基于HHM-RFRM的船舶航行风险评估方法研究

刘家国,崔 进,周 欢,万子谦,曹 静

(1.大连海事大学航运经济与管理学院，辽宁 大连 116026；2.哈尔滨工程大学经济管理学院，黑龙江 哈尔滨 150001)

1 引言

近几年，国内外发生了多起水上重大交通事故，例如“东方之星”翻沉事故、4·16韩国客轮沉没事故，引起了公众的广泛关注[1-2]。在这些事故中，人们的生命和财产遭受了巨大的损失。随着航运市场的发展，由于船舶投资巨大、回收周期比较长、航运市场不确定性强[3]等原因，船舶航行风险控制与管理问题将会日益突出。对船舶航行的风险进行有效的识别和综合评估，能为海事部门和船舶企业实行动态管理和安全调度提供科学依据，同时也是保障船舶航行过程中人们的生命安全和财产安全、规避水上交通事故的一个重要手段。风险评估方法的研究一直以来在各个行业各个领域都很热门，刘铁民[4]很早便论述了定量风险评价(QRA)的原理及意义，此后有很多针对风险发生机理、风险概率、风险评估等方面的研究[5-6]。船舶航行的风险评估作为一个具有重大理论意义和实践意义的课题，国内外学者已开展了部分研究。从风险管理理论出发，目前船舶航行的风险管理大多是基于现存的几种事故致因理论，如事故因果连锁理论[7-8]、能量转移理论[9-10]等。基于以上理论，学者们对船舶航行风险管理的安全技术开展了研究。Huntington等[11]对速度、避碰区域等因素和航行风险之间的关系进行了量化分析，提出了一个航运风险规避体系框架。Goerlandt等[12]对海上船舶碰撞导致的溢油事故风险情景进行了研究，为不确定环境下的海上交通系统提供了一个碰撞风险分析框架。另外，在船舶航行风险的宏观研究方面，Balmat等[13]提出了一种模糊风险因子定义方法，用来确定船舶航行的风险指标，并将船舶风险因素分为动态因素和静态因素。Montewka等[14]针对客滚船的海上碰撞风险，建立了一个风险评估框架，以芬兰湾为例，对海上运输风险进行了分析与评估。Berle等[15]提出了一种结构化的海上运输系统脆弱性评估方法，从系统脆弱性的角度阐释了海上运输风险。刘大刚等[16]对大风浪中航行船舶的风险体系进行了研究，建立了相应的风险体系框架，确定了风险分析的主要任务主要分为风险辨识和风险评估两部分。

以上研究都是基于构建一个风险因素指标体系来进行风险管理，侧重于各个风险因素单独作用对整体系统风险的影响的阐述，对于一般系统风险的评估有一定的参考价值，然而通常来说，许多复杂的风险情景都是“多输入-多输出”的问题[17]，船舶的航行风险就是属于这一类。船舶航行过程中的不确定性主要来自于人员、设备、环境等因素的多样性和复杂性，不同因素的交互作用会产生如搁浅、触损、碰撞等不同类型的事故，而单一的风险模型只能展现风险系统的某一面，是不可能完全阐释风险的来源的，例如，恶劣的天气可能会是船舶航行中发生事故的一个因素，但在良好的管理、软硬件设施以及准确的人为操作情况下，多数恶劣的环境并不足以引发航行事故；而如果恶劣的天气环境因素与船员操作失误的人为因素相交互作用，便大大增加了发生事故的可能性。对于此类风险，研究者们提出“情景-应对”的风险管理框架，但在此框架下还缺乏风险管理的具体方法和策略[18]。鉴于此，本文引入了等级全息建模的思想和方法论，提出以等级全息建模思想与风险过滤、评级与管理(HHM-RFRM)为基础的多维风险情景危险度测度模型，此模型集成了多种不同风险因素的交互评估，能够在对船舶航行风险过滤、评级和管理的基础上形成一个新的风险评估视角，进一步地反映关键风险因素交互作用产生的风险源。在单一风险因素模型中，针对恶劣天气因素常通过预测的方法，针对设备故障等问题可采用决策树、故障树等方法；而利用多维风险情景危险度测度模型可以将环境、软件、硬件、人为、管理等多个风险因素的评估集成一体，从而更准确地阐述并评估风险。

