1、文章编号 : 1005-0930( 2015) 02-0409-011 中图分类号 : X951 文献标识码 : Adoi: 1016058/j issn1005-0930201502018收稿日期 : 2013-12-10; 修订日期 : 2014-06-05基金项目 : 上海海事大学校基金项目 ( 20120057); 广东省交通运输厅科技项目 ( 201202004); 国家自然科学基金项目 ( 51279099)作者简介 : 胡甚平 ( 1974) ， 男 ， 博士 ， 教授 E-mail: sphu shmtu edu cn海上交通系统风险成因耦合机理仿真胡甚平1， 黎法明2， 席永
2、涛1， 吴建军1( 1 上海海事大 学商船学院 ， 上海 201306; 2 广东交通职业技术学院海事学院 ， 广州 510800)摘要 : 海上交通运输业是公认的高风险 行 业之一 ， 本文引入人工智能方法 ， 对其系统风险演化机理与多因素耦合作用研究 首先 ， 建立海上交通系统风险云模型 ， 阐明基于 3 个不安全因素的海上交通系统风险成因耦合机理 ; 其次 ， 采用云模型对海上交通系统风险成因的耦合作用和影响程度进行仿真 ; 再次 ， 结合中国沿海水上交通事故的案例样本信息 ， 运用云模型不确定推理船员 、船舶和环境等不安全因素对海上交通系统风险的影响 ; 最后 ， 利用综合云对 3 因
3、素之间的耦合作用进行升云分析 ， 定量化揭示风险成因的影响程度和作用机理 应用算例表明 ， 不安全因素中任意两个因素的耦合对船舶海上交通系统风险影响的程度并不相同 ， 多因素相互耦合是海上交通系统风险形成的结构性机理 现阶段而言 ，环境不安全状态的风险成影响地位比船员的不安全行为大 关键词 : 水上 交 通 ; 系统仿真 ; 风险评估 ; 耦合机理 ; 云模型 ; 综合云海上交通运输行业作为重点行业和涉及公共安全的行业 ， 其安全 生产受到关注 1对海上交通系统风险演化机理与多因素耦合作用机理研究 ， 对于提升安全认识 ， 促进和保障安全有积极的理论意义和实践指导作用 由于海上交通系统中事故这
4、一类风险事件的数据 稀缺 ， 采用科学推理算法分析有限事故样本探求海上交通系统风险成因的特征与机理对海上交通安全有重要意义 2引起船舶交通事故的起因往往很细小 ， 但导致的后果却可能是灾难性的 ， 其变化规律很难用确定的数学解析或经验公式来描述 1 方泉根等 3借助综合安全评估方法对船舶航行事故原因进行定量化分析 ， 张文青 等 4提出基于 熵 权物元分析法对船舶交通事故原因进行了定量分析 ， 姚杰等 5运用 FTA 对事故成因机理进行分析 ， 张欣 欣等 6运用人为因素 分析系统 ( Human Factors Analysis Classification System， HFACS) 对
5、事故人因机理进行分析 Kse 7研究海峡事 故的风险评估 ， 开发了 BBN 风险评估框架分析海上事故 Merrick 8在分析船舶航行风险构成要素和船舶会遇计数的基础上 ， 讨论了基于贝叶斯统计和概率影响图的船舶航行风险评价方法与 统 计模型 这些文献只是将风险成因作为离散的独立事件进行分析 ， 对于船舶交通系统风险成因研究集中在风险评价与风险测度上 ，第 23卷 2 期2015年 4 月应用基础与工程科学学报JOUNAL OF BASIC SCIENCE AND ENGINEEINGVol23， No2April 2015风险成因相互之间的关系研究还不深入 近年来 ， 数值仿真方法和系统仿
6、真技术已经被引入风险评估领域 在船舶交通系统风险评估 中 ， 汤 旭红等 9运用概率仿真对海上地理网格化风险进行测度 ， 胡 甚 平等 10提出了基于云的蒙特卡洛仿真模型进行风险评估 ， 何晖光 等 11提出海上交通环境的综合评价方法 ， Franzese 等 12开发了巴拿马运河的仿真模型用来作为计划模型 ， Ozbas 等 13提出了分析影响船舶交通因素的仿真 模型 ， Dimitrios 等 14在 Kse 基础上提出了海峡通过规则和交通统计特征 ， Pablo Cortes 等 15提出基于概率模型仿真分析不同大小船舶发生碰撞 、搁浅等事故风险 ， 以上文献分别就概率模拟和蒙特卡洛仿真
7、进行讨论 ， 借助数值仿真方法进行风险分析以及借助仿真技术进行系统风险评价的基础研究逐步深入 但是结 合 事故这类小样本事件数据进行风险蒙特卡洛仿真 ， 计算量大 ， 精度不高 ， 因此 ， 需要借助新的模型或者仿真算法对风险成因进行研究 由于风险事件的可能性和后果具有模糊性和随机性的特点 ， 本文在海上交通系统风险定量化评估的基础上给出风险成因条件下的海上交通风险云图 ， 建立海上交通系统风险的云滴仿真模型 ， 采用云发生器得出还原云滴 ， 最后运用综合云仿真实验与分析多因素相互作用的海上交通风险耦合机理 1 海上交通系统风险建模1. 1 海上交通风险测度海上交通风险是针对海上交通系统 ，
