基于船舶碰撞事故调查报告的人的因素数据挖掘_刘正江

2004年第2期文章编号:1000-4653(2004)02-0001-06

中 国 航 海

No.2Jun.2004基于船舶碰撞事故调查报告的人的因素数据挖掘

刘正江, 吴兆麟

(大连海事大学,辽宁大连116026)

摘 要:船舶碰撞事故发生率居高不下与人为失误有关,而人为失误的发生又受到包括个人因素、环境因素、船舶因素以及组织因素的影响。根据一般的事故统计数据能够初步识别出引发碰撞的人为失误行为,但要进一步建立影响因素与人为失误之间的对应关系却一直是令研究人员困惑的事情。一方面是因为缺少数据,另一方面是缺少方法。我们在收集100个碰撞事故调查报告的基础上,利用数据挖掘技术中的关联规则对人为失误与其影响因素之间的关系进行了挖掘,初步确定了船舶避碰过程中人为失误与引发因素之间的对应关系。关键词:水路运输;船舶碰撞;研究;数据挖掘;人的因素;关联规则中图分类号:U676.1 文献标识码:A

DataMiningtoHumanFactorsBasedonShipCollisionAccidentSurveyReports

LIUZheng-jiang, WUZhao-lin

(DalianMaritimeUniversity,Dalian116026,China)

Abstract:Thehumanactionoffaultinshipcollisioncouldbeidentifiedroughlybyaccidentstatistics.Thedifficultyre-searchworkersfacepresentlyistosetuptherelationshipbetweenthehumanfaultanditsinfluencingfactorsduetothelackofsufficientdataandapproaches.Inthispaper,basedonthedatacollectedfrom100accidentsurveyreports,theas-sociationrulesofdataminingtechniqueisappliedtoestablishtherelationshipbetweenthehumanfaultanditsinfluencingfactors.Theresultsindicatethatthisapproachisfeasible.

Keywords:Waterwaytransportation;Shipcollision;Study;Datamining;Humanfactor;Associationrules

船舶碰撞是各类水上交通事故中最易受到人的因素影响的一类事故。研究表明,船舶碰撞事故涉及人的因素的比率远远高于其他种类的水上交通事故,超过90%的船舶碰撞与人的因素有关[1],其中60%与人的因素有直接关系,其余30%与人的因素有间接关系

[2]

来说明避碰中的人为失误及其影响因素的关系,其可行性还需要进一步论证[5]。

我们在分析现有船舶碰撞事故书面调查报告的基础上,收集了人的因素的数据和信息,进而利用数据挖掘技术中的关联规则,确立了船舶避碰中人为失误与影响因素之间的关系。结果表明,利用书面事故报告和数据挖掘技术确定人为失误与影响因素之间的关系是可行的。

。根据这些研究结果,避免或减少碰

撞事故的关键是减少人在船舶避碰中的失误即不安全行为,而减少人为失误的关键又在于减少或改善影响人的行为的因素。因而确定人为失误与影响因素之间的关系就成为迫切需要进行研究的课题。

识别船舶避碰中的人的因素特别是引起人为失误的因素因缺乏可靠数据和有效方法而显得困难重重。虽然许多学者在人的个性对人的避碰行为的影响方面做过不少研究[3,4],也识别出不少人在避碰中的习惯行为,对研究人的因素起到了推动作用,但仅靠这些还不足以搞清不安全行为与影响因素之间的影响关系。而借用其他行业的人的因素研究数据

收稿日期:2004-02-25

1 基于事故书面报告数据挖掘(Data

Mining)的基本原理

1.1 数据挖掘的概念与应用

数据挖掘本来是人工智能、机器学习和数据库技术相结合的产物,是一种从数据库中大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的技术。这一技术是随着数据的爆

作者简介:刘正江(1959-),男,江苏如皋人,教授,主要从事船舶操纵、避碰以及海事安全方面的研究。

炸性增长与知识贫乏的矛盾的产生而发展起来的。其目的是要从数据库的海量数据中发现隐含的、有意义的知识以此来支持管理和决策。由这一定义,数据挖掘的对象似乎就是数据库。但广义地讲,数据挖掘是在一些事实或观察的集合中寻找模式的决策支持,由此定义,数据挖掘的对象将扩展到数据库之外的数据集合,包括文件系统等。

数据挖掘是一项正在兴起的人工智能技术与数据库技术相结合的技术,尚处于完善和发展之中,不过,目前已经在许多行业得到迅速应用。在船舶交通和人的因素研究领域不少学者也对该技术的应用进行了研究[7]。

数据挖掘的任务视客户要求而定,包括对数据的约简、分类、聚类等,因本研究的主要目的是发现人在避碰过程中的失误行为与周围影响因素之间的关系,所以挖掘任务是发现人的失误行为与影响因素之间的关联规则。不过,狭义的关联规则的发现主要是从事务数据中去寻找。我们借用该法,从碰撞事故调查报告中发现人为失误与影响因素之间的关联规则。1.2 关联分析

关联分析,即利用关联规则进行数据挖掘。关联规则是指几种事物之间存在的因果关系。例如在船舶碰撞事故中,了望不当和疲劳之间的相关性就是一种关联规则。关联分析的目的是挖掘隐藏在数据间的相互关系,它能发现数据库中形如/90%的碰撞中,当了望不当时,值班人员总是处于疲劳状态0之类的知识。关联规则挖掘的形式是这样描述的[13]:

设I={i1,i2,,,im}是二进制文字的集合,其中的元素称为项(item)。给定1个事故数据库D,其中每1个事故T是I中1组因素的集合,即TII。对应每1个事故有唯一的标识,即事故号,记做TID。设X是1个I中项的集合,如果XIT,那么称事故T含X。

关联规则是形如AyB的蕴涵式,这里AII,BII,且AHB=5。如果D中c%的包含A的事故同时包含B,则关联规则AyB在D中可信度c成立。如果D中s%的事故包含AGB,则关联规则AyB在D中具有支持度s。c是包含A项集的前提下包含B项集的条件概率P(B|A),s是D中事故包含AGB的百分比,即概率P(AGB),其表达式如下:

s(AyB)=P(AGB)=count(D)

1[6]

c(AyB)=P(BÞA)=

count(A)

(2)