2 HHM-RFRM方法

2.1 HHM-RFRM基本方法

HHM-RFRM理论是结合等级全息建模(Hierarchical Holographic Modeling, HHM)思想与风险过滤、评级与管理(Risk Filtering, Ranking and Management Framework, RFRM)的一种方法论，它体现了一种分清“主次矛盾”的哲学思想，将次要风险先过滤掉，首先分析主要风险，通过定性与定量分析找出关键风险，然后对关键风险因素进行深入分析。其中，等级全息建模是一种全面的思想和方法论，它的目的是从各个视角捕捉和展现一个系统的内在特征和本质[19]。HHM方法能够将多个子模型集成于一体，也能将一个整体的系统风险模型分解为多个子模型，分别进行定量管理。本文为简化过程，对各个子模型的风险概率获取皆采用基于专家证据的概率方法。

一般来说，RFRM方法分为八个阶段：(1)情景识别；(2)情景初步过滤；(3)双重标准过滤与评级；(4)多重标准评估；(5)定量评级；(6)风险管理；(7)针对过滤掉的重要情景进行评估；(8)运作反馈。其中，第(7)步和第(8)步属于“主次矛盾”中的“次要矛盾”，本文以“主要矛盾”为研究的重点，故而主要研究以下五个步骤：

(1)情景识别：构建HHM模型，描述系统的各类风险情景；

(2)情景过滤：通常根据专家意见根据定性的可能性和结果对风险情景进行过滤；

(3)多重标准评估：根据风险因素击溃系统防御的能力标准对剩余的风险情景进行评估；

(4)定量化评级：基于定量化的可能性与结果等级的排序矩阵，对风险情景进行过滤和评级；

(5)风险管理：针对关键风险因素的评估结果，确定相应风险情景的管理方案。

特别地，在HHM-RFRM风险管理方法中，对于风险情景的过滤和评级并不意味着只考虑关键风险因素，而是指对于关键风险情景的分析是考虑所有风险情景的先驱[20]。

2.2 HHM-RFRM方法的改进

目前HHM-RFRM方法在风险管理中的应用较为成熟，但其主要是针对风险指标体系中单一风险因素的单独作用进行分析，为了满足船舶航行风险系统对复杂的风险因素交互作用的分析，本文从以下三个方面对HHM-RFRM方法进行了改进：

(1)

其中，对于符号Θ，其运算法则满足交换律，即AΘB=BΘA。

第二，风险定性评估角度，针对船舶航行风险复杂的特点，从每个风险因素自身击溃船舶航行系统的能力出发，定性分析各个风险因素自身的特性，有助于决策者对航行风险因素及整体风险的定量评估。根据Matalas和Fiering[21]的理论，系统的防护能力分为复原力、强健性和冗余性，通过反映每个因素击溃系统的这三大防御特性的能力，可进一步综合评估各风险因素的特点，进而为定量化评估提供参考标准。作为反映这一能力的辅助，本文参考相关文献[19]，列出船舶航行风险评估的9个标准，如表1所示。

表1 航行风险评估多重标准

第三，风险定量评估的角度，引入多维风险测度模型，结合贝叶斯定理从概率和后果两个维度进行定量化计算，定义：

Drisk=Crisk×Prisk

(2)

其中Drisk为子因素的危险程度，Crisk表示风险因素所能产生的后果，Prisk表示风险情景发生的概率(后验概率)，取

(3)

假设H和E为两个随机变量，H=h为某一假设，E=e为一组证据。那么，在不考虑E=e的情况下，有P(H=h)为先验概率；在考虑E=e的情况下，P(H=h|E=e)为后验概率。贝叶斯定理公式为：

P(H=h|E=e)

(4)