8、在某一特定的客观状态下 ， 能导致系统中人 、船( 货 ) 、环境受到伤害的可能性和这种伤害的严重程 度 的组合 对风险进行测度运算时可以用数学算式表示 2， 10s= F( p， c) |S( 1)其 中 ， p 为某一随机事件发生的概率 ; c 为随机事件发生的后果 ; s 为某一特定因素作用下的客观 状 态 ; S为在 s 状态下分析对象的风险度 ; F 为 p， c 上的非负实数函数 风险的定量化描述实际上是随机性和模糊性的合成 ， 也含有定性与定量数据的合成 定量化数据若能准确体现样本的隐含特征 ， 那么最终的结果就能准确地定量反映出样本的特征问 题 101. 2 海上交通系统风险成
9、因机理风险是通过风 险因素 、风险事件和风险后果 3 大要素相互关联的结果 风险因素是风险事故发生的潜在原因 ， 是造成风险后果的间接或内在原因 按照事故致因理论的观点 ， 船舶海上交通事故的形成是由于 3 个 “不安全 ”的耦合作用 ， 即船员的不安全行为 ， 船舶的不安全状态和环境的不安全条件相互作用形成风险 ， 见图 1014应用基础与工程科学学报 Vol232 基于风险综合云的仿真模型2. 1 云与云滴 模 型云模型是用于处理不确定性的一种人工智能理论 16 云模型可以将某个定性概念与其定量数值表示之间进行不确定性转换 ， 它把随机性和模糊性完全集成到一起 ， 构成 定性和定量相互间的
10、映射 目前 ， 云模型已经被广泛应用于复杂系统智能信息处理中 16对于有少量离散样本的风险事件 ， 风险的可能性与后果程度等的认识往往蕴含部分用概念表述的定性知识 ， 而这两个属性都既有 模 糊性 ， 又有随机性信息 不确定性人工智能中的云模型 16工具能从离散的少量信息中获得定量数据的范围和分 布 规律 ， 也能把精确数值有效转换为恰当的定性概念值 10 因此 ， 可以采用云模型进行仿 真 研究 ， 以实现风险中的随机信息与定常信息的不确定性转换 102. 2 云发生器与云滴在风险概念的不确定转换中 ， 借助有限的离散数据 样本 ， 采用逆向云算法获取云的 3个特 征 参数 ， 从而运用云
11、( 滴 ) 发生器获得还原云滴 ， 得到更多的离散甚至连续样本 指标近似法和逆向云发生器法是确定云参数的两种方法 逆向云发生器被用来从一些给定的云滴中求出正向云发生器的 3 个数字特征值 ， 它以统计理论为基础 ， 一般其算法有两种 : 有确定度的算法和无确定度的算法 无确定度信息的算法是对有确定度信息的算法改进 文献 16 中提出的正态云模型是云模型中的一种 ， 具有普遍适应性 正态云模型的期望曲线是一个正态型曲线 风险云具有非负性 ， 假定为正偏态云 用正偏态云算法生成的云自然地具有不均匀分布的特性 ， 云的中心部分与周边并不需要精确地定义 ， N3( Ex，En， He) 数字特征值分别
12、描 述 整 个 云 的大小 、离散度和稳定度 ， 产生的云滴形态能反映出离散信息的统计特征 162. 3 综合云鉴于风险因素是风险事故发生的潜在原因 ， 是造成风险后果的间接或内在原因 ， 因而将风险因素可视为子云 ， 风险事故与风险 后果视为中层云 ， 风险视为综合云 综 合云的作用是将同类型 2 朵以上的子云 ( 风险因素云 ) 进行综合 ， 生成一朵新的更高层概念的父云 17 其本质是概念提升 ， 将两个或两个以上同类型的信息数据综合为一个更广 义 的概念信息值 2. 4 基于综合云模型的仿真流程仿真运行流程见图 2， 具体如下 :( 1) 建立目标问题 结合与风险分析计算相关联的数据条
13、件环境 ， 把风险定量化问题抽象成一个风险概念云模型 ， 即 = F( p， c) ;( 2) 数据收集与数值处理 获 取随机事件 p 和 c 的样本信息 ， 确立原始云 本文采集海上交通事故原因统计数据库下的样本 ( pj， cj) 114No2胡甚平等 : 海上交通系统风险成因耦合机理仿真( 3) 云参数分析 对原始云的不确定性信息进行分析 ， 运用逆云发生器确立风险的可能性和后果两个概念下的正偏态云模型参数 ( Ex， En， He) |p， cEx= min( X) ( 2)En=13| max( X) min( X) | ( 3)He= S2 E2槡n( 4)( 4) 还原云计算 产
14、生风险事件的随机数 ( 云滴个数 )， 采用云滴发生器获取随机事件的 n 个云滴的还原风险二维云 p， c En= norm( En， He) ( 5)x = abs( norm( Ex， En) ( 6) = exp( ( x-Ex)2/2 | En |2) ( 7)( 5) 检验分析 通过对还原云数据进行检验分析 ， 调整随机事件原始云的特征参数 根据精度要求 ， 检验其变异系数等统计特征 ， 最终确立有效的特征参数与还原云 Vx= En/Ex( 8)( 6) 某因素 j 下还原云参数分析 针对还原云的特征 ， 求取某因素 j 下的还原云参数N3j( Ex， En， He)， 这里输出单因
