where NA is the number of collision

where NA is the number of collision candidates and PC is the causation probability, or the probability of a collision candidate becoming a collision (e.g. [36]).
The number of collision candidates (NA) corresponds to the number of collisions if no evasive manoeuvres were made, and it depends on ship traffic properties in the area. The collision candidates can be estimated for a particular crossing of two waterways [42] or using directly Automatic Identification System (AIS) data with the concept of collision diameter defined by Pedersen [42], e.g. as done by Silveira et al. [50].

The causation probability (Pc) can be estimated using two approaches: the scenario approach or the synthesis approach. The scenario approach is used if the causation probability is calculated based on available accident data. The synthesis approach relies on the development of Bayesian Network models to estimate (Pc), i.e. the fraction of collision candidates failing to avoid the collision, which is typically affected by technical, environmental and human factors.

Bayesian Network models have been adapted to causation probability estimation, which vary both in the number and in the nature of their variables. For instance, Friis-Hansen and Simonsen [12] developed a software package called Grounding and Collision Analysis Toolbox (GRACAT), to estimate the probability of vessel collisions and groundings including damage evaluation. GRACAT uses in the calculation of the collision and grounding probabilities the method which is based on the models of Fujii et al. [14] and MacDuff [35]. The BN model for predicting the causation factor for ship–ship collisions was based on the network formulated by Friis-Hansen and Pedersen [11] but extended to model two ships, i.e. ship–ship collision situations. GRACAT software has been used for example in the collision risk estimation of the FSA study performed for the implementation of the VTMIS (Vessel Traffic Management and Information Services) system for the Gulf of Finland.

Another application of BN models for grounding and collision scenarios was undertaken by Norway in conjunction with the FSA on Large Passenger Ships [24]. In this study, risk models were developed for grounding and collision accidents for quantification of Risk Control Options (RCOs), in particular for the evaluation of the effect of ECDIS (Electronic Chart Display and Information System), ENC (Electronic Navigational Charts) and Track control. These BN models for the powered grounding and collision accident scenarios included human factors, technical factors, geographical and other external factors, chosen with the aim to reflect important risk contributors and to be able to evaluate the effect of RCOs. The analysis considered five scenarios that may lead to grounding with probabilities estimated based on expert judgement. Moreover, several factors were considered to influence the ability to perform the navigators' tasks, such as: a) Management factors; b) Working conditions and c) Personal factors that include the physical and mental state of the OOW (fatigue, stress level, intoxicated, etc.). For the collision scenarios, the modelling of loss of control of the vessel is more or less the same as for grounding, except that the interaction with the other vessel (give-way rules and practices, communication, etc.) was included.

Hanninen and Kujala [20] studied the influences of the variables in a Bayesian belief network model for estimating the role of human factors on ship collision probability in the Gulf of Finland. The objectives of this study were to identify the variables with the largest influences and examining the validity of the BN model. The structure of the analysed model was to a large extent based on models presented by DNV [8] and DNV [7]. However, the models of Hanninen and Kujala [20] considered multiple ship types and models both of the encountering vessels. The change in the so-called causation probability (i.e. the fraction of collision candidates failing to avoid the collision, which is affected by technical, environmental, and human factors) was examined while observing each state of the network variables and by utilising sensitivity and mutual information analyses. Changing course in an encounter situation was the most influential variable in the model, followed by variables such as the OOW's action, situation assessment, danger detection, personal condition and incapacitation.

The feasibility of analysing ship accidents by means of Bayesian Networks has been also assessed by Kristiansen [30]. The focus of this study was on powered groundings. The objective was to model the interaction between performance shaping factors and unsafe acts. This BN structure was defined on the basis of a barrier type accident model inspired by Reason's Swiss Cheese model and the HFACS (Human Factors Analysis and Classification System) taxonomy of Shappell and Wiegmann [48] developed for analysis of air transpo

ผลลัพธ์ (ไทย) 1:

