• 作者简介

第一作者

区君美

北京交通大学博士研究生

研究方向：多源数据融合下的船舶异常行为识别、海事风险建模、AIS轨迹数据挖掘与智能监管方法等。

通讯作者

王爽心

北京交通大学教授

研究方向：异常行为监测、设备状态测量、信号处理、数据挖掘等。

• 前言

随着全球海上交通规模持续扩大，海上事故风险问题日益受到关注。渤海作为我国北方重要通航水域，船舶密集、气象复杂，近年来碰撞、沉没与搁浅等事故时有发生。在当前海事安全研究中，如何从事后分析走向事前风险识别，是一项重要的课题。近日，北京交通大学王爽心教授团队在 Oceans 期刊发表论文，提出了一种融合Bow-Tie因果框架与贝叶斯网络的海上事故风险分析模型 (BT-BN)，以期构建从观测数据到事故类型的分层概率推理机制。

• 研究方法介绍

为系统刻画海上事故风险的形成机制，本研究提出了一种基于Bow-Tie因果框架的分层贝叶斯网络模型 (BT-BN)。该方法包括四个主要步骤：事故数据收集、风险模型构建、网络学习与模型验证，将因果链分析与概率推理机制相结合，在结构上构建“观测变量—潜在不安全原因—事故类型”的三层层级模型，模型最终以概率形式给出不同事故类型的风险水平。

• 风险机制分析与模型验证结果

在数据与模型训练方面，本研究选取2013~2025年渤海海域典型事故案例作为样本基础，构建结构化数据集，并结合统计显著性检验筛选关键影响因素。

此图显示了2013年至2025年渤海海域海上事故的空间分布情况，每个散点代表一起事故。散点中心表示事故位置。散点尺寸与事故严重程度相对应，散点尺寸越大表示事故程度越严重。散点颜色表示事故类型。

研究的全局敏感性分析结果显示，船速、航行状态、能见度、吃水状态及装载状态等因素对事故风险水平具有较高敏感度。这表明，动态航行特征与外部环境条件在风险形成过程中发挥着基础性作用，是事故风险累积的重要驱动因素。研究进一步发现：碰撞事故更易受到人为操作因素影响，如瞭望不足与风险判断失误；沉没事故则呈现出恶劣天气与装载状态的显著耦合效应；搁浅事故则更多与环境感知能力不足及操纵能力受限相关。上述结果表明，海上事故风险并非由单一因素触发，而是多因素交互作用下的动态演化过程，单一维度分析难以全面揭示其形成机制。

为进一步验证模型的实际推理能力，研究选取渤海海域发生的沉没、碰撞与搁浅三类典型事故案例进行测试：

沉没事故案例为2017年4月19日中国籍散货船“富航66”轮在天津港大港港区水域锚泊期间遭遇大风浪恶劣气象条件，在输入事故发生前的风力、浪高、吃水及装载状态等观测数据后，推理出“恶劣天气影响”与“装载异常”为主要不安全原因。

碰撞事故案例为2015年5月30日马绍尔群岛籍“瑞克麦斯汉堡”(RICKMERS HAMBURG) 轮与中国籍“皖江顺1318”轮在天津港主航道发生碰撞，两船在能见度受限条件下航行，在输入航行状态、能见度及船速等数据后，并识别出“瞭望不足”与“操作失当”为关键风险节点。

搁浅事故案例为2018年4月3日中国籍干货船在拖轮协助进港靠泊过程中发生于复杂航道环境中，模型推理结果显示“环境感知不足”与“操纵能力问题”对搁浅风险贡献较高。

在案例推理中，输入事故发生前的观测数据后，模型对相应事故类型的概率预测均显著提升，且推理出的关键不安全原因与官方调查结论高度一致。

• 研究意义与应用前景

本研究构建了“观测数据—潜在不安全原因—事故类型”的分层因果推理框架，将事后归因逻辑转化为事前概率预测，实现多因素耦合条件下的风险定量分析，为海事监管与VTS系统提供量化决策支持路径。未来结合AIS与实时气象数据，有望实现动态风险评估与高风险船舶精准识别，推动海上安全管理由事后处置向事前预防转变。

阅读英文原文：https://www.mdpi.com/2673-1924/6/4/74

• Oceans 期刊介绍

主编：Prof. Dr. Beatriz Morales-Nin, Mediterranean Institute of Advanced Studies CSIC-UIB, Spain

期刊主题涵盖海洋地质，海洋气候和气象学，古海洋学，海洋环流，海洋化学和生物地球化学，海洋生态学与生物学，海洋资源 (如渔业、水产养殖和采矿)，海洋工程，海洋建模，海洋治理，业务海洋学，沿海的研究，深海研究等。

2024 Impact Factor：1.6

2024 CiteScore：3.5

Time to First Decision：35 Days

Acceptance to Publication：8.6 Days

期刊主页：https://www.mdpi.com/journal/oceans