溢油事故危害程度评估行为特征识别

调查和有序概率模型来分析决策者的事故风险评估行为特征。例如，MACHADO等[8]采用意向选择实验采集驾驶员对道路交通事故风险的评估行为数据，运用有序Logit（ordered Logit，OL）模型进行数据分析，以识别驾驶员对道路交通事故风险等级的评估行为特征;CHIN等[9]开发了一个OL模型，通过对引航员意向选择实验数据的分析，以理解引航员对船舶碰撞风险的评估行为特征。这些成果不仅验证了有序概率模型（包括OL模型和有序Probit（ordered Probit，OP）模型）和意向选择实验用于分析、识别风险评估行为特征的可行性，而且可为本文研究提供经验借鉴。

鉴于此，本文引入有序概率模型和意向选择实验，以弥补该领域现有研究的不足。一方面，有序概率模型以随机效用最大化理论为基础，能客观地描述决策者的评估行为特征，揭示不同因素对评估行为的影响规律。另一方面，利用意向选择实验，通过多情景设计，能够获得较多的评估行为数据，可有效解决评估行为数据匮乏问题。

1 模型构建

有序概率模型最初由Zavoina和McElvey于1975年提出，主要用于分析因变量存在等级差异的有序多分类问题，能够很好地揭示自变量（离散变量或连续变量）对有序多分类因变量（离散变量）的影响规律[10-11]。本文关注的是溢油事故决策者的评估行为特征，包括评估行为主要受哪些因素影响，具体影响规律是什么等。实践中，评估行为的表现可用评估结果（即危害程度等级，为离散变量）反映出来，而影响评估行为的因素（包括事故特征信息和决策者属性等）可能为连续变量或离散变量，故可利用有序概率模型进行分析。已有相关研究[8-9]验证了有序概率模型用于研究道路交通事故或船舶碰撞等风险评估行为的可行性，为本文分析溢油事故决策者的评估行为奠定了基础。

4 结 论

本文基于有序概率模型和意向选择实验对溢油事故应急决策者的评估行为进行了研究，主要结论如下：

（1）有序概率模型适用于分析溢油事故应急决策者的评估行为，意向选择实验可用来有效解决评估行为数据匮乏问题，研究结果能够揭示决策者的评估行为特征。

（2）溢油影响水域和溢油量对决策者的评估行为影响最大，其中：当溢油影响水域为取水口时，危害程度被评估为5级的概率上升33.72个百分点;当溢油量≥50 t时，危害程度被评估为5级的概率上升31.14个百分点。

未来，可进一步细化影响因素，扩大样本量，以提高模型的拟合优度，同时增强其解释能力。

参考文献：

[1]LEE Moonjin， JUNG Jung-Yeul. Pollution risk assessment of oil spill accidents in Garorim Bay of Korea[J]. Marine Pollution Bulletin， 2015， 100： 297-303. DOI： 10.1016/j.marpolbul.2015.08.037.

[2]WEI Lai， HU Zhuowei， DONG Lin， et al. A damage assessment model of oil spill accident combining historical data and satellite remote sensing information： a case study in Penglai 19-3 oil spill accident of China[J]. Marine Pollution Bulletin， 2015， 91： 258-271. DOI： 10.1016/j.marpolbul.2014.11.036.

[3]岳漢秋， 甘鑫平， 牟乃夏， 等. 海上船舶溢油事故模糊评估与决策分析[J]. 环境工程学报， 2015， 9（8）： 3780-3784.

[4]BI Haipu， SI Hu. Dynamic risk assessment of oil spill scenario for Three Gorges Reservoir in China based on numerical simulation[J]. Safety Science， 2012， 50： 1112-1118. DOI： 10.1016/j.ssci.2011.11.012.

[5]OLITA A， CUCCO A， SIMEONE S， et al. Oil spill hazard and risk assessment for the shorelines of a Mediterranean coastal archipelago[J]. Ocean and Coastal Management， 2012， 57： 44-52. DOI： 10.1016/j.ocecoaman.2011.11.006.

[6]廖国祥， 叶金清， 韩俊松， 等. 综合随机和典型情景模拟的海洋溢油事故污染危害预测评估研究[J]. 海洋环境科学， 2017， 36（2）： 266-273. DOI： 10.13634/j.cnki.mes.2017.02.017.

[7]张欣. 基于SP调查的船舶溢油应急决策研究[J]. 安全与环境学报， 2013， 13（1）： 271-275. DOI： 10.3969/j.issn.1009-6094.2013.01.059.

[8]MACHADO J L， DE OA J， DE OA R， et al. A stated preference experiment for understanding drivers’ risk perception[J]. Procedia-Social and Behavioral Sciences， 2014， 162： 263-272. DOI： 10.1016/j.sbspro.2014.12.207.

[9]CHIN H C， DEBNATH A K. Modeling perceived collision risk in port water navigation[J]. Safety Science， 2009， 47： 1410-1416. DOI： 10.1016/j.ssci.2009.04.004.

[10]WILLIAMS R. Understanding and interpreting generalized ordered logit models[J]. The Journal of Mathematical Sociology， 2016， 40（1）： 7-20. DOI： 10.1080/0022250X.2015.1112384.

[11]胡骥， 闫章存， 卢小钊， 等. 基于有序Logit与Probit模型的交通事故严重性影响因素分析[J]. 安全与环境学报， 2018， 18（3）： 836-843. DOI： 10.13637/j.issn.1009-6094.2018.03.003.

[12]LARRANAGA A M， ARELLANA J， SENNA L A. Encouraging intermodality： a stated preference analysis of freight mode choice in Rio Grande do Sul[J]. Transportation Research Part A： Policy and Practice， 2017， 102： 202-211. DOI： 10.1016/j.tra.2016.10.028.

（编辑 贾裙平）

推荐访问:识别 危害 事故 特征 程度