海上事故成因分析：一种基于时空特征及高频事故分析系统（HFACS）的方法

《Ocean Engineering》：Maritime accident causation: A spatiotemporal and HFACS-Based approach

海事事故中人为因素与时空环境协同作用机制研究。基于NTSB 2015-2024年302起事故报告，运用HFACS框架构建HS-MACs数据集，发现" unsafe acts前提"占比最高，时空分布呈现显著规律性，火灾爆炸、碰撞和搁浅事故因果链清晰可辨。

　　本文探讨了船舶事故中人为因素与海洋环境之间的复杂关系，旨在通过系统分析揭示这些因素如何相互作用，并为提升航运安全提供新的视角。研究基于美国国家运输安全委员会（NTSB）发布的302份2015年至2024年的船舶事故报告，构建了一个名为“人类系统与时空船舶事故因果链数据集”（HS-MACs）的数据库。该数据集不仅关注人为错误，还结合了时空环境因素，为事故分析提供了更全面的框架。

在航运安全领域，人为因素一直是事故发生的主因。国际海事组织（IMO）自1998年起实施的《国际安全管理体系》（ISM）虽然对提升航运安全起到了积极作用，但人类错误依然存在，并且难以彻底消除。因此，对人为因素的深入分析成为确保航运安全的关键。从系统角度来看，船舶事故涉及多个层面的因素，包括人类行为、设备状况、环境条件以及管理实践等。这些因素之间的相互作用构成了事故发生的复杂网络，而理解这种网络对于制定有效的预防和应对策略至关重要。

研究采用了一种系统性的方法，结合了“人为因素分析与分类系统”（HFACS）作为主要分析框架。HFACS以其层次化的结构和适应性被广泛应用于事故分析领域。通过这一框架，研究能够对事故报告中的信息进行结构化处理，从而更清晰地识别出不同层次的人为错误及其与事故环境之间的关联。此外，研究还引入了时空分析的方法，以探讨事故发生的地理分布和时间规律。这种多维度的分析方式有助于揭示事故背后隐藏的模式，为安全管理提供科学依据。

在数据处理方面，研究对NTSB发布的事故报告进行了系统的文本分割和信息提取。通过将报告内容转化为结构化的数据形式，如事故属性图，研究人员能够更直观地呈现事故的多方面特征。同时，报告中也包含非结构化的描述信息，为深入分析提供了丰富的背景资料。数据标准化的过程确保了所有信息在统一的框架下进行比较和分析，从而提高了研究的可靠性和可重复性。

研究发现，船舶事故中人为错误的分布呈现出一定的规律性。其中，“不安全行为的前提”（Premise of Unsafe Acts, PUA）是最常见的主要因素。这一发现表明，尽管现代航运系统日益智能化，但人为因素仍然是事故预防的核心挑战。此外，事故在时间和空间维度上也表现出明显的分布特征。例如，某些类型的事故，如火灾爆炸、碰撞和搁浅，其因果链更为直接和清晰，这为制定针对性的安全措施提供了重要参考。

在分析方法上，研究采用了多种技术手段，包括相关性分析、因果分析以及基于DoWhy的因果推断方法。这些方法的结合使得研究人员能够在不同层面上探讨事故成因，并识别出具有高置信度的因果关系。例如，通过相关性分析，研究能够发现不同因素之间的潜在联系；而因果分析则有助于进一步验证这些联系，并揭示其在事故发生中的具体作用机制。这种多层次的分析方法不仅提升了研究的深度，也为后续的安全管理策略提供了更精准的指导。

值得注意的是，传统的HFACS分类方法主要依赖于人工阅读和标注，这在处理大规模事故数据时显得效率低下且主观性较强。为了解决这一问题，研究引入了基于深度学习的辅助工具，如Deepseek-v3 API，用于初步的分类和判断。随后，研究人员进行了多层详细的人工审核，以确保分类的准确性和可靠性。这种结合自动化与人工审核的方法不仅提高了数据处理的效率，也增强了分析结果的科学性和客观性。

在讨论部分，研究基于上述分析结果，结合已有文献的发现，进一步探讨了船舶事故的复杂因果机制。通过统计分析和相关性分析，研究人员揭示了人为因素与时空环境因素之间的互动模式。例如，某些特定的时间段或地理位置可能更容易发生某种类型的事故，而这些模式背后往往存在深层次的原因。研究还强调了时空因素在事故分析中的重要性，认为对这些因素的深入理解有助于更全面地评估风险，并制定更加有效的安全措施。

此外，研究还关注了船舶事故的时空分布特征。通过对事故数据的时空分析，研究人员发现了一些具有显著特征的事故热点区域和高发时段。这些发现对于优化航运管理、调整航线规划以及加强特定区域的安全监管具有重要意义。同时，研究也指出了事故发生的某些阈值特征，即在特定条件下，某些因素可能会成为事故发生的决定性条件。这种阈值分析为识别关键风险点提供了新的思路。

在结论部分，研究总结了HS-MACs数据集的主要发现，并指出其在揭示人为因素与海洋环境之间复杂关系方面的价值。通过系统分析，研究人员不仅确认了人为错误在事故中的主导地位，还发现了事故在时间和空间维度上的分布规律。这些发现有助于提升对航运事故的理解，并为制定更加科学的安全管理策略提供依据。同时，研究也指出了当前分析方法的局限性，并提出了未来研究的方向，如进一步优化数据处理技术、拓展分析维度以及加强多学科交叉研究。

本文的研究具有重要的现实意义。随着全球航运活动的不断增长，船舶事故的风险也在持续上升。因此，对事故成因的深入分析不仅有助于提高事故预防的效率，还能为航运行业提供更加科学的决策支持。HS-MACs数据集的构建为后续研究提供了宝贵的数据资源，同时也为航运安全的实践应用提供了新的视角。通过揭示人为因素与时空环境之间的复杂关系，研究为构建更加全面和系统的安全管理体系奠定了基础。

值得注意的是，本文的研究方法具有一定的创新性。通过结合HFACS框架与时空分析技术，研究人员能够更全面地理解事故发生的背景和机制。这种跨学科的研究方法不仅提升了分析的深度，也为未来的研究提供了新的思路。此外，研究中引入的自动化辅助工具和多层人工审核机制，为处理大规模事故数据提供了可行的解决方案，也为其他类似领域的研究提供了借鉴。

在实际应用中，HS-MACs数据集可以用于多个方面。例如，它可以作为航运管理机构制定安全政策的参考依据，帮助识别高风险区域和时间段，从而优化资源分配和风险防控措施。同时，该数据集还可以用于培训和教育，帮助船员和管理人员更好地理解事故成因，提高安全意识和应对能力。此外，它还可以为人工智能和大数据分析技术提供数据支持，推动航运安全领域的智能化发展。

总之，本文通过构建HS-MACs数据集，系统分析了船舶事故中人为因素与时空环境之间的关系，揭示了事故发生的复杂机制。研究不仅为航运安全提供了新的视角和方法，也为相关领域的研究和实践应用提供了重要的参考价值。未来，随着数据处理技术的不断进步和研究方法的进一步完善，HS-MACs数据集有望在航运安全领域发挥更大的作用，为减少事故、提升安全水平做出更大的贡献。