根据式(3)，结合经验证据以及风险因素之间的耦合关系，可以计算出各个风险情景的后验概率Prisk，进而联立式(1)(2)计算出风险情景的危险度。

3 航行风险识别

3.1 航行风险要素分析

事故致因理论认为，任何航行风险都是事故致因因子对船舶航行过程作用产生结果的描述。事故的发生来自于潜在的风险，而风险又包含了三个部分：风险因素、威胁目标和触发机理[22]。其中，对于指定的威胁目标，风险因素的分析是理清其触发机理从而进行风险识别的基础。鉴于船舶航行风险的复杂性和多样性，本文采用客观分析与主观判断相结合的方式，结合文献资料与专家意见分析船舶航行风险要素。基于等级全息建模过程反复迭代的思想[23]，本文所进行的风险要素分析过程如图1所示，设置两组专家，专家1组包含了10位分别来自于中国船舶研究所、中国海事局的研究人员和工作人员，各专家都有着八年以上的工作经验，对船舶航行安全领域有着深刻的了解，对这一组专家进行问卷调查，问卷分为两部分，第一部分包括了本文根据所查阅文献资料所提炼出的29的风险因素，第二部分设置开放型问题，使专家根据自身经验列举船舶航行风险因素，据此扩展风险来源框架，并采用德尔菲法组织专家1组成员对船舶航行风险要素进行分析，得出初步分析结果；专家2组包含了10位来自隶属于高校的船舶工业管理研究所及系统工程研究所的教授和副教授，由这组专家对风险来源初步分析结果进行审核，检验其科学性、全面性和可操作性，若审核通过，则可依据此分析结果构建HHM框架，否则，在专家2组成员提出意见的基础上重复上述操作。

图1 风险要素迭代分析流程

利用上述步骤完成了4次迭代过程分析，本文得到一个较为完善的风险要素分析结果，并根据船舶航行的静态风险和动态风险将船舶航行风险要素分为六个视角下的风险要素，如图2所示，分别反映了船舶航行风险的日常防御和随机事件两方面的风险来源。

图2 船舶航行风险来源

(1)静态风险因素

静态风险管理反映了船舶航行风险管理的日常防御手段，指为了提升风险抵抗能力和风险应对能力而对船舶航行系统内部风险要素的控制和管理能力的完善。静态风险主要包含人力因素(P)、硬件设备(H)、软件服务(S)和管理控制(M)四个因素。

人力因素主要包括船员素质、心理状态、生理状态和培训情况。船舶航行过程中，人的因素是极其活跃的一个因素，很多船舶事故都是人为直接或间接的失误造成的，其中，长江干线超过75%的水上交通事故都来自于人为操作不当，比如2007年8月29日于江苏省昆山市发生的“华航机828”轮触碰通城河桥事故，其事故主要原因之一就是船员未采取安全航速主动避让已进入桥孔水域的“兴良机328”轮，导致二者在桥孔水域相遇，从而引发了事故。

硬件设备主要包括船龄、船舶动力、船舶载态、重要组件和船舶性能。其中，对于船舶载态和船舶性能，专家根据历史经验及相关文献[24]列出了主机、轮机、供电设备及船舶速度、水密性、船体强度这六个关键子风险要素。硬件设备的失灵会导致船舶失控，很容易引发船舶碰撞、船舶搁浅、触礁等事故。例如2010年5月15日发生的忠县“海天448”轮自沉事故，其事故主要直接原因之一为“海天448”轮改建过程中在沥水水槽两侧纵壁开孔，船舶水密性被破坏，引发空舱进水，船舶稳性恶化，导致翻覆。

软件服务主要涉及船舶航行服务的系统程序，包括导航服务、航行状态监测、信息交互和环境监测。信息化时代的船舶航行需要数据的支持，以实现更有效率的航行，另一方面，船舶航行及事故发生后的风险控制也依赖于软件服务，例如，就信息交互服务而言，在2014年的4.16韩国客轮沉船事件中，由于良好的软件服务支持，保证了良好的信息交互，从而在极大程度上控制了伤亡损失。

管理控制主要包括船舶公司的监管控制、通信指挥、海事监管、危险品控制和船舶维护方案。监管部门对船舶公司、船舶运输等因素的规范化管理是抵御风险的一个重要因素，同样，船舶的定期维护也是航行安全的保障，管理控制要素是从源头上进行风险控制的要素。特别是危险品的管理，若控制不当，会造成重大损失，比如2004年4月7日发生的“建江油3号”油船火灾爆炸事故中，船员在无危险品船舶专项培训记录的情况下在船上使用液化气明火作业，违反了相关危险品运输管理规定，导致了事故的发生。

(2)动态风险因素

动态风险管理反映了船舶航行风险的随机事件应对，指船舶航行过程中对航行外界信息掌控和对突发状况处理能力的提升。动态风险主要包含环境因素(E)和应急反应(R)两个因素。

