基于灰云模型的海上交通系统风险推理方法

2016-10-12龚慧佳轩少永胡甚平YANGZaili

中国航海 2016年2期

关键词：定性船舶交通

龚慧佳，轩少永，胡甚平， YANG Zaili

(1. 上海海事大学商船学院, 上海 201306； 2. 英国利物浦约翰摩尔斯大学，伦敦 SE12RE)

GONG Huijia1， XUAN Shaoyong1， HU Shenping1， YANG Zaili2

基于灰云模型的海上交通系统风险推理方法

龚慧佳1，轩少永1，胡甚平1， YANG Zaili2

(1. 上海海事大学商船学院, 上海 201306； 2. 英国利物浦约翰摩尔斯大学，伦敦 SE12RE)

引入灰云理论的映射方法定量推理海上交通系统风险。首先，提出风险事件成因发生的可能性及其影响程度，定量推理海上交通系统风险;其次，构建灰云模型应用流程，推理海上交通风险成因的作用效果;再次，借助云模型的代数运算和升云计算，得出海上交通系统风险;最后，结合我国某港口水域的船舶交通风险数据，推理船员、船舶和环境等3个因素作用下的海上交通系统风险。运用基于系统因素相互作用的风险二维云推理，得出港口水域船舶交通风险水平为0.3‰，且不稳定。算例应用结果表明:借助灰云模型有助于不确定描述与定常信息的量化转换，实现多因素作用下的海上交通安全风险推理。

水路运输;水上交通安全; 系统仿真；风险评估; 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财产的安全，属于公共安全，国内外交通运输领域一直在积极进行海上交通安全技术、管理和教育方面的研究。[1]近年来，随着船舶交通量日益增加，海上交通监督管理工作面临的挑战逐渐增大，海上交通系统的安全问题日益突出。因此，对特定水域的交通系统风险进行识别、评估和推理已成为海上交通领域的研究热点，具有积极的理论意义和实践指导作用。[2]

目前对海上交通安全影响因素的相互关系的研究已取得很多成果。周丽丽等[3]运用灰理论分析船舶引航风险成因，提出除人因素之外，航道因素对引航安全的影响比较突出。张文青等[4]运用基于熵权的海上交通风险成因物元评价模型，提出除人因素之外，船舶和自然因素对海上交通安全的影响比较突出。李红喜等[5]和王凤武等[6]运用灰理论、主成因子分析法和粗糙集等方法提出环境因素中自然因素对海上交通安全的影响较地理因素和交通因素更突出。

国外对风险不确定性分析的理论研究[7-9]有很多，特别是在模糊信息下的海上交通风险宏观性特征基础研究领域。MERRICK等[10]阐述贝叶斯技术的输入和输出的不确定性仿真模型的不确定度表现。YANG等[11]研究证据推理方法的基本原理，提出权重标准化和基本概率分配的新方案。ELEYE-DATUBO等[12]研究贝叶斯网络处理FSA研究中遇到的随机不确定性问题。

近年来，随着人工智能技术不断发展，不确定性定量化研究不断深入，系统形成因素之间的相互关系和作用机制开始成为一个新的研究方向。吕彬等[13]构建基于云模型的装备采办风险评估方法。王健等[14]将云模型应用到白化权函数中构造出灰云模型，并将其运用到球载雷达模拟训练系统的效能评估中。胡甚平等[15]引入人工智能方法，建立海上交通系统风险云模型，阐明基于3个不安全要素的海上交通系统风险成因耦合机理。李晓松等[16]介绍云推理理论，构建武器装备研制风险的云推理评估模型，实现定性变量与定量变量的相互映射。

这里引入不确定人工智能的方法，以海上交通运输安全风险中风险形成因素发生的可能性和影响程度作为辨识基础，通过输入二维云参数，并结合确定的规则生成器，推理海上交通风险的量化等级，从而辨识出海上交通风险因素的作用和影响及确定特定条件下的风险程度，为分析风险评估的不确定性信息提供新的思路。

