探究船舶倾覆中的人与组织风险传播:一种数据驱动的HFACS–Apriori–DEMATEL–FCM框架

《Ocean Engineering》:Investigating human and organizational risk propagation in ship foundering: A data-driven HFACS–Apriori–DEMATEL–FCM framework

【字体: 大 中 小 】 时间:2026年10月23日 来源:Ocean Engineering 6.3

编辑推荐:

   •Apriori置信度值构成实证DEMATEL矩阵。•将DEMATEL权重嵌入FCM以模拟风险传播。•建模的倾覆风险在最终船舶全损前跨层级累积。•可见的终端失效对整个系统的缓解杠杆作用有限。•船员适任性、应急响应和计划工作是模型中主要的干预杠杆点。引言船舶倾覆是海上运输中最为

  
  • •
    Apriori置信度值构成实证DEMATEL矩阵。
  • •
    将DEMATEL权重嵌入FCM以模拟风险传播。
  • •
    建模的倾覆风险在最终船舶全损前跨层级累积。
  • •
    可见的终端失效对整个系统的缓解杠杆作用有限。
  • •
    船员适任性、应急响应和计划工作是模型中主要的干预杠杆点。

引言

船舶倾覆是海上运输中最为严重的事故类型之一(Qiao等,2024)。安联全球企业与特种保险(AGCS)2015—2024年统计数据显示,船舶倾覆是全球船舶全损的首要原因(Allianz Commercial,2025),如图1所示。2024年,倾覆事故占总损失的44.4%,超过其他类型的海损事故,且往往对船员、船舶及海洋环境造成严重后果(J. Chen等,2020)。其严重性反映了一种独特的失效机制。与涉及外部碰撞的碰撞或搁浅事故不同,船舶倾覆通常源于内部平衡的最终破坏,例如完整稳性丧失、货物配载不当和金属疲劳等(J. Chen等,2019;Chen等,2022)。此外,由于其风险影响因素高度多样化,这类倾覆事故极难预测(Qiao等,2025)。尽管现代造船技术已显著提高了船舶安全性,但大量证据表明,此类事故仍主要由复杂社会技术系统中的人因和组织因素(HOFs)驱动(Yang等,2026)。这类事故的一个显著特征是其漫长的潜伏期,表现为隐性的组织失效和系统性崩溃先于主动的操作失误(Reason,2000)。要分析这些风险,需要一种结构化框架来分解跨层级失效并探究导致倾覆事故的人因相关因素。
为分解此类跨层级失效,人因分析与分类系统(HFACS)已成为海上事故中人因分类的广泛使用框架(U?urlu等,2020;U?urlu等,2018;Kandemir和Celik,2021;Kaptan等,2021;Bayazit和Kaptan,2024)。尽管HFACS将事故贡献因素按层级组织,但它本身并不能量化因素之间的因果强度、方向性或时序传播。因此,海上安全研究将HFACS与定量模型相结合,从分类学推进到风险网络分析。决策试验与评价实验室法(DEMATEL)已被广泛应用于船舶碰撞事故(Shi等,2024)、船体断裂事故(Kuzu,2021)和封闭空间伤亡事故(Soner,2021)的因果相互依赖性评估中。模糊认知图(FCM)在此基础上扩展,通过迭代更新模拟风险状态和反馈回路如何演变。近期研究开始整合这些模型。Ma等(2022)提出了一种数据驱动的HFACS-DEMATEL-FCM框架用于碰撞风险分析,而Guo等(2025)引入反向传播神经网络从历史碰撞数据中提取因果矩阵。
然而,两个方法论瓶颈仍限制着船舶事故因果的定量分析。第一,尽管数据驱动方法已出现,许多研究仍严重依赖专家 elicitation 构建初始影响矩阵(Mentes等,2015;S. Wang等,2024;ünal和Ar?can,2025;Y. Chen等,2019)。此类成对 elicitation 容易受到认知偏差、判断不一致的影响,且随着因素数量增加,受访者负担也会增大(Guo等,2025)。在倾覆分析中,影响权重的微小偏差可能导致对隐性组织和前置条件失效的重要性的估计失真。第二,许多数据驱动模型止步于静态因素排序,对风险如何随时间跨防御层传播缺乏洞察(Soner等,2015)。尽管Ma等(2022)将动态模拟引入海上事故分析,但其应用聚焦于碰撞事件。从概念上看,碰撞网络通常较为急性和端部效应明显,从操作失误到事故后果的路径较短,而倾覆网络则预计在最终船舶全损之前表现出更漫长、隐性和跨层级的累积过程。因此我们假设,倾覆特定的影响网络将比碰撞事故中常见的网络显示出更为显著的上游至下游传播和更长的跨层级路径。目前鲜有研究将实证因果提取与FCM模拟相结合来检验倾覆事故中这一预期的传播结构。
本研究的主要贡献不在于组合已有技术,而在于构建了一个倾覆特定、经验赋权的HFACS影响网络,并利用FCM敏感性分析区分网络累积与干预杠杆。这一贡献通过四个分析步骤实现。首先,通过扎根理论编码155份事故调查报告,建立了倾覆特定的HFACS分类体系,产出四个层级、十个子类别和50个风险因素。其次,采用Apriori置信度值作为DEMATEL直接影响矩阵中的方向性权重,减少了对专家评分成对判断的依赖。第三,将DEMATEL因果拓扑嵌入FCM以模拟倾覆事故漫长潜伏期的风险传播。第四,应用全局敏感性分析,通过节点钳制场景识别候选干预因素。
本文其余部分组织如下。第2节回顾相关文献并识别研究缺口。第3节详述所提出的方法论。第4节呈现结果、动态模拟及讨论。第5节总结影响与局限性。