如果将关联规则表示为矩阵形式,每1行表示每一碰撞事故所涉及的人为因素,每1列为同一人为因素在各事故中出现的情况。

在进行关联分析时,分析人员需要输入2个参数,即最小可信度阈值(cmin)和最小支持度阈值(smin)。关联分析就是生成所有具有分析人员指定的最小可信度和最小支持度的关联规则。

表1 各参数的含义及计算公式

参数名称可信度(c)

描述

在因素项A出现的前提下,B出现的概率因素项A和B同时出现的概率

公式P(B|A)

支持度(s)P(BGA)

1.3 利用碰撞事故报告收集和挖掘人的因素数据

的步骤

用数据挖掘技术从海事调查书面报告中挖掘人的因素数据前有大量的准备工作要做,其步骤如图1所示。

图1 数据收集与挖掘步骤

定义问题:熟悉应用领域背景,明确任务要求。本研究的任务是挖掘船舶碰撞中人的因素的相关数据并发现操船人员的失误行为与影响因素之间的关系。

获取相关数据:根据需要,提取相关的数据、资料。这一步主要是收集和选择船舶碰撞事故调查报告。

数据预处理:把需要挖掘的数据整理成适合挖掘的标准格式,对丢失的数据进行填补。这一步主要是建立合适的人的因素分类模型,以便于信息的收集。

数据挖掘:选择合适的挖掘技术和工具对数据

进行处理,从而发现规则、模式和趋势;本研究选择了关联分析技术,用于发现人的失误与影响因素之间的关系。

解释结果:将发现的规则、模式用易于理解的方式表达出来。本研究以列表的方式给出了发现结果,说明了不安全行为与影响因素之间的关系。知识运用:将获得的知识用于解决最初提出的问题。

和影响失误行为的因素。参照国内外学者的研究结果,并经过统计分析和人的因素的初步识别,初步将人为失误即不安全行为分为12种,包括了望不当、雷达使用不当、信号显示不当、船舶定位失误、航线计划不当、决策失误、违反规则、未运用良好船艺、未使用安全航速、避让行动迟误、通信交流不良以及船舶操纵不当;将影响这些失误行为的因素分为个人因素、组织管理因素、船舶因素、自然环境因素等4类,每一类中又包括若干种具体因素,如自然环境因素包括天气、能见度、限制水域、潮流、通航密度、背景灯光等,具体影响因素共有30项,如表2所示。

[8,9,10,11]

2 人的因素分类

在从事故报告中收集数据之前,必须建立人的因素的分类,以作为存储数据及分析的基础。

在本研究中,将人为因素分类为人的失误行为

表2 船舶避碰中人的因素分类

感知阶段了望不当

人为失误

未准确定位通信联络失误

错误使用雷达、ARPA等号灯号型显示不当

身体因素

个人因素

感官局限:视觉、听觉、嗅觉、触觉方面的局限

组织因素内部环境外部环境

生理因素疲劳健康状况酒精与药物

心理因素注意力 工作负荷精神状态 交流能力信息处理能力 个性知识、经验与培训

社会心理因素社会压力船员间关系家庭压力

决策阶段决策失误航线计划不当未遵守规则未运用良好船艺

行动阶段未及时采取行动船舶操纵不当未采取安全航速未发出(正确)操纵信号

配员 劳资关系 商业压力 监督 安全文化

设备布置 信息显示 维护 自动化程度 书面信息 噪音与震动 船舶运动

天气 能见度

潮流 航道 交通流 时间 背景灯光

3 碰撞事故书面调查报告来源

3.1 事故书面报告的来源

为了保证获取数据的可靠、全面,并且便于进行分析,我们从国际互联网精选了100份世界主要海

运国家海事调查机构对1993年至2002年10年间发生在本国水域或本国籍船舶的船舶碰撞事故的调查报告进行分析。报告来源如表3所示。

事故调查报告的选取遵循了以下原则:

完整性:书面报告必须符合一定的格式,内容完整,事实表述清楚,分析有序,包括对人的因素的分析;

权威性:事故报告必须是国家授权的海事调查机构或者海事管理机构发布的,对当事船任何一方不存在偏见;

随机性:选择事故报告时除遵循上述2项原则外[12-18]

引人员情况、船舶所属公司和国籍等因素,以保证所

发现的人的失误与影响因素之间的关联关系不受报告选择的影响。

3.2 书面事故调查报告信息质量分析

由于调查人员的背景和能力的差异,调查目的与要求的不同,在应用从各国发布的事故调查报告中挖掘的人的因素数据之前,应当对数据来源-事故报告进行质量分析。

3.2.1 书面事故报告所含内容比较

表4给出了各调研机构所颁布事故报告中有关人的因素内容的比较。显见,虽然各国颁布的事故报告在格式、所含内容上大致相近,但在分析的深度等方面还是有差别的。比较而言,英国、美国、加拿大等国海事调查机构颁布的事故调查报告内容翔实,分析深入,信息较为齐全。因而,这些国家的报告中的信息可信度相对要高一些。但各国报告对当

表3 船舶碰撞事故调查报告来源

1993

中国MAIBTSBATSBUSCGNTSBTAICSHK合计

--3-2---5

1994--411---6

19952-42----8

19961-27--1-11

19972-13-1--7

19983-32-2-111

199913-11-1--16

200097-2----18

200175-1--1-14

2002-2---11-4

合计[**************]

注:MAIB-英国海事调查委员会;TSB-加拿大运输安全委员会;ATSB-澳大利亚运输安全委员会;USCG-美国海岸警备队;NTSB-美国国家运输安全委员会;TAIC-新西兰交通事故调查委员会;SHK-瑞典海事调查委员会

各国事故调查报告内容、格式不一致的原因是:调查和报告标准不统一;调查的目的不一致;调查人员本身的背景和兴趣不一;有些调查未能及时进行;事故数据未能确切记录。3.2.2 可靠的数据

报告内容分析范围船员背景船员个性健康状况工作状况酒精药物船舶管理公司管理法令法规

中国限于船舶简介无一般无介绍少不查可推定可推定介绍少

MAIB多方位详介无有介绍有调查有介绍有介绍有调查有条文

TSB多方位详介无有调查有调查有调查有介绍有调查有介绍

ATSB多方位简介无一般无有调查有调查可推定可推定有介绍

报告中有关船舶概况、船员的一般自然情况、船舶碰撞的地点和时间、发生碰撞时的船舶速度、碰撞时的自然环境包括风、浪、流等的数据和信息主要是一些客观数据,一般不含人为误差,因而可以认为是可靠的。

