船舶碰撞下ECC-RC桥墩新型钢-GFRP-泡沫防护结构的耐撞性分析与CREAM-DS理论融合的人因可靠性研究

为解决海上搜救(SAR)任务中人因失误导致的重大风险，伊斯坦布尔理工大学团队创新性整合认知可靠性分析方法(CREAM)与Dempster-Shafer(D-S)证据理论，构建了量化人因可靠性的评估框架。研究表明该方法将SAR任务人因可靠性提升至8.75E-01，较传统CREAM更精准处理不确定性，为海上应急决策提供了动态评估工具。

　　

在波涛汹涌的海洋上，每年80%的国际货物通过海运完成运输，但令人担忧的是，80%的海事事故根源竟是人类失误——这个数据来自国际海事组织(IMO)的最新报告。随着船舶系统复杂度飙升和极端天气频发，传统的人因可靠性分析(HRA)方法已难以应对海上搜救(SAR)这种分秒必争的高压任务。现有认知可靠性分析方法(CREAM)虽能通过性能形塑因子(PSFs)评估认知误差，却对SAR任务特有的信息碎片化、时间紧迫性等动态特征束手无策。

针对这一困境，伊斯坦布尔理工大学（Istanbul Technical University）的Sukru Ilke Sezer和Emre Akyuz团队在《Ocean Engineering》发表突破性研究，开创性地将CREAM与Dempster-Shafer(D-S)证据理论融合。D-S理论强大的不确定性量化能力，恰好弥补了CREAM在模糊信息合成方面的短板。研究人员通过构建"共同绩效条件(CPC)"指标体系，建立9级认知控制模式与38种认知失误类型的映射关系，最终开发出能动态适应SAR场景的混合评估模型。

关键技术包括：1)基于CREAM的认知任务分解与CPC权重分配；2)运用D-S理论合成多源专家证据；3)设计模拟SAR场景验证模型（含遇险信号识别、救援路径规划等关键环节）。研究结果显示，新方法计算的人因可靠性达8.75E-01，较传统CREAM提升12.3%，尤其在时间压力>85%的极端条件下优势更显著。

在"Methodology"部分，研究详细阐述了CREAM-DS融合框架：首先通过CPC因子（如训练水平、人机界面质量等）确定认知控制模式；随后采用D-S理论处理专家判断的不一致性，其基本概率分配函数(BPA)有效降低了主观偏差。

"Human reliability assessment"章节通过模拟SAR案例证实：当时间压力CPC等级为"低"时，人因失误概率仅3.25E-03；但升至"极高"等级时，失误概率激增至1.24E-01。研究还发现，团队协作质量对可靠性影响系数达0.78，远超设备可靠性(0.32)等传统因素。

结论部分强调，该研究首次实现SAR任务中动态认知过程的可计算化，其创新点在于：1)建立PSFs与认知控制模式的量化关系；2)开发证据冲突系数K<0.5的稳健合成算法。这不仅为船舶驾驶台资源管理(BRM)培训提供科学依据，更推动海事安全从"事后应对"转向"事前预测"。正如作者指出，当这套系统应用于马六甲海峡等事故高发海域时，预计可使SAR任务成功率提升19.8%。

这项研究的深远意义在于，它标志着海事安全研究从单纯的技术优化转向"人-机-环境"系统协同，其方法论框架还可拓展至极地航行、自主船舶等前沿领域。正如论文最后强调的，在AI全面渗透航运业的今天，保持"人类在环"(human-in-the-loop)的可靠性，仍是守护蓝色生命线的最后屏障。