反覆的填写问卷，以集结问卷填写人的共识及搜集各方意见，可用来构造团队沟通流程，应对复杂任务难题的管理技术。
9.国外通常采用综合安全评估(fsa)：1993年英国最先在国际海事组织提出将fsa的
概念引入航运界，建议把引入fsa作为一种战略思想，逐步在安全规定的制定、船舶设计及船舶营运管理中应用这一原理。目前，已经通过了《imo制定安全规则过程中fsa应用指南》，并鼓励各国积极开展试验应用，取得经验，以进一步完善这一新方法。它包括危险识别、风险评估、提出风险控制措施、费用受益评估与提出决策建议等五个步骤。该方法是要在事故发生之前就预估其发生的可能性大小，并且系统地从整体出发全面考虑影响安全的各个方面，从而采取必要的安全措施，避免事故的发生或降低事故发生的概率或减轻事故后果，并且对风险控制措施进行费用受益评估，从而为制定或修改公约、规则提供科学依据。2008年7月丹麦政府向imo提交了由safedor完成的客滚船安全评估，该评估运用了fsa方法，对客滚船的安全评估进行了积极的探索，提出了改善客滚船进水后的破损稳性和残存能力、改善航行安全状况、改善撤离部署、改善火灾预防与保护措施等建议。该方法在国内尚未成熟应用。
10.国内通常采用对客滚船或其某环节进行安全评价：国内此类研究主要是以定性评价、局部评价为主，采用各种科学评价方法，对客滚船或与客滚船安全有关的某个环节进行系统评价研究，部分进行定量研究大都是建立一些指标，通过直接量化或建立数学模型的方法，对客滚船安全做出模糊评价，提出意见建议。例如：大连海事大学洪碧光教授《滚装客船营运安全性评价》采用安全系统工程的危险性分析基本理论结合事故率统计结果对危险因素进行识别进而对客滚船营运进行安全性评价；大连海事大学硕士研究生生杨鲲鹏《渤海湾综合安全评价的研究》从纵向角度对客滚船重大危险源进行风险识别，从横向角度利用模糊数学、事件树等方法对客滚船进行综合安全评价；大连水产大学的李听从客滚船单船入手，综合考虑影响船舶航行安全的内部因素和航行的自然环境因素，运用模糊数学的综合评判方法，对客滚船出航的安全程度进行预判；其他研究如陈利雄硕士的《影响渤海客滚船航行安全的气象海况条件研究》、王志远硕士《渤海海域恶劣天气下客滚船航行安全状态评价》、苏晨硕士的《渤海湾客滚船风浪中航行安全性的研究》、王菁硕士的《客滚运输人为因素风险评价与控制研究》、孙绍伟硕士的《渤海湾客滚运输风险评价研究》、王勇的《基于bp神经网络的客滚船营运风险评估》等。
11.目前为止，客滚船航行风险研究领域比较缺少可操作的量化处理方法，而上述研究都对客滚船航行风险评价起到了一定的作用，但未能兼顾其风险评价问题中所包含的模糊性和不确定性，没有尽量避免主观因素的影响。


技术实现要素：

12.本发明的目的是针对现有技术存在的问题，提供一种基于组合赋权-云模型的客滚船航行风险评估方法。
13.为实现上述目的，本发明采用的技术方案是：
14.一种基于组合赋权-云模型的客滚船航行风险评估方法，包括以下步骤：
15.s1，结合客滚船历史航行事故规律，分析出客滚船航行风险的主要影响因素，并构建客滚船航行风险评估指标体系；
16.s2，确定所述指标体系的综合权重；
17.s3，基于所述综合权重，构建评估云模型；
18.s4，根据所述评估云模型评估客滚船所处的风险等级。
19.具体地，步骤s1中，所述指标体系包括5个因素层，分别为：
20.人员因素，包括理论知识储备、船舶操作技能、生理因素和心理因素；
21.船舶因素，包括船龄、船速、船长、船宽和载重吨；
22.车辆/货物因素，包括车辆自身状况、车辆系固、车辆载重和货物理化性质；
23.环境因素，包括风、降水、雾霾、波高和潮流；
24.管理因素，包括安全管理体系及其运行情况。
25.进一步地，分析出客滚船航行风险的主要影响因素，具体方法为：
26.筛选出各因素层下最具代表性的关键指标，其中客观观测变量(风速、波高、船速等)的量化标准通过调研或直接测量，主观隐藏变量则根据德尔菲法，打分依据视各变量性质决定，如理论知识储备水平评测结果、船组人员职称和证书及以往通航记录、开航前体能检测结果和身体检测报告、心理因素问卷调查情况、待渡场车辆车况查验等，据此建立客滚船海上航行风险评估指标体系。