1 海上交通风险成因作用与量化

1.1海上交通风险成因分析

在海上交通系统安全方面，危险源是海上交通系统安全风险的形成因素,根据能量意外释放理论，认为其由潜在危险性、存在条件和触发因素等3个要素构成，其中：潜在危险性主要是财产损失、人命伤亡和环境损害，有时也会涉及社会影响；存在条件是人-船(货)-环境的运行条件；触发因素是使危险源转化为事故的外因，每个类型的危险源都有相应的敏感触发因素。系统的3个不安全(即人的不安全行为、船的不安全状态和环境的不安全条件)是海上交通危险源的触发因素。

1.2海上交通风险描述

在海上交通系统中，海上交通风险是指某一特定的状态下能导致人、船、货受到损害的可能性和形成影响的程度或范围的组合[1-2],用数学算式表示为

Rs=f(L,I)|s

(1)

式(1)中：L为某一风险事件发生的可能性；I为事件发生带来的影响；s为某一特定因素作用下的状态；Rs为在s状态下分析对象的风险；f为L和I上的非负实数函数。

风险是风险事件的可能性和严重性的组合。[2]现实中，海上交通系统安全风险往往包含随机性、模糊性和不完整性信息，是多种信息的集成表示。对风险进行量化需寻求3种信息不确定表示的方法。

2 灰云模型与云推理

2.1灰云模型

灰云模型是王洪利等[17]结合云模型[18-19]理论和灰色理论提出的,目前已被广泛应用于复杂系统智能信息的处理中。在云模型中，其纵坐标表示模糊性的隶属度关系；而在灰云模型中，其纵坐标表示不完整性的灰数白化权。[19]灰云模型既可表示系统的不完整性信息，又能表示主观判断的随机性和模糊性信息，还能综合实现灰性和随机性的定性与定量转化。[19]

海上交通风险的形成是复杂的多因素相互作用的结果。[15]海上交通风险描述是对不确定性信息进行量化的过程，而不确定信息包含随机性、模糊性和不完整性等多种属性特征。因此，海上交通风险描述可借助灰云模型来综合处理。

2.2灰云参数计算与灰云发生器

采用灰云模型进行海上交通系统风险仿真研究，以实现风险中随机的不完整信息与定常信息的不确定转换。

云的数字特征N3(Ex,En,He)用期望Ex，熵En和超熵He等3个数值来表示。灰云的数字特征GL5(Cx,Lx,Rx,En,He)用峰值Cx，左右边界值[Lx,Rx]，熵En和超熵He等数值来表征。[19]

在点峰值模型中，熵En的取值为

En=(Rx-Lx)/6

(2)

在区间峰值中，熵En的取值为

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

(3)

He=En/α

(4)

式(2)～式(4)中：Cx为灰色概念中最能代表该定性概念的值，即白化权为1的值，可以是一个数，成为点峰值；[Lx,Rx]为论域中不完整性的灰色概念的数值范围;α为常数，一般取6～8。

在实际语言描述的定性概念中，除完整的灰云模型之外，经常运用的还有半升灰云、半降灰云等单侧特征的灰云。

灰云模型继承了代数运算和升云运算[15,19]等云模型的基本算法。正向云发生器和逆向云发生器相结合可进行定性与定量的任意转换。因此，运用云发生器算法生成的云也有不均匀分布云滴的特性，集成定性信息的随机性和不完整性等特征。

3 基于灰云模型的海上交通系统风险推理流程

在风险云推理上，首先根据随机事件发生的可能性及其影响，将2个判定值(L,I)|s输入至二维X条件云发生器中，获得确定度μ；然后输入Y条件云发生器，得到单因素作用的风险值Rs；最后经云模型的代数运算和升云计算，获得系统风险值R。

3.1风险变量云化

对定性变量进行云描述时，首先根据专家运用自然语言给出的评语给定性变量赋值，获取灰云数字特征和云的形状。风险描述包括风险发生概率、风险后果程度和风险大小等3个定性变量，因此要获取各自的灰云数字特征GL5(Cx,Lx,Rx,En,He)。

