0 引　言

进入2024年，全球各地武装冲突严重影响着海运业发展，根据《安联保险2023年度海洋运输风险报告》海运物流占据全球90%的运力。从航运市场角度看，紧张造就了稀缺和价值，港口间竞争激烈，提升码头泊位使用率、船舶运输效率成为航运市场的热点话题。随着疫情后经济复苏，各大港口纷纷扩建码头、开通夜航来提升港口使用效率，进而提升港区经济效益。其中，夜间靠离泊作业较白天相比增加一定风险，且伴随造船业发展，总长大于250 m、吨位大于100000 t的超大型船舶日益增多，船舶大型化提高了对船员、引航员的专业技能要求，风险隐患增加。因此，准确掌握大型船舶夜间靠离泊阶段风险状况对保障船舶运输安全具有重要意义，有必要对该问题开展研究。

关忠河等^[1]通过熵权物元模型对上海港大型船舶进出上海港航行进行了风险分析；王建明等^[2]运用D-S证据理论对天津港超大型船舶引航风险进行了分析与评价；朱金善等^{[3 − 4]}对航道水域船舶夜航进行了风险分析与评价，着重探讨了夜间光照环境因素的影响。Diakoulaki等^[5]率先提出了CRITIC法，该方法是根据数据的波动性及数据间相关关系来确定指标客观权重的，用于已知样本数据的评价模型；郭亚军等^[6]以层次分析法为基础进行改进，提出了一种主观权重处理方法SERENA法，该方法解决了层次分析法一致性检验计算量大、存在盲目性的问题。

可知，以往靠离泊研究对夜间潜在风险针对性较差，夜航研究对大型船舶的针对性不强；在面对难以量化、数据难以收集、系数难以确定的指标多采用专家打分的方式计算处理，评价结果存在主观性较强的问题。为解决上述问题，更好地保障码头大型船舶夜间靠离泊作业安全性，推动船舶运输安全发展，进一步完善相关问题测评模型与指标体系，本文通过开展大型船舶夜间靠离泊仿真模拟试验构建样本数据集，同时使专家打分更加真实准确，减轻人为经验判断的主观性，结合大型船舶特征及夜间靠离泊特点，使用改进CRITIC-SERENA-FCE法对大型船舶夜间靠离泊阶段风险因素进行分析并作出定量评价。

1 研究方法 1.1 CRITIC法

CRITIC法^[5]依靠计算各项指标数据的变异性、冲突性来体现出指标有效程度。设各项指标样本数据集为i×j的矩阵A。

$ {\boldsymbol A}{\text{ = }}\left( {\begin{array}{*{20}{c}} {{a_{11}}}& \ldots &{{a_{1j}}} \\ \vdots & \ddots & \vdots \\ {{a_{i1}}}& \cdots &{{a_{ij}}} \end{array}} \right)。$

(1)

式中：a为指标样本数据值；i为指标数量；j为单一指标样本数据数量。

由于各指标单位不统一，需对数据进行无量纲化处理，将数据归一至 (0,1] 区间内。正向指标与逆向指标处理方法不同，如下式：

$ \left \{\begin{split} &{A}_{ij}=\displaystyle\frac{{a}_{j}-{a}_{\mathrm{min}}}{{a}_{\mathrm{max}}-{a}_{\mathrm{min}}}&正向指标，\\ &{A}_{ij}=\displaystyle\frac{{a}_{\mathrm{max}}-{a}_{j}}{{a}_{\mathrm{max}}-{a}_{\mathrm{min}}}&负向指标。\end{split}\right. $

(2)

式中：A_ij为第i个指标的样本数据集；a_j为第i指标样本数据中第j个数值。

1）指标的变异性

通过计算数据标准差来体现指标变异性，数据变异性越大，反映信息越多，则给予较大权重。第i个指标的变异性计算公式为：

$ {\sigma _i} = \sqrt {\frac{1}{n}\sum\limits_{j = 1}^n {\left( {{a_j} - {{\overline a }_j}} \right)} }。$

(3)

式中：σ_i为指标的变异性系数；n为a_j的个数（即某一指标样本数据个数）。

2）指标的冲突性

指标间的相关系数越大，其冲突性就越小，反映信息越少，即赋予较小权重。计算公式为：

$ {s_i} = \sum\limits_{i = 1}^n {\left( {1 - {r_{ik}}} \right)} 。$

(4)