环境因素主要分为地理、交通和气候三个方面。由于航行过程中外界环境情况是不确定的，准确把握环境风险因素，才能保证航行的安全。在2015年6月1日于湖北监利发生的“东方之星”轮翻沉事件中，诱发事故发生的主要客观因素便是遭遇了极端天气。在航行风险管理中，应该预先对环境条件进行了解，避免遭遇不利航行条件。

应急反应主要包括对事故做出反应的三个环节：应急排险、应急救援和应急支持。应急排险是指通过现有的应急设备对事故进行现场风险抵抗，应急救援是指事故发生后对人员伤亡、财产损失进行救急和控制，应急支持是指对于应急反应所需要的技术支持、通信保障和后勤保障。应急反应因素导致事故的例子有很多，例如，2003年11月6日，某无船名小型机动船于黑龙江省农垦总局宝泉岭分局所属梧桐河农场6队辖区水域沉没，由于该船未配备救生设备，造成了9人死亡1人重伤的严重后果。

3.2 风险识别HHM框架的构建

船舶航行风险管理作为一个大规模、复杂的、等级结构的系统工程，其内部风险要素相互之间的关系错综复杂，外部环境与内部组织、硬件、软件之间交互作用产生不同视角下的风险源，在风险管理中若是只考虑局部风险因素是无法达到有效地控制风险的目标的，所以，利用HHM对其分层次进行全方位、多视角的分析，是极其有效的。本文经过以上风险要素分析，为了全面而准确地捕捉和反映其风险来源，在其基础上建立了船舶航行风险HHM模型框架，如图3所示。

图3 船舶航行风险HHM框架

3.3 航行风险情景识别

以上HHM框架完整地描述了船舶航行风险管理的基本情况，在此基础上，为了对船舶航行风险管理进行全方位、多视角的识别，本文将此框架进一步分解为多个HHM子模型，即HHM风险情景，每一个风险情景即是一个风险特性耦合分析的视角，由两个或三个主要素构成，将不同层面和角度的风险要素萃取出来，进而进行船舶航行风险识别，这是HHM在风险识别方面最大的优势。图4给出了船舶航行风险六个主要素之间彼此影响的耦合关系。由图可知，六个主要素之间可以相互影响，两两之间或者任意三个组合皆可形成HHM风险情景。

图4 船舶航行风险要素耦合关系

表2 船舶航行二维风险情景

具体分析每一个风险情景，通过对每个两个或三个主因素下所包含的子因素进行交错分析，可进一步对风险进行识别，得到不同视角下的风险来源。例如，对于二维PΘH风险情景，如图5(a)所示，培训情况与船舶载态两个子因素相交互产生了一个新视角下的风险，即在船舶在不同载重、运输不同的物品的情况下，船员的培训情况、运输作业资格是有不同的要求的，如若两者匹配不当，极易产生严重的后果。同理，对于三维风险情景，以PΘHΘS风险情景为例，如图5(b)所示，培训情况、信息交互和船龄三个子因素交互作用形成了一个新的三维视角下的风险，例如对于不同船龄的船舶来说，由于其硬件条件限制，其信息服务能力是有差异的，这就要求船员根据船舶的实际状况进行相应的培训，否则在航行过程中会造成一定程度上的操作障碍或信息障碍。根据这种方法，可逐一识别出各个视角下多个子因素交互作用所产生的风险，由于篇幅受限，本文不在此一一详述。

表3 船舶航行三维风险情景

图5 人力因素-硬件设备风险情景

另外，在图5所示坐标系中，交互作用所产生的几何图形的边长可用每个子因素影响作用的概率或后果来衡量，由此得出的几何图形面积或体积即可用来衡量某风险情景中的各因素交互作用下的危险度，以概率衡量为例，当风险情景维数小于等于3时，有

PRisk=pxpypz

(5)

4 航行风险评估

4.1 航行风险双重标准过滤

通过上述风险识别过程，本文辨识出44种船舶航行的风险因素，为从中找出关键因素，以便对主要风险优先进行分析，本文首先对44个风险因素进行定性分析，对其采用可能性与后果两项标准进行双重标准过滤，此过滤过程通过对专家进行访问和对有关专业人士进行问卷调查完成，专家依据自身对船舶航行领域的经验对各项因素出现故障所产生的后果和其发生的可能性进行一个主观判断，然后根据其判断设计调查问卷，从而征询二十位船舶行业具有丰富经验的工作人员的意见，得到结果如表4所示。