15、素的风险子云 Ex= mean( X) ( 9)En= stdev( X) ( 10)En= ( xi Ex)22ln( i槡)( 11)He= stdev( En) ( 12)( 7) 综合云仿真 将单因素云进行升云 ， 得到多因素下的综合云 N3( Ex， En， He) 得到有限个耦合作用下随机事件的风险云滴 ， 这里输出多因素的风险云 214应用基础与工程科学学报 Vol23设 m 朵因素子 云 ， 其 云参数满足 : N3j( Ex， En， He)， j =1， 2， ， m 其风险综合云为 N3( Ex， En， He)， 软与算法 如 下Ex=mj =1( ExjEnj) /m
16、j =1Enj( 13)En=mj =1Enj/m ( 14)He=mj =1( HejEnj) /mj =1Enj( 15)其中 ， Exj， Enj， Hej分别表示因素子云各自的特征参 数 ， 即 均值 ， 熵和超熵 ; Ex， En， He为软与计算后的风险综合云的特征参数 ( 8) 蒙特 卡 洛仿真 进行随机状态发生下的仿真 重复该仿真过程 k 次 ， 取得 n k 个随机样本值 ( 9) 对 n 个样本值进行 k 次 n k 个样本统计分析 ， 得到分布曲线和宏观风险的特征 3 算例结合福建沿海水上交通近 7 年来的船舶事故情况 18进行算例 应 用 利用船舶海上交通事故这类小样本
17、的离散数据 ， 在 MATLAB 平台采用云模型进行海上交通风险仿真 ， 通过因素子云的原始云分析 ， 在参数获取后进行还原云滴计算 ， 经假设检验 ， 得到因素子云群样本 ， 然后进行综合云计算 ， 进而分析海上交通系统中呈现风险事件的形成原因和影响因素的耦合作用下风险云的定量化规律 3. 1 原始云与还原云滴通过对已知的沿海水上交通事故样本数据进行统计分析 ， 得到不同水域 、不同季节和不同事故类型组合条件下的 112 个风险事件可能性与后果分布 然后按照事故致因得出不同风险因素下的风险可能性与后果的定量化结果 ， 按照式 ( 1) 模型 2， 10计算 ， 得到船员的不安全行为 ， 船舶
18、的 不 安全状态和环境的不安全条件等单因素影响等海上交通系统风险分布 ， 这些数据是离散的样本数据 将样本数据整理为原始云图 ， 经云模型仿真后获得的群样本对比见图 3( 横坐标表示风险事件的后果 ， 纵坐标表示风险事件发生的可能性 ， “”数据为原始云滴信息 ， “”为还 原云滴信息 )， 具体描述船员的不安全行为 ， 船舶的不安全状态和 环境的不安全条件以及整体情况的风险分布 从原始云图上看 ， 很明显 ， 海上交通系统风险整体上为贫样本信息 ， 这些数据在不同风险成因条件下的风险分布是不同的 ， 且对于不同风险成因条件的交通系统风险很难有直观的判断 ， 数据差异性不大 同时数据呈现很强的
19、波动性 ， 分析普遍适用的宏观统计规律有一定难度 3. 2 灵敏性检验由于仿真算法有 3 种 ， 包括样本信息的一维云 ( 先组合再求取云参数 ) 、样本信息的换算云 ( 得到云参数后进行云变换计算 ) 以及样本信息综合云 ( 得到云参数后进行综合计算 ) ， 为此需要借助变异系数来判断仿真算法的合理性 ， 分别对一次仿真下海上交通系统314No2胡甚平等 : 海上交通系统风险成因耦合机理仿真风险还原云滴的两个维度属性进行统计 ， 得到风险定量化结果 通过变异系数计算 ， 风险的综合云 ( 即 算 法三 ) 所使用的方法能够获取稳定的变异系数 ， 且偏差不大 具体结果见图 4( 稳定数据线为样
20、本变异系数 ， 连续数据为仿真样本的变异系数 ) 414应用基础与工程科学学报 Vol23实验数据表 明 ， 虽然与样本统计分析 ， 数据有一定偏差 ， 仿真信息的变异系数大于样本 的变异系数 绝大多数的变异系数与样本的统计数据之间的偏离在 20% 以内 ， 且数值偏大 ， 安全性好 ， 仿真方法是有效的 同时 ， 环境因素的变异系数大 ， 为 1. 8709， 人因素的变异系数略小 ， 为 1. 8665， 两者均大于船舶因素的变异系数 1. 8158， 说明环境因素对海上交通系统风险的影响敏感 3. 3 风险成因单因素作用对某一次还原云滴数据进行直方图统计分析 ， 同时 ， 经过原始数据直