式中：s_i为指标的冲突性系数；r_ik为第i个指标与第k个指标的相关系数。

3）指标的信息量

第i个指标的信息量c_i计算式为：

$ {c_i} = {\sigma _i} \times {s_i}。$

(5)

4）CRITIC法权重计算

指标权重计算公式为：

$ {w_{{\text{c}}i}} = \frac{{{c_i}}}{{\displaystyle\sum\limits_{i = 1}^n { \times {c_i}} }} 。$

(6)

式中，w_ci为CRITIC法权重。

1.2 SERENA法

SERENA法^[6]的原理是依据业内专家对各指标因素进行重要性排序，并通过确定指标的重要程度比的方式，来得出权重系数。

1）指标的重要性排序

设指标集为A={a₁,a₂,…,a_n}，a为各个指标，选出最重要的指标a_i，随后选取余下最重要的指标a_k，构成重要性程度排序a_i*>a_k*（i,k∈1,2,…,n），同理指标重要性程度自高至低排序：a₁*>a₂*>…>a_n*。

2）指标的重要程度比

排序完成后，对相邻指标a_i-1*>a_i*的重要程度比b_i（i=1,2,…,n-1）进行赋分，计算公式为：

$ {b_i} = \frac{{{w_{{\text{s}}i - 1}}}}{{{w_{{\text{s}}i}}}}。$

(7)

式中：w_si为第i个指标SERENA法权重；b_i为第i个指标与前一指标重要程度比值。b_i表示的不同打分含义如表1所示。

3）SERENA法权重计算式为：

$ {w_{{{s}}i}} = \frac{1}{{1 + \displaystyle\sum\limits_{m = 2}^n {\displaystyle\prod\limits_{i = m}^n {{b_i}} } }}。$

(8)

式中：m为两相邻指标重要程度比的个数。

当得出指标权重w_si后，通过两相邻指标重要程度比b_i和式(8)即可得到第i-1个指标的权重w_si-1的数值。

$ {w_{{\text{s}}i - 1}} = {b_i} \times {w_{{\text{s}}i}}。$

(9)

1.3 组合权重法

使用组合赋权法确定各指标最终权重的优势在于可以充分利用已掌握客观数据，一定程度上弥补了使用博弈论组合赋权时系数难以计算的问题。组合权重的计算式为：

$ {W_i} = \frac{{{w_{ci}} \times {w_{si}}}}{{\displaystyle\sum\limits_{i = 1}^n {{w_{ci}} \times {w_{si}}} }}。$

(10)

式中：W_i为第i个指标组合权重；w_ci为CRITIC法得出的权重；w_si为SERENA法得出的权重。

1.4 模糊综合评价法

设指标集为A={a₁,a₂,…,a_n}；指标权重集为W={w₁,w₂,…,w_n}。a为各个指标；w表示各个指标权重；n为指标的个数。

1）评价等级划分

首先对指标的评价等级进行划分，本文划分F={f₁,f₂,f₃,f_4,f₅}，f表示对指标评价等级的赋值F∈[1,5]，其含义为{低风险,风险较低,中等风险,风险较高,高风险}。

2）指标评价

现对第i指标进行评价举例，评价结果用模糊数学中隶属度的概念进行描述，通过统计评价等级出现的频次进行，计算公式如下：

$ {{\boldsymbol r}_{ij}} = \frac{{{{\boldsymbol m}_j}}}{{{{\boldsymbol M}_j}}}。$

(11)

式中：i为第i个指标（i∈n）；j为评价等级；M为评价的总数；m为选择第j评价等级的数量；r_ij为第i指标在第j评价等级的隶属度。得到第i个指标的模糊评价隶属度集合R_i={r_i1,r_i2,r_i3,r_i4,r_i5}，同理对余下n个指标进行评价得到模糊评价矩阵R，即确定了从指标集合A到评价集合F的模糊关系R。

$ {\boldsymbol R} = \left( {\begin{array}{*{20}{c}} {{r_{11}}}& \ldots &{{r_{15}}} \\ \vdots & \ddots & \vdots \\ {{r_{n1}}}& \cdots &{{r_{n5}}} \end{array}} \right)。$

