基于PSC信息的液化气运输船滞留影响路径分析

陈兴伟,柳良伟

(浙江交通职业技术学院，杭州311112)

0 引 言

液化气运输船舶在海上运输过程中，这些易燃易爆液化气体一旦大量泄漏将会使船上人员、船舶及设备遭受到低温冻伤、窒息和结构毁坏等严重危害。近年来，国内外学者从不同角度对液化气运输船舶安全进行了广泛的研究，研究内容主要分为液化气体泄漏事故后果分析[1-2]，营运风险分析和评价[3]、船舶移动安全区域界定[4]、液化气体船舶操纵和航道关系[5]等方面。这些研究均是从液化气运输船舶本身的角度出发，通过提升船舶本身安全水平来实现海上液化气体运输的安全。

与此同时，作为海上安全的最后一道防线的港口国监督(Port State Control，简称PSC)检查是从管理者的角色来监督海上运输安全，通过限制低标准船舶，防止有缺陷的船舶离港等手段来保证船舶航行安全，防止船舶污染海洋环境[6]。船舶PSC检查(滞留)数据一直是港口国主管部门和船舶营运者做好船舶安全管理工作的重要参考数据，探寻其内在规律一直是船舶安全研究的主要内容之一。2010年，戴耀存等[7]首次尝试利用关联规则进行数据挖掘，使用频繁项集和关联规则的表达形式来展现结果与影响因素之间的内在规律和相互关系。2014年，陈晶等[8]首次提出辨识度指数公式，研究双项及多项检查缺陷与滞留结果之间的分层关联情况。

上述研究主要解决滞留缺陷与结果之间的关系，缺少缺陷之间或者客观因素与结果之间的路径关系，因为不同因素会以不同的形式对船舶滞留产生影响。Ju-YeonLee等和陈春[9]选用道路，车辆和驾驶员等因子作为潜变量，运用结构方程模型对交通事故影响因素进行实例分析，得到各因素之间相关性以及对结果的影响。刘清等[10]运用结构方程对内河复杂水域船舶通航环境风险演变指标体系进行探讨。这些探索性的研究为滞留影响因素和影响路径研究提供了思路。

从液化气运输船舶滞留数据和船舶参数入手，根据液化气运输船舶风险特征，构建液化气运输船舶滞留影响路径结构模型，揭示滞留结果与因素之间的影响关系和影响路径，从新的角度诠释液化气运输船舶营运风险的认知和评价问题。

1 液化气运输船舶风险性

根据SOLAS公约中对于液化气运输船舶的定义可知，液化气运输船舶是指用于散装运输各类液化气体或其他易燃性产品的液货船，以LNG船为主。液化气运输船舶因其运输货物的特殊性而使其在船舶结构、货物运输和装卸货系统上存在风险特殊性。

(1)泄漏风险

液化气体在液化状态下一般不会燃烧和爆炸，但一旦泄漏就会给周边人员和环境带来巨大的危险。首先，液化气体一旦泄漏，低温液体对所接触到的人会造成永久性或致命的伤害；对于船体而言，低温会因受热应力的作用而变脆，结构安全受到威胁。其次，液化气体泄漏后立即沸腾而气化，与空气混合后易出现蒸气云爆炸，对人员和设施造成严重损伤或破坏。同时液化气体的泄漏会对船上人员造成窒息危害。

(2)结构特殊性

液化气运输船舶的液货舱一般有自支撑型和薄膜型两种类型，以挪威MOSS型、日本研制的棱型和法国GTT型货舱为主。液货气体装卸货系统一般会包括液货泵、货物管路、阀门和滤器、货物压缩机、货物加热器和蒸发器、惰气系统和压力释放系统等特殊结构和设备。

液化气运输船舶因其设备设施比较复杂而特殊，检查官员开展PSC检查过程中，一般会从船舶整体状况入手，再针对性的从上述风险特殊性角度入手进行检查，在常规检查项目的基础上，更加注重特殊结构要素，比如货物操作和船体结构。

2 液化气运输船舶滞留影响路径模型

2.1 液化气运输船舶滞留影响因素

根据港口国监控检查和滞留信息，结合液化气运输船舶风险特殊性，引入船龄、总吨位等船舶参数数据，将滞留影响因素分为船舶状况、船体主机、应急设备、船舶管理和货物操作5大类潜变量和其各自对应的17类潜变量，见表1所示。

2.2 滞留影响路径结构模型的构建

结构方程模型(Structural Equation Modeling，简称SEM)方法是一种基于统计学的非实验方法，利用数据来验证先前所假设的潜变量之间的相互关系，以及潜变量(逻辑概念)与显变量(观测指标)之间的一致性程度[11]。一个完整的结构方程模型应包含测量模型和结构模型。测量模型反映的是潜变量与观测变量之间的关系；结构模型描述的是潜变量之间的关系。