21、接得到的还原云滴风险属性进行云仿真 ， 运行 1000 次 ， 将每次获得的云图进行数学期望统计 ， 整理后得稳定的结果 见图 5( 左侧图为一次仿真的信息 : 横坐标表示仿真风险定量化数值 ， 纵坐标表示统计频率数据 ; 右侧图为多次仿真的信息 : 横坐标表示某一次仿真统计风险平均值 ， 纵坐标表示统计频率数据 )一次仿真数据直方图的结果表明 :( 1) 环境的不安全条件 ( Unsafe Condition of Environment， UCE) 对海上交通系统风险的影响突出 ， 最大风险达到 0. 2768%， 数学期望达到 1. 758 104;( 2) 船员的不安全行为 ( Uns
22、afe Behavior of Crew， UBC) 最大风险达到 0. 2471%， 数学期望为 1. 493 104;( 3) 船舶的不安全状态 ( Unsafe Status of Ship， USS) 最大风险达到 0. 0953%， 数学期望为 0. 917 104;( 4) 海上交通系统风险最大风险达到 0. 1664%， 数学期望为 1. 190 104， 符合目前514No2胡甚平等 : 海上交通系统风险成因耦合机理仿真海上交通系统风险的基本水平 但这些还原云滴具有随机性 ， 稳定性一 般 反映出风险事件的不确定性程度 因 此需要多次仿真获得稳定结果 多次仿真后还原云滴的数学期
23、望数据表明 :( 1) 环境的不安全条件 UCE 对海上交通系统风险的影响更加突出 ， 其数学期望达到0. 0248%， 海上运输来自自然 、航道和交通等因素的高风险性依然存在 该结论修正了长期以来以频率统计数据为基础的风险分析结论 ;( 2) 船员的不安全行为 UBC 对海上交通系统风险的影响比较明显 ， 其数学期望达到0. 0185%， 船员等人因素对船舶水上运输风险值得我们关注 该结论对以频率统计数据为基础的 “人因是主要的风险致因 ”做出更加准确的判断 ;( 3) 船舶的不安全状态 USS 对海上交通系统风险的影响在 3 个因素中地位下降 ， 其数学期望达到 0. 0122%， 是环境
24、的不安全条件影响的一半 该数据表明船舶目前的技术状态确实得到了很大提高 ;( 4) 海上交通系统风险数学期望为 0. 0106%， 因后果标准设定为一般事故等级 ， 系统风险水平处于 HSE( 英国健康安全环保委员会 ) 认定的 ALAP( 合理可行的风险 ) 区间 ，符合目前海上交通系统风险的基本水平 同时 ， 3 个 “不安全 ”所导致的风险成因作用相互关系 UCE UBC USS 接近 4 3 23. 4 风险多成因耦合作用以经过原始数据直接得到的还原云 ( 因素子云 ) 风险属性进行综合云计算 ， 得到仿真结果 ， 分别统计两因素相互耦合以及三因素耦合风险综合云的云滴 为获取风险成因的
25、耦合作用机制 ， 采用综合云对风险成因进行单因素下风险升云计算 ， 进行 3000 次仿真 可以得到如图 6 所示的结果 ( 左侧图为一次仿真的信息 : 横坐标表示仿真风险定量化数值 ， 纵坐标表示统计频率数据 ; 右侧图为多次仿真的信息 : 横坐标表示某一次仿真统计风险平均值 ， 纵坐标表示统计频率数据 )根据图 6 所示 ， 还原云滴的数学期望数据表明 :( 1) 三成因耦合对海上交通系统风险影响明显大于两因素耦合效果 ， 风险的数学期望达到 0. 1471% 图 6 中充分表明 4 种条件下风险值的分布 ， 三成因耦合的高风险值比两成因耦合的风险大 ， 风险溢出 86%250% 因而在安
26、全防范上需要密切注意 3 因素相互作用的情形出现 ， 风险预警也可以针对 3 因素耦合发生的条件进行 ;( 2) 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任何两个因素相互作用形成风险程度也是不同的 环境的不安全条件影响突出 ， 环境与人员的失效形成风险的数学期望达到 0. 0765%; 环境与船舶的失效形成的风险数学期望达到 0. 0678%; 船舶与人员的失效形成的风险数学期望为 0. 0541% 图 6 表明不同因素耦合下风险值比例为UCEUBC UCEUSS USSUBC =1. 4 1. 3 1. 0， 变化幅度达到 11%45% 对于环境条件较差的区域 ， 特别需要加
27、强人因素的管理 ， 从而防范两因素耦合所产生的风险 ;( 3) 基于综合云的海上交通系统风险成因分析能够定量化地描述海上交通系统风险成因的耦合作用 船舶交通事故数据库 18中提取的事故原因风险分析结果是单因素占8. 7%， 双因素组合条件下占 43. 6%， 三因素组合条件下占 47. 7%， 仿真结果与此基本一614应用基础与工程科学学报 Vol23致 因而 ， 该方法对于分析海上交通事故仿真可以提供机理性的数据驱动和推理方法 4 结 论引入云理论来进行典型和离散的交通事故风险的仿真建模 ， 以及基于综合云的蒙特卡罗方法对海上交通风险成因进行仿真 ， 对于系统风险研究是有效的 运用综合云模型