表4 船舶碰撞事故书面报告关于人的因素的内容比较

USCG多方位详介无有调查有调查测试可推定有介绍有介绍

NTSB多方位详介无有调查有调查测试有介绍有调查有介绍

TAIC多方位详介无简介简介可推定可推定可推定有介绍

SHK多方位简介无简介可推定简介可推定可推定介绍少

含地方法规团队精神分析疲劳备注人船管理分析人因

3.2.3 不完全可靠的数据

从各国事故调查报告的比较可以看出,一些经调查人员去调查、分析后通过报告给出的涉及人的信息和数据具有一定的主观性,并不完全可靠。这些数据和信息存在的问题与Schroder[19]研究得到的情况类似,如,有些信息完全没有提及,有些则不完善、不深入。这些问题与调查人员的知识、能力、背景有关。

首先从100个碰撞事故中收集人为失误数据和

影响因素数据,建立一个事故数据库D。该事故库中有100件事故,即count(D)=100,对应每一事故有唯一的标识,即事故号,记为TID,TID为1,2,,,100。设二进制文字集合I={i1,i2,,,im},由于我们已经将人为失误(不安全行为)分为12种,将影响因素细分为30种,所以这里m=42。事故库D中每1个事故T是I中1组因素的集合,即TII。设A、B是I中项的集合,A是人的失误行为的集合,B是影响人的失误行为的因素的集合,如果AIT,BIT那么称事故T含A、B。

4 人为失误与影响因素关系的挖掘结

果

4.1 关系挖掘

表5 船舶避碰过程中人的失误的影响因素(smin\20%,cmin\30%)

人的失误了望不当

影响因素知识经验培训限制水域组织与监督注意力信息处理能力

配员能见度不良通航密度设备布置

信号显示不当

知识经验培训限制水域组织与监督

雷达使用不当

知识经验培训限制水域(组织与监督)(注意力)(设备布置)

航线计划不当

(限制水域)(经验与培训)(组织与监督)(书面信息)

定位失误

(限制水域)(信息处理能力)(知识经验培训)(组织与监督)(能见度)

避碰决策失误

限制水域信息处理能力组织与监督注意力知识经验培训

配员通航密度能见度设备布置

smin(%)[***********]3027242220(19)(17)(16)(15)(12)(12)(9)(9)(7)(6)(6)(6)[***********]

cmin(%)[***********][***********][***********][**************]1

船舶操纵不当通信交流不良避让行动迟缓未使用安全航速未运用良好船艺

限制水域(组织与监督)(知识经验培训)知识经验培训组织与监督限制水域能见度(通航密度)组织与监督限制水域知识经验培训

注意力限制水域知识经验与培训组织与监督注意力(信息处理能力)限制水域知识经验培训组织与监督注意力信息处理能力

能见度(通航密度)(设备布置)(配员)

21(18)(19)33343022(16)[**************]1(19)[1**********]1(19)(18)(18)

8472(26)[***********][***********]3131(28)(27)(27)

人的失误违反规则

影响因素限制水域组织与监督注意力知识经验培训

配员(通航密度)(信息处理能力)

smin(%)3836257525(18)37

cmin(%)[1**********]5(19)

注:括号中的因素为达不到阈值标准但接近阈值的项

本研究要挖掘的是人的失误行为与影响因素之间的关系,即关联规则AyB的可信度和支持度,所以可利用式(1)、式(2)进行计算。在实际计算中,将集合A分解为A1,A2,,,A12,B分解为B1,

B2,,,B30,则12种人的失误行为与30种影响因素之间的关联规则挖掘可由式(3)、式(4)计算:s(AiyBj)=P(AiGBj)=

s-count(AiGBj)

count(D)

i=1,2,,,12;j=1,2,,,30

c(AiyBj)=P(BjÞAi)=

报告的格式和内容不统一,事故报告质量受调查人员本身能力和经验的影响等。为从事故调查中获取更完善的人的因素信息和数据,除了提高挖掘技术外,也应当改进碰撞事故报告的质量。

表6 影响人的不安全行为的主要因素

受影响的

影响因素

不安全行为数量

知识经验培训限制水域组织与监督注意力信息处理能力

9(3)10(2)8(4)6(1)3(3)

能见度不良配员通航密度设备布置书面信息影响因素

受影响的不安全行为数量4(1)3(1)2(3)2(2)(1)

s-count(AiGBj)

count(Ai)

(4)

i=1,2,,,12;j=1,2,,,30

由式(3)、式(4)可以挖掘出的船舶碰撞中人的失误行为与引发这些失误行为的人、船、环境等因素的关联关系。只要设定支持度与可置信度的阈值,即可确定引发船舶碰撞的人的失误行为背后的影响因素,这种影响因素也可以称为行为成形因子(Perfor-manceShapingFactors,PSFs)

[20]

。

4.2 挖掘结果

根据数据挖掘的关联规则,我们将从100个船舶碰撞事故书面调查报告中获取的人的因素数据进行了关联分析,并设定支持度的阈值为20%,置信度的阈值为30%,结果如表5所示。

在表5中,给出了船舶碰撞中人的失误行为与引发这些不安全行为的人、船、环境等因素的关系。显然,支持度与置信度的阈值的设定非常关键,阈值越高,保留的因素越少。以了望不当为例。如果将置信度和支持度的阈值都确定为50%,那么与了望不当有关联的因素有:经验与培训,组织与监督以及限制水域等。如果将支持度的阈值降为20%,置信度的阈值降为30%,那么影响因素清单中会增加注意力、信息处理能力、配员、设备布置、能见度以及通航密度等。

从表5中可以看到,一种不安全行为可能同时受到多种因素的影响,同一种因素也可能对多种不安全行为有影响。表2中人的因素分类模型所给的30种影响因素经关联阈值限制后,还有10种因素存在,也就是说这10种因素的影响最大。其中,涉及到个人的因素有:知识经验与培训、注意力、信息处理能力;涉及到管理因素的有:组织与监督、配员;涉及到船舶因素的有:设备布置、书面信息;涉及到的外界因素的有:限制水域、能见度、通航密度等。主要影响因素如表6所示。

参考文献

[1] DepartmentofTransport,UK.TheHumanelementin

shippingcasualties[R].London:HMSO,1991.

[2] KuoC.Managingshipsafety[M].London:LLPRef-erencePublishing,1998.

[3] 孙立成.人的个性与避碰行为关系的统计分析[J].

