港口国监督(PSC)决策支持算法

袁建中， 蔡存强， 胡志武

(上海海事大学 商船学院，上海 201306)

0 引 言

港口国监督(Port State Control, PSC)，指国家航政主管机关为确保停泊于国内港口的外国船舶的船况、设备及人员操作等均能符合国际公约及相关规定而进行的监督和检查工作.[1]通过采取强制纠正和滞留等手段，PSC工作人员促使途经的外籍船舶在海上航行设备、工作条件和防止污染等诸多方面逐渐符合公约规定.[2-3]PSC要求每艘受检船舶维持一定的国际安全标准，不但对船舶本身是一种安全督促，也能保障港口的运营安全.[4-5]

对于PSC而言，信息界的决策支持和数据挖掘理念依然属于新鲜课题，业界少有探索.[6-7]PSC工作人员主要依靠人工检查经验的定性累积，对后续工作进行纠偏以及对新人进行培训.现代决策支持技术及数据挖掘方法，可以对宝贵的PSC查船记录进行科学、高效的信息拣选与处理，提取船舶缺陷的内在规律[8-9]，很好地协助工作人员提高工作效率与品质.本文以台湾岛4大港口(基隆、台中、花莲、高雄)施行PSC工作所记录数据信息为背景，基于数据挖掘中的关联规则原理[10-11]，提出一套现实可行的数据化PSC决策支持算法，为PSC工作人员提供翔实可靠的客观建议，辅助PSC工作高效进行[12-13].本算法将现代决策支持的具体技术引入业界，具有较强的可行性.

1 PSC数据信息整理

本文算法的提出，主要以台湾岛4大港口2002年8月至2010年1月的883次查出缺陷的船只情况记录(未有缺陷的船只不计入)为算法的计算依据.本文对查船记录进行整理，修正坏数据，去除船公司名、船级社名等隐私保护项，整理为表1所示的PSC数据库的数据格式.

表1 PSC数据库的数据格式

每条记录只包含目标船的一条缺陷信息，若某目标船含有N条缺陷，则在数据库中连续记录N行.表1中的“缺陷总目”与“缺陷细目”即船舶缺陷代码的大类与细分.台湾航政主管部门主要采用美国海岸警备队制定的缺陷代码(DEFICIENCY CODES)对照表[14]，对PSC工作的目标船进行缺陷标定.表2为各缺陷总目的涵义.

表2 缺陷总目对照表

表2仅为缺陷总目，每目之下还有细分.例如09(Safety in general)下包含有24个缺陷细目，其中0936为“Steering gear”，0983为“Hull-corrosion”，等.

2 PSC决策支持算法的提出

2.1 算法的数理依据简介

本算法的理论依据是数据挖掘理论中的关联规则.关联规则是指，通过对数据库中两个或多个属性数据相互关系的数理统计特征的提取，找到各属性之间可能存在的内在关联.例如，可以通过数理统计方法，得知某两类缺陷存在相依关系，即常常同时出现；而有些缺陷则“蕴含”着其他缺陷，即该缺陷发生的情况下另外某些缺陷发生的概率很大，但另外缺陷发生时该缺陷并非常常发生.这些属性间可能存在的关联规律，对于PSC工作人员，尤其是工作经验较少的年轻工作者，具有指导意义，并且由于从数据库中提炼出的关联规律的客观性，可在一定程度上避免人为经验的偏颇.

图1(a)中A与B为相依关系，可以依照条件概率推出A⟹B和B⟹A;图1(b)中A与B为蕴含关系，可以依照条件概率推出A⟹B.具体的相依或蕴含的程度，则可通过计算得到的条件概率值定量呈现.

图1船舶某两缺陷的关系

2.2 PSC决策支持算法流程设计

基于第2.1节所阐述的关联规则，结合PSC工作的特性，提出一种十分具有可操作性的决策支持算法.基本流程如下.

(1)依据PSC数据库，统计出缺陷总目的单项频繁项集(本文以缺陷总目为算法的简要示例，缺陷细目也可用相同方法处理，需要更大的计算量)，即PSC工作中最频繁查到的几类总目的频繁程度信息.单项排名可为PSC工作人员提供初始检查项目建议.如表3所示，经过对台湾4大港口9年间的数据统计，可得到台湾地区最常出现的22类总目，其中09类总目以883次检查任务中有547次出现的高频度位居该类缺陷之首.09,12以及07等高频出现的总目，无疑是台湾地区PSC检查工作的重点.

(2)依据上述得到的高频项集(22类)的数据信息，统计出缺陷总目的双项频繁项集信息，建立相依性矩阵.先计算出22类最频繁出现的单项中某一项A出现的前提下另一项B出现的概率，即B相对于A的条件概率.依据关联规则的具体原理，条件概率即为蕴含式的置信度指标,所以条件概率数值越大，对应的蕴含规则越可信.

表3 单项频繁项集排名

表4中行属性和列属性均为频繁度最高的22项缺陷总目(限于篇幅，表中只列出7项缺陷总目).表中行属性为蕴含式母项，列属性为蕴含式子项，从表中可读出22类中任意两类的蕴含规则置信度.例如“09⟹06”的置信度为0.614(61.4%)，而“06⟹09”的置信度为0.985(98.5%)，显然后者的蕴含规则更加可靠；因为两蕴含式的置信度都较高，所以前后两对代码在一定程度上分别存在相依关系.

