賈帥林,杜柏松,劉然,秦世云
(浙江海洋大學(xué) 船舶與海運(yùn)學(xué)院,浙江 舟山 316022)
船舶水上交通安全綜合指數(shù)包括水上船舶交通事故數(shù)、沉船數(shù)、死亡失蹤人數(shù)和直接經(jīng)濟(jì)損失4項(xiàng)標(biāo)準(zhǔn),定量分析“4項(xiàng)指標(biāo)”歷史數(shù)據(jù)的變化趨勢(shì)對(duì)保障船舶水上交通安全、明確設(shè)施建設(shè)方向以及控制水上交通風(fēng)險(xiǎn)具有重要意義[1]?;疑到y(tǒng)預(yù)測(cè)理論適用于“信息不完全”“數(shù)據(jù)樣本少”等特點(diǎn)數(shù)據(jù)的問(wèn)題預(yù)測(cè),是預(yù)測(cè)船舶水上交通安全綜合指數(shù)的主要方法。在解決水上船舶交通安全等實(shí)際生產(chǎn)問(wèn)題時(shí),國(guó)內(nèi)外的很多學(xué)者鉆研了灰色預(yù)測(cè)模型及其組合模型的應(yīng)用。李玲玲等[2]利用水上交通事故數(shù)量的原始數(shù)據(jù)和灰色預(yù)測(cè)值的殘差,建立了BP神經(jīng)網(wǎng)絡(luò)和灰色預(yù)測(cè)的組合模型。周涂強(qiáng)等[3]運(yùn)用了蒙特卡洛仿真法改進(jìn)灰色預(yù)測(cè)模型,利用風(fēng)險(xiǎn)概率分布的形式來(lái)反映區(qū)域內(nèi)交通安全水平的實(shí)際變化趨勢(shì);船舶水上交通安全綜合指數(shù)伴隨復(fù)雜性、非線(xiàn)性和波動(dòng)性等變化特征,而馬爾科夫預(yù)測(cè)可以反映系統(tǒng)在不同狀態(tài)下的轉(zhuǎn)移規(guī)律,尤其能克服數(shù)據(jù)的波動(dòng)性。因此,本文提出了一個(gè)GMMarkov模型, 運(yùn)用馬爾科夫原理改進(jìn)灰色預(yù)測(cè)分析模型,以期提高預(yù)測(cè)精度。
最后,對(duì)式(1)所求得的預(yù)測(cè)值進(jìn)行累減計(jì)算,可得灰色預(yù)測(cè)值:
將船舶水上交通預(yù)測(cè)值殘差狀態(tài)作為馬爾科夫預(yù)測(cè)決策過(guò)程,并根據(jù)預(yù)測(cè)時(shí)間段內(nèi)的殘差狀態(tài)之間的轉(zhuǎn)移概率來(lái)預(yù)測(cè)其變化趨勢(shì),利用這個(gè)原理來(lái)修正灰色預(yù)測(cè)模型的預(yù)測(cè)值[5]。建模過(guò)程如下:
首先,根據(jù)灰色預(yù)測(cè)得到的預(yù)測(cè)值,計(jì)算灰色預(yù)測(cè)的殘差:
其中,預(yù)測(cè)狀態(tài)“高估”時(shí)候取“+”,“低估”時(shí)取“-”。
為更好地驗(yàn)證灰色預(yù)測(cè)模型和灰色馬爾科夫模型的預(yù)測(cè)精度,分別對(duì)預(yù)測(cè)值進(jìn)行相對(duì)誤差(Q)檢驗(yàn)、均方差比值(C)檢驗(yàn)和小概率誤差(P)檢驗(yàn),檢驗(yàn)標(biāo)準(zhǔn)如表1。
表1 預(yù)測(cè)精度等級(jí)劃分標(biāo)準(zhǔn)
由我國(guó)交通運(yùn)輸部綜合規(guī)劃司公布的《交通運(yùn)輸行業(yè)發(fā)展統(tǒng)計(jì)公報(bào)》[6],可查得2003—2019年船舶水上交通安全綜合指數(shù)相關(guān)數(shù)據(jù),如表2所示。可以看出4項(xiàng)指標(biāo)總體變化趨勢(shì)均呈下降態(tài)勢(shì),符合灰色預(yù)測(cè)對(duì)數(shù)據(jù)要求的特征,因此,采用傳統(tǒng)的灰色預(yù)測(cè)模型進(jìn)行預(yù)測(cè)。
表2 2003—2019年船舶水上交通安全綜合指數(shù)
首先,以2004—2013年的水上交通事故數(shù)為原始序列,即X(0)={562,532,440,420,342,358,331,298,270,262},根據(jù)式(2)~式(4)可知水上交通事故數(shù)的灰色預(yù)測(cè)模型為:x^(k+1)=-5929.2959·e-0.0882t+6491.2959,再對(duì)此進(jìn)行累減計(jì)算,即可得出水上交通事故數(shù)的灰色預(yù)測(cè)值為x^(0)={562,500.6,458.3,419.6,384.2,351.8,322.1,294.9,270,247.2},同樣的預(yù)測(cè)方法,求得死亡失蹤人數(shù)、沉船數(shù)和直接經(jīng)濟(jì)損失的灰色預(yù)測(cè)值,如表5所示。