大连海事大学学报,1997,23(1):41-45.

[4] CurtisRG.DeterminationofMariners.ReactionTimes

[J].JournalofNavigation,1980,31:409-417.

[5] FaganL.Improvingthequalityofinformationinthe

Marinetransportationsystem:Anexerciseinriskreduc-tion[D].Http://students.washington.edu/lfagan/complete.html/.1999.

[6] 陈文伟,黄金才,赵新昱.数据挖掘技术[M].北京:

北京工业大学出版社,2002.

[7] 熊锡龙.灰色数据挖掘及其在船舶避碰中的应用[J].

武汉理工大学学报(交通科学与工程版),2002,26(6):758-760.

[8] MooreWH,BeaRG.Managementofhumanerrorsin

operationofmarinesystems[R].Berkeley,CA:Un-iversityofCaliforniaatBerkeley,1993.

[9] LandsburgAC,FergusonSJ,PillsburyC,Ellingstad

V.Accidentcausation-basedhumanfactorstaxonomy[J].BIMCOBULLETIN,1999,94(1):20-25.

[10] InternationalMaritimeOrganization.Amendmentsto

thecodefortheinvestigationofmarinecasualtiesandin-cidents(ResolutionA.849(20))(ResolutionA.884(21))[Z].London:Author,2000.

[11] RothblumAM,etal.Humanfactorsinincidentinves-tigationandanalysis[C].2ndinternationalworkshoponhumanfactorsinoffshoreoperations(HFW2002).Houston,Texas,2002.

(5 结 语

研究表明,船舶碰撞事故书面报告是一种研究事故中人为失误的有效资源,利用数据挖掘技术中的关联规则,可以发现事故中人的行为与影响因素之间的关系,从而为减少人的失误、提高海上安全水

titudeEstimationwithoutRataSensors[J].JournalofGuidance,Control,andDynamics,1997,20(3):522-527.

各姿态角误差及姿态速率误差的标准差如表1所示,从中可以看出,姿态估计值的精度比直接计算值的精度要高出1倍。而且,本方法可以同步给出原来无法提供的姿态速率信息。

表1 估计误差的标准差(R)

误差项偏航角(b)横滚角(b)俯仰角(b)偏航角速率(b/s)横滚角速率(b/s)俯仰角速率(b/s)

计算值0.76070.40450.4094---估计值0.47880.15990.15942.66181.51790.8796

[4] YOshman,FLMarkley.SequentialGyrolessAttitude

andAttitude-RateEstimationfromVectorObservations[J].ActaAstronautical,2000,46(7):449-463.

[5] MJCaruso.ApplicationofMagnetoresistiveSensorsin

NavigationSystems[J].SensorsandActuators,1997,SAESP-1220:15-21.

[6] 张学孚,陆怡良.磁通门技术[M].北京:国防工业

出版社,1995.

[7] MJCaruso.ApplicationsofMagneticSensorsforLow

CostCompassSystems[EB/OL].http://www.ssec.honeywell.com/magnetic/datasheets/lowcost.pdf.

[8] SJJulier,JKUhlmann,HFDurrant-Whyte.ANew

ApproachforFilteringNonlinearSystems[A].Proceed-ingsofthe1995AmericanControlConference[C],Seattle,WA,1995,3:1628-1632.

[9] SJJulier,JKUhlmann.ANewExtensionofthe

KalmanFiltertoNonlinearSystems[A].TheProceed-ingsofAeroSense:The11thInternationalSymposiumonAerospace/DefenseSensing,SimulationandControls[C],SPIE,OrlandoFL,USA,1997,182-193.

[10] SJJulier,JKUhlmann,HFDurrant-Whyte.ANew

MethodfortheNonlinearTransformationofMeansandCovariancesinFiltersandEstimators[J].IEEETrans-actionsonAutomaticControl,2000,45(3):477-482.

[11] SimonHaykin.KalmanFilteringandNeuralNetworks

[M].Wiley,2001.

[12] AHuster,SMRock.RelativePositionSensingbyFus-ingMonocularVisionandInertialRateSensors[A].ProceedingsofICAR2003The11thInternationalCon-ferenceonAdvancedRobotics[C].Coimbra,Portugal,2003,(6,7):1562-1567.

5 结 语

根据捷联式电子罗盘的自身观测能力,提出了一种同时对全姿态及姿态速率进行优化估计的方法。基于UKF的递推估计算法避免了对非线性观测方程的线性化。仿真结果表明,姿态估计精度比

目前捷联式电子罗盘中采用的直接计算方法提高1倍,同时,还可以同步完成对姿态速率的估计。该方法可以直接扩展捷联式电子罗盘的功能并明显提高其测量精度。

参

考

文

献

[1] MChalla,GNatanson,CWheeler.SimultaneousDe-terminationofSpacecraftAttitudeandRatesUsingonlyaMagnetometer[A].ProceedingsoftheAIAA/AASAstrodynamicsSpecialistConference[C].SanDiego,CA,1996,7:AIAA96-3630.

[2] 程 扬,扬 涤,崔祜涛.无陀螺飞行器姿态和角速

度确定[J].飞行力学,2001,19(2):34-37.

[3] JLCrassidis,FLMarkley.PredictiveFilteringforAt-

(上接第6页)

[12] 中华人民共和国海事局.水上交通事故调查报告集

[Z].1995,1996,1997,1998,1999,2000,2001.

[13] MarineAccidentInvestigationBranch,UK.http://

www.dft.gov.uk/reports/pdf

[14] TheTransportationSafetyBoardofCanada.http://

www.tsb.gc.ca/en/reports/marine/

[15] AustralianTransportSafetyBureau.

atsb.gov.au/marine/incident/index.

[16] NationalTransportationSafetyBoardofUnitedStates.

http://www.ntsb.gov/publication/

http://www.

[17] UnitedStatesCoastGuard.http://www.uscg.mil/hg/

g-m/moa/collisions.htm

[18] TransportationAccident

InvestigationCommission,

http://www.taic.org.nz/marine/index.html

[19] SchroderJU,ZadeG.Theimpactofmarinecasualty

investigationonmaritimeadministrationandmaritimee-ducationandtraining[C].WorldMaritimeUniversity,Malmo,Sweden,2002.

[20] WhalleyS.Modelinghumanerrors[Z].In:Wegemt,

1993,1(9):1-23.Lisbon:aEuropeanassociationofu-niversitiesinmarinetechnology.