28、对海上交通系统风险成因的相互作用模式进行分析 ， 得出海上交通系统风险成因耦合机理 海上交通风险成因单因素作用上 ， 3 个 “不安全 ”所 导致的风险成因呈现 4 3 2的规律 环境因素风险较高 随着耦合因素的增加 ， 其风险也随之增大 从计算数据可以看出 ，整体上多个风险成因共同作用下的系统风险导致风险程度明显上升 ， 三因素耦合的风险比单因素 、两因素耦合造成的风险大 ， 最少溢出 87%参 考 文 献1 邵 哲平 ， 吴兆 麟 ， 方 祥麟 海上交通系统安全定量评价方法 J 大连海事大学学报 ， 2002， 28( 1): 9-12Shao Zheping， Wu Zhaolin， F
29、ang Xianglin Methods of safety quantitative evaluation in marine traffic system J Journalof Dalian Maritime University， 2002， 28( 1): 9-122 Hu S， Fang Q， Xia H， et al Formal safety assessment based on relative risk model in ship navigation J eliabilityEngineering and System Safety， 2007， 92( 3): 369
30、-3773 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): 329-334Fang Quangen， Hu Shenping Application of formal satety assessment to the risk assessment of the ship-pilotage J Journal of Harbin Engineering University， 2006， 27( 3): 329-3344 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 ，
31、 2010， 31( 2):18-22， 27714No2胡甚平等 : 海上交通系统风险成因耦合机理仿真Zhang Wenqing， Hu Shenping， Liu Kun， et al Matter-element assessment model on marine traffic risk factors based onentropy weight J Journal of Shanghai Maritime University， 2010， 31( 2): 18-22， 27 5 姚 杰 ， 任 玉清 ， 李玉 伟 基于事故树分析的海上交通事故的研究 J 大连海洋大学学报 ， 2
32、010， 25( 4) : 348-352Yao Jie， en Yuqing， Li Yuwei esearch of marine accidents based on FTA medthod J Journal of Dalian FisheriesUniversity， 2010， 25( 4): 348-3526 张 欣欣 ， 轩少永 ， 席 永涛 ， 等 基于 HFACS 的海上交通事故原因系统分析 J 上海海事大学学报 ， 2012， 33( 4):15-19Zhang Xinxin， Xuan Shaoyong， Xi Yongtao， et al Systemic analy
33、sis on cause of marine traffic accidents based onHFACS J Journal of Shanghai Maritime University， 2012， 33( 4): 15-19 7 Kose E， Basar E， Demirci E， et al Simulation of marine traffic in Istanbul Straits J Simulation Modelling Practice andTheory( S1569-190X)， 2003， 11( 7/8): 597-608 8 Merrick J W， Dr
34、op J ， Blackford， et al A traffic density analysis of proposed ferry service expansion in San FranciscoBay using a maritime simulation model J eliability Engineering and System Safety( S0951-8320)， 2003， 81( 2):119-1329 汤 旭红 ， 范耀天 ， 蔡 存强 海上交通风险网格化分析和预测研究 J 应用基础与工程科学学报 ， 2008， 16( 2):425-435Tang Xuho