ที่นาจำนวนผู้สมัครชน และ PC ความน่าเป็นสาเหตุหรือความเป็นไปของผู้สมัครชนเป็น การชน (เช่น [36])จำนวนผู้สมัครชน (นา) สอดคล้องกับจำนวนของชนถ้าไม่กลายเป็นคณะสเก็ต evasive ทำ และขึ้นบนเรือคุณสมบัติการจราจรในพื้นที่ ผู้สมัครชนโดยประมาณสำหรับข้ามเฉพาะของสองการบ้าน [42] หรือใช้ระบบรหัสอัตโนมัติ (AIS) ข้อมูลโดยตรงกับแนวคิดของเส้นผ่าศูนย์กลางชนกำหนด โดย Pedersen [42], เช่นเป็นเสร็จสิ้นโดย Silveira et al. [50]สามารถประเมินความน่าเป็นสาเหตุ (Pc) ใช้สองวิธี: วิธีการสถานการณ์สมมติหรือวิธีการสังเคราะห์ ใช้วิธีการสถานการณ์สมมติถ้าคำนวณตามความน่าเป็นสาเหตุจากอุบัติเหตุพร้อมข้อมูล วิธีการสังเคราะห์อาศัยการพัฒนารูปแบบเครือข่ายทฤษฎีการประเมิน (พีซี), เช่นสัดส่วนของผู้สมัครชนล้มเหลวในการหลีกเลี่ยงการชน ซึ่งเป็นผลกระทบจากปัจจัยด้านเทคนิค ด้านสิ่งแวดล้อม และมนุษย์โดยทั่วไปทฤษฎีเครือข่ายรุ่นมีการปรับสาเหตุการประเมินความน่าเป็น ซึ่งแตกต่างกันทั้ง ในจำนวน และ ในลักษณะของตัวแปรของพวกเขา เช่น แฮนเซน Friis และ Simonsen [12] พัฒนาแพคเกจซอฟต์แวร์ที่เรียกว่าดินและชนวิเคราะห์เครื่องมือ (GRACAT), การประเมินความน่าเป็นเรือชนและ groundings รวมถึงการประเมินความเสียหาย GRACAT ใช้ในการคำนวณการชนและดินน่าจะวิธีการซึ่งเป็นไปตามรุ่นของฟูจิอิ et al. [14] และ MacDuff [35] อิงเครือข่ายสูตร โดยแฮนเซน Friis และ Pedersen [11] แต่ขยายโมเดลเรือสอง เช่นเรือ – จัดส่งกรณีชนแบบพันล้านทำนายปัจจัยสาเหตุสำหรับเรือเรือชน ซอฟต์แวร์ GRACAT มีการใช้ตัวอย่างเช่นในการประมาณค่าความเสี่ยงชนประกอบการเรียนที่ดำเนินการสำหรับการดำเนินการระบบ VTMIS (เรือการจัดการจราจรและบริการข้อมูล) สำหรับอ่าวฟินแลนด์โปรแกรมประยุกต์อื่นของพันล้านรูปสำหรับสถานการณ์ดินและชนถูกดำเนิน โดยนอร์เวย์ร่วมกับ FSA บนเรือโดยสารขนาดใหญ่ [24] ในการศึกษานี้ รุ่นความเสี่ยงได้มีพัฒนาดินและชนอุบัติเหตุสำหรับนับจำนวนตัวเลือกการควบคุมความเสี่ยง (RCOs), โดยเฉพาะอย่างยิ่งการประเมินผลกระทบของ ECDIS (แสดงแผนภูมิอิเล็กทรอนิกส์และระบบสารสนเทศ), enc อินเตอร์ (แผนภูมิเพื่อนำทางอิเล็กทรอนิกส์) และการติดตามควบคุม รุ่นบีเอ็นเหล่านี้สำหรับสถานการณ์อุบัติเหตุไฟดินและชนรวมมนุษย์ปัจจัย ปัจจัยทางเทคนิค ทางภูมิศาสตร์ และ ปัจจัยภายนอก เลือกจุดประสงค์ เพื่อสะท้อนความเสี่ยงที่สำคัญจากผู้สนับสนุน และ เพื่อให้สามารถประเมินผลของ RCOs การวิเคราะห์พิจารณาสถานการณ์ห้าที่อาจทำให้ดิน มีประมาณน่าจะอิงจากผู้เชี่ยวชาญตัดสิน นอกจากนี้ การพิจารณาว่าปัจจัยต่าง ๆ มีอิทธิพลต่อความสามารถในการทำงานของเนวิเกเตอร์ เช่น: การ) การจัดการปัจจัย ข) การทำงานเงื่อนไขและ c) ปัจจัยส่วนบุคคลที่มีสถานะทางกายภาพ และจิตใจของ OOW (ล้า เครียด มึนเมา ฯลฯ) สำหรับสถานการณ์การชน การสร้างโมเดลของการสูญเสียการควบคุมของเรือได้มากหรือน้อยเหมือนกับดิน ยกเว้นว่าการโต้ตอบกับเรืออื่น ๆ (กฎให้ทิศทาง และแนวทางปฏิบัติ การสื่อสาร ฯลฯ) มาพร้อมHanninen และ Kujala [20] ศึกษาอิทธิพลของตัวแปรในรูปแบบเครือข่ายความเชื่อทฤษฎีสำหรับการประเมินบทบาทของปัจจัยมนุษย์น่าเป็นชนเรือในอ่าวฟินแลนด์ วัตถุประสงค์ของการศึกษานี้มีการ ระบุตัวแปรที่ มีอิทธิพลใหญ่ที่สุดและตรวจสอบความถูกต้องของรูปแบบพันล้าน โครงสร้างของแบบจำลองการวิเคราะห์ได้ในระดับขนาดใหญ่ตามรูปที่แสดง โดย DNV [8] และ DNV [7] อย่างไรก็ตาม รุ่นของ Hanninen และ Kujala [20] ถือหลายชนิดเรือและรุ่นเรือพบทั้งสอง มีการตรวจสอบการเปลี่ยนแปลงเรียกว่าสาเหตุน่าเป็น (เช่นสัดส่วนของผู้สมัครชนล้มเหลวในการหลีกเลี่ยงการชน ซึ่งเป็นผลกระทบจากปัจจัยทางเทคนิค และสิ่งแวดล้อม มนุษย์) ในขณะที่สังเกตแต่ละรัฐ ของตัวแปรของเครือข่าย และการใช้ความไวและร่วมกันวิเคราะห์ข้อมูล หลักสูตรการเปลี่ยนแปลงในสถานการณ์เผชิญหน้าคือ ตัวแปรที่มีอิทธิพลมากในรูปแบบ ตาม ด้วยตัวแปรเช่น OOW การกระทำ ประเมินสถานการณ์ การตรวจจับ เงื่อนไขส่วนบุคคล และ incapacitationความเป็นไปได้วิเคราะห์อุบัติเหตุเรือโดยใช้ทฤษฎีเครือข่ายที่มีการประเมินยัง โดย Kristiansen [30] จุดเน้นของการศึกษานี้วันที่ groundings ขับเคลื่อน วัตถุประสงค์คือการจำลองที่ทำหน้าที่ปฏิสัมพันธ์ ระหว่างปัจจัย shaping ประสิทธิภาพ และปลอดภัย กำหนดโครงสร้างนี้บีเอ็นถกอุปสรรคชนิดอุบัติเหตุแบบแรงบันดาลใจตามเหตุผลของชีสสวิสรุ่นและระบบภาษี HFACS (วิเคราะห์ปัจจัยมนุษย์และระบบการจัดหมวดหมู่) ของ Shappell และ Wiegmann [48] พัฒนาขึ้นสำหรับการวิเคราะห์อากาศประเภท