2004年第2期文章编号:1000-4653(2004)02-0001-06

中 国 航 海

No.2Jun.2004基于船舶碰撞事故调查报告的人的因素数据挖掘

刘正江, 吴兆麟

(大连海事大学,辽宁大连116026)

摘 要:船舶碰撞事故发生率居高不下与人为失误有关,而人为失误的发生又受到包括个人因素、环境因素、船舶因素以及组织因素的影响。根据一般的事故统计数据能够初步识别出引发碰撞的人为失误行为,但要进一步建立影响因素与人为失误之间的对应关系却一直是令研究人员困惑的事情。一方面是因为缺少数据,另一方面是缺少方法。我们在收集100个碰撞事故调查报告的基础上,利用数据挖掘技术中的关联规则对人为失误与其影响因素之间的关系进行了挖掘,初步确定了船舶避碰过程中人为失误与引发因素之间的对应关系。关键词:水路运输;船舶碰撞;研究;数据挖掘;人的因素;关联规则中图分类号:U676.1 文献标识码:A

DataMiningtoHumanFactorsBasedonShipCollisionAccidentSurveyReports

LIUZheng-jiang, WUZhao-lin

(DalianMaritimeUniversity,Dalian116026,China)

Abstract:Thehumanactionoffaultinshipcollisioncouldbeidentifiedroughlybyaccidentstatistics.Thedifficultyre-searchworkersfacepresentlyistosetuptherelationshipbetweenthehumanfaultanditsinfluencingfactorsduetothelackofsufficientdataandapproaches.Inthispaper,basedonthedatacollectedfrom100accidentsurveyreports,theas-sociationrulesofdataminingtechniqueisappliedtoestablishtherelationshipbetweenthehumanfaultanditsinfluencingfactors.Theresultsindicatethatthisapproachisfeasible.

Keywords:Waterwaytransportation;Shipcollision;Study;Datamining;Humanfactor;Associationrules

船舶碰撞是各类水上交通事故中最易受到人的因素影响的一类事故。研究表明,船舶碰撞事故涉及人的因素的比率远远高于其他种类的水上交通事故,超过90%的船舶碰撞与人的因素有关[1],其中60%与人的因素有直接关系,其余30%与人的因素有间接关系

[2]

来说明避碰中的人为失误及其影响因素的关系,其可行性还需要进一步论证[5]。

我们在分析现有船舶碰撞事故书面调查报告的基础上,收集了人的因素的数据和信息,进而利用数据挖掘技术中的关联规则,确立了船舶避碰中人为失误与影响因素之间的关系。结果表明,利用书面事故报告和数据挖掘技术确定人为失误与影响因素之间的关系是可行的。

。根据这些研究结果,避免或减少碰

撞事故的关键是减少人在船舶避碰中的失误即不安全行为,而减少人为失误的关键又在于减少或改善影响人的行为的因素。因而确定人为失误与影响因素之间的关系就成为迫切需要进行研究的课题。

识别船舶避碰中的人的因素特别是引起人为失误的因素因缺乏可靠数据和有效方法而显得困难重重。虽然许多学者在人的个性对人的避碰行为的影响方面做过不少研究[3,4],也识别出不少人在避碰中的习惯行为,对研究人的因素起到了推动作用,但仅靠这些还不足以搞清不安全行为与影响因素之间的影响关系。而借用其他行业的人的因素研究数据

收稿日期:2004-02-25

1 基于事故书面报告数据挖掘(Data

Mining)的基本原理

1.1 数据挖掘的概念与应用

数据挖掘本来是人工智能、机器学习和数据库技术相结合的产物,是一种从数据库中大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的技术。这一技术是随着数据的爆

作者简介:刘正江(1959-),男,江苏如皋人,教授,主要从事船舶操纵、避碰以及海事安全方面的研究。

炸性增长与知识贫乏的矛盾的产生而发展起来的。其目的是要从数据库的海量数据中发现隐含的、有意义的知识以此来支持管理和决策。由这一定义,数据挖掘的对象似乎就是数据库。但广义地讲,数据挖掘是在一些事实或观察的集合中寻找模式的决策支持,由此定义,数据挖掘的对象将扩展到数据库之外的数据集合,包括文件系统等。

数据挖掘是一项正在兴起的人工智能技术与数据库技术相结合的技术,尚处于完善和发展之中,不过,目前已经在许多行业得到迅速应用。在船舶交通和人的因素研究领域不少学者也对该技术的应用进行了研究[7]。

数据挖掘的任务视客户要求而定,包括对数据的约简、分类、聚类等,因本研究的主要目的是发现人在避碰过程中的失误行为与周围影响因素之间的关系,所以挖掘任务是发现人的失误行为与影响因素之间的关联规则。不过,狭义的关联规则的发现主要是从事务数据中去寻找。我们借用该法,从碰撞事故调查报告中发现人为失误与影响因素之间的关联规则。1.2 关联分析

关联分析,即利用关联规则进行数据挖掘。关联规则是指几种事物之间存在的因果关系。例如在船舶碰撞事故中,了望不当和疲劳之间的相关性就是一种关联规则。关联分析的目的是挖掘隐藏在数据间的相互关系,它能发现数据库中形如/90%的碰撞中,当了望不当时,值班人员总是处于疲劳状态0之类的知识。关联规则挖掘的形式是这样描述的[13]:

设I={i1,i2,,,im}是二进制文字的集合,其中的元素称为项(item)。给定1个事故数据库D,其中每1个事故T是I中1组因素的集合,即TII。对应每1个事故有唯一的标识,即事故号,记做TID。设X是1个I中项的集合,如果XIT,那么称事故T含X。

关联规则是形如AyB的蕴涵式,这里AII,BII,且AHB=5。如果D中c%的包含A的事故同时包含B,则关联规则AyB在D中可信度c成立。如果D中s%的事故包含AGB,则关联规则AyB在D中具有支持度s。c是包含A项集的前提下包含B项集的条件概率P(B|A),s是D中事故包含AGB的百分比,即概率P(AGB),其表达式如下:

s(AyB)=P(AGB)=count(D)

1[6]

c(AyB)=P(BÞA)=

count(A)

(2)

如果将关联规则表示为矩阵形式,每1行表示每一碰撞事故所涉及的人为因素,每1列为同一人为因素在各事故中出现的情况。

在进行关联分析时,分析人员需要输入2个参数,即最小可信度阈值(cmin)和最小支持度阈值(smin)。关联分析就是生成所有具有分析人员指定的最小可信度和最小支持度的关联规则。