35、ng， Fan Yaotian， Cai Cunqiang Marine traffic risk analysis and prediction based on geographic grid J Journal of Basic Science and Engineering， 2008， 16( 2): 425-435 10 胡 甚平 ， 黄常海 ， 张 浩 基于云模型的海上交通系统风险蒙特卡罗仿真 J 中国安全科学学报 ， 2012， 22( 4):20-26Hu Shenping， Huang Changhai， Zhang Hao Cloud model-based simula
36、tion of system risk of marine traffic by montecarlo algorithm J China Safety Science Journal， 2012， 22( 4): 20-26 11 何 晖光 ， 吴兆麟 ， 方 祥麟 海上交通环境的综合评价方法 J 大连海事大学学报 ， 1997， 23( 3): 37-42He Huiguang， Wu Zhaolin， Fang Xianglin Integrated assessment method of marine traffic environment J Journal ofDalian Ma
37、ritime University， 1997， 23( 3): 37-42 12 Franzese G L A， Abdenur L O， Botter C ， et al Simulating the Panama canal: present and future C 2004 WinterSimulation Conference， USA: WSC， 2004 13 zba爧 B， OrI Analysis and control of maritime transit traffic through the istanbul channel: A simulation approa
38、ch J Central European Journal of Operations esearch ( S1613-9178) Special Issue on O for Better Management ofSustainable Development， 2007， 15( 3): 235-252 14 Mavrakis D， Kontinakis N A queueing model of maritime traffic in Bosporus Straits J Simulation Modelling Practiceand Theory( S1569-190X)， 200
39、8， 16( 3): 315-328 15 Pablo Cortes， Jesus Munuzuri， J Nicolas Ibanez， Jose Guadix Simulation of freight traffic in the Seville inland port J Simulation Modelling Practice and Theory( S1569-190X)， 2007， 15( 3): 256-271 16 刘 常 昱 ， 李德毅 ， 杜 鹢 ， 等 正态云模型的统计分析 J 信息与控制 ， 2005， 34( 2): 236-248Liu Changyu， Li
40、 Deyi， Du yi， et al Some statistical analysis of the normal cloud model J Information and Control，2005， 34( 2): 236-248 17 种 鹏云 ， 帅 斌 恐怖袭击下危险品运输网络节点风险评估方法 J 中国安全科学学报 ， 2012， 22( 8) : 104-110Chong Pengyun， Shuai Bin Evaluating of coming hazardous materials transportation network node risk under terro
41、ristattack J China Safety Science Journal， 2012， 22( 8): 104-110 18 胡 甚平 ， 方泉根 ， 张 锦朋 ， 等 沿海水上交通安全的风险评估研究 J 中国航海 ， 2010， 33( 1): 50-56Hu Shenping， Fang Quangen， Zhang Jinpeng， et al isk assessment of marine traffic safety in coastal water area J Navigation of China， 2010， 33( 1): 236-248 19 黄 崇福 综合风
