《Applied Sciences》：Association Diffusion and Critical Causal Factors in Ship Self-Sinking Accidents: A Hybrid HFACS–Association Rule Mining–Complex Network Approach
编辑推荐：
船舶自沉事故威胁着海上安全、人员生命、财产以及海洋环境，理解其因果因素关联对于制定有效的预防措施至关重要。本研究旨在识别船舶自沉事故中涉及的多层次因素、反复出现的关联模式以及关键结构节点。研究人员将扎根理论、人为因素分析与分类系统（HFACS）、FP-grow
船舶自沉事故威胁着海上安全、人员生命、财产以及海洋环境，理解其因果因素关联对于制定有效的预防措施至关重要。本研究旨在识别船舶自沉事故中涉及的多层次因素、反复出现的关联模式以及关键结构节点。研究人员将扎根理论、人为因素分析与分类系统（HFACS）、FP-growth关联规则挖掘和复杂网络分析相结合的混合框架应用于中国海事局2014年至2024年间发布的150份事故调查报告。研究结果表明，恶劣天气和海况、船舶安全管理不足以及船员能力不足是最频繁的因素。共识别出30个因果因素，并将其归类为四个HFACS层级，生成了229条关联规则，以构建一个包含19个节点和229条边的有向加权因果因素关联网络。网络结果表明，船舶安全管理不足、船员能力不足、船舶不适航、船体风雨密完整性维护不足以及不当或延误的应急措施在关联结构中占据关键位置。本研究为船舶自沉事故提供了见解，并识别出优先干预点，以实现更有针对性的海事监管、安全管理和事故预防。
**论文解读文章**
**研究背景与问题**
船舶自沉事故是指非直接外部撞击（如碰撞、搁浅或触礁）所导致的沉没事件，而是由进水、稳性不足、货物积载不当、设备故障、人为失误与环境干扰等多因素综合作用所致。相较于碰撞与搁浅，船舶自沉事故通常更为隐蔽且渐进发展，往往经历风险累积、船舶状态恶化、安全屏障失效以及应急响应延迟或无效的连续过程。一旦潜在风险未及时识别与控制，便可能迅速升级为严重的人员伤亡、财产损失和环境后果。因此，系统地识别船舶自沉事故的因果因素，揭示其耦合关系与关联机制，对于提升海上安全治理至关重要。
现有研究已从传统的经验归纳转向系统化、结构化和数据驱动分析，例如应用动态模糊贝叶斯网络、HFACS框架、复杂网络分析、数据挖掘等方法分析海事事故原因。然而，仍有若干研究空白：第一，多数研究聚焦于一般海事事故或碰撞、搁浅等典型类型，对自沉事故关注有限；第二，基于HFACS的研究主要强调人因与组织因素的分层分类，较少关注跨层因素组合的重复模式；第三，关联规则挖掘可揭示统计共现与蕴含模式，但无法独立解释因素背后的层级安全逻辑；第四，复杂网络分析可识别关键节点与结构关联，但现有网络研究鲜少考察自沉事故的特定关联结构。因此，组织缺陷、不安全监督、船舶技术状态、环境干扰与应急响应失效在自沉事故中的相互作用仍不够清晰。
**研究内容与结论**
为填补上述空白，本研究以2014年至2024年中国海事局公开发布的150份船舶自沉事故调查报告为样本，开发了一个融合扎根理论、HFACS、FP-growth关联规则挖掘与复杂网络分析的混合分析框架。首先通过扎根理论编码从事故调查文本中提取因果因素，并基于HFACS构建层级因果系统；其次应用FP-growth算法挖掘因果因素间的重复关联模式；最后将关联规则转化为有向加权因果因素关联网络，分析关联结构、关键节点与潜在关联扩散特征。
主要结论包括：共识别出30个因果因素，归类为四个HFACS层级；频率分析表明，恶劣天气和海况（P5）、船舶安全管理不足（O3）和船员能力不足（US2）是最频繁的因素；关联规则挖掘揭示了设备监测、船体风雨密完整性、船舶适航性与应急响应相关的稳定因素组合；基于229条关联规则构建了包含19个节点和229条有向边的有向加权因果因素关联网络，网络拓扑分析显示高度互联与高效传播特性；关键节点包括船舶安全管理不足（O3）、船员能力不足（US2）、船舶不适航（US1）、船体风雨密完整性维护不足（P4）和不当或延误的应急措施（UA1）；鲁棒性分析表明，针对关键节点的定向干预比随机干预更能降低网络关联扩散能力。该研究发表于《Applied Sciences》。
**主要关键技术与方法**
本研究采用以下关键技术与方法：（1）**扎根理论**：对150份事故调查报告进行开放式编码、主轴编码与选择性编码，从非结构化文本中归纳提取因果因素；（2）**人为因素分析与分类系统（HFACS）**：将提取的因果因素归入不安全行为、不安全行为前提、不安全监督和组织影响四个层级，构建层级因果系统；（3）**FP-growth关联规则挖掘**：将结构化因果因素数据转化为事务数据集（每起事故为一个事务），设置最小支持度0.10和最小置信度0.30，挖掘因素间的频繁项集与关联规则；（4）**复杂网络分析**：将关联规则映射为有向加权因果因素关联网络，节点代表因素，有向边代表关联规则，边权重为置信度；采用节点度、平均路径长度、聚类系数、介数中心性、PageRank和鲁棒性分析等指标进行拓扑分析。
