北极水域船舶事故特征及关联规则分析

付姗姗 刘燕平 席永涛 万辉

研究论文

北极水域船舶事故特征及关联规则分析

付姗姗1,2刘燕平1席永涛3万辉4

(1上海海事大学交通运输学院, 上海 200136;2内河航运技术湖北省重点实验室, 湖北 武汉 430063;3上海海事大学商船学院, 上海 201306;4东海航海保障中心上海海图中心, 上海 200090)

北极海冰的大量融化, 加速了北极航道开发和利用, 对北极水域船舶事故风险管理提出了更高的要求。本文以2008—2017年的北极水域船舶事故数据为样本, 运用数据挖掘技术和方法, 对北极水域船舶事故进行了时空特征分析, 并对船舶属性与事故属性之间的潜在映射关系进行了关联规则挖掘。结果表明: 北极水域事故数逐年呈上升的趋势, 事故主要发生在巴伦支海东部的俄罗斯摩尔曼斯克港口水域和挪威北部水域; 北极水域严重事故受船舶总吨、船旗国、船舶类型、事故类型、事故水域等变量的影响, 船舶尺度较大的船舶更容易造成严重事故; 北极水域俄罗斯籍渔船的严重事故, 很多是由机损事故引发的, 但很少造成环境污染。研究结论可辅助海事管理部门和航运企业开展北极水域船舶事故预防和风险管理工作。

北极航运 船舶事故特征分析 数据挖掘 时空分析 关联规则

0 引言

全球气候变化导致北极海冰融化, 北极航道作为联通欧洲、亚洲和北美洲的最短海上路径, 近年来受到了我国和俄罗斯、加拿大、挪威、冰岛、芬兰等国家的关注。中俄共同提出了“冰上丝绸之路”倡议, 对北极航道进行联合开发和利用起到了促进作用。从2013年起, 我国中远海运集团对北极航道进行了航行探索实践。截止到2018年, 该公司总共完成了22个航次的北极东北航道航行任务, 与传统苏伊士航线相比, 共节省航程93 350海里, 减少二氧化碳排放27 833吨, 大幅降低了企业的营运成本[1]。另一方面, 北极水域气候寒冷、环境脆弱敏感, 船舶在北极水域航行, 面临海冰、低温、高纬度、极昼/极夜等非传统安全风险的考验。船舶一旦发生事故, 极易造成人员伤亡、经济损失和环境污染。随着北极航道的加速开发, 北极水域船舶航行安全保障面临诸多挑战和风险, 有必要对北极水域船舶事故特征进行分析和挖掘, 避免和减少北极水域船舶事故的发生。

根据安联公司Allianz Global Corporate & Special(AGCS)2018年发布的安全与航运评论(Safety and Shipping Review), 2008—2017年北极水域总共发生了507起船舶事故险情, 事故险情数量从2008年的30起逐步增长到了2017年的71起, 增长达2倍多。特别是, 过去五年(2013—2017年)北极水域船舶事故险情都达到了50起, 安全状况不容忽视。

由于北极水域航行船舶较为稀少、事故数据资料不够完备, 北极水域船舶事故分析刚刚起步, 当前研究侧重于借助问卷数据识别风险因素和评估事故风险。在北极水域船舶航行风险因素识别方面, 李振福等[2]、付姗姗等[3]对北极航道通航环境进行了研究, 识别出海冰、低温、能见度是影响北极水域船舶航行安全的关键因素。极地规则[4]对极地水域的船舶因素进行了分析, 提出船舶冰级和航速影响船舶航行安全。Zhang等[5]从人因分析的角度, 对北极水域船舶不安全行为进行了研究。在北极水域船舶事故分析方面, Kum与Sahin[6]对1993—2011年北极水域事故数据进行了统计分析, 结合专家问卷数据对船舶碰撞和搁浅事故发生概率进行了分析。Marken等[7]分析了北极东北航道船舶延误的风险因素, 并用Bow-Tie模型开展了船舶延误事故的情景分析。Khan等[8]和Fu等[9]运用贝叶斯网络方法, 结合专家调研数据分别对北极水域船舶碰撞和冰困事故进行了预测。Baksha等[10]建立了北极东北航道船舶航行风险的贝叶斯网络模型, 并对油轮碰撞事故进行了案例研究。Obisesan与Sriramula[11]对北极水域船舶-冰山碰撞概率进行了预测。其中, Kum和Sahin[6]对北极水域船舶事故数据进行了统计分析, 识别出了影响北极水域船舶事故的有关因素, 但未对这些因素进行深入分析和挖掘。毛喆等[12]、王颖与施欣[13]运用数据挖掘方法对水上交通事故数据进行了特征分析, 但数据样本没有覆盖北极水域。

