大多數調查報告傾向於將航行事故的根本原因歸結為“人為失誤”。調查時發現的人為失誤通常包括：涉事海員缺乏情景意識、瞭望疏忽、不適任等。正如多份調查報告指出的那樣，人為失誤很可能只是造成事故的諸多因素之一。也許還存在調查時沒有注意到的其他因素，例如航行事故頻發的地區，或稱為“航行事故高發區”。

本文將重點介紹我們對船舶動態資料進行的研究，希望從一個不同的角度對航行事故作出分析。首先，我們將評估2016-2020五年間收集的所有航行事故資料，以對比碰撞和擱淺事故發生的地理位置。本文不討論觸碰事故（即與固定物體發生的碰撞），因為觸碰事故大多發生在船舶靠泊/離泊作業過程中。此類事故的評估比較複雜，故不在本文的探討範圍之內。

其次，我們將重點研究導致上述事故的因素，聚焦船舶行為，而非人為失誤。也許有人會說，船舶行為也與操船人員有關。縱然如此，我們通過觀察船舶行為也能發掘不同的模式，從而提供另一種視角。

在進一步分析之前，我們先來看看Gard的理賠資料，瞭解一下這一問題的整體規模。

Gard航行類理賠案件

從Gard 2016至2020保險年度的船殼險理賠資料來看，船殼險登記的航行類理賠案件數量上升了15%。但這些理賠根據Gard入會船舶數的增長進行調整後，顯示同期的出險頻率（即每艘船舶的出險次數）有所下降。在過去五年中，航行類理賠案件的平均發生率為7.2%，也就是說每年每14艘船中有一艘曾發生事故。根據事故的不同，Gard為案件支付的理賠金額可能從零到幾百萬美元不等，平均每起事故30萬美元。但不論理賠金額多寡，理賠金額高的事故和不足免賠額的事故所涉及的基本風險因素可能非常相似。

動態資料

以下熱圖展示了全球商船中5,000總噸以上的所有船舶在Lloyd’s List（勞埃德船舶日報）Intelligence資料庫中登記在案的碰撞和擱淺事故總數。亮黃色區域發生的事故數量較多，而淺藍色區域發生的事故數量相對較少。

 

打開新視窗查看熱圖

按地區匯總的全球擱淺和碰撞事故熱圖。資料來源：Lloyd’s List Intelligence事故數據（2016-2020年）；Windward Predictive Intelligence平臺。

按地區匯總的事故數量

這幅熱圖所呈現的結果並不出人意料，因為大多數船舶經營人和海員都對這些交通事故高發區了然於胸。下圖標示出這些地區以及相應的航行事故數。為便於理解，我們根據業內通用的地理範圍來命名這些地區，但這些名稱僅地理參考之用。

 

 

資料來源： Lloyd’s List Intelligence事故數據（2016-2020）

地圖和詳細資料表

在對碰撞和/或擱淺事故高發區進行排名時，我們需牢記以下幾項變數：

1. 這些區域與其地理範圍並不一致；
2. 交通流量可能因地理位置而異；
3. 這些區域暴露在不同的氣候條件下，如風和潮汐。

“航行日天數”

對各項變數進行量化十分困難，但借助Windward的資料分析，我們製作了相關區域的交通密度圖，對上圖中提到的每個事故高發區，以“航行日天數”為單位計算出了交通密度。“航行日天數”是指船舶數量乘以船舶在各區域停留的時間（以天為單位）。

 

按地區匯總的航行日天數（交通流量）排名前十的區域。資料來源：Windward Data Insights。

地圖和詳細資料表

各區域的事故發生率

在考慮航行日天數的基礎上，我們得以按照事故“發生率”對上述區域進行排名。事故發生率應看作某區域在每一航行日發生事故的可能性。為便於理解，我們顯示了每100個航行日的事故發生率。以下各圖分別展示了這些區域的碰撞和擱淺事故總發生率、碰撞事故發生率以及擱淺事故發生率。

碰撞和擱淺事故總發生率排名前十的區域

 

資料來源：Lloyd’s List Intelligence事故數據（2016-2020年）；Windward Predictive Intelligence平臺。

地圖和詳細資料表

 

碰撞事故發生率排名前十的區域

 

 

資料來源：Lloyd’s List Intelligence事故數據（2016-2020年）；Windward Predictive Intelligence平臺。

地圖和詳細資料表

 

擱淺事故發生率排名前十的區域

 

資料來源：Lloyd’s List Intelligence事故數據（2016-2020年）；Windward Predictive Intelligence平臺。

地圖和詳細資料表

 

全球事故高發區

海員通常會將交通密度高的區域視為航行高風險區域。然而，從一段時間內發生的事故數量來看，很明顯，新加坡和麻六甲海峽等地區的交通流量屬全球最高，但事故發生率的排名卻較低。我們看到寧波港和上海港航道情況也類似，作為世界上貿易流量最繁忙的水域，事故發生率的排名卻最低。