章节摘要

海上事故与人因

海上事故具有频率低但后果严重的特征(Ma等,2025;Zhou等,2024;Cao等,2025;Baniela和Ríos,2011)。船舶倾覆尤其表现出漫长的潜伏期、隐匿的成因和严重的后果,对航行安全构成重大威胁(Qiao等,2024;J. Chen等,2019)。事故致因模型(ACMs)是安全科学领域解释事故原因的重要理论基础。

方法论

本研究开发了一种数据驱动的方法框架,整合HFACS、Apriori、DEMATEL和FCM。首先,通过编码调查报告构建倾覆特定事故数据库,在改编的HFACS框架下产出二元事故-因素矩阵。其次,应用Apriori挖掘风险因素间的方向性关联规则,并将所得置信度值映射构建DEMATEL直接影响矩阵,从中获得静态因果拓扑。

数据收集与因素识别

为研究人因对海上倾覆事故的影响,本研究收集了中国海事局(MSA)公开发布的全部155份倾覆事故调查报告(https://www.msa.gov.cn/),覆盖2013至2025年。案例依据《水上交通事故统计办法》中的定义纳入,即因超载、货物配载不当等导致的船舶沉没、翻覆或全损。

结论

本研究开发了一种数据驱动框架,以检验海上倾覆事故中人因和组织因素的潜伏与传播。通过整合倾覆特定HFACS分类体系、Apriori关联规则挖掘、DEMATEL和FCM,该框架将事故报告编码与影响结构分析、动态脆弱性模拟连接起来。基于中国海事局155份倾覆报告,研究识别出跨4个层级的50个风险因素。

CRediT作者贡献声明

陈立光:撰写—审阅与编辑,撰写—初稿,可视化,方法论。宁雪:撰写—审阅与编辑,方法论。马永驰:撰写—审阅与编辑,可视化,指导,调查。

利益冲突声明

作者声明不存在已知的竞争性经济利益或个人关系可能影响本文所报告的工作。

致谢

作者衷心感谢国家社会科学基金(24BGL293)提供的经费支持。
陈立光|宁雪|马永驰
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号