鉴于此, 本文运用数据挖掘方法对北极水域2008—2017年事故数据进行分析, 从时间、空间等方面对北极船舶事故进行特征分析, 并运用关联规则挖掘影响因素与船舶事故之间的映射关系, 从而提出有效方法来避免和减少类似事故发生。

1 研究方法

本文针对水上交通事故存在的时间和空间效应, 运用数据挖掘方法对北极水域船舶事故进行分析, 深度挖掘北极水域涉事船舶与事故的影响映射关系, 研究框架如图1所示。

图1 北极水域船舶事故特征分析框架

Fig.1. Framework for feature analysis of ship accidents in Arctic waters

首先在全球海事事故数据库中对北极水域船舶事故有关数据进行采集和预处理, 得出可供分析的北极水域船舶事故集; 然后对北极水域船舶要素逐一进行单因素统计分析, 得出事故船舶尺度、船龄、船型和事故类型等方面基本特征; 最后在事故特征统计的基础上, 进一步开展时间特征、空间特征和关联规则分析, 对北极水域船舶事故特征进行深度挖掘。

(1)时间特征分析

分析在不同事故年份和月份下, 北极水域事故船舶类型、事故类型、事故后果严重程度等方面特征。

(2)空间特征分析

结合空间地理信息技术, 分析北极水域船舶事故的空间特征。本文采用Microsoft Visual Studio开发平台, 使用C#语言编写程序调用Google API, 分析事故的空间特征。

(3)关联规则挖掘

关联规则是一种数据挖掘方法, 主要通过支持度、规则置信度和提升度三个指标来反映数据之间的依赖性。本文运用关联规则中的Apriori算法在SPSS Modeler平台上开展北极水域船舶事故特征挖掘, 具体计算方法见文献[13]。

2 数据与处理

为深入分析北极水域船舶事故特征, 本文以Lloyd’s收录的全球海事事故数据库(https://www. lloydslistintelligence.com/)为基础, 对数据库中北极水域(北纬66°34′以上)近十年(2008—2017年)船舶事故数据进行提取, 获取到241条事故信息。对每条事故信息提取船舶信息(船名、船旗国、总吨、船龄、船型)和事故信息(事故时间、事故地点、事故类型、严重事故、污染事故), 将不完备的事故信息进行剔除, 总共得到199条事故信息。事故变量描述及频数统计, 如表1所示。

表1 变量描述及频数统计

为了对北极水域船舶事故特征进行深度挖掘, 本研究将船旗国划分为“俄罗斯”、“挪威”、“加拿大”和“其他”4类; 船舶总吨和船龄划分参考文献[13]; 船舶类型根据北极水域事故船型情况, 划分为“渔船”、“危险品船”、“散杂货船”、“客滚船”、“破冰船”和“其他”6类; 根据文献[14-15], 近四十年北极水域海冰总体呈下降趋势, 在2012年达到历史最低值, 本文将事故年份划分为“2008—2012年”和“2013—2017年”; 根据北极水域气候和海冰变化特征[16], 划分为“夏季”和“冬季”; 事故类型根据IMO事故分类统计[13], 结合北极水域实际发生的船舶事故, 划分为“机损”、“搁浅”、“碰撞”、“火灾/爆炸”、“结构完整性丧失”等6类; 事故水域划分为“西半球”和“东半球”; 严重事故和污染事故根据数据库中记录的“True/False”, 编码为“1/0”的二分类变量。