3.2构造灰云标尺

将定性变量云化的结果置于统一的坐标系上，形成云标尺。目前主要有基于云变换的数据驱动法和基于黄金分割的模型驱动法。2种基于云模型的概念生成方法中,黄金分割率是广泛应用的一种反映自然规律的最优分割模型[19]，因此借助分割率确立灰云标尺。

一般取奇数个云(如3个或5个)，如在[0,1]之间将论域分为5个评估等级(I5～I1)，分别对应灰云模型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)。风险发生概率、风险影响程度和风险大小的云标尺见图1，云标尺中的云簇形成定性变量的激活区间。

图1 3种概念的灰云标尺

3.3确定定性规则

在构造云发生器之前,要先确定风险事件发生的可能性、影响程度和风险大小之间的定性规则。通过咨询专家和参考相关文献，确立可能性L，影响程度I及风险大小R之间的定性规则见表1，其含义列举如下。

Rule 1：If 可能性L1(该风险不太可能发生) and影响I2(对目标影响极小或无影响)，then风险很低RIV。

⋮

Rule 9：If可能性L4(该风险很可能发生) and影响I5(对目标有重大影响)，then高度危险的作业RI。

表1 风险矩阵表

3.4构造规则发生器

由风险事件发生的可能性及其影响程度2个基本因素的组合可确定风险大小。针对特定水域，描述风险事件或组成因素的可能性及其影响程度具有随机性、模糊性乃至不完整性等不确定性信息，因此需要将一个定性分析问题以云模型为工具进行定量分析。借助已确定的定性规则组合成多规则发生器。在由该发生器得到的风险矩阵中，不同位置处曲面的粗糙程度反映不确定性的程度[19]：越靠近规则的中心位置，曲面越光滑，不确定性的程度越低；而越靠近规则的重叠区，曲面越粗糙，不确定性的程度越高。

3.5风险的云推理

构造云规则发生器后，得到任一风险组成因素可能性及其影响程度的信息，经云规则发生器处理后，可统计出该风险组成因素的风险数值。

3.6系统风险

根据海上交通系统风险3个因素的云参数可由式(5)获得。

(5)

式(5)中：ri为因素风险；wi为风险因素相互关系。该式利用云代数运算[15,19]可得出结果。同时，运用升云计算[15,19]也可推理出海上交通系统风险。

4 算例

根据事故致因理论的观点，海上交通事故是由船员的不安全行为、船舶的不安全状态和环境的不安全条件等3个“不安全”相互作用导致的。这里以港口船舶交通风险为例说明基于云推理的应用。

4.1港口船舶交通风险因素分析与灰云参数

以我国东部地区的重要港口水域为例，利用DELPHI方法收集30名专家给出的该水域3个不安全的风险维度的判断结果(初始云滴)，经云模型计算[15,19]得到该水域船舶交通风险因素的输入值(见表2)。

表2 某水域船舶交通风险因素专家判断

4.2各成因港口船舶交通风险云推理

海上交通风险的成因包括船员的不安全行为、船舶的不安全状态和环境的不安全条件。不同成因作用下的海上交通风险量化可依靠前述模型经仿真获得。首先将环境的不安全条件发生的可能性和风险影响程度(xL,xI)=(0.521 3,0.352 4)输入至云规则发生器中，进行1 000次仿真，通过卡方检验得到若干个云滴；然后通过逆云生成器计算得到环境的不安全条件下风险因素ri的风险云参数，其数学期望为0.592 7，方差为0.234 0，超熵为0.121 6(即环境的不安全条件下风险因素为II级风险)。