液化气运输船舶滞留影响路径结构模型由外生潜变量和内生潜变量的关系来构建，外生潜变量为船舶状况，船体主机和应急设备，内生潜变量为船舶管理和货物操作。根据内外生潜变量的关系构建理论框架，如图1所示。

图1 液化气运输船舶滞留影响路径理论框架

3 应用实例

3.1 数据采集和SEM模型检验

3.1.1 数据来源

采用全球主要备忘录(巴黎、东京、黑海、地中海等)2006-2016年液化气运输船舶PSC检查滞留数据进行算例应用。17类影响因素(观测变量)主要表征液化气运输船舶营运过程中的状态，采用李克特(Likert)六级量表对变量数值进行度量，1-6分别代表该观测变量状态从好到差，也能从一个侧面反映对滞留结果的影响程度。本次共有285条PSC检查滞留数据用于模型分析，能满足结构方程分析的样本要求。

表1 验证性因子分析结果

3.1.2 滞留数据的信度和效度分析

对液化气运输船舶PSC检查滞留数据中观测变量进行分析，采用Cronbach’s Alpha系数作为滞留数据可靠性的检验分析标准，若分析得到的数值越接近于1则说明该滞留数据的信度越高。从信度分析的结果来看，Cronbach’s Alpha系数为0.712，表明整个滞留数据观测变量具有良好的信度。

对数据的效度分析一般可以从内容效度和结构效度两个角度来分析。内容效度也称逻辑效度，测量内容的适当性和相符性。所用的数据是从PSC检查内容的基础上增加部分直接或间接反映船安全状况(如船龄)的数据入手，这些数据内容能全面的反映液化气运输船舶在运营过程中的安全状况，符合研究内容的要求。采用KMO分析和BS检验完成对PSC检查滞留数据的效度分析。结果显示KMO值为0.717，大于0.7，说明因子间相关性强；巴特勒球形检验值为606.632，在自由度为136和方差为0.000水平下达到显著，说明适合做因子分析。从结果可知，本滞留数据在信度和效度方面达到了研究要求。

3.1.3 滞留数据的验证性分析

验证性因子分析主要通过因子载荷计算平均方差抽取量AVE(Average Variance Extracted)，用组间最大相关系数的平方(R2)这两个参数来检验先前理论假设模型是否与理论模型一致[11]。从数据可知各潜变量对应的AVE值均大于R2，说明本次滞留数据因子分析能够满足要求。

3.2 滞留影响路径模型分析

3.2.1 初始模型

根据前面所述17个潜变量之间的理论假设，构建液化气运输船舶PSC检查滞留影响传导路径结构模型，运用AMOS软件对该假设模型进行分析，主要选择卡方自由度比值χ2/df、适配度指数GFI、比较适配指数CFI、非规准适配指数TLI和渐进残值均方平方根RESEA这五个指数来表征本模型分析的拟合结果。从初始模型的拟合结果显示除χ2/df和GFI、RESEA指标达到标准外，其余指标均未达到拟合标准，说明初始模型还存在一定缺陷，需要做进一步的调整和修正。

表2 初始模型、最终模型拟合指数

3.2.2 模型修正

在初始模型中拟合指数不理想的原因主要归结为以下几个方面：

(1)模型中一些假设关系并不显著，由于这些不显著关系的存在影响了初始模型的拟合程度；

(2)潜变量之间的一些隐性作用并未考虑进来，这些隐性关系也会导致初始模型的拟合度不高。

根据上述原因，在初始模型路径关系的基础上，增加了新变量间关系和删除变量间不显著的关系两种方式进行修正。经过修正之后，模型的拟合指数均符合评价标准，修正后模型为最佳模型，见表2。

3.2.3 滞留影响路径分析

通过模型的滞留影响路径分析，总共获得30条影响路径，连线上所标注的数据为两个变量之间的影响值Y，按照逻辑关系将影响值叠加至最后的滞留后可得到该路径的总影响值TY，见表3。为了便于表明影响程度，将Y值小于0.2的关系用虚箭头表示，大于等于0.2的用实箭头表示，具体详见图3。