從預(yù)測(cè)結(jié)果看:4項(xiàng)指標(biāo)整體呈下降態(tài)勢(shì),基本能夠從整體上反映水上交通安全4項(xiàng)指標(biāo)的變化趨勢(shì);但通過(guò)觀(guān)察各擬合曲線(xiàn)發(fā)現(xiàn)(如圖1),灰色預(yù)測(cè)模型的擬合程度較差,只能反映出整體的變化趨勢(shì)。根據(jù)精度分析標(biāo)準(zhǔn)該預(yù)測(cè)模型的精度標(biāo)準(zhǔn)僅為“合格”,說(shuō)明模型的預(yù)測(cè)精度有欠缺。
鑒于此,本文利用馬爾科夫模型對(duì)灰色預(yù)測(cè)值進(jìn)行修正,希望能提高水上交通安全綜合指數(shù)的預(yù)測(cè)精度。
仍然以水上交通事故數(shù)這一指標(biāo)為例,結(jié)合馬爾科夫原理進(jìn)一步優(yōu)化灰色預(yù)測(cè)值[7]。由上述建模過(guò)程,可確定2004—2013年水上交通事故數(shù)的狀態(tài)分布情況。
根據(jù)水上交通事故數(shù)的相對(duì)誤差序列得到4個(gè)狀態(tài)的分布情況,得到狀態(tài)的一步轉(zhuǎn)移概率矩陣如下:
多步狀態(tài)轉(zhuǎn)移概率矩陣:p(n)=[p(1)](n)。
根據(jù)馬爾科夫預(yù)測(cè)的轉(zhuǎn)移概率矩陣的原理,以2014年最近的4個(gè)年份作為水上交通事故數(shù)的狀態(tài)預(yù)測(cè)的原始數(shù)據(jù),根據(jù)對(duì)應(yīng)年份的狀態(tài)和轉(zhuǎn)移步驟[8],計(jì)算出水上交通事故數(shù)量的累積狀態(tài)轉(zhuǎn)移概率,如表3所示,因此取累積狀態(tài)轉(zhuǎn)移概率最大的狀態(tài)4作為2014年可能的狀態(tài),根據(jù)式(8)可得2014年的預(yù)測(cè)值。
表3 2014年水上交通事故數(shù)狀態(tài)預(yù)測(cè)
同理,可得到死亡失蹤人數(shù)、沉船數(shù)和直接經(jīng)濟(jì)損失3項(xiàng)指標(biāo)的狀態(tài)劃分結(jié)果,以及2014年船舶水上交通安全的4項(xiàng)指標(biāo)狀態(tài)預(yù)測(cè)及相應(yīng)的預(yù)測(cè)值,如表4所示,做綜合安全指數(shù)擬合值曲線(xiàn)如圖1所示。
圖1 2004—2013年4項(xiàng)指標(biāo)灰色預(yù)測(cè)值和GM-Markov值的擬合曲線(xiàn)
可以看出,模型對(duì)波動(dòng)性較大的指標(biāo)存在較大的偏差。因此,采用GM-Markov模型對(duì)2014年的灰色預(yù)測(cè)值進(jìn)行修正,得到修正后的馬爾可夫預(yù)測(cè),如表4所示。
表4 2014年水上交通事故數(shù)狀態(tài)預(yù)測(cè)及預(yù)測(cè)值
根據(jù)計(jì)算,可得出2014年船舶水上交通安全4項(xiàng)指標(biāo)的灰色預(yù)測(cè)值相對(duì)誤差分別12.96%、8.30%、5.96%、34.32%,GM-Markov預(yù)測(cè)值的相對(duì)誤差分別為9.69%、3.60%、2.41%、27.68%,相對(duì)誤差均有不同程度的下降,由此可說(shuō)明灰色馬爾科夫預(yù)測(cè)模型相對(duì)于灰色預(yù)測(cè)模型具有較高的預(yù)測(cè)精度。
根據(jù)我國(guó)2003—2014年水上交通安全綜合指數(shù)的實(shí)際值、灰色動(dòng)態(tài)預(yù)測(cè)值和修正值,分別計(jì)算灰色預(yù)測(cè)值和修正值與實(shí)際值相對(duì)誤差的均值、后驗(yàn)差比值和小概率誤差,如表5所示。以水上交通事故數(shù)為例,結(jié)合模型精度劃分表(如表1),灰色預(yù)測(cè)模型的均方差比C(C1=28.24%>C2=7.42%)和相對(duì)誤差Q (Q1=3.37%<Q2=1.26%)均大于GM-Markov預(yù)測(cè)模型(C和P數(shù)值越小,模型精度越高,GM-馬爾科夫模型的預(yù)測(cè)精度就越高[9])。
表5 兩種預(yù)測(cè)模型的精度分析