(12)

3）综合评价计算

将指标权重W与模糊评价隶属度R相乘，可得评价对象在各评价等级的隶属度S，计算公式如下：

$\begin{split} {\boldsymbol S} =& {\boldsymbol W} \times {\boldsymbol R} = ({w_1},{w_2},...{w_n})\left( {\begin{array}{*{20}{c}} {{r_{11}}}& \ldots &{{r_{15}}} \\ \vdots & \ddots & \vdots \\ {{r_{n1}}}& \cdots &{{r_{n5}}} \end{array}} \right) =\\ &({s_1},{s_2},{s_3},{s_4},{s_5}) 。\end{split}$

(13)

将隶属度S与评价集F={f₁,f₂,f₃,f₄,f₅}代入式(12)运算得评价对象的总体得分数值E，根据得分数值所处区间给出总体评语，式中F^T为F的转置。

$ {\boldsymbol E} = {\boldsymbol S} \times {{\boldsymbol F}^{\text T}}。$

(14)

2 大型船舶夜间靠离泊风险指标体系 2.1 建立指标体系的基本原则

大型船舶夜间靠离泊安全评价属于一个较复杂的系统，其包含主观、客观部分。为建立科学、合理的评价体系，评价指标选取遵循系统性、科学性、目的性、可行性、独立性、定性定量结合原则。

2.2 大型船舶夜间靠离泊风险因素分析

1）夜间人为因素

夜班驾驶员较白天更易受生理节律影响，出现生理疲劳，反应迟钝、视距受限、多灯标情况易产生错觉。受工作环境影响，码头照明、驾驶台仪器屏幕等明暗变化频繁，加剧人眼视觉疲劳，易导致对船舶状态判断失误，进而增加风险。

2）船舶因素

船舶尺度、排水量越大，则船舶惯性越大、操纵越不灵活；构成大型船舶的子系统复杂繁多，故障发生的可能性增大；船龄较大时往往设备状况、结构强度较差。

3）自然条件

大多满载情况下船舶进出港受限港口水深影响，需乘潮进出，此时涨潮、落潮的流向极大地影响船舶舵效。尤其在满载顺流航行时舵效变差，外加浅水效应影响，船舶操纵性下降，船舶应舵迟钝，增加了靠离泊的潜在风险。

4）港口条件

船舶在港区附近夜航时，岸边灯光对船舶的安全航行影响较大，尤其照明灯光较强烈的码头，严重影响着船舶驾驶员对号灯的辨识，进而对船舶航行态势出现误判以造成紧张局面^[3]。但港区内较广阔的水域可以为船舶旋回、制动提供安全余量。对于有拖轮协助的满载大型船舶，通常安全制动距离约为4~5倍船长，掉头需要2倍船长为直径的水域^[7]。

5）管理因素

船舶夜间进出港区及港内航行时，离不开助航标志（灯船、灯塔、灯浮）的指引，当助航标志移位、故障、配备不完善的情况时，将影响船舶夜航的安全性。对于繁忙拥挤的港区，船舶航行密集，出现小船横越船头的情况较多，频繁避让操作会增加事故发生的概率；良好的海事监管对保障船舶安全运输具有重要作用。

2.3 建立大型船舶夜间靠离泊风险指标体系

通过咨询引航员、船长、大副及海事局专家的意见，以“人-船-环境-管理”为理论基础，将影响大型船舶夜间靠离泊安全的因素分成2个层次，共计5个一级指标16个二级指标。指标体系如表2所示。

3 黄骅港大型船舶夜间靠离泊风险评价 3.1 黄骅港夜间靠离泊仿真模拟试验

结合黄骅港区矿石码头实际情况建模，并设置进出港气象水文条件，聘请航海经验丰富的引航员、船长、大副使用“V.Dragon-5000 A”型航海模拟器开展船舶操纵模拟试验。该矿石码头设计船型为200000 DWT散货船，结构按250000 DWT散货船设计，根据港区特点兼顾了其他船型。在试验中按船长312 m；船宽50 m；型深25.5 m；满载吃水18.5 m、排水量230167.7 m³设计，总共进行16种不同试验场景，如表3所示。