3 事故特征分析

3.1 事故基本特征分析

从表1中北极水域事故船舶信息统计结果可以看出, 2008—2017年北极水域事故船舶具有以下特征。

(1)北极水域事故船舶主要来自于俄罗斯, 事故船舶占比达61.3%, 挪威和加拿大等北极国家的事故船舶也很多, 分别占事故总数的19.1%和5%, 其他29艘事故船舶来自于17个国家。

(2)北极水域事故以小型船舶为主, 万吨级以下的事故船舶占事故总数的81.9%, 其中500吨以下、500—3 000吨和3 000—10 000吨级事故船舶分别占事故总数的20.6%、45.2%和16.1%。

(3)北极水域事故以老船为主, 船龄在20—30年和30年以上的事故船舶分别占总数的37.7%和29.6%, 10年以下的船舶事故仅占事故总数的15.1%。

(4)渔船是北极水域最主要的事故船型, 占比达事故总数的50.3%, 其次为危险品船和散杂货船, 分别占事故总数的16.6%和15.1%, 破冰船和工作船的事故较少发生, 暂未发现集装箱船在北极水域发生事故。

从表1中北极水域事故信息统计结果可以看出, 2008—2017年北极水域船舶事故具有以下特征。

(1)从事故数量来看, 2013—2017年北极水域船舶事故明显多于2008—2012年, 冬季发生的事故数比夏季要多一些。

(2)机损是北极水域最主要的事故类型, 占比达事故总数的46.2%, 其次为搁浅和碰撞事故, 分别占事故总数的12.6%和10.1%。

(3)从事故后果来看, 北极水域发生的严重事故较多, 占比达事故总数的50.3%, 远高于全球其他海域的严重事故比例[13], 污染事故较少发生, 仅占事故总数的7%。

3.2 事故时间特征分析

进一步对2008—2017年北极水域船舶事故发生月份进行分析。如图3所示, 2008—2017年北极水域船舶事故主要集中在2月、11月、3月、9月、8月和7月, 这6个月事故数量占事故总数的65%。其中2月和11月发生的事故数最多, 分别为27起和25起, 占事故总数的14%和13%。

3.3 空间特征分析

根据Lloyd’s事故数据库中记录的北极水域船舶事故经度和纬度信息, 对2008—2017年北极水域船舶事故进行空间特征分析。北极水域东半球(俄罗斯、挪威水域和白令海峡)和西半球(加拿大和阿拉斯加水域)船舶事故分布如图4和图5所示。其中, 红点表示严重事故, 绿点表示非严重事故。

图2 2008—2017年北极水域船舶事故发生趋势

Fig.2. Trend of occurrence of ship accidents in Arctic waters from 2008 to 2017

图3 北极水域船舶事故月分布特征

Fig.3. Monthly distribution feature of ship accidents in Arctic waters

从Lloyd’s收录的北极水域船舶事故分布来看, 北极水域船舶事故主要集中在东半球水域, 北极西半球水域事故较少。从图4可以看出, 北极水域东半球船舶事故分布在17°16′W—170° 46′E和66°54′N—80°N之间, 主要发生在巴伦支海东部的俄罗斯摩尔曼斯克港口水域和挪威北部水域。2010年7月“Varzuga”轮和“Indiga”轮在俄罗斯北地群岛附近(80°N, 90°E)发生的碰撞事故是北极水域近年来纬度最高的事故。从图5可以看出, 北极水域西半球船舶事故分布在62°38′E—179°38′W和66°56′N—73°20′N之间, 事情主要发生在近岸海域。2017年8月30日“Claude A. Desgagnes”轮发生的危险化学品泄漏事故是记录中唯一发生的污染事故。

