基于机器学习技术对人类在重大海上事故中所起作用的评估

《Ocean Engineering》：Assessment of human contribution to very serious maritime accidents based on machine learning techniques

本研究基于174起重大海事事故报告，结合地面理论与改进HFACS框架系统识别人为因素，构建数据库。引入关联规则优化LightGBM模型，准确率达85.94%。SHAP分析表明，未遵循视界规则、未及时避碰、安全管理不足、能力欠缺及船员不足是关键致因，为高风险场景海事安全干预提供优先依据。

　　

何岚|薛贵勤

西安科技大学管理学院，中国西安，710054

摘要

减少海上事故中的伤亡是海上安全管理的首要目标。本研究利用机器学习技术来量化人为因素对严重海上事故的贡献。基于174起严重海上事故的报告，通过扎根理论和改进的HFACS框架系统地识别了事故中涉及的人为因素，并建立了一个关于严重海上事故中人为因素的数据库。随后，将关联规则引入LightGBM模型的开发过程中，该模型的准确率达到了85.94%。SHAP分析进一步揭示了人为因素对严重海上事故的不同影响。未能遵守可见规则、未能及早采取有效的避碰措施、安全管理不足、能力欠缺以及人员配备不足被确定为导致严重海上事故的重要因素。这些发现为高风险场景下的海上安全干预措施优先级制定提供了有用的参考。

引言

航运是全球经济联系的重要通道，通过跨洋运输促进了大约90%的国际贸易（Allianz，2024年）。鉴于这一关键作用，确保海上安全至关重要。尽管航运业在海上技术和安全管理方面不断进步，但海上事故发生的概率低而后果严重仍然是一个挑战（Fan等人，2020年）。灾难性的海上事故会导致严重的人员伤亡、经济损失和环境破坏。国际海事组织（IMO）将海上事故的严重程度分为四类：非常严重、严重、较轻和一般海上事件（Wang等人，2021年）。非常严重的事故指的是导致船舶完全损失、人员伤亡或严重环境污染的事故。根据IHS全球海上数据库的数据，2010年至2020年间共记录了964起非常严重的海上事故。尽管现代船舶配备了先进的技术（例如导航技术、驾驶台资源管理系统），但人为因素被认为是导致海上事故的主要原因（Ma等人，2024年）。《年度海上伤亡和事件概览》（2024年）报告称，2014年至2023年间，58.4%的事故与人为行为有关，49.8%的促成因素与人为行为相关。人为因素的总贡献占所有调查伤亡和事件的80.1%（EMSA，2024年）。

机器学习（ML）技术已被用于分析海上事故，并在提高海上安全和运营效率方面具有巨大潜力（Xin等人，2024年）。作为一种使计算机能够通过自我学习不断优化模型性能的方法，机器学习在识别关键风险影响因素（RIFs）方面已被证明比传统分析方法更有效（Wang等人，2021年）。减少海上事故中的人员伤亡是海上运输安全管理的关键目标之一。本研究旨在通过使用机器学习技术分析严重海上事故的历史数据，重点量化人为因素的贡献，以应对这一紧迫需求。本研究的主要贡献如下：

●

基于对严重海上事故的调查报告，通过结合扎根理论和HFACS框架系统地识别事故中涉及的人为因素，从而建立了一个关于严重海上事故中人为因素的数据库。

●

提出了一种混合机器学习分析方法，通过引入关联规则技术来优化特征选择过程，并在此基础上使用SHAP方法开发了解释性LightGBM模型。

●

揭示了人为因素对严重海上事故的不同影响，并识别出关键的人为因素，为精确实施海上安全管理提供了有价值的证据。

章节摘录

海上事故研究中的人为因素

在海上安全领域，人为因素通常被定义为一个多维且综合的概念，涵盖了许多要素，如工作环境、物理环境、设备状况、人员培训、组织结构以及船员的状态（包括疲劳、任务负荷和心理状态等）（Fan等人，2020年）。由于美国海岸警卫队指出大约80%的海上事故和事件可以归因于

方法论

图1展示了本研究提出的方法论，整合了扎根理论、HFACS框架、关联规则、LightGBM和SHAP方法。步骤1：基于收集的严重海上事故调查报告，结合扎根理论和改进的HFACS框架系统地识别事故中涉及的人为因素，然后建立关于严重海上事故中人为因素的数据库。步骤2：使用关联规则进行

基于HFACS的扎根理论编码结果

基于174份海上事故报告，本研究采用扎根理论来确定导致严重海上事故的人为因素。本研究使用定性分析软件Nvivo 11 plus，并遵循扎根理论的三个编码阶段（开放编码、轴向编码和选择性编码）对事故报告进行结构化分析。在编码过程中，本研究结合了改进的HFACS框架的分类特征以增强

讨论

结果表明，诸如能力欠缺、安全管理不足和未能遵守规则等核心关键人为因素在各种事故中普遍存在，这验证了海上作业中存在普遍的、系统性的漏洞。然而，这些因素的相对重要性和相互作用在很大程度上取决于事故的严重程度。具体而言，在一级事故中，未能识别风险的现象表明实时情境判断存在缺陷

结论

本研究创新性地提出了一种系统分析方法，整合了HFACS、扎根理论、关联规则、LightGBM和SHAP方法，全面评估了人为因素对严重海上事故的贡献。具体来说，基于174份严重海上事故的调查报告，通过结合扎根理论和改进的HFACS框架系统地识别出了57个风险因素。然后，根据这些因素将严重事故分为三类

作者贡献声明

何岚：撰写——审阅与编辑、撰写——初稿、方法论、正式分析、数据整理、概念构建。薛贵勤：撰写——审阅与编辑、可视化、验证、资金筹集。

资助

作者衷心感谢教育部（项目编号待定）和教育部人文社会科学一般项目（项目编号24YJC630259）提供的财政支持。

利益冲突声明

作者声明他们没有已知的财务利益冲突或个人关系可能影响本文所报告的工作。