基于FRAM与AIS数据融合的印尼望加锡港海事安全风险量化研究：从风险管理到实践验证

本研究针对印尼望加锡港船舶交通服务(VTS)中社会技术系统变异性被忽视的问题，创新性地结合功能共振分析方法(FRAM)、自动识别系统(AIS)轨迹分析和PARK感知模型，量化了港口功能耦合风险，可视化高风险海域，并成功预测了萨马洛纳岛附近的搁浅事故，为港口安全管理的主动防控提供了数据支撑和理论框架。

　　

作为全球最大的群岛国家，印度尼西亚东西部区域发展不均衡的问题长期存在，而海上交通和关键基础设施的建设成为缓解这一差距的重要抓手。位于印尼中部的望加锡港在这一战略中扮演着枢纽角色，其新建的集装箱码头年吞吐量已达250万TEU，预计将持续增长至2037年。然而，伴随港口发展而来的是日益增加的航运风险——印尼国家运输安全委员会2017-2023年报告显示，52%的海事事故由技术问题引发，46.7%与人为因素相关，其中望加锡海峡更是事故高发区域。尽管印尼交通部已实施船舶交通服务(VTS)进行风险监控，但现有风险模型往往忽视日常VTS操作中的社会技术系统变异性，这一关键缺陷亟待解决。

针对这一挑战，来自韩国海洋水产部的科研团队在《Ocean Engineering》发表了一项创新研究。该研究首次将功能共振分析方法(FRAM)、自动识别系统(AIS)轨迹分析和基于海员感知的PARK模型进行整合，构建了一个多维度的海事风险分析框架。研究人员首先通过7天实地观察和19名VTS操作员的深度访谈建立FRAM模型，识别出26个耦合功能；随后采集望加锡港7天的AIS数据（涵盖121艘船舶，包括油轮、液化气船等高风险船型），利用核密度估计和线性插值技术重构航迹；最后应用PARK模型量化风险值（1-7级），生成可视化风险热图。

研究结果揭示：FRAM分析显示"数据解释"和"VHF通信"是变异最大的上游功能，其与"船舶碰撞/搁浅风险分析"的耦合强度最高（涉及6个下游功能）。AIS数据显示54.5%船舶违规使用南部航道而非管制航道，38.8%完全偏离航道，导致萨马洛纳岛附近形成高风险密集区。PARK模型识别出8起极端危险（风险值7）的船舶遭遇事件，其中夜间风险尤为突出。令人瞩目的是，在论文提交当地当局10天后，模型预测的高风险区域（北萨马洛纳岛）确实发生了集装箱船MV Armada Sejati为避碰导致的搁浅事故，验证了方法的预测效力。

这项研究的突破性在于：首次实现了FRAM定性分析与AIS定量数据的协同验证，将社会技术系统理论转化为可操作的港口安全指标。相比传统分析方法层次分析法(AHP)，PARK模型与真实事故的吻合度更高，证明感知因素在风险评估中的关键作用。研究不仅为望加锡港提供了具体的航道优化建议（如加强夜间监控、修正电子海图标识），更重要的是建立了一个可推广的"功能耦合识别-行为数据验证-风险空间映射"方法论框架，对全球港口安全管理具有示范意义。

未来研究可进一步扩展：延长AIS数据采集周期以捕捉季节变异，开发基于印尼海员感知的本土化风险模型，并将动态风险可视化工具整合到VTS实时监控系统中。这项研究标志着海事安全分析从离散事件调查向系统韧性评估的重要转变，为"预防为主"的安全文化树立了新标杆。