随着粤港澳大湾区规划和南沙自贸片区战略的实施以及广州国际航运中心的建设,确保广州港水域船舶交通的安全日益重要。船舶交通事故的发生都有一个过程,在出现苗头直至临界状态呈现的过程中,存在着各种各样的信息。通过这些信息可以判断船舶航行危险程度大小,如果及时进行危险预警,可避免危险状态向事故形态的转化,这对降低港口水域船舶交通事故发生率和提升船舶交通安全水平具有极为重要的现实意义。为实现对广州港水域船舶航行危险状态进行事前监测和及时防范的目的,将船舶交通安全监管工作从事后转向事前、从被动转向主动、从经验转向科学,本文开展了广州港水域船舶交通危险预警研究。主要研究内容包括四部分:(1)应用动态分析指标分析广州港水域船舶交通事故分布规律,提取恰当的指标作为广州港水域船舶交通危险预警指标。通过对广州港水域船舶交通事故的时间分布、空间分布和形态分布规律进行动态分析,获取事故分布规律随时间变化的动态变化特征。(2)应用系统聚类法分析广州港水域船舶交通事故成因,筛选出典型因素作为广州港水域船舶交通危险预警指标。基于历年广州港水域实际发生的事故统计数据资料,辨识船舶交通事故成因的构成,提炼出人、船舶、环境和管理四类影响因素,并应用系统聚类法进行典型因素的筛选,既能综合考虑各个因素的影响,不丢失有重要影响的因素,又能适当减少因素的数目,剔除一些不够典型、特征相似、共线性高的因素。(3)建立广州港水域船舶交通危险预警指标体系。根据预警指标体系的建立原则,应用事故分析的研究成果,将广州港水域船舶交通危险预警指标确定为船舶交通事故分布规律分析指标和事故成因分析指标两方面,并应用德尔菲法确定预警指标的重要性和有效性,建立广州港水域船舶交通危险预警指标体系。(4)应用反向传播(Back Propagation,BP)神经网络预警方法构建广州港水域船舶交通危险预警模型。选取广州港水域实际发生的典型船舶交通事故案例中相关预警指标统计数据进行学习训练,构建BP神经网络预警模型,并随机选取新样本数据对构建模型进行验证分析,验证表明该模型具有较高的预测精度,可提高广州港水域船舶交通危险预警的准确性和可靠性。本文构建的基于事故分析的船舶交通危险预警指标体系和基于BP神经网络的船舶交通危险预警模型,具有一定的实用性和创新性,能为广州港船舶交通安全管理提供事前信息,保障港口水域船舶航行安全畅通,提高港口水域船舶交通安全水平和安全管理能力。