表1 各参数的含义及计算公式

参数名称可信度(c)

描述

在因素项A出现的前提下,B出现的概率因素项A和B同时出现的概率

公式P(B|A)

支持度(s)P(BGA)

1.3 利用碰撞事故报告收集和挖掘人的因素数据

的步骤

用数据挖掘技术从海事调查书面报告中挖掘人的因素数据前有大量的准备工作要做,其步骤如图1所示。

图1 数据收集与挖掘步骤

定义问题:熟悉应用领域背景,明确任务要求。本研究的任务是挖掘船舶碰撞中人的因素的相关数据并发现操船人员的失误行为与影响因素之间的关系。

获取相关数据:根据需要,提取相关的数据、资料。这一步主要是收集和选择船舶碰撞事故调查报告。

数据预处理:把需要挖掘的数据整理成适合挖掘的标准格式,对丢失的数据进行填补。这一步主要是建立合适的人的因素分类模型,以便于信息的收集。

数据挖掘:选择合适的挖掘技术和工具对数据

进行处理,从而发现规则、模式和趋势;本研究选择了关联分析技术,用于发现人的失误与影响因素之间的关系。

解释结果:将发现的规则、模式用易于理解的方式表达出来。本研究以列表的方式给出了发现结果,说明了不安全行为与影响因素之间的关系。知识运用:将获得的知识用于解决最初提出的问题。

和影响失误行为的因素。参照国内外学者的研究结果,并经过统计分析和人的因素的初步识别,初步将人为失误即不安全行为分为12种,包括了望不当、雷达使用不当、信号显示不当、船舶定位失误、航线计划不当、决策失误、违反规则、未运用良好船艺、未使用安全航速、避让行动迟误、通信交流不良以及船舶操纵不当;将影响这些失误行为的因素分为个人因素、组织管理因素、船舶因素、自然环境因素等4类,每一类中又包括若干种具体因素,如自然环境因素包括天气、能见度、限制水域、潮流、通航密度、背景灯光等,具体影响因素共有30项,如表2所示。

[8,9,10,11]

2 人的因素分类

在从事故报告中收集数据之前,必须建立人的因素的分类,以作为存储数据及分析的基础。

在本研究中,将人为因素分类为人的失误行为

表2 船舶避碰中人的因素分类

感知阶段了望不当

人为失误

未准确定位通信联络失误

错误使用雷达、ARPA等号灯号型显示不当

身体因素

个人因素

感官局限:视觉、听觉、嗅觉、触觉方面的局限

组织因素内部环境外部环境

生理因素疲劳健康状况酒精与药物

心理因素注意力 工作负荷精神状态 交流能力信息处理能力 个性知识、经验与培训

社会心理因素社会压力船员间关系家庭压力

决策阶段决策失误航线计划不当未遵守规则未运用良好船艺

行动阶段未及时采取行动船舶操纵不当未采取安全航速未发出(正确)操纵信号

配员 劳资关系 商业压力 监督 安全文化

设备布置 信息显示 维护 自动化程度 书面信息 噪音与震动 船舶运动

天气 能见度

潮流 航道 交通流 时间 背景灯光

3 碰撞事故书面调查报告来源

3.1 事故书面报告的来源

为了保证获取数据的可靠、全面,并且便于进行分析,我们从国际互联网精选了100份世界主要海

运国家海事调查机构对1993年至2002年10年间发生在本国水域或本国籍船舶的船舶碰撞事故的调查报告进行分析。报告来源如表3所示。

事故调查报告的选取遵循了以下原则:

完整性:书面报告必须符合一定的格式,内容完整,事实表述清楚,分析有序,包括对人的因素的分析;

权威性:事故报告必须是国家授权的海事调查机构或者海事管理机构发布的,对当事船任何一方不存在偏见;

随机性:选择事故报告时除遵循上述2项原则外[12-18]

引人员情况、船舶所属公司和国籍等因素,以保证所

发现的人的失误与影响因素之间的关联关系不受报告选择的影响。

3.2 书面事故调查报告信息质量分析

由于调查人员的背景和能力的差异,调查目的与要求的不同,在应用从各国发布的事故调查报告中挖掘的人的因素数据之前,应当对数据来源-事故报告进行质量分析。

3.2.1 书面事故报告所含内容比较

表4给出了各调研机构所颁布事故报告中有关人的因素内容的比较。显见,虽然各国颁布的事故报告在格式、所含内容上大致相近,但在分析的深度等方面还是有差别的。比较而言,英国、美国、加拿大等国海事调查机构颁布的事故调查报告内容翔实,分析深入,信息较为齐全。因而,这些国家的报告中的信息可信度相对要高一些。但各国报告对当

表3 船舶碰撞事故调查报告来源

1993

中国MAIBTSBATSBUSCGNTSBTAICSHK合计

--3-2---5

1994--411---6

19952-42----8

19961-27--1-11

19972-13-1--7

19983-32-2-111

199913-11-1--16

200097-2----18

200175-1--1-14

2002-2---11-4

合计[**************]

注:MAIB-英国海事调查委员会;TSB-加拿大运输安全委员会;ATSB-澳大利亚运输安全委员会;USCG-美国海岸警备队;NTSB-美国国家运输安全委员会;TAIC-新西兰交通事故调查委员会;SHK-瑞典海事调查委员会

各国事故调查报告内容、格式不一致的原因是:调查和报告标准不统一;调查的目的不一致;调查人员本身的背景和兴趣不一;有些调查未能及时进行;事故数据未能确切记录。3.2.2 可靠的数据

报告内容分析范围船员背景船员个性健康状况工作状况酒精药物船舶管理公司管理法令法规

中国限于船舶简介无一般无介绍少不查可推定可推定介绍少

MAIB多方位详介无有介绍有调查有介绍有介绍有调查有条文

TSB多方位详介无有调查有调查有调查有介绍有调查有介绍

ATSB多方位简介无一般无有调查有调查可推定可推定有介绍

报告中有关船舶概况、船员的一般自然情况、船舶碰撞的地点和时间、发生碰撞时的船舶速度、碰撞时的自然环境包括风、浪、流等的数据和信息主要是一些客观数据,一般不含人为误差,因而可以认为是可靠的。

