基于AIS数据与事故统计的英国港口安全风险评估模型研究

《The Journal of Navigation》：How safe are the United Kingdom’s ports? A statistical analysis using accident data and AIS vessel movements

本研究针对英国港口安全风险评估中事故数据不完整、缺乏标准化分析框架的问题，通过整合MAIB事故数据库（2013-2019）与AIS船舶动态数据（2011-2017），采用逻辑回归模型量化了船舶类型、尺寸、季节性与能见度等关键风险因子。研究发现服务船舶、冬季日间通航及高密度受限水域（如伦敦港）事故概率显著升高，首次提出"事故-交通密度比"指标揭示港口间安全差异。研究成果为港口安全管理体系（SMS）优化和自动驾驶船舶技术应用提供了数据支撑，发表于导航领域权威期刊《The Journal of Navigation》。

　　

在全球船队规模持续扩张、航运日程日益紧凑的背景下，港口作为海上运输的关键节点，其安全状况直接影响着国家经济命脉。以英国为例，高达95%的进出口货物依赖海运完成，该行业间接支撑着82.2万个就业岗位，年贡献GDP占比达1.36%。然而繁荣背后隐藏着安全隐患——仅2021年英国水域就记录1530起海事事故，造成14人死亡。更值得关注的是，事故分布呈现空间不均衡性，港口等船舶密集区域尤为脆弱。传统上依赖单一事故统计数据的分析方法存在明显局限：海事事故调查分支（MAIB）数据存在低报漏报现象，特别是轻微事故；而自动识别系统（AIS）虽能提供船舶动态信息，却受限于数据精度与覆盖范围。这种数据割裂现状使得准确评估港口安全水平变得困难。

为突破这一瓶颈，帝国理工学院的研究团队开展了开创性研究。他们首次将MAIB事故数据与AIS船舶轨迹大数据进行融合分析，通过逻辑回归模型量化风险因子，构建出英国主要港口安全画像。这项发表于《The Journal of Navigation》的研究，不仅揭示了影响事故概率的关键要素，更建立了标准化评估框架，为港口安全管理提供了科学依据。

研究团队采用多源数据融合技术路线，核心方法包括三个层面：首先进行数据质量评估（DQA），对MAIB和AIS数据库从可访问性、准确性、一致性等8个维度进行量化评分，确保基础数据可靠性；继而运用二元logit模型，以近900万条AIS船舶轨迹为样本，分析季节、船型、能见度等变量与事故发生的概率关系；最后创新性提出"事故-交通密度比"指标，对12个主要港口进行横向比较。特别值得注意的是，研究还引入半结构化访谈方法，邀请6位行业专家（包括港务局长、安全总监等）对数据局限性及港口几何复杂性等难以量化的因素进行补充验证。

4.1 数据质量评估

MAIB数据库在可访问性（94%）、一致性（94%）等维度表现良好，但事故记录完整度仅39.16%，且职业事故（OA）与船舶事故（CS）的数据质量存在显著差异。AIS数据虽具备高可访问性（96%），但船舶吃水等关键字段误差率达14%，特别是小型休闲渔船存在严重数据缺失。这种质量差异促使研究者在后续分析中聚焦于数据质量较高的货船、客船和服务船舶。

4.2 事故统计规律分析

冬季事故概率较其他季节高出27%，夜间事故严重程度显著高于白天（置信度99%）。服务船舶的事故风险是货船的5.2倍，大型船舶（>40米）风险较中小型船舶提升1.8倍。值得注意的是，高密度的英吉利海峡并非事故高发区，反而空间受限的港口内部水域事故集中，表明通航密度需与水域空间特征结合分析。

4.3 港口安全等级排序

通过计算事故数与交通密度的比值，发现伦敦港、普利茅斯港和米尔福德港的安全风险最高，其中服务船舶占比达34%的港口事故率尤为突出。相比之下，以客船为主的多佛港等港口安全表现最佳。这一发现颠覆了传统认知——船舶密度与事故率并非简单正相关，港口几何特征（如航道复杂度）才是关键调节变量。

4.4 人为因素的核心作用

访谈结果印证了量化分析结论：尽管现有海事法规被视为完善，但人为因素仍是80%事故的主因。专家强调，改善安全文化、加强模拟训练比单纯调整法规更能有效提升安全水平。这与Berg（2013）的研究相呼应：海运业单位距离死亡率是航空业的25倍，安全文化建设迫在眉睫。

这项研究的价值不仅在于构建了英国港口安全数据库，更开创了多源数据融合的风险评估范式。通过将AIS动态数据与事故统计相结合，研究者成功克服了传统方法的局限性，首次实现了港口安全水平的标准化比较。研究揭示的服务船舶高风险、冬季日间通航特殊性等规律，为针对性安全管理提供了方向。而关于港口几何复杂性与事故率的关联性发现，则对港口规划设计具有重要指导意义。

特别值得关注的是，研究者对自动驾驶船舶技术的前瞻性讨论。Manole和Majumdar（2023）指出，77%的海事事故可通过船舶自主化避免，这为未来安全提升提供了全新路径。但与此同时，研究也警示需关注自主船舶可能带来的新型风险。这种辩证视角体现了研究的科学性与全面性。

该研究的实践意义体现在三个层面：短期内可优化船员培训体系，中期能指导港口安全管理系统（SMS）升级，长期则为自动驾驶船舶的稳妥应用奠定基础。此外，研究者提出的AIS数据字段扩展建议，已被国际海事组织（IMO）纳入讨论议程，展现出学术研究对行业发展的推动力。

作为首项系统评估英国港口安全水平的研究，其方法论与结论对全球海事安全领域具有重要参考价值。不仅为港口安全治理提供了科学工具，更通过数据驱动的方式揭示了复杂系统中的风险规律。这种跨学科的研究范式，必将引领未来海事安全研究向更精准、更智能的方向发展。