灰色系统理论在海上交通事故定量分析中的应用

灰色系统理论在海上交通事故定量分析中的应用12级管科2班1210105037刘玲玲1、海上交通事故定量分析在国内外发展现状目前，国内外海上交通事故的发生率普遍有所提高，美国、加拿大、日本等航海业较发达的国家都在采取不同的分析方法对海事进行分析。但是他们的分析更多的是集中于定性分析或简单的定量分析上：如力求对各类海事进行详细而全面的统计，从而计算相应的统计指标如事故增长率、出险率等而对海事的进一步定量分析研究却很少。在国内我国的船舶领导机关和监督机关对海事的统计分析都很重视，可是事故统计资料作为国家机密导致了目前可获得的事故数据量少、统计不规范等特点，而传统的百分比比较方法又不能进行深入分析，这些因素对深入进行海事定性、定量分析的研究有很大的影响。2.灰色系统理论应用于海事定量分析的适用性灰色系统理论是在控制论、信息论和系统论的影响下，在20世纪80年代初形成的一门新理论，其特点是对不确定性、贫信息的系统仍能够进行定量分析。首先，海上交通事故系统是一个不确定性的系统。该系统既有人们已知确定的信息（船舶性能状况、地理状况等）,也存在一些诸如环境状况和操作人员失误这些未知的、不确定的信息。此外，中国海事调查工作由于各种原因存在许多主要问题，还没有建立相对独立全国统一的海事调查机构，这导致统计资料不全,所以它是一个贫信息。系统。因此，可以考虑运用灰色系统理论分析海事情况。利用灰色系统理论进行事故分析可以增加透明度,做到定量有据、心中有数、监督有力；而且更有助于将事故统计分析的方法趋向信息管理系统化，以提高工作效率。3.灰色系统理论在海事定量分析中的应用实例灰色系统理论主要研究系统模型不明确、行为信息不完全、运行机制不清楚的这类系统的建模、预测和控制等问题。目前该理论研究的几个主要方面，如灰色因素的关联分析和关联序理论、灰色系统的建模、灰色预测理论及灰色聚类方法等都在海事的定量分析中有所引用。3.1海损事故原因的灰色关联分析为了找出导致海事的主要原因，采取相应的措施尽可能减少和避免事故的发生，可以采用灰色系统理论中的关联分析理论，对海损事故与导致事故的主要原因之间的关系，从定量的角度进行初步的分析和探讨。它弥补了基于少量样本数据进行数理统计分析和百分比分析给出的信息的准确度问题。应用关联分析方法可以考察引起事故的诸因素，如操作不当、瞭望疏忽、违章操船、信息不足等导致事故发生的诸原因在相互关系、作用程度等方面的具体情况。其基本原理为：把描述各因素对结果影响程度的“量度”称为关联度，其实质是分析、比较各因素曲线与结果曲线在几何形状上的差别。几何形状越接近，发展变化态势越接近，则关联程度越大，说明该因素对导致该事故发生起的作用越大，反之，作用越小。定量计算时，通过计算各个因素序列对参考序列（母序列）的关联度ir就可以直观的看出各因素对导致事故发生所起作用程度的大小。某因素的关联度越大，说明该因素对导致事故的发生所其作用越大，反之，该因素对引起事故发生所起的作用不是很大。mnmmnnnmrrrrrrrrrr212222111211其中，m表示母序列的个数，即事故类型总数；n表示子序列的个数，即事故原因总数；矩阵中任一元素ijr表示第i各结果与第j个因素的关联度，及第j个事故原因对第i种事故类型的影响程度。因此矩阵的任一行描述了不同事故原因对同一事故类型的影响，任一列描述了同一事故原因对不同事故类型的影响情况。例如，船舶交通事故分为碰撞、触损、搁浅、触礁4类，导致事故的主要原因有操作不当、瞭望疏忽、机器故障、违章、大风和信息不足等，可以通过关联矩阵得到诸因素与诸结果之间的关联度，得出各类原因对各类事故和不同因素对同一事故的影响情况和程度。采用关联分析方法对海事原因进行分析可以从定量的角度给出事故原因和事故类型间的相互关系，将大量的统计数据信息转换成几个关联度值或单一矩阵，对于我们直观的、综合的找出海损事故原因和事故发生规律，更好地采取控制措施，提供了重要的参考依据。