表4 船舶碰撞事故书面报告关于人的因素的内容比较

USCG多方位详介无有调查有调查测试可推定有介绍有介绍

NTSB多方位详介无有调查有调查测试有介绍有调查有介绍

TAIC多方位详介无简介简介可推定可推定可推定有介绍

SHK多方位简介无简介可推定简介可推定可推定介绍少

含地方法规团队精神分析疲劳备注人船管理分析人因

3.2.3 不完全可靠的数据

从各国事故调查报告的比较可以看出,一些经调查人员去调查、分析后通过报告给出的涉及人的信息和数据具有一定的主观性,并不完全可靠。这些数据和信息存在的问题与Schroder[19]研究得到的情况类似,如,有些信息完全没有提及,有些则不完善、不深入。这些问题与调查人员的知识、能力、背景有关。

首先从100个碰撞事故中收集人为失误数据和

影响因素数据,建立一个事故数据库D。该事故库中有100件事故,即count(D)=100,对应每一事故有唯一的标识,即事故号,记为TID,TID为1,2,,,100。设二进制文字集合I={i1,i2,,,im},由于我们已经将人为失误(不安全行为)分为12种,将影响因素细分为30种,所以这里m=42。事故库D中每1个事故T是I中1组因素的集合,即TII。设A、B是I中项的集合,A是人的失误行为的集合,B是影响人的失误行为的因素的集合,如果AIT,BIT那么称事故T含A、B。

4 人为失误与影响因素关系的挖掘结

果

4.1 关系挖掘

表5 船舶避碰过程中人的失误的影响因素(smin\20%,cmin\30%)

人的失误了望不当

影响因素知识经验培训限制水域组织与监督注意力信息处理能力

配员能见度不良通航密度设备布置

信号显示不当

知识经验培训限制水域组织与监督

雷达使用不当

知识经验培训限制水域(组织与监督)(注意力)(设备布置)

航线计划不当

(限制水域)(经验与培训)(组织与监督)(书面信息)

定位失误

(限制水域)(信息处理能力)(知识经验培训)(组织与监督)(能见度)

避碰决策失误

限制水域信息处理能力组织与监督注意力知识经验培训

配员通航密度能见度设备布置

smin(%)[***********]3027242220(19)(17)(16)(15)(12)(12)(9)(9)(7)(6)(6)(6)[***********]

cmin(%)[***********][***********][***********][**************]1

船舶操纵不当通信交流不良避让行动迟缓未使用安全航速未运用良好船艺

限制水域(组织与监督)(知识经验培训)知识经验培训组织与监督限制水域能见度(通航密度)组织与监督限制水域知识经验培训

注意力限制水域知识经验与培训组织与监督注意力(信息处理能力)限制水域知识经验培训组织与监督注意力信息处理能力

能见度(通航密度)(设备布置)(配员)

21(18)(19)33343022(16)[**************]1(19)[1**********]1(19)(18)(18)

8472(26)[***********][***********]3131(28)(27)(27)

人的失误违反规则

影响因素限制水域组织与监督注意力知识经验培训

配员(通航密度)(信息处理能力)

smin(%)3836257525(18)37

cmin(%)[1**********]5(19)

注:括号中的因素为达不到阈值标准但接近阈值的项

本研究要挖掘的是人的失误行为与影响因素之间的关系,即关联规则AyB的可信度和支持度,所以可利用式(1)、式(2)进行计算。在实际计算中,将集合A分解为A1,A2,,,A12,B分解为B1,

B2,,,B30,则12种人的失误行为与30种影响因素之间的关联规则挖掘可由式(3)、式(4)计算:s(AiyBj)=P(AiGBj)=

s-count(AiGBj)

count(D)

i=1,2,,,12;j=1,2,,,30

c(AiyBj)=P(BjÞAi)=

报告的格式和内容不统一,事故报告质量受调查人员本身能力和经验的影响等。为从事故调查中获取更完善的人的因素信息和数据,除了提高挖掘技术外,也应当改进碰撞事故报告的质量。

表6 影响人的不安全行为的主要因素

受影响的

影响因素

不安全行为数量

知识经验培训限制水域组织与监督注意力信息处理能力

9(3)10(2)8(4)6(1)3(3)

能见度不良配员通航密度设备布置书面信息影响因素

受影响的不安全行为数量4(1)3(1)2(3)2(2)(1)

s-count(AiGBj)

count(Ai)

(4)

i=1,2,,,12;j=1,2,,,30

由式(3)、式(4)可以挖掘出的船舶碰撞中人的失误行为与引发这些失误行为的人、船、环境等因素的关联关系。只要设定支持度与可置信度的阈值,即可确定引发船舶碰撞的人的失误行为背后的影响因素,这种影响因素也可以称为行为成形因子(Perfor-manceShapingFactors,PSFs)

[20]

。

4.2 挖掘结果

根据数据挖掘的关联规则,我们将从100个船舶碰撞事故书面调查报告中获取的人的因素数据进行了关联分析,并设定支持度的阈值为20%,置信度的阈值为30%,结果如表5所示。

在表5中,给出了船舶碰撞中人的失误行为与引发这些不安全行为的人、船、环境等因素的关系。显然,支持度与置信度的阈值的设定非常关键,阈值越高,保留的因素越少。以了望不当为例。如果将置信度和支持度的阈值都确定为50%,那么与了望不当有关联的因素有:经验与培训,组织与监督以及限制水域等。如果将支持度的阈值降为20%,置信度的阈值降为30%,那么影响因素清单中会增加注意力、信息处理能力、配员、设备布置、能见度以及通航密度等。

从表5中可以看到,一种不安全行为可能同时受到多种因素的影响,同一种因素也可能对多种不安全行为有影响。表2中人的因素分类模型所给的30种影响因素经关联阈值限制后,还有10种因素存在,也就是说这10种因素的影响最大。其中,涉及到个人的因素有:知识经验与培训、注意力、信息处理能力;涉及到管理因素的有:组织与监督、配员;涉及到船舶因素的有:设备布置、书面信息;涉及到的外界因素的有:限制水域、能见度、通航密度等。主要影响因素如表6所示。

参考文献

[1] DepartmentofTransport,UK.TheHumanelementin

shippingcasualties[R].London:HMSO,1991.

[2] KuoC.Managingshipsafety[M].London:LLPRef-erencePublishing,1998.

[3] 孙立成.人的个性与避碰行为关系的统计分析[J].