以上排名顯示，有些地區更容易發生擱淺，而另一些地區的碰撞風險則更高。本文不會對個別區域進行評估，但一般而言，交通密度高且總體監管不力的港口發生碰撞的幾率會更高。同樣，全年和/或周日潮汐變化顯著的港口，擱淺的風險會更高。有些港口的事故發生率居高不下是由多種因素共同造成的，其中較為突出的因素包括：

• 分道通航制；
• 可航水域的深度和寬度；
• 船舶資訊和交通管理系統（VTIS）的有效性；
• 引航員的培訓和在相關區域的航行經驗；
• 與海流有關的地理位置、天氣要素的影響和其他外部因素。

上述清單雖然並不詳盡，但表明航行事故可能由若干個因素共同導致。需要針對每個區域開展全面評估。

船舶行為

Gard的防損工作側重於風險因素評估，對於其中的一些因素，人們可能通常沒有進行討論或強調。在本文第二部分，我們將研究某些船舶行為是否會增加航行事故的風險。為此，我們借助AIS動態資料來分析自有的理賠資料，以評估過去曾導致航行事故的船舶行為。

我們按照同類理賠事故類型（例如擱淺或碰撞）對理賠頻率進行了分組。

為了控制可能影響理賠資料和船舶行為資料的因素，我們在分析時還考慮了船型、船舶尺度、船齡等靜態因素。一艘船的行為資料應當與相似類型船舶的資料進行比較。舉例而言，超大型油輪（VLCC）的年均行駛海裡數通常比小型油輪要高。這樣做可以避免“拿蘋果和柳丁作比較”的誤區。

關鍵風險因素

以下是我們在擱淺事故中發現的一些高風險船舶行為：

• 最大航速與營運航速之比：該風險因素是指船舶在事故發生前一年內的最大觀測速度（AIS速度）在船舶營運航速中所占的百分比。“營運航速”是指船舶在最深的海上吃水（夏季吃水）狀態下，在海上航行時可保持的最高航速。觀測速度與營運航速之比越高，發生擱淺事故的可能性就越大。
• 內河航行時間：該風險因素是指船舶在內河中航行的時間在總航行時間中所占的百分比。內河航行時間越長，船舶發生事故的可能性就越大。
• 停靠陌生港口：該風險因素是指船舶在事故發生前一年內停靠的陌生港口數在停靠港口總數中所占的百分比。當首次停靠某個港口時，未知風險要高得多，特別是在駕駛台團隊對港口的基礎設施不熟悉的情況下。
• 中位航速時間占比（越高越好）：該風險因素是指船舶在給定年度內以相當於中位航速的速度（以整节為單位）航行的時間占比。速度波動越小，擱淺的風險就越低。
• 靠港次數：一年中停靠港口的次數越多，擱淺的風險就越大。這適用於全球所有港口，而不僅僅是本文中提到的事故高發區。

在將事故歸咎于人為失誤的傳統做法以外，以上風險因素使我們對擱淺事故有了更好的理解，也可以幫助我們判斷可否採取切實可行的控制措施以降低風險。

舉例而言，單憑駕駛台團隊的行動，無法降低與停靠陌生港口有關的風險因素。在作出停靠陌生港口的商業決定時，決策者並不會考慮此舉對船舶航行安全造成的影響。關於這一商業風險的應對，海員接受過培訓。但資料告訴我們，如果在航次計畫和執行過程中沒有考慮上述風險，僅靠培訓可能是不夠的。

 

碰撞

大多數保險公司都將擱淺和碰撞統一歸入“航行類理賠案件”。然而，這兩種事故的後果和風險因素可能截然不同。與擱淺相比，碰撞所導致的事故回應措施可能大不相同，這也反映在與案件處理相關的成本上。我們的分析顯示，這兩種事故不僅在回應計畫及理賠金額方面有所不同，風險因素也顯著不同。下面列出了幾項與碰撞事故密切相關的風險因素。

• 錨泊時間占比：指船舶錨泊時間在總營運時間中所占的百分比。船舶錨泊時間越長，發生碰撞的風險就越高。乍一聽這可能有悖常理，但我們仔細研究錨泊船（特別是在繁忙航路附近的錨泊船）的碰撞事故數量後，就會發現這一風險因素確實存在。
• 最大航速與營運航速之比：指船舶在過去一年中的最大觀測航速在船舶營運航速中所占的百分比。這是擱淺和碰撞事故案件中的共同風險因素。
• 停靠繁忙港口次數：港口的交通量越大，與該港口相關的風險因素就越高。這可能與我們先前在分析交通密度與事故發生率之間的關係時所得出的分析結果不太一致。這裡，我們以給定年度內停靠港口的船舶數量來衡量該港口的規模，以同類船舶的平均數量來衡量港口的平均規模。
• 船舶加速情況：指船舶加速超過1.2公里/分鐘的時間在總營運時間中所占的百分比。動態資料表明，頻繁加速和碰撞之間存在明確關聯。
• 總里程數：船舶在一年內行駛的總海裡數越多，碰撞的風險就越低。