试验情境下船舶航行轨迹如图1所示。

相比仅使用收集的实际数据，开展船舶操纵模拟试验以构建出的实际+模拟组合数据集丰富了恶劣天气情况下的靠离泊数据，经计算数据构成燕尾突变型，符合互补原则，数据集整体更加丰富全面，计算权重时更加准确，同时弥补了部分数据难以收集的问题。通过邀请专家参与试验的方式，可以减少专家评价打分的盲目性，使评价结果更加准确可靠。

3.2 各指标评价标准

通过查阅相关研究文献、调研黄骅港现状，并结合专家讨论的结果，本文使用的大型船舶夜间靠离泊风险指标体系中指标的隶属度评价等级划分如表4所示。

3.3 黄骅港大型船舶夜间靠离泊风险综合定量评价

1）CRITIC法权重计算

大型船舶夜间靠离泊风险测评指标体系有5个一级指标和16个二级指标，先将风险评价数据集中的数据按式(1)进行无量纲化处理后，代入式(2)、式(3)计算，得到各项指标的变异性σ_i、冲突性s_i，相乘得出各指标信息量c_i，代入式(5)得到二级指标权重。

2）SERENA法权重计算

由于评价指标体系中二级指标众多，一次性对16个指标重要程度排序较为困难，先将5个一级指标排序得B₁>B₃>B₅>B₄>B₂，重要程度比为1.6、1.2、1.1、1.2。再对一级指标下的二级指标排序得C₁>C₃>C₂；C₄>C₆>C₅；C₈>C₉>C₇>C₁₀；C₁₁>C₁₃>C₁₂；C₁₅>C₁₄>C₁₆，重要程度比为1、1.1；1.2、1.5；1.1、1.2、1.5；1.7、1.2；1.6、1.4。用二级指标的局部权重乘对应一级指标权重得到整体权重。

3）组合赋权法权重计算

将由CRITIC法指标权重w_ci，SERENA法指标权重w_si，通过式(9)可得指标组合权重W_i并构建指标的权重集W，权重计算结果如表5所示。

4）综合定量评价

依据表4给出的指标风险等级量化，邀请26位专家对黄骅港大型船舶夜间靠离泊风险进行打分评价，通过式(10)计算得出指标的模糊评价隶属度并建立集合R，由式(11)得评价对象在各评价等级的隶属度S=（0.321483,0.459678,0.168484,0.026103,0.026334），代入式(12)计算得评价对象的总体得分为80.6，处于低风险（80, 100）这一范畴。

总体来看，黄骅港大型船舶夜间靠离泊总体表现为低风险，但临近风险较低等级，仍有值得关注的潜在风险。结合表5、表6可以看出，指标人为因素、自然环境因素对风险影响程度最大，可见人是影响风险大小的最主要因素。其中，人眼视觉影响、横穿航道船舶、驾驶员业务水平、人员疲劳程度位居高位，表明船员对夜间光环境的适应程度、船员的工作经验、疲劳程度和良好港口管理减少大型船舶避让次数是影响夜间靠离泊的关键影响因素。然而，船舶尺度、船舶载态、流的影响风险评价得分较低，说明满载的大型船舶受乘潮进出的影响，涨落潮流对船舶操纵造成了不利影响，进出港航行时要保持安全航速，时刻关注船舶航行状态，与黄骅港靠泊的超大型满载散货船情况相符。

4 结　语

基于改进的CRITIC-SERENA-FCE法评价模型，不仅能将主、客观因素灵活考量，解决了AHP法计算量大、以往评价模型主观性过强的问题。建立的大型船舶夜间靠离泊风险评价模型适用于针对港口大型船舶夜间靠离泊作业的情况，以黄骅港为例给出了风险量化，做出了综合定量评价，同时验证了模型的有效性和实用性。通过邀请专家开展航海仿真模拟试验后，减轻专家对风险评价的盲目性，加强了评价客观性；同时补充了样本数据，克服了评价模型中量化指标数据难以收集这一困难和数据不全面的问题，使综合定量评价结果更真实准确，研究结果可为大型船舶夜间靠离泊相关研究提供模型与经验。