图4 北极东半球(俄罗斯、挪威和白令海峡水域)船舶事故分布

Fig.4. Distribution of ship accidents in Eastern Hemisphere (Russian, Norway and Bering Sea) in Arctic waters

图5 北极西半球(加拿大和阿拉斯加水域)船舶事故分布

Fig.5. Distribution of ship accidents in Western Hemisphere (Canadian and Alaska Sea) in Arctic waters

4 事故关联规则挖掘

4.1 变量关联网络分析

为弄清北极水域事故变量(事故年份、事故季节、事故类型、事故水域、严重事故、污染事故)与事故船舶变量(船旗国、船舶总吨、事故船龄、船舶类型)之间联系, 采用关联规则方法挖掘这些事故变量与船舶变量的潜在依赖关系。

首先运用Apriori算法对表1中10个变量(船舶类型、船舶总吨、船龄等级、船旗国、事故季节、事故类型、事故年份、事故水域、污染事故、严重事故)进行关联挖掘, 计算结果如图6所示。

从图6可以看出, 每个变量在某个状态下与其他变量的某个状态存在一定的依赖性, 这些变量在以下状态的关联性较强: 船舶类型=渔船、船舶总吨={(3 000, 10 000), (10 000, 30 000), (30 000, +∞)}、船龄等级={(0, 5), (5, 10)}、船旗国=俄罗斯/挪威、事故季节=夏季/冬季、事故类型=机损、事故年份={[2008, 2012], [2013, 2017]}、事故水域=东半球、严重事故=是/否、污染事故=否。

图6 北极水域船舶事故关联规则网状图

Fig.6. Web map of association rules for ship accidents in Arctic waters

4.2 严重事故关联分析

在变量关联网络分析基础上, 进一步对严重事故进行关联规则挖掘。以“严重事故”为后项、其他9个变量为前项, 以支持度>10%、规则置信度>80%、提升度>1为要求, 进行关联规则挖掘得出19条关联规则。在前后项相同依赖关系的情况下, 选取支持度/置信度最高、前项最多的规则, 筛选出9条关联规则, 如表2所示。

表2 以“严重事故”为后项的北极水域船舶事故关联规则

从表2中可以看出:

(1)北极水域严重事故与船舶总吨、船旗国、船舶类型、事故类型、事故水域等变量密切相关;

(2)船舶总吨越大, 事故后果往往越严重;

(3)北极水域俄罗斯籍渔船事故, 造成了严重的后果, 但很少造成环境污染, 机损对严重事故的发生有一定的影响, 影响程度有待进一步分析。

4.3 事故类型关联分析

在变量关联网络分析基础上, 进一步以“事故类型”为后项、其他9个变量为前项, 以支持度>10%、规则置信度>80%、提升度>1为要求, 进行关联规则挖掘得出25条关联规则。在前后项相同依赖关系的情况下, 选取支持度/置信度最高、前项最多的规则, 筛选出8条关联规则, 如表3所示。

从表3中可以看出:

(1)北极水域船舶事故类型与时间(季节/年份)、水域密切相关; 事故严重程度与事故类型密切相关;

(2)在北极水域东半球, 夏季更容易发生机损事故, 但很少造成环境污染;

(3)北极水域俄罗斯籍渔船的严重事故, 很多是由机损事故引发的。

5 讨论

为探索北极水域船舶事故特征, 本文对2008—2017年北极水域船舶事故数据进行了事故特征统计分析和深度挖掘(时空特征、空间特征分析和关联规则分析)。

表3 以“事故类型”为后项的北极水域船舶事故关联规则

(1)从时间分布来看, 北极水域事故数逐年呈上升的趋势, 事故主要发生在2月、11月、3月、9月、8月和7月。从数据本身所分析的结果看, 北极水域船舶事故在夏季和冬季所体现的特征并不明显。造成这种结果的主要原因是北极东半球巴伦支海与其他水域可航情况在季节上表现的特征不同。巴伦支海南部常年可航, 北部除12月份外, 其他月份可航[11], 因此, 船舶(尤其是俄罗斯籍渔船)不受浮冰阻碍, 常年在该水域活动, 船舶活动量大, 船舶事故相对较多。从图5也可以发现, 绝大多数事故发生在该水域。虽然事故数据难以体现北极东北航道和西北航道由于季节和冰情对船舶事故的影响, 海冰对船舶风险的影响依然无法忽视。