27.具体地，步骤s2具体包括以下步骤：
28.s201，利用层次分析法确定所述指标体系的主观权重；
29.s202，利用熵权法确定所述指标体系的客观权重；
30.s203，利用博弈论改进组合赋权的方法得到所述指标体系的综合权重。
31.进一步地，步骤s201中，确定所述指标体系的主观权重的方法为：
32.构建风险要素指标体系的多层次结构，建立两两因素判断性矩阵；
33.确定判断性矩阵的最大特征根λ
max
和对应的指标权重w'j，并进行一致性检验；
34.当一致性比例cr《0.1时，一致性检验通过；反之，则需要修正判断性矩阵并重复执行上述步骤，直至一致性检验通过。
35.进一步地，步骤s202中，确定所述指标体系的客观权重的方法为：
36.构造m
×
n维数据矩阵；
37.将所述指标体系中各指标的数据进行标准化处理，将初始矩阵转为标准化数据矩阵；
38.计算各指标的特征性比重p
ij
和信息熵e
ij
，进而确定各指标的客观权重值。
39.进一步地，步骤s203中，利用博弈论改进组合赋权的方法为：
40.假设风险评价指标总数为n，应用p种权重计算方法共计获得p个基础权重向量，组成一个初始博弈矩阵w
p
×n；
41.计算p个基础权重向量的任意组合：
[0042][0043]
式中：aj为第j个基础权重向量的博弈配置系数，且aj大于0；wj为第j个基础权重向量；w为指标体系的博弈综合权重向量；
[0044]
按照改进博弈论的目标函数，结合相应约束条件建立最优化模型：
[0045]
[0046]
利用拉格朗日函数对模型进行求解，得博弈配置系数aj：
[0047][0048]
式中：wi为第i个基础权重向量。
[0049]
具体地，步骤s3具体包括以下步骤：
[0050]
s301，构建标准评估云模型；
[0051]
对客滚船海上航行风险等级进行划分，评语集划分为5个等级：hp＝{h1，h2，h3，h4，h5}＝{低风险，较低风险，一般风险，较高风险，高风险}；
[0052]
采用基于黄金比例分割的模型驱动方法，建立客滚船海上航行风险评估标准云；设论域为[x
min
,x
max
]＝[0,1]，h
e0
取值0.005，评语集中的5个评估等级分别对照5个标准云模型，得到黄金分割的标准评估云模型：
[0053]
等级e
x
，en，he低风险(0，0.1031，0.013)较低风险(0.309，0.064，0.008)一般风险(0.5，0.039，0.005)较高风险(0.691，0.064，0.008)高风险(1，0.1031，0.013)
[0054]
s302，生成最终评价云模型；
[0055]
根据综合云算法计算出各指标因子u
ij
的综合评估云：
[0056][0057]uij
的综合评估云为c
ij
＝(e
x
，en，he)，对于n个底层风险指标因子得到n个底层综合评估云；
[0058]
采用虚拟云中的浮动云算法将各底层风险指标因子集聚，形成因素层的云模型：
[0059][0060]
式中：wi为各指标因子的博弈综合权重，i＝(1,2,
…
,n)；
[0061]
采用虚拟云中的综合云算法集结成最高概念的父云，该父云能够涵盖k个子云的全部论域，即为准则层的最终评估云：
[0062][0063]
式中：式中：e
x
为最终评估云的期望，e
xi
为各底层综合评估云的期望，i＝(1,2,
…
,n)；en为最终评估云的熵，e
ni
为各底层综合评估云的熵，i＝(1,2,
…
,n)；he为最终评估云的超熵，h
ei
为各底层综合评估云的超熵，i＝(1,2,
…
,n)，n＝n。期望e
x
代表数域内最能够表征某概念的点值，表示此概念云滴群的云重心；熵en用来衡量此概念的模糊特性和概率，反映了模糊度和随机性之间的关联；超熵he用来表征熵en的不确定性，其数值大小可间接反映云层的离散性以及厚度。
[0064]