潜变量观测变量影响路径YTY潜变量观测变量影响路径YTY船体主机(X1)船体概况(X2)A1:船体结构状况(0.40A2:主机和辅机状况(0.56)A3:防污染设备状况(0.30)A4:船龄(0.57)A5:船舶总吨(0.59)A6:无线电设备(0.51)0.40→X10.11→Y10.06→DET0.00260.40→X10.21→Y20.14→DET0.01180.40→X10.05→DET0.02000.56→X10.11→Y10.06→DET0.00370.56→X10.21→Y20.14→DET0.01650.56→X10.05→DET0.02800.30→X10.11→Y10.06→DET0.00200.30→X10.21→Y20.14→DET0.00880.30→X10.05→DET0.01500.57→X20.62→Y10.06→DET0.02120.57→X20.46→Y20.14→DET0.03670.57→X20.14→DET0.07980.59→X20.62→Y10.06→DET0.02190.59→X20.46→Y20.14→DET0.03800.59→X20.14→DET0.08260.51→X20.62→Y10.06→DET0.01900.51→X20.46→Y20.14→DET0.03280.51→X20.14→DET0.07140.01→X30.39→Y20.14→DET0.00050.01→X30.20→DET0.00200.03440.04820.02580.13770.14250.1232应急设备(X3)A7:应急系统状况(0.40)A8:救生设备状况(0.31)A9:消防安全状况(0.54)A10:报警设备状况(0.01)0.40→X30.52→Y10.06→DET0.01250.40→X30.39→Y20.14→DET0.02180.40→X30.20→DET0.08000.31→X30.52→Y10.06→DET0.00970.31→X30.39→Y20.14→DET0.01690.31→X30.20→DET0.06200.54→X30.52→Y10.06→DET0.01680.54→X30.39→Y20.14→DET0.02950.54→X30.20→DET0.10800.01→X30.52→Y10.06→DET0.00030.01→X30.39→Y20.14→DET0.00050.01→X30.20→DET0.00200.11430.08860.15430.0029

3.3 结构模型结果分析

经过结构模型分析得到30条滞留影响路径，每条影响路径一方面揭示不同因素对滞留结果的影响，另一方面也揭示因素之间相互关系；标准化后的路径系数进一步反映因素对滞留的影响水平。将最终的总影响值TY进行排序，可得到各个影响因素对船舶滞留的影响程度，提高这些因素的安全状态水平，有利于降低液化气运输船舶的滞留风险。从分析结果可以看出：

(1)潜变量“消防安全状况”的总影响值最大，可认为船舶消防安全状况对液化气运输船舶PSC检查滞留影响最大，是PSC检查中的重点。消防安全因素包括消防器材配备状况、火灾探测和报警系统是否有效、消防员装备、控火计划等，这类设备和因素的好坏直接决定整条船舶消防安全状态，直接影响液化气运输船舶消防应急能力和船舶安全状态。

(2)“船舶总吨”和“船龄”潜变量对船舶滞留影响次之。船舶总吨的李克特量级是按从大到小来划分影响等级，船龄则相反。从分析结果可知总吨和船龄对船舶滞留均为正相关，说明吨位越小或船龄越大，对滞留的影响越大。同时，根据PSC检查数据和有关文献也可得知液化气运输船舶PSC检查缺陷和滞留数据主要集中在船舶吨位为1万总吨及以下和船龄20年左右。韩晓宝等[12]研究也分析得到液化气运输船舶中小型船(3000总吨以下)和老龄船(船龄26年以上)的平均滞留率分别高达8.24%和13%，远高于平均滞留率，这也进一步证明了吨位和船龄对液化气运输船舶的营运安全和滞留风险的影响。

(3)“无线电设备”和“应急系统”也是关键要素。无线电设备主要包括GMDSS设备状况是否按公约配备、设备操作和维护是否有效等内容，应急系统因素包括各种应急报警设备是否正常，是否按照规定开展各项安全演习，各种应急设备的状况等内容。这两大因素直接关乎船舶在应急情况下能否有效开展遇险呼叫、紧急报警、安全疏散和撤离等应急措施，不仅是针对这些硬件要求，也从演习、设备使用和维护等方面来反映船舶营运安全状况。

4 结 语

(1)以液化气运输船舶PSC检查滞留影响因素为研究对象，提出基于船舶滞留影响路径结构方程模型，分析滞留结果与因素之间的影响关系和影响路径。

(2)通过潜变量(影响因素)与滞留结果之间的结构方程模型，可辨别影响因素与滞留结果之间的影响路径。通过影响路径能反映因素与结果之间存在正相关影响，有助于解释不同影响因素对船舶滞留的演化路径和缺陷路径。

(3)通过计算每一条路径的影响值和每一个潜变量的总影响值，可定量分析各个影响演化路径对滞留结果的影响强度，可以为港口国监督检查和液化气运输船舶在应对检查提供有用的提示和决策支持。