ผลลัพธ์ (ไทย) 2:

ที่นาเป็นจำนวนของผู้สมัครการปะทะกันและ PC คือความน่าจะเป็นสาเหตุหรือน่าจะเป็นของผู้สมัครชนกลายเป็นชน (เช่น [36]).
จำนวนของผู้สมัครชน (NA) สอดคล้องกับจำนวนของการชนหากไม่มีปัญหาบอลข่าน ถูกสร้างขึ้นมาและมันก็ขึ้นอยู่กับคุณสมบัติการเข้าชมเรือในพื้นที่ ผู้สมัครชนสามารถประมาณสำหรับข้ามโดยเฉพาะอย่างยิ่งของทั้งสองทางน้ำ [42] หรือใช้โดยตรงระบบบัตรอัตโนมัติ (เอไอเอส) ข้อมูลกับแนวคิดของการปะทะกันขนาดเส้นผ่าศูนย์กลางที่กำหนดโดย Pedersen [42] เช่นเป็นกระทำโดย Silveira et al, [50].

สาเหตุน่าจะเป็น (PC) สามารถประมาณโดยใช้สองวิธี: วิธีสถานการณ์หรือวิธีการสังเคราะห์ วิธีการที่จะใช้สถานการณ์ถ้าความน่าจะเป็นสาเหตุที่มีการคำนวณบนพื้นฐานของข้อมูลการเกิดอุบัติเหตุที่มีอยู่ วิธีการสังเคราะห์ต้องอาศัยการพัฒนารูปแบบเบส์เครือข่ายในการประมาณการ (PC) คือส่วนของผู้สมัครชนล้มเหลวในการหลีกเลี่ยงการปะทะซึ่งเป็นผลกระทบจากปัจจัยทางเทคนิคสิ่งแวดล้อมและมนุษย์ปกติ.