进一步地，步骤s4中，进行云相似性分析，将得到的准则层最终评估云同评估标准云做对比，以隶属度最大为原则进行云相似性分析，确定船舶所处的风险等级，具体包括以下步骤：
[0065]
s401，输入云模型cloud1(e
x1
，e
n1
，h
e1
)和云模型cloud2(e
x2
，e
n2
，h
e2
)；
[0066]
s402，两云模型各自通过云发生器生成n个云滴，两云模型的云滴数量设作n1和n2，并保存于集合drop1和drop2之中；
[0067]
s404，各云滴按照横坐标的大小顺序重新排列，筛选落于[e
x-3en,e
x
3en]范围内的云滴；
[0068]
s406，若n1≥n2，则在drop1中随机舍去多余云滴，再更新drop1集合；反之则在drop2中随机舍去多余云滴，再更新drop2集合；
[0069]
s407，两个集合按照对应大小次序进行计算：
[0070][0071]
s408，输出云相似度ammcm(c1,c2)，根据云相似度确定船舶所处的风险等级。
[0072]
与现有技术相比，本发明的有益效果是：本发明通过层次分析法和熵权法确定主客观权重，运用改进博弈论思想进行组合赋权，再结合云模型进行评价，利用客观数据和专家经验判断，在有效处理模糊性和随机性的同时降低了主观意识的人为干扰，在一定程度上实现了主客观统一，同时流程精炼，步骤明晰，可以更加直接地反映风险水平。因此可为客滚船运输企业的运营和相关海事部门的监督管理提供参考和依据。
附图说明
[0073]
图1为本发明实施例中海峡客滚船航行风险评估指标体系示意图。
[0074]
图2为本发明实施例中人员因素评估云与标准云对比示意图。
[0075]
图3为本发明实施例中船舶因素评估云与标准云对比示意图。
[0076]
图4为本发明实施例中车辆/货物因素评估云与标准云对比示意图。
[0077]
图5为本发明实施例中环境因素评估云与标准云对比示意图。
[0078]
图6为本发明实施例中管理因素评估云与标准云对比示意图。
[0079]
图7为本发明实施例中客滚船海上航行风险评估结果示意图。
[0080]
图8为本发明实施例中基本可信度三角模型示意图。
具体实施方式
[0081]
下面将结合本发明中的附图，对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动条件下所获得的所有其它实施例，都属于本发明保护的范围。
[0082]
本实施例提供了一种基于组合赋权-云模型的客滚船航行风险评估方法，本实施例以琼州海峡客滚船航行实例为案例，对客滚船的航行风险进行评估；具体步骤如下：
[0083]
本实施例选取2020年7～8月琼州海峡新海港至徐闻港航线上的10条客滚船，收集船舶航次数据和相关气象信息，并进行均值化处理。同时邀请10位学科领域内的教授、副教授；7位具有客滚船航行经验的一线船员；3位海峡股份公司的相关部门管理人员(共计20人)，结合琼州海峡实际情况对影响客滚船航行的风险因素进行打分。
[0084]
本实施例结合客滚船历史航行事故规律，分析出客滚船航行风险的主要影响因素，并构建客滚船航行风险评估指标体系，如图1所示；
[0085]
计算各因素博弈综合权重
[0086]
首先根据德尔菲法收集专家意见进行层次分析，在各层构造两两判断矩阵，确定主观权重；然后根据收集的2015年至2019年间琼州海峡客滚船航行事故资料，处理得到2015年至2019年各项评估指标为关键因素而导致事故发生的次数，运用matlab软件对此数据矩阵执行运算，确定客观权重；再根据改进博弈理论公式得出博弈配置系数a1＝0.503，a2＝0.497，按照公式确定客滚船海上航行风险指标博弈综合权重，见下表1：
[0087]
表1各指标的博弈综合权重
[0088]
[0089][0090]
组合赋权-云模型综合评价
[0091]
对于定量风险指标，将数据收集整理后取均值，为与定性评价值统一量纲，需进行归一化处理。同时对于定性风险指标，由20位问卷调查对象根据琼州海峡实际情况对其进行二次打分，分别以最高分和最低分的形式给出，通过云模型评价生成各因素下各指标的最大云模型和最小云模型，然后根据公式合成最大最小云模型，由此得到综合评估云，如下表2所示。