(3)依据相依矩阵导出蕴含规则，并按置信度排列.例如依据相依矩阵可知“09⟹06”的置信度低于“06⟹09”，则关于该两者的关联关系以后者为准，即“06⟹09”.本文所导出的蕴含规则见表5(以缺陷总目01，02，03为例).PSC工作人员可依据该清单中的蕴含规则，找出客观上嫌疑程度最大的潜在缺陷.

表5中部分蕴含规则置信度超过1(100%)，是由有些船舶同时被检出同一个缺陷总目下的多个缺陷细目造成的.例如蕴含式“01⟹09”的置信度为3.18(318%)，表示在查船过程中，每出现一个01类缺陷总目的同时，平均伴随3个以上的09类缺陷总目，可能是0910，0915或0920等各不同细目的缺陷.所以，本文中的置信度概念为广义置信度概念，取值范围较灵活.

表4 双项频繁项相依性矩阵

表5 蕴含规则排名清单示例

2.3 使用算法进行决策的步骤

本算法依据台湾岛4大港口历年的PSC数据，可计算得到表3和5两个决策支持清单.PSC工作人员的使用方法是：

(1)当工作人员登上目标船后，在没有其他信息提示的情况下，可根据表3找到频繁度最高即嫌疑最大的潜在缺陷进行查看，例如09总目和12总目.在有其他信息提示的情况下，例如通过其他信息确信该船不会发生09总目缺陷的前提下，12总目成为最大嫌疑目标，清单建议工作人员从12总目开始，依次着手展开检查.

(2)当工作人员查到某总目存在缺陷时，可根据表5找出接下来潜在的最大嫌疑目标.例如当查出某船02总目存有缺陷时，根据表5可知12总目被检出缺陷的潜在可能最大，工作人员在没有其他信息的参考下可依据该清单查看12总目.如12总目没有查到缺陷，可继续查找15总目(15总目位列第2).

(3)依次类推，直到PSC工作结束.

3 结束语

在本文所提出的决策支持算法的客观辅助下，工作人员的工作效率显著提高.经验不足的PSC工作人员，在没有其他有效信息的辅助下，可依据本算法运算导出的决策支持清单，找到一条理论上最优化的检查次序.本算法仅提供运算模式，由于不同海域流通的船舶具体情况的差异，依照不同港口的PSC历史数据库，运算得出的决策支持清单也会各有不同.但只要PSC历史数据库中记录的信息真实可靠，就可以通过本文提出的算法得到具有实际辅助意义的详细PSC建议.

本算法将关联规则的核心思想与PSC数据库相结合，引入PSC工作领域，是一次探索性的尝试.数据挖掘思想中的关联规则是智能计算领域常用到的思路，将智能思想广泛引入PSC领域，可为PSC工作带来更多的发展空间.关于PSC领域的智能化研究，未来将会有更多更有益的研究成果.

参考文献：

[1] Tokyo MOU. Annual report on port State control in Asia-Pacific region 2006[R]. 2006: 8-9．

[2] 李文华, 袁国强. 从价值链角度论中国PSC竞争力[J]. 大连海事大学学报, 2010, 9(1): 48-50.

[3] PLAZA F. The future for flag State implementation and port State control[M]// NORDQUIST M H, MOORE J N. Current maritime issues and the International Maritime Organization (center for oceans law & policy). Netherlands: Martinus Nijhoff Publishers, 1999: 199-201.

[4] 马雪梅, 罗卫华. 论船级社检验、船旗国监督与港口国监督三者关系[J]. 航海技术, 2007(1): 74-75.

[5] WU Zhaolin, FU Yuhui, ZHU Yuzhu．Maritime safety administration management[M]. Dalian: Dalian Maritime Univ Pr, 2001: 25-37．

[6] 徐东. 2008—2010年PSC检查数据分析[J]. 中国海事, 2011(6): 21-23.

[7] 李凯里, 王立宏, 童向荣. 预期关联规则集及其基数的定量分析[J]. 模式识别与人工智能, 2010, 23(3): 402-407.

[8] 苏健, 高济. 粗糙决策支持方法[J]. 计算机学报, 2003, 26(6): 738-739.

[9] 黄志. 福建沿海船舶事故的灰色关联分析[J]. 上海海事大学学报, 2006, 27(1): 21-23.

[10] 冯宏祥, 肖英杰. 基于灰色关联度的航道方案评价[J]. 上海海事大学学报, 2007, 28(3): 2-4.

[11] 黄晓霞, 程论. 综合评价与数据挖掘的比较[J]. 上海海事大学学报, 2007, 28(4): 54-56.

[12] 宓为建, 徐子奇, 刘园. 大型港机结构应力峰值与小车位置关联规则的数据挖掘[J]. 上海海事大学学报, 2007, 28(3): 44-46.

[13] 张金区, 王开泳, 王云鹏. 面向统计数据的三位一体可视化关联分析[J]. 计算机工程, 2012, 38(3): 258-260.

[14] US Coast Guard. Port State control report of inspection. [R]. 2004, 5: 1-13.