大连海事大学学报,1997,23(1):41-45.

[4] CurtisRG.DeterminationofMariners.ReactionTimes

[J].JournalofNavigation,1980,31:409-417.

[5] FaganL.Improvingthequalityofinformationinthe

Marinetransportationsystem:Anexerciseinriskreduc-tion[D].Http://students.washington.edu/lfagan/complete.html/.1999.

[6] 陈文伟,黄金才,赵新昱.数据挖掘技术[M].北京:

北京工业大学出版社,2002.

[7] 熊锡龙.灰色数据挖掘及其在船舶避碰中的应用[J].

武汉理工大学学报(交通科学与工程版),2002,26(6):758-760.

[8] MooreWH,BeaRG.Managementofhumanerrorsin

operationofmarinesystems[R].Berkeley,CA:Un-iversityofCaliforniaatBerkeley,1993.

[9] LandsburgAC,FergusonSJ,PillsburyC,Ellingstad

V.Accidentcausation-basedhumanfactorstaxonomy[J].BIMCOBULLETIN,1999,94(1):20-25.

[10] InternationalMaritimeOrganization.Amendmentsto

thecodefortheinvestigationofmarinecasualtiesandin-cidents(ResolutionA.849(20))(ResolutionA.884(21))[Z].London:Author,2000.

[11] RothblumAM,etal.Humanfactorsinincidentinves-tigationandanalysis[C].2ndinternationalworkshoponhumanfactorsinoffshoreoperations(HFW2002).Houston,Texas,2002.

(5 结 语

研究表明,船舶碰撞事故书面报告是一种研究事故中人为失误的有效资源,利用数据挖掘技术中的关联规则,可以发现事故中人的行为与影响因素之间的关系,从而为减少人的失误、提高海上安全水

titudeEstimationwithoutRataSensors[J].JournalofGuidance,Control,andDynamics,1997,20(3):522-527.

各姿态角误差及姿态速率误差的标准差如表1所示,从中可以看出,姿态估计值的精度比直接计算值的精度要高出1倍。而且,本方法可以同步给出原来无法提供的姿态速率信息。

表1 估计误差的标准差(R)

误差项偏航角(b)横滚角(b)俯仰角(b)偏航角速率(b/s)横滚角速率(b/s)俯仰角速率(b/s)

计算值0.76070.40450.4094---估计值0.47880.15990.15942.66181.51790.8796

[4] YOshman,FLMarkley.SequentialGyrolessAttitude

andAttitude-RateEstimationfromVectorObservations[J].ActaAstronautical,2000,46(7):449-463.

[5] MJCaruso.ApplicationofMagnetoresistiveSensorsin

NavigationSystems[J].SensorsandActuators,1997,SAESP-1220:15-21.

[6] 张学孚,陆怡良.磁通门技术[M].北京:国防工业

出版社,1995.

[7] MJCaruso.ApplicationsofMagneticSensorsforLow

CostCompassSystems[EB/OL].http://www.ssec.honeywell.com/magnetic/datasheets/lowcost.pdf.

[8] SJJulier,JKUhlmann,HFDurrant-Whyte.ANew

ApproachforFilteringNonlinearSystems[A].Proceed-ingsofthe1995AmericanControlConference[C],Seattle,WA,1995,3:1628-1632.

[9] SJJulier,JKUhlmann.ANewExtensionofthe

KalmanFiltertoNonlinearSystems[A].TheProceed-ingsofAeroSense:The11thInternationalSymposiumonAerospace/DefenseSensing,SimulationandControls[C],SPIE,OrlandoFL,USA,1997,182-193.

[10] SJJulier,JKUhlmann,HFDurrant-Whyte.ANew

MethodfortheNonlinearTransformationofMeansandCovariancesinFiltersandEstimators[J].IEEETrans-actionsonAutomaticControl,2000,45(3):477-482.

[11] SimonHaykin.KalmanFilteringandNeuralNetworks

[M].Wiley,2001.

[12] AHuster,SMRock.RelativePositionSensingbyFus-ingMonocularVisionandInertialRateSensors[A].ProceedingsofICAR2003The11thInternationalCon-ferenceonAdvancedRobotics[C].Coimbra,Portugal,2003,(6,7):1562-1567.

5 结 语

根据捷联式电子罗盘的自身观测能力,提出了一种同时对全姿态及姿态速率进行优化估计的方法。基于UKF的递推估计算法避免了对非线性观测方程的线性化。仿真结果表明,姿态估计精度比

目前捷联式电子罗盘中采用的直接计算方法提高1倍,同时,还可以同步完成对姿态速率的估计。该方法可以直接扩展捷联式电子罗盘的功能并明显提高其测量精度。

参

考

文

献

[1] MChalla,GNatanson,CWheeler.SimultaneousDe-terminationofSpacecraftAttitudeandRatesUsingonlyaMagnetometer[A].ProceedingsoftheAIAA/AASAstrodynamicsSpecialistConference[C].SanDiego,CA,1996,7:AIAA96-3630.

[2] 程 扬,扬 涤,崔祜涛.无陀螺飞行器姿态和角速

度确定[J].飞行力学,2001,19(2):34-37.

[3] JLCrassidis,FLMarkley.PredictiveFilteringforAt-

(上接第6页)

[12] 中华人民共和国海事局.水上交通事故调查报告集

[Z].1995,1996,1997,1998,1999,2000,2001.

[13] MarineAccidentInvestigationBranch,UK.http://

www.dft.gov.uk/reports/pdf

[14] TheTransportationSafetyBoardofCanada.http://

www.tsb.gc.ca/en/reports/marine/

[15] AustralianTransportSafetyBureau.

atsb.gov.au/marine/incident/index.

[16] NationalTransportationSafetyBoardofUnitedStates.

http://www.ntsb.gov/publication/

http://www.

[17] UnitedStatesCoastGuard.http://www.uscg.mil/hg/

g-m/moa/collisions.htm

[18] TransportationAccident

InvestigationCommission,

http://www.taic.org.nz/marine/index.html

[19] SchroderJU,ZadeG.Theimpactofmarinecasualty

investigationonmaritimeadministrationandmaritimee-ducationandtraining[C].WorldMaritimeUniversity,Malmo,Sweden,2002.

[20] WhalleyS.Modelinghumanerrors[Z].In:Wegemt,

1993,1(9):1-23.Lisbon:aEuropeanassociationofu-niversitiesinmarinetechnology.