重复上述步骤，递推得到船员和船舶的风险因素为II级和III级风险(见表3)。

由表2数据可得出以下结论：

表3 某水域船舶交通风险因素云参数

1) 船舶在该水域作业，环境条件引发的风险较大，船员次之，船舶因素引发的风险较小。

2) 港口水域船舶交通风险的主要来源仍是环境的不安全条件，即自然、地理和交通等因素对海上交通风险的作用突出。

3) 环境和船员均被视为明显危险的作业因素，需采取措施进行控制；船舶因素被视为可能危险的作业因素。

4.3港口船舶交通系统风险

船员的不安全行为、船舶的不安全状态和环境的不安全条件共同作用产生港口船舶交通系统风险。文献[15]中提出3个“不安全”产生的风险因素相互关系wi(见表4)。

表4 某水域船舶交通风险因素相互关系云 ×10-3

运用云计算公式[15]，得到该水域船舶交通风险一次推理水平为(3.135±0.663)×10-4。

若经逆向云发生器获得云滴，根据文献[15]，通过升云运算得到3个“不安全”产生的系统风险为0.540 3，处于III级风险与II级风险之间，相对趋向于II级风险且不稳定(见图2)。

图2 基于云推理的水域风险评价

5 结束语

风险是风险形成因素相互作用和影响的结果。海上交通系统安全风险本质上是船员的不安全行为、船舶的不安全状态和环境的不安全条件等3个“不安全”相互作用触发形成的综合风险。算例应用结果证明，这些触发因素的相互作用是不稳定的。

运用云推理，结合随机信息和主观信息进行海上交通系统风险测量。与以往的风险属性中可能性与后果的代数组合相比，组合后的风险评价反映可能性与后果组合的非对称性，更加注重后果的影响。灰云模型能综合随机性信息、模糊性信息和不完整性信息等多属性信息，描述不确定性信息的容量更强。

运用云的代数计算和升云计算，可实现风险因素的综合评估，获得的结果能较好地反映相对风险评估结论的可靠性。绝对风险的定量化(特别是转化成符合船舶活动量下的风险)是以后需要进行的研究。

[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在船舶引航风险评估中的应用[J].哈尔滨工程大学学报,2006,27(3):329-334.

[3] 周丽丽,胡甚平. 船舶引航风险成因灰色综合评价模型[J]. 上海海事大学学报,2008(2):21-25.

[4] 张文青,胡甚平,刘琨,等. 基于熵权的海上交通风险成因物元评价模型[J]. 上海海事大学学报,2010(2):18-22.

[5] 李红喜,郑中义,齐迹. 基于粗糙集的港口通航环境对航行安全的影响[J]. 大连海事大学学报,2012, 38(2):8-10.

[6] 王凤武,边海涛,刘强. 海损事故致因的加权灰色关联分析[J]. 大连海事大学学报,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] KOÇ 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] 吕彬,杜红梅, 陈庆华. 基于云模型的装备采办风险评估方法研究[J].中国国防经济, 2006, 4: 70-75.

[14] 王健,肖文杰,盛文,等. 一种改进灰云模型的效能评估方法[J]. 微计算机信息,2009,12:277-278.

[15] 胡甚平，黎法明，席永涛，等. 海上交通系统风险成因耦合机理仿真[J]. 应用基础与工程科学学报, 2015,23(2):409-419.

[16] 李晓松,王成志,陈庆华.基于云推理模型的武器装备研制风险评估研究[J].运筹与管理, 2011(3):111-118.

[17] 王洪利,冯玉强. 基于灰云的改进白化模型及其在灰色决策中应用[J]. 黑龙江大学自然科学学报,2006(6):740-745.

[18] 李德毅, 孟海军, 史雪梅. 隶属云和隶属云发生器[J]. 计算机研究和发展, 1995, 32(6): 16-21.

[19] 李德毅,刘常昱,杜鹢,等.不确定性人工智能[J].软件学报,2004,15(11):1583-1594.

[20] 杨朝晖,李德毅. 二维云模型及其在预测中的应用[J].计算机学报,1998,21(11):961-968.

[21] 岳训,李全忠,孙忠林,等.定性预测系统的建模方法[J].计算机工程, 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