42、 险评估的一个基本模式 J 应用基础与工程科学学报 ， 2008， 16( 3): 371-381Huang Chongfu A basic model for assessing integrated risk J Journal of Basic Science and Engineering， 2008， 16( 3): 371-381814应用基础与工程科学学报 Vol23Novel Simulation on Coupling Mechanism of iskFormation Segments for Marine Traffic SystemHU Shenping1， LI Fa
43、ming2， XI Yongtao1， WU Jianjun1( 1 Merchant Marine College， Shanghai Maritime University， Shanghai 201306， China; 2 Maritime School， GuangdongCommunication Polytechnic， Guangzhou 510800， China)AbstractMaritime transportation is recognized as one of the high-risk sectors， and artificialintelligence a
44、pproach was introduced to study formation mechanism and multi-factor couplingrelationship on marine traffic system( MTS) risk First， the cloud-model-based MTS risk was putforward and risk causal factors coupling mechanism was presented based on three unsafesegments in MTS risk Second， effectiveness
45、of coupling and influence from risk causes factorswas quantitatively analyzed using comprehensive cloud model Third， by using the historicalaccident sample on coastal MTS， the three elements influencing MTS risk was simulatedseparately by means of the cloud model reasoning， including unsafe behavior
46、s of crew( UBC) ，unsafe state of ships( USS) and unsafe conditions for environment( UCE) involved MTS causalsegments Furthermore， the coupling mode was quantitative analysis between the three causalsegments on MTS， and the influence degree and effect mechanism from the risk causal segmentswas conclu
47、ded， using mentioned comprehensive cloud model The illustrative example showsthat， influence degree of the risk coupling elements varied from any two of the three unsafeelements UCE is one of the key segments in the MTS risk construct elements， and the riskcaused by UCE is also higher than one caused by UBCKeywords: marine traffic; system simulation; risk assessment; coupling mechanism; cloudmodel; comprehensive cloud914No2胡甚平等 : 海上交通系统风险成因耦合机理仿真