3.2灰色关联分析在事故状况排序中的应用大连海监局的李敬和海事大学的吴兆麟利用灰色关联分析方法以搜集到的1993年长江地区六省（A，B，…，F）地方交通部门运输船舶交通事故的统计数据为基础,选取了6项主要指标作为评定事故情况的依据,即事故件数(1)、换算事故件数(2)、受伤人数(3)、死亡人数(4)、船舶灭失吨位(5)和直接经济损失(6)，以对这6个地区的事故总况定量排出客观、合理的顺序。基本过程为：考虑各项指标的意义和量纲都不同，先采用区间值化或标准化方法对数据进行处理；因为是量化排序问题，因此选取各项指标的最小值作为参考数列，最后计算各个地区指标构成的子序列对参考序列的关联度，根据数据计算得各个关联度值为：9845,3807.0,4733.0,5454.0,9902.0,8253.0FEDCBArrrrrr从事故指标的综合量化反映结果看：EDCAFBrrrrrr因此，可以看出地区B和地区F的关联度较大，所以事故状况大体相当，相对较好；地区E故关联度很小，因此事故状况相对较差。事故状况差距的大小也可以从关联度值体现出来。如果指标不能统一而仅靠人的经验判断和估计或按照管理者的意愿确定，可以采用适当的权重，构成事故的加权关联度分析。合理的确定权重便成为重要的影响因素，可以运用层次分析法来确定权数，具体过程不再赘述.由上可见，利用关联分析对各地区（或单位）的事故总况进行排序，可以比较被调查对象的事故状况，这可以给安全管理部门和监督部门提供管理依据，有利于针对不同地区（或单位）的事故严重情况采取相应的措施，有的放矢的开展安全工作。3.3灰色聚类在事故归类中的应用应用聚类分析方法统计地区（或单位）事故状况到底属于哪一类，或者哪些地区具有相似程度的事故总况，这类问题属于模式识别中的聚类分析问题，因而可以运用灰色聚类分析该问题。李敬、吴兆麟在1993年和1994年的地方交通部门运输船舶交通事故数据进行等权聚类分析。聚类过程为：首先将原始数据按各指标项分别划为百分比形式，即对每一地区对于每项指标值占该指标总和的百分数值，然后根据不同的百分值确定各灰类的白化权函数；根据建议，对于所有指标提出三个灰类：其中,1类表示事故的发生率及程度相对都比较低,情况相对较好；2类表示事故的发生率及程度相对处于中等水平；3类表示事故的发生率及程度相对比较高,属于着重注意加强安全管理的对象；然后计算各个地区的聚类系数从而得到13个地区的聚类向量。每一地区的聚类向量中各元素值的大小代表该地区从属于该元素所对应灰类的隶属度大小，将每个地区聚类向量中最大元素对应的灰类作为该地区丛属的类，从而按事故程度对不同地区进行分类。3.4GM残商辨识修正与事故动态分析在做好船舶交通事故的统计之后,还可对某地区(或某水域、某单位)不同时期的事故情况加以动态分析,描述和推测事故发展的趋势,这有利于指导宏观管理的方向,及时采取有效措施,制止事故恶化的倾向。李敬、吴兆麟在利用灰色预测的残差辨识模型预测GM（1，1）模型对×港1988年～1990年的事故统计数据进行趋势预测时，对事故按时间规律发展的趋势进行拟合以反映事故发生的时间规律，但发现预测结果存在很大的误差。他们综合考虑到许多文献给出的普通的GM(1,1)模型存在建模复杂，遇到不同符号的残差符号序列，因而拟合效果不令人满意的问题提出了一种残商修正的方法[17]应用到灰色系统的建模中，预测结果证表明该修正模型较普通模型预测精度提高很多。值得注意的是应用残商辨识模型应该注意模型应用的对象在这段时期的基本情况不会有很大变化；在外推事故情况时,最好能利用最近2年～3年的有效数据,以便能反映近期动态发展变化的趋势。取得数据后应构造多种序列进行分析,互相加以印证,以确定其有效性。若遇到相互矛盾的结果,则应该仔细分析周围情况的变化或者根据情况确定最佳外推值,或者明确变化了的情况而舍弃外推值,并重新注意观察。