 

如何從本文的資訊中獲益

本文旨在從另一角度研究造成航行事故的原因。研究的主要依據是接報的事故或船舶AIS動態資料。

• 靜態與動態風險評估：我們認可會員和客戶在開展定期航行審查、航次風險評估和其他形式的調查方面所做的努力。這些工作對確保監管合規十分重要，但其所反映的風險資訊卻較為有限。大多數調查和審查的依據是當時取得的證據，因此風險評估結果僅對審查期間適用。進行航行審查和風險評估時，一般不會考慮地理風險，也不會考慮與特定貿易模式有關的船舶行為風險。瞭解全球事故高發區和高風險船舶行為可以幫助我們更為動態地瞭解風險狀況。例如，當船舶經營人為船舶指定陌生停靠港時，航次風險（特別是擱淺事故的風險）增加。同樣地，與加速較慢的船舶相比，在“引航員下船”後迅速加速的船舶往往更容易發生碰撞。在做航次計畫時，應當與駕駛台團隊評估和討論這些因素。瞭解一些已知的風險，有助於會員更好地管理和減輕這些風險。
• 航行安全：航行安全主要取決於駕駛團隊，同時也需要輪機部門的支援。在談及航次安全時，人們很少認識到岸基人員的支持作用。在客戶和會員向Gard提出的防損類諮詢中，索取港口和地理風險資訊類請求最多。顯然，船舶經營人力爭確保船舶和船員的整體安全。本文旨在為船舶管理人的這類舉措提供支助。儘管港口風險的排名可能會隨著時間的推移或因數據的優化而改變，但有大量資料支撐的全球航行風險圖可以為船舶經營人提供相關資訊，以支援駕駛台團隊。本文提供的資訊旨在支援實現航行安全的跨職能（從商業決策，到航次指令、航行計畫制定與執行等）的方法。
• 調查航行事故：大多數航行事故的調查結果都將“人為失誤”作為事故的根本原因。很少有調查人員嘗試事故複盤，以充分瞭解事故的前因後果。如果駕駛台團隊所採取的避碰行動符合其職責呢？如果駕駛台團隊過去曾經採取過類似的操船行動成功地避免事故的發生呢？我們先前的調查方法很可能和我們的航行審查方法一樣是靜態的，沒有考慮在不斷變化的風險中航行的船舶的動態特性。例如，如果掛港排程緊密，我們建議會員和客戶考慮航行事故風險，並相應通知其駕駛台團隊。同樣地，如果船舶可能會停靠擁擠的港口或因此會停靠過去沒有停靠過的陌生港口，我們建議調整對船長的預期。岸上的商業決策人員應在決策時將航行安全考慮在內，這一點至關重要。

免責聲明

• 本文旨在提供對全球航行事故的概述。
• 文中引用的事故數量來自於Lloyd’s List Intelligence資料庫中收錄的全部事故數量。可能有一些較小的事故並未上報，且當前的事故數量也可能隨著相關地區更多事故的上報而發生變化。
• 船東和駕駛人員可以適當參考我們的防損意見，在航行計畫的制定和執行過程中評估自身所面臨的風險。

本文不得用於商業目的或爭議解決。文中提供資訊僅限用於防損目的。

 

關於我們的資料提供商

AIS（船舶自動識別系統）動態資料的普遍應用，使查看容易發生航行事故的區域變得相對簡單。我們使用Windward AI平臺作為資料合作夥伴，為我們進行資料分析。Windward是一家領先的預測智慧公司，融合人工智慧與大數據，推動全球海事行業的數位化，幫助企業做好業務和運營方面的準備。由人工智慧驅動的Windward解決方案可以幫助利益相關方做出由預測性智慧驅動的即時決策，同時提供海事生態系統360°視角，全面展示其在安全、安保、財務、商務等各方面的廣泛影響。

Lloyd’s List Intelligence成立於1803年，是全球首家海事事故報告服務提供者，300年來一直是值得信賴的專業海事資料合作夥伴。如今，在他們專業化管理的資料庫中，有數十億的資料點。這些資料點通過人工智慧的應用，得到不斷的驗證和情境化，構成一套線上工具和資料來源的核心，為成千上萬的專業人士節省整理和分析海事資料的時間，幫助他們清楚地瞭解風險、監測海上貿易、抓住機遇。

 

 

作者：Kunal Pathak

Gard新加坡公司防損經理