**研究结果**
**3.1 因果因素识别**：通过扎根理论与HFACS整合，识别出30个因果因素并分为四组。编码信度评估显示，三位编码员两两之间的Cohen's kappa值分别为0.893、0.869和0.885，平均值为0.882，表明编码结果高度可靠。频率统计表明，P5（恶劣天气和海况）、O3（船舶安全管理不足）和US2（船员能力不足）是最频繁的因素，这三大高频因素表明自沉事故常与外部环境扰动、组织管理缺陷和船员操作脆弱性共同作用相关。理论饱和度检验（额外15份报告）未发现新概念或新类别，表明编码系统达到饱和。
**3.2 关联规则挖掘结果**：通过敏感性分析确定支持度=0.10和置信度=0.30为最终阈值，保留229条规则。每条规则至少出现于15起事故中。规则最大长度限制为两项。前10条高置信度规则中，四条涉及P5（恶劣天气和海况），表明不良环境常与其他操作、监督和应急因素共现。置信度最高的规则（规则1）显示，在所有出现US5（船舶设备状态监测不足）的样本中，P4（船体风雨密完整性维护不足）也同时出现。典型关联链包括：船舶状况恶化链（US5→P4，P1→P4，US1→P4）、环境触发链（UA3→P5，US6→P5，UA1→P5）以及管理能力链（O2→US2，P3→O3）。
**3.3 复杂网络拓扑特征**：基于229条关联规则构建了有19个节点和229条有向边的有向加权因果因素关联网络。
**节点度**：P5、O3和UA1具有较高的入度、出度和总度，表明这些因素在网络中与其他因素存在广泛直接关联。
**平均路径长度**：网络的平均路径长度为1.33，表明大部分因果因素可通过极短路径连接，具有高传播效率，关键因素变化可快速影响其他因素。
**聚类系数**：网络的平均聚类系数为0.802，表明因果因素间存在高度局部聚类，局部因素组合在自沉事故形成中起重要作用。聚类系数最高的节点为O2（安全教育培训不足，值为1.0），其次为O3、P1（船体进水）和P10（货物绑扎不当）。
**介数中心性**：US1（船舶不适航）的介数中心性最高，表明其在关联网络中起最强桥接作用，是连接多重风险因素的关键枢纽；其次为P5、US2和O3。UA1和P4的介数中心性也较高，表明它们在事故从隐患累积到失控发展中起显著驱动作用。
**节点关键性（PageRank）**：PageRank值最高的五个节点为O3、US2、US1、P4和UA1，表明船舶自沉事故的核心风险结构集中在安全管理、船员能力、船舶适航性、船体风雨密完整性与应急响应的耦合上。O3排名第一，表明船舶安全管理不足是关联网络的核心节点。
**鲁棒性分析**：网络初始全局效率为0.483734。移除10个节点后，随机攻击下全局效率降至0.321（下降约32.2%），而基于PageRank和介数中心性的定向攻击下全局效率分别降至0.123和0.128（下降约74.6%和73.2%）。结果表明，网络高度依赖少数关键节点，定向干预关键节点可更有效地削弱关联扩散效应。
**讨论与结论**
**讨论部分**：船舶自沉事故并非由单一直接因素引发，而是通过组织影响、不安全监督、不安全行为前提和不安全行为等各HFACS层级的相互作用逐渐演化，是系统性事件，具有风险渐进累积和跨层级传递特征。关联规则揭示因素间强相互关联，复杂网络分析表明高传递效率和紧密互联性。关键因素是安全管理不足、船员能力不足、船舶不适航、船体风雨密完整性维护不足和应急措施不当。鲁棒性分析表明定向干预比随机干预更有效。数据范围与方法选择影响结果，研究样本来自中国海事局报告，主要反映中国海事背景，推广需谨慎。
**研究结论部分**：本研究分析了中国海事局2014-2024年间150份船舶自沉事故调查报告，通过整合扎根理论、HFACS、FP-growth关联规则挖掘和复杂网络分析，构建了混合框架以识别因果因素、揭示重复因素组合、考察传播结构。结果表明，船舶自沉事故并非由单一因素直接触发，而是在多层级因素共同作用下逐渐演变为复杂系统性事故，具有明显耦合与传播特征。共识别出30个因果因素，归类为四个HFACS层级。频率分析显示P5、O3和US2最为频繁。关联规则挖掘揭示了与设备监测、船体风雨密完整性、船舶适航性和应急响应相关的稳定因素组合。基于关联规则构建的有向加权因果因素关联网络包含19个节点和229条有向边。拓扑分析表明网络高度互联且具有高传播效率。O3、US2、US1、P4和UA1被识别为关键节点。鲁棒性分析进一步表明，对这些关键节点的定向干预比随机干预更能降低网络关联扩散能力。本研究也存在局限性：样本限于中国海事局公开报告，结果可能反映中国海事运输的实践与监管特征，通用性需验证；关联规则揭示的是统计共现与蕴含模式而非严格因果；构建的网络是静态的，无法捕捉事故发展的时序演化；框架尚未提供事故概率直接预测或完整错误模型。未来研究可整合贝叶斯网络、系统动力学、时序事故链建模、专家启发、接近失误数据和运行监控数据，以验证因果依赖、量化不确定性并开发预测性风险预警工具。