(2)从空间分布来看, Lloyd’s收录的北极水域船舶事故主要发生在俄罗斯摩尔曼斯克、芬兰北部的巴伦支海水域。也是由于该水域常年可航, 船舶活动量大而造成的。从业界关心的除巴伦支海以外的其他东北航道所经过的水域来看, 事故共有27起。通过俄罗斯官方所统计[12]的穿越东北航道的船舶来看, 2011—2017年穿越东北航道的船舶分别为41、46、71、53、18、19和27艘。将这些船舶与数据库进行比对, 并未发现这些船舶的事故信息。因此, 有理由认为单独的事故水域分析无法提取船舶在整个东北航道各水域方面独有的特征。而北极水域西半球(加拿大北部水域)的船舶事故情况有待进一步调查和研究。

(3)从事故关联规则挖掘情况来看, “船舶总吨(30 000以上)、船旗国(俄罗斯)、船舶类型(渔船)、事故类型(机损)和事故水域(北极东半球)”是北极水域严重事故最主要的事故场景, 船舶尺度较大的船舶更容易造成严重事故。北极水域俄罗斯籍渔船的严重事故, 很多是由机损事故引发的, 但很少造成环境污染。“船舶种类(渔船)、季节(夏季)和事故水域(北极东半球)”是北极水域船舶机损事故最主要的事故场景; 渔船在北极东半球更容易由机损造成事故。

6 结论

基于Llyd’s北极水域船舶事故数据, 采用数据统计和Apriori算法分析事故特征并挖掘关联规则, 获得了北极事故的基本特点。从事故种类、时间、水域、船舶类型和船舶国籍特征来看, 其最突出的特征为北极沿岸国家(尤其是俄罗斯)渔船在巴伦支海水域捕鱼期间的机损事故。碰撞和搁浅事故体现不明显。

通过将近几年穿越东北航道船舶数据与事故信息进行比对, 并未发现这些船舶在北极水域发生严重事故, 主要事故仍是由北极沿岸国家船舶作业活动所产生的。虽然如此, 北极航道船舶航行安全仍然不可忽视。

1 韩国敏. 中国商船开辟极地航线实践与展望[J]. 世界海运, 2019, 42(2): 1-5.

2 李振福, 闫力, 徐梦俏, 等. 北极航线通航环境评价[J]. 计算机工程与应用, 2013, 49(1): 249-253.

3 付姗姗, 张笛, 张明阳, 等. 北极水域船舶航行环境风险影响因素识别[J]. 哈尔滨工程大学学报, 2017, 38(11): 1682-1688.

4 MARITIME SAFETY COMMITTEE (MSC). Revised guidelines for formal safety assessment (FSA) for use in the rule-making process. [EB/OL](2015-06-18)[2020-1-12].http://research.dnv.com/skj/IMO/MSC-MEPC.2-Circ.12-Rev.1.pdf.

5 ZHANG M Y, ZHANG D, GOERLANDT F, et al. Use of HFACS and fault tree model for collision risk factors analysis of icebreaker assistance in ice-covered waters[J]. Safety Science, 2019, 111: 128-143.

6 KUM S, SAHIN B. A root cause analysis for Arctic Marine accidents from 1993 to 2011[J]. Safety Science, 2015, 74: 206-220.