船舶航行风险排序矩阵给出了对各风险因素的一个初步评级，过滤掉极低风险、低风险和一般风险后，气象监测、航道特征、危险品、船龄、风、流、船员素质、培训情况、实时交通、海事监管、反应速度、处理效率、救援效率、技术支持和能见度一共15个风险因素作为主要风险因素被保留下来。但是，另外29个风险因素并不是被排除在外，它们被过滤掉只是表示相对于被保留下来的15个风险因素来说，危险度没有那么高，对于船舶航行的风险分析，应该首先从主要风险因素开始。

表4 双重标准过滤风险排序矩阵

4.2 航行风险多重标准评估

根据表1，专家组对15个船舶航行关键风险因素进行进一步的评估，将各评判标准分为“高(H)”“中(M)”“低(L)”三个档次，评估结果如表5所示。

表5 航行风险多重标准评估矩阵

4.3 定量化评级

Pr(S41|E1)=

求得Pr(S41|E1)=0.206，同理，可求得其他风险因素的后验概率，如表6所示。

表6 航行风险因素概率

根据计算所得后验概率，将15个关键风险因素的可能性划分为五个区间，对其进行定量化评级，如表7所示。

表7 船舶航行风险定量风险排序矩阵

由此，本文过滤出该货船航行的最为关键的7个风险要素，即气象监测、航道特征、风、流、船员素质、培训状况和危险品。所以，对于该货船的航行风险管理，应该重点关注以上7个风险要素所构成的风险情景。

4.4 关键子场景风险评估

在船舶航行风险识别、评级的基础上，基于船舶航行HHM框架和全息理论，对最终得到的7个风险要素的交互作用进行分析，以对关键风险因素所组成的风险情景进行评估，从而进一步地辅助船舶航行风险管理决策。该船舶的航行关键风险因素HHM子模型如图6所示。

图6 船舶航行关键风险因素HHM子模型

根据式(3)计算关键风险子情景的后果值，由于此处各风险因素都是灾难性因素，故Crisk取1，即用概率来衡量风险情景的危险程度，根据每个风险情景所对应的px、py、pz值，联立式(2)可求得每个只包含关键风险因素的二维风险情景的危险度如表8所示，一般地，对于二维风险情景，我们认为危险度高于0.05便为高风险。而对于此船舶航行的三维风险情景，由于其概率过小，在此不作讨论。

由求得结果可知，在此货船的关键二维风险情景中，危险度超过0.05的子风险情景有6个，其分别反映了对于此船舶航行的风险管理中的人力因素-环境因素和软件服务-环境因素风险情景的危险性，从中可以分析得出，当环境风险因素和人为、软件风险因素相交互时，危险度是非常大的，即当航行时碰到恶劣天气、能见度低等不良条件下，船员的避碰操作、应急处理行为以及气象、航道的监测服务相对于其他风险因素来说是更应该重点关注的，所以此船舶的航行风险管理需要优先关注船员的培训和软件服务能力，以提高船员应对恶劣环境条件的能力，并加强对航行时的气候和航道的监测。

表8 关键二维风险情景危险度

5 结语

本文基于HHM-RFRM理论，对船舶航行风险评估方法进行了研究，构建了HHM框架对风险情景进行识别，以大连港某从事商务活动的货船为例，在运用双重标准过滤矩阵和多重标准评估矩阵对其航行风险因素进行定性过滤，并运用贝叶斯定理和风险排序矩阵对航行风险因素进行定量的过滤、评级之后，又结合等级全息建模的指导思想，提出风险因素之间的耦合作用会产生新的视角下的风险源，通过引进多维风险情景危险度测度模型来改进船舶航行HHM-RFRM风险评价方法，对风险情景的交互作用进行了进一步的分析，为船舶航行风险管理与决策提供了一个新的视角。但是，船舶航行风险管理是一个复杂的、大规模的系统工程，本文所确定的航行风险HHM框架并不是最完善的，对于此框架的动态调整方法还有待进一步研究。另外，本文所研究的方法只是为船舶航行风险管理提供了一个框架，在此方法的基础上，管理者和决策者可以对于每一个耦合的具体风险场景运用决策树、故障树、网络图、影响图表等方法进行具体的深入分析。