[0092]
表2各风险指标综合评估云
[0093][0094]
按照虚拟云中的浮动云算法，将各底层风险指标的综合评估云进行聚合，得到因素层评估云模型，如表3所示。各自生成对应的评价云图分别见图2～6，再进行云相似性分析，结果见表4；
[0095]
表3因素层评估云模型
[0096][0097]
表4各因素云相似性分析结果
[0098][0099]
根据图2～6并结合表4，可对该航线客滚船航行各影响因素的风险水平进行排序，即：环境因素＞车辆/货物因素＞人员因素＞船舶因素＞管理因素。其中管理因素处于较低风险水平，这是由于管理因素在航行体系中综合权重较低，结合海南港航控股有限公司的调研表明其在航行安全理念教育、应急情况指挥和应急设施配布方面制定了合理的制度并维持了良好运转；人员因素和船舶因素处于一般风险水平，这主要是由于该航线大部分客滚船舶船龄偏高，载运人员涉及各类司机、旅客、工作人员，人数众多，人员安全素养差异化明显，不易实现精细化管理；而车辆/货物因素和环境因素处于较高风险水平，主要由于车辆车况在缺少必要检测工具的情况下不易实现全面检查，车辆系固以及所载货物理化性质在特殊航行情况下发生的改变不易察觉，同时车辆/货物因素和环境因素具有较高的综合权重，因此是引发航行安全事故的重要潜在因素。
[0100]
计算可得准则层最终评估云为(0.548,0.052,0.006)，即琼州海峡新海港至徐闻港航线的客滚船海上航行风险等级为一般风险，该环境下的客滚船航行体系整体状况良好，但存在一定程度的安全隐患，需适当进行针对性的改进。其云图如图7所示，云相似性分析结果见表5。
[0101]
表5最终评估云相似性分析结果
[0102][0103]
组合赋权-云模型评估效果验证
[0104]
为说明客滚船航行风险评估中采用组合赋权-云模型进行评价的合理性和适用性，本实施例使用同一数据源，运用dempster-shafer证据理论模型(即ds证据理论)对该航线的客滚船舶航行风险进行评估。
[0105]
参照常用的评价等级分类准则和交通运输部发表的“水上交通事故划分标准”，构建评价集h
p
＝{h1，h2，h3，h4，h5}＝{危险，较危险，一般，较安全，安全}，并通过偏好度对评价集进行量化处理，量化为：p{hj}＝{p{h1}，p{h2}，p{h3}，p{h4}，p{h5}}＝{-2，-1，0，1，2}。
[0106]
将打分结果转化为百分制代入对应的隶属度公式获得系统中各个因素的安全隶属度值(hi)，隶属度计算公式如下：
[0107][0108]
式中：xs为各因素的安全值，通过德尔菲法获取。
[0109]
然后以安全隶属度作为高的横坐标，底边长为1构建基本可信度三角模型，如图8所示，由此可得评价集各评价指标的可信度β
mn
(s
ij
)。
[0110]
结合综合权重和误差系数λ(取值0.9)对β
mn
(s
ij
)进行修正得到mass值，随后根据ds合成规则，对各指标的mass值依次进行证据融合，结果如下表6所示：
[0111]
表6 ds证据理论模型评估结果
[0112] h1h2h3h4h5评估值0.02710.14730.28620.37450.1156
[0113][0114]
因此ds证据理论模型评估值为0.3788，表明该航行系统整体安全状态处于一般～较安全状态之间。
[0115]
经对比可得，组合赋权-云模型与ds证据理论模型的评估结果大体一致，符合该航线船舶的实际航行情况，但组合赋权-云模型有效结合了定性分析和定量分析，能够将评估结果可视化，更加直观地反映出客滚船航行所处的风险水平，并且将问题包含的不确定性和模糊性用云滴的集散分布情况展示出来，流程清晰，步骤明确，而ds证据理论模型步骤繁琐，且其评估结果受不同隶属函数选择的影响较大，因此组合赋权-云模型对客滚船航行风险的评估是合理有效的，相比其他常用风险评估模型更有优势。
[0116]
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。