รุ่นเครือข่ายแบบเบย์ได้รับการปรับให้เข้ากับความน่าจะเป็นสาเหตุ การประมาณค่าที่แตกต่างกันทั้งในด้านจำนวนและในธรรมชาติของตัวแปรของพวกเขา ยกตัวอย่างเช่น Friis แฮนเซนและซิมอนเซ่น [12] การพัฒนาแพคเกจซอฟต์แวร์ที่เรียกว่าสายดินและชนวิเคราะห์กล่องเครื่องมือ (GRACAT) เพื่อประเมินความน่าจะเป็นของการชนเรือและ groundings รวมทั้งการประเมินความเสียหาย GRACAT ใช้ในการคำนวณของการปะทะกันและดินน่าจะเป็นวิธีการที่จะขึ้นอยู่กับรูปแบบของ Fujii et al, [14] และ MacDuff [35] รุ่น BN ในการทำนายปัจจัยสาเหตุสำหรับการชนกันของเรือเรืออยู่บนพื้นฐานของเครือข่ายสูตรโดย Friis แฮนเซนและ Pedersen [11] แต่ขยายไปยังรูปแบบเรือสองลำคือเรือเรือสถานการณ์การปะทะกัน ซอฟแวร์ GRACAT ถูกนำมาใช้เช่นในการประมาณค่าความเสี่ยงการปะทะกันของการศึกษา FSA ดำเนินการสำหรับการดำเนินงานของ VTMIS (เรือจัดการจราจรและการบริการข้อมูล) ของระบบสำหรับอ่าวฟินแลนด์.

ประยุกต์ใช้แบบจำลอง BN สำหรับดินและการชนกันของสถานการณ์อีกได้ดำเนินการ โดยนอร์เวย์ร่วมกับ FSA บนเรือโดยสารขนาดใหญ่ [24] ในการศึกษานี้แบบจำลองความเสี่ยงได้รับการพัฒนาสำหรับดินและการปะทะกันเกิดอุบัติเหตุปริมาณของตัวเลือกการควบคุมความเสี่ยง (RCOs) โดยเฉพาะอย่างยิ่งสำหรับการประเมินผลกระทบของการ ECDIS (แสดงแผนภูมิอิเล็กทรอนิกส์และระบบสารสนเทศ) ENC (แผนภูมิอิเล็กทรอนิกส์การเดินเรือ) และแทร็ค ควบคุม. เหล่านี้ BN รูปแบบการขับเคลื่อนดินและเกิดอุบัติเหตุชนสถานการณ์รวมปัจจัยมนุษย์ปัจจัยทางเทคนิคทางภูมิศาสตร์และปัจจัยภายนอกอื่น ๆ ได้รับการแต่งตั้งโดยมีจุดประสงค์เพื่อให้สะท้อนถึงผู้ร่วมสมทบเสี่ยงที่สำคัญและเพื่อให้สามารถที่จะประเมินผลกระทบของการ RCOs การวิเคราะห์พิจารณาห้าสถานการณ์ที่อาจนำไปสู่ดินที่มีความน่าจะเป็นประมาณขึ้นอยู่กับการตัดสินใจของผู้เชี่ยวชาญ นอกจากนี้ยังมีปัจจัยหลายประการที่ได้รับการพิจารณาจะมีอิทธิพลต่อความสามารถในการดำเนินงานที่ผู้นำ 'เช่นก) ปัจจัยการบริหารจัดการ; ข) เงื่อนไขในการทำงานและ C) ปัจจัยส่วนบุคคลที่มีสภาพร่างกายและจิตใจของ OOW (ความเมื่อยล้าระดับความเครียดเมา ฯลฯ ) สำหรับสถานการณ์การปะทะกันการสร้างแบบจำลองของการสูญเสียการควบคุมของเรือจะมากหรือน้อยเช่นเดียวกับดินยกเว้น (กฎให้ทางและวิธีปฏิบัติในการสื่อสาร ฯลฯ ) ที่มีปฏิสัมพันธ์กับเรืออื่น ๆ ถูกรวม.

Hanninen และ Kujala [20] การศึกษาอิทธิพลของตัวแปรในรูปแบบเครือข่ายความเชื่อแบบเบย์สำหรับการประเมินบทบาทของปัจจัยมนุษย์น่าจะเป็นเรือชนกันในอ่าวฟินแลนด์ วัตถุประสงค์ของการศึกษาครั้งนี้มีการระบุตัวแปรที่มีอิทธิพลที่ใหญ่ที่สุดและการตรวจสอบความถูกต้องของรุ่น BN โครงสร้างของรูปแบบการวิเคราะห์เป็นขอบเขตขนาดใหญ่ขึ้นอยู่กับรูปแบบที่นำเสนอโดย [8] DNV และ DNV [7] อย่างไรก็ตามรูปแบบของ Hanninen และ Kujala [20] พิจารณาประเภทเรือหลายและทั้งสองรุ่นของเรือเผชิญหน้ากับ การเปลี่ยนแปลงที่เรียกว่าน่าจะเป็นสาเหตุ (คือส่วนของผู้สมัครชนล้มเหลวในการหลีกเลี่ยงการปะทะซึ่งเป็นผลกระทบจากปัจจัยทางเทคนิคสิ่งแวดล้อมและมนุษย์) ได้รับการตรวจสอบในขณะที่สังเกตรัฐของตัวแปรเครือข่ายแต่ละคนและโดยใช้ความไวและความร่วมกัน ข้อมูลการวิเคราะห์ การเปลี่ยนