李 锋
(江苏航运职业技术学院 航海技术学院,江苏 南通 226010)
江苏拥有全国四大渔场之一的吕泗渔场,南接舟山渔场,每年捕鱼季节,大量渔船汇聚到沿海渔场进行捕鱼作业、航行,致使渔船作业区与商船航路重叠、交叉。长江航道、锚地及港口附近水域也有渔船进行捕鱼作业、航行等。由于船员安全意识薄弱、违规操作,中小渔船船舶技术状况差、通讯导航设施落后,不能与商船建立有效的沟通以及台风、大雾等恶劣气候等因素影响,商渔船碰撞事故时有发生。据江苏省渔港监督局统计数据,自2017 年至2019 年,全省海洋渔业船舶共计发生水上安全事故100 起,引发的后果是渔民死亡人数达100 人,渔船沉没21 艘,直接经济损失高达7 480 万元。按照《水上交通事故统计办法》,较大等级事故7 起,死亡32 人,沉船7 艘;一般等级事故93 起,死亡68 人,沉船14 艘。[1]全省海洋渔业船舶每年船均事故发生率约为千分之五,从业人员人均死亡率约为万分之六。[2]因此,笔者通过实地调研等方法,了解商渔船通航环境、作业区域、典型案例以及现有的监管措施等现状,采用综合安全评估方法(Formal Safety Assessment,简称“FSA”),听取专家意见,收集所需要的信息,筛选、整理出引起商渔船碰撞事故风险的主要原因,进而构建出商渔船碰撞事故模糊风险评价指标体系,利用模糊综合评价的方法建立商渔船碰撞事故综合风险评价模型并进行相应的计算,提出了避免和减少发生商渔船碰撞事故的对策建议。
因素集是由影响评价对象的各个因素组成的集合[3],表示为:
其中,uj(j= 1,2,3,…,n)是影响评价对象的若干个因素。各个因素ui按照其影响程度的不同提供对应的权重wi,由权重wi组成因素集W是因素集U上的模糊子集,表示为:
评价集是对评价对象可能做出的评价结果组成的集合,表示为:
其中,vj(j= 1,2,3,…,n)是若干可能做出的评价结果。
因素集U和评价集V之间的模糊关系可用评价矩阵:
当因素权重集W和评价矩阵R已知时,按照矩阵乘法计算得出模糊综合评价集B,即
综合风险评价结果可以利用对评价集元素vj进行加权平均值即可作为评价结果,即
其中,j= 1,2,3,4,5,分别对应5 个风险等级:低、较低、一般、较高和高度危险。
商渔船发生碰撞事故的原因非常复杂。本文从人、机、环境、管理等安全管理要素进行分析研究,识别商渔船碰撞事故主要风险源,并对这些风险源进行分析,从而为后续的管控措施研究寻找到相应的依据。商渔船发生碰撞事故系统基本要素结构如图1 所示。
图1 商渔船发生碰撞事故系统基本要素结构
本文采取模糊灰色综合评价法对商渔船碰撞事故中的影响因素进行调查统计,经过对近10 年来商渔船碰撞事故进行统计,可以找出影响事故发生的风险因素,并结合国内相关论文对商渔船发生碰撞事故影响因素的研究成果,构建商渔船碰撞事故风险评价指标体系,并将该风险评价体系与本文第一部分中的评价模型进行关联,如图2 所示。
图2 商渔船碰撞综合风险评价体系
U= {人为因素u1,船舶因素u2,环境因素u3;管理因素u4};
人为因素u1={商渔船船员缺乏安全意识u11,船员专业知识水平u12,商渔船之间通讯不协调u13,疲劳驾驶u14,违规操作u15,应急能力差u16};
船舶因素u2={渔船船体与海水颜色反差不大u21,渔船木质结构雷达反射差u22,渔船是否配备号灯号型u23};
环境因素u3={气象水文条件u31,交通复杂度u32,船舶流量u33,助航标志u34};
管理因素u4={管理机构不一致u41,执法信息化不足u42,公司安全管理u43}。
对江苏沿海水域影响商渔船安全航行影响因素当中,部分影响因素之间相互联系且错综复杂。本文采取逐层分析的方式,进而最终求出评价指标的权重。[4]对评价指标权重的获取通常采用航海专家调查问卷方式并采用几何平均法对数据进行整理,进而获得判断矩阵。最终确定出的评价指标的权重向量:
本文根据资深航海专家多年的海上航行经验,对商渔船碰撞事故影响因素调查表中的每一项评价指标进行对比打分,再将专家的打分结果汇总计算得出各项事故影响因素所对应的评价等级,最后对这些数值进行归一化处理就可以得到商渔船碰撞事故风险评价模型中各影响因素所对应的评价等级的隶属度,其风险源对风险等级的隶属度指标如表1 所示。
利用本文关于风险评价模型对商渔船碰撞事故进行风险评价,是从第二层次事故影响因素开始计算的。首先计算出模型中第二层次事故影响因素的隶属度,接着利用本文所计算出的权重值来求取模型中第二层次事故影响因素的评价结果,将评价结果作为模型中第一层次事故影响因素的隶属度同理计算,可以计算得出最后的评价结果。
由表1 得到风险源的风险等级判断矩阵R:
(1)“人为原因”评价矩阵为:
而W1=(0.15 0.25 0.13 0.22 0.15 0.10),则可以计算出“人为原因”评价向量为:
(2)“机器原因”评价矩阵为:
而W2=(0.36 0.43 0.21),则可以计算出“机器原因”评价向量为:
(3)“环境原因”评价矩阵为:
而W3=(0.33 0.31 0.26 0.10),则可以计算出“环境原因”评价向量为:
(4)“管理原因”评价矩阵为:
而W4=(0.38 0.32 0.30),则可以计算出“管理原因”评价向量为:
根据前文的介绍,可以知道第一层次事故影响因素的隶属度就是第二层次危险因素计算出的评价向量,由此可以得出商渔船碰撞事故模糊风险评价矩阵为:
而W=(0.50 0.11 0.23 0.16),则可以计算出商渔船碰撞事故事故模糊风险的综合评价向量为:
根据上述计算得出的商渔船碰撞事故模糊风险的综合评价向量B= (0.01 0.14 0.34 0.33 0.18),是一个模糊向量(即所评价的对象隶属于各评价等级的隶属度向量)。因此在确定商渔船碰撞事故模糊风险的等级时,需要对该模糊向量B=(0.01 0.14 0.34 0.33 0.18)进行反模糊化(清晰化)处理。利用上述清晰化处理的计算公式可以计算得:
根据本文对商渔船碰撞事故模糊风险评价建模及计算出的最终评价向量进行清晰化,由表2 的危险程度对应关系可知,海船上救生艇事故模糊风险评价等级为较高风险。
表2 评价结果与危险程度的对应关系
总体评价等级的结果并不是本文研究的最终目的。本文研究的重点是找出引起商渔船碰撞事故因素中哪些因素是引起商渔船碰撞事故的主要原因,研究与之相对应的风险缓解措施。利用本文第三部分中关于矩阵中风险影响指标的权重向量可以计算出商渔船碰撞的16 个风险影响因素在总目标中所占的权重向量(层次总排序),计算结果为:A=(0.075,0.125,0.065,0.11,0.075,0.05,0.039 6,0.047 3,0.023 1,0.075 9,0.071 3,0.059 8,0.023,0.060 8,0.051 2,0.048),分别对应的是:船员专业知识水平u12、疲劳驾驶u14、气象水文条件u31、商渔船船员缺乏安全意识u11、违规操作u15、交通复杂度u32、商渔船之间通讯不协调u13、管理机构不一致u41、船舶流量u33、执法信息化不足u42、应急能力差u16、公司安全管理u43、渔船木质结构雷达反射差u22、渔船船体与海水颜色反差不大u21、渔船是否配备号灯号型u23、助航标志u34。
引起商渔船碰撞事故风险影响指标中排在前七位分别是:船员专业知识水平、疲劳驾驶、气象水文条件、商渔船船员缺乏安全意识、违规操作、交通复杂度和商渔船之间通讯不协调。下面主要就这几方面提出针对性强、具有可操作性的建议。
(1)对于船员专业水平及违规操作这2 个影响因素,建议做好船员的考试培训和监管。商船船员由海事局船员处监管,渔船船员由渔政渔港监督管理机构监管。为了便于商渔船船员相互间更好地熟悉了解,建议积极推动机构改革和立法建设,将商渔船船员的培训考试统一到同一个主管部门之下,提高商渔船船员的安全生产意识和事故防范能力。
(2)对于船员缺乏安全意识这个影响因素,建议船长在平时加强对驾驶台值班人员的安全意识、应急能力及业务水平的培养,合理安排驾驶台值班人员,确保值班人员不因疲劳而导致危险的发生。做好船员的考核工作,如实填写船员的任职表现,促使船员切实履行安全生产现场安全责任人的法律责任和义务。
(3)对于气象水文条件这个影响因素,考虑到渔船抗风浪能力低,建议禁止渔船在气象水文条件不利的情况下出海,增加船头瞭望人员数量,及早获知船首附近船只情况。[5]
(4)基于已识别的商渔船碰撞事故主要风险源,有效规范商渔船的航行、作业行为,提高预控商渔船碰撞风险能力,根据现行的相关法律,探索构建包括地方政府、主管机关、商船公司、渔业企业、商渔船船员在内的商渔船安全管理主体责任体系,建立“安全共同体”。
(5)建立商渔船防碰撞预警监控机制,对商渔船的出航、作业进行监控预警。相关管理部门要加强船舶交通管理服务,充分利用船舶自动识别系统、地理信息系统、甚高频、图像通信系统等信息化技术,[6]加强对航道的监视,及时对商渔船的违规行为进行预警通报,发布警告信息,引导船舶安全航行。
通过对商渔船碰撞影响因素进行调研,构建商渔船碰撞事故风险综合评价模型并进行计算分析,计算结果能够客观准确地反映出商渔船发生碰撞事故的风险状况,为商渔船驾驶人员及主管部门控制风险源提供科学的决策依据。将模糊风险分析方法引入商渔船碰撞事故风险评价将是未来的发展趋势,然而目前模糊风险分析方法的应用范围并不十分广泛,本文将其应用于商渔船碰撞事故风险评价是一个新的尝试。模糊风险分析方法在一些具体技术方法的使用上还有待进一步提高,实际应用模糊风险分析方法中还存在风险评估时数据收集、评价模型建立等方面的难题,需要研究者在今后的研究工作中对风险评价模型加强研究完善,进一步提高模糊风险评价的准确性。