7 MARKEN V B, EHLERS S, KHAN F. Delay risk analysis of ship sailing the northern sea route[J]. Ship Technology Research, 2015, 62(1): 26-35.

8 KHAN B, KHAN F, VEITCH B, et al. An operational risk analysis tool to analyze marine transportation in Arctic waters[J]. Reliability Engineering and System Safety, 2018, 169: 485-502.

9 FU S S, ZHANG D, MONTEWKA J, et al. Towards a probabilistic model for predicting ship besetting in ice in Arctic waters[J]. Reliability Engineering and System Safety, 2016, 155: 124-136.

10 BAKSH A, ABBASSI R, GARANIYA V, et al. Marine transportation risk assessment using Bayesian Network: Application to Arctic waters[J]. Ocean Engineering, 2018, 159: 422-436.

11 OBISESAN A, SRIRAMULA S. Efficient response modelling for performance characterisation and risk assessment of ship-iceberg collisions[J]. Applied Ocean Research, 2018, 74: 127-141.

12 毛喆, 任欲铮, 桑凌志. 长江干线水上交通事故黑点分析[J]. 中国航海, 2016, 39(4): 76-80.

13 王颖, 施欣. 全球海事事故的时空与类别特征研究[J]. 安全与环境学报, 2018, 18(3): 1224-1230.

14 DEVASTHALE A, SEDLAR J, KOENIGK T, et al. The thermodynamic state of the Arctic atmosphere observed by AIRS: comparisons during the record minimum sea ice extents of 2007 and 2012[J]. Atmospheric Chemistry and Physics, 2013, 13(15): 7441-7450.

15 柯长青, 王蔓蔓. 基于CryoSat-2数据的2010-2017年北极海冰厚度和体积的季节与年际变化特征[J]. 海洋学报, 2018, 40(11): 1-13.

16 张侠, 杨惠根, 王洛. 我国北极航道开拓的战略选择初探[J]. 极地研究, 2016,28(2): 267-276.

FEATURE ANALYSIS AND ASSOCIATION RULE MINING OF SHIP ACCIDENTS IN ARCTIC WATERS

Fu Shanshan1,2, Liu Yanping1, Xi Yongtao3, Wan Hui4

(1College of Transport and Communications, Shanghai Maritime University, Shanghai 200136, China;2Hubei Key Laboratory of Inland Shipping Technology, Wuhan 430063; China;3Merchant Marine College, Shanghai Maritime University, Shanghai 200136, China;4Shanghai Chart Center, Donghai Navigation Safety, Shanghai 200090, China)

With the melting of sea ice, Arctic sea routes are increasingly used and developed, requiring information to support the management of risks of ship accidents in Arctic waters. We identified latent association rules between ship and accident attributes using accident records from 2008 to 2017, data mining and temporal and spatial analysis. Results show that the number of accidents has been increasing, with most accidents occurring in the harbor of Мурманск in eastern Barents Sea and in northern Norwegian Sea. The small Russian fishing vessel is the dominant vessel type in Arctic waters. Serious accidents in Arctic waters are influenced by several variables such as gross tonnage, flag, vessel type, accident type and accident location. Large ships are more likely to cause serious accidents. Serious accidents of Russian fishing vessels in Arctic waters were often caused by machinery damage, and rarely caused environmental pollution. These findings can be of use to maritime safety administrations and shipping companies in the prevention of accident and risk management of Arctic shipping.

Arctic shipping, feature analysis of maritime accidents, data mining, spatio-temporal analysis, association rule

2019年2月收到来稿, 2019年5月收到修改稿

国家自然科学基金(51709168)、上海市科技创新行动计划(19692106500, 18DZ1206104)、内河航运技术湖北省重点实验室基金(NHHY2018001)资助

付姗姗, 女, 1987年生。讲师, 主要从事水路运输风险管理。E-mail: ssfu@shmtu.edu.cn

席永涛, E-mail: xiyt@shmtu.edu.cn

10. 13679/j. jdyj. 20190010