同理,可知灰色預(yù)測(cè)模型的相對(duì)誤差均值為4.75%,而GM-Markov的僅為1.75%,下降了3%。結(jié)果表明:GMMarkov預(yù)測(cè)結(jié)果比單純的灰色預(yù)測(cè)結(jié)果要精確很多,說(shuō)明GM-Markov預(yù)測(cè)模型比灰色預(yù)測(cè)模型具有更高的可信度。
為驗(yàn)證利用GM-Markov模型船舶水上交通安全綜合指數(shù)各項(xiàng)預(yù)測(cè)的可行性,采用灰色預(yù)測(cè)模型和GMMarkov模型對(duì)2014—2019年的4項(xiàng)指標(biāo)進(jìn)行預(yù)測(cè)。
通過(guò)計(jì)算,分析2014—2019年的相對(duì)誤差,如表6所示。結(jié)果表明:GM-Markov預(yù)測(cè)模型較傳統(tǒng)灰色預(yù)測(cè)模型精度有了明顯的提高[10],且短期預(yù)測(cè)具有較好的擬合度,而中長(zhǎng)期預(yù)測(cè)有較大的偏離度;GM-Markov預(yù)測(cè)模型對(duì)水上交通安全綜合指數(shù)的短期預(yù)測(cè)效果較好,而對(duì)中長(zhǎng)期的預(yù)測(cè)存在精度不高的現(xiàn)象,即表明GM-Markov預(yù)測(cè)模型在短期預(yù)測(cè)中具有一定的可信度。
表6 2014—2019年預(yù)測(cè)的相對(duì)誤差均值比較
以2010—2019年4項(xiàng)指標(biāo)原始數(shù)據(jù)為基礎(chǔ),運(yùn)用GMMarkov預(yù)測(cè)模型進(jìn)行預(yù)測(cè),得到2020年和2021年的預(yù)測(cè)值,如表7所示。
表7 2020—2021年船舶水上交通安全的4項(xiàng)指數(shù)預(yù)測(cè)
從表7可以看出,4項(xiàng)指標(biāo)2020年的預(yù)測(cè)值與2020年的數(shù)據(jù)相比有仍舊小幅度的回升,4項(xiàng)指標(biāo)的變化與因?yàn)樾鹿谝咔槭沟梦覈?guó)航運(yùn)業(yè)空前繁榮的趨勢(shì)一致;同時(shí),新冠疫情肆虐全球,給船員的換班和遣返造成很大影響,導(dǎo)致大量船員在海上工作時(shí)間與協(xié)議不一致,船員疲勞、超期工作、遣返困難等將給船舶帶來(lái)巨大的安全風(fēng)險(xiǎn),希望相關(guān)部門(mén)能特別注意今年的船舶水上交通安全問(wèn)題。
1)該模型是在傳統(tǒng)灰色模型的基礎(chǔ)之上構(gòu)建的,因此繼承了灰色模型的優(yōu)勢(shì),需要較少的歷史數(shù)據(jù),避免了其它方法中“大范圍、長(zhǎng)周期、低精度”的弊端,可以比較充分地利用有限的數(shù)據(jù)。
2)基于水上交通綜合安全指數(shù)的特點(diǎn),將灰色動(dòng)態(tài)預(yù)測(cè)與馬爾科夫預(yù)測(cè)相結(jié)合,建立了GM-Markov馬爾可夫預(yù)測(cè)模型,研究表明這種方法對(duì)于4項(xiàng)指標(biāo)的預(yù)測(cè)有較好的效果,提高了預(yù)測(cè)的精確度。
3)通過(guò)對(duì)比分析可知灰色預(yù)測(cè)模型只是反映了4項(xiàng)指標(biāo)整體的發(fā)展趨勢(shì),對(duì)于具有隨機(jī)性、突發(fā)性和偶然特點(diǎn)的問(wèn)題偏差較大,而GM-Markov模型能夠很好地修正此偏差,對(duì)船舶水上交通安全綜合指數(shù)的擬合程度和未來(lái)走勢(shì)較為準(zhǔn)確。
4)受新冠疫情的影響,航運(yùn)業(yè)受到了很大的沖擊,國(guó)際貿(mào)易呈現(xiàn)低迷的態(tài)勢(shì),因此相關(guān)部門(mén)應(yīng)充分認(rèn)識(shí)4項(xiàng)指標(biāo)的GM-Markov預(yù)測(cè)值,針對(duì)國(guó)內(nèi)外的海域環(huán)境,對(duì)有關(guān)資源做出中長(zhǎng)期的戰(zhàn)略調(diào)整,從而確保航運(yùn)業(yè)健康、安全和平穩(wěn)地發(fā)展。
總之,GM-Markov模型可以作為船舶水上交通安全指數(shù)預(yù)測(cè)的數(shù)據(jù)模型,GM-Markov模型相對(duì)精準(zhǔn)的預(yù)測(cè)能幫助水上交通安全主管機(jī)關(guān)制定更為完善的預(yù)防措施,在誤差允許的范圍內(nèi),為船舶水上交通安全4項(xiàng)指標(biāo)的預(yù)測(cè)提供新的理論基礎(chǔ)。