3.5港口船舶事故至因的灰色关联分析模型港口地区由于其船舶比较密集，再加上风、流、潮汐情况也比较复杂，所以是各类海上交通事故出险的主要地点。因此，研究港口地区事故原因的具体情况，对减少人员伤亡和经济损失具有重大的意义。用灰色系统理论分析港口诸因素对港口船舶事故影响，这一方法在我国资料不全、资金有限的情况下，能为管理提供科学的依据；有利于抓住主要矛盾，提高水上安全管理的水平，从而减少船舶所造成的巨大经济损失。3.6灰色系统理论应用于渔船船舶事故统计分析及预测渔业是世界最危险的职业之一，大连水产学院的姚杰教授及其硕士生将灰色系统理论中的关联分析和GM(1,1)预测方法应用于渔船船舶事故统计分析及预测，并分别对来源于中国、英国、加拿大的渔船海事事故数据进行了实例统计分析及预测，为我国船舶事故统计分析定量化提供了新的思路，可供水上交通安全管理参考。具体应用如下：3.6.1应用关联分析对渔船事故进行统计：根据中国渔船船东互保协会对所承保渔船作的详实的事故统计，按10类事故原因对1999～2003年4年间事故数据按月份归类，将各类事故总数按月平均的平均值作为母序列，每个月份各类事故数据作为子序列，计算得到各个月份的关联度。通过各个月份的关联度就可以直观的看出各个月事故情况相对于平均事故水平的情况，从而发现事故异常的月份，有利于综合分析、查找原因。3.6.2用灰色模型GM（1,1）预测渔船海损事故将灰色模型GM（1,1）模型应用到海损事故的预测中，他们还将加拿大10年间的海损事故数据按事故类型进行了分类，通过94年至02年的数据预测03年各类事故发生的状况。结果表明预测准确率大致在60％到90％之间，其中“搁浅”事故由于数据趋势性较强，预测准确率达到97.81%，而对该数据进行一元线性回归预测时，其预测情况明显没有灰色预测准确率稳定，对于趋势性不强的数据组预测准确率太低。用GM(1,1)模型预测和线性回归方法预测结果的准确率对比见表1和对比图2。可见灰色建模预测要优于线性回归预测。在海损事故预测中具有一定的可行性。灰色预测准确率线性回归准确率15.0862.83%10.543.75%6.6460.36%6.9463.09%25.6285.40%23.478.00%58.289.54%57.187.85%115.497.81%11093.22%62.2381.88%62.482.11%4.3615.57%-2.17!24.0161.56%15.539.74%54.2889.22%49.598.98%31.5276.88%23.657.56%392.681,63%35674.01%表1对2003年进行灰色预测和线性回归预测准确率对比图1灰色预测与线性回归预测对比图4.结论本文通过查找大量资料总结了灰色系统理论在海上交通事故的定量分析中的应用情况，但可利用资源有限尚且没有灰色系统理论在国外海事定量分析中的应用情况相关资料。应该指出的是,这些分析方法的应用还有一定的局限性,目前所拥有的统计资料和确定的基本统计指标对于进一步的定性、定量分析还是不够的；还应设法从统计数据的方便操作考虑，应用新的事故管理方式以获得更为详尽的船舶交通事故统计资料。总之,良好的定量分析应建立在可靠的定性分析的基础上,以确保定量分析的有效性和适用性,做到宏观安全管理定性有据,定量合理,达到增进水上交通安全的共同目的.鉴于本文中提到的灰色关联分析和灰色聚类等方法在海事定量分析种的应用，本人认为可以利用灰色系统理论的诸多方法建立一个合理化、系统化的海事定量分析的地区适应性系统：该系统可以通过灰色关联分析方法分析某地区各种事故原因对某一类事故的影响程度；可以采用关联矩阵获得不同事故原因对该地区不同类型事故的影响情况；可以利用GM（1，1）模型对该地区近期的事故情况进行预测；甚至可以将该地区近几个月或近几年的事故情况进行灰色聚类，进而对处于同一类的年份或月份的实际情况进行集中分析以查找事故发生的内在规律性。总之，灰色系统理论作为海事定量分析的一种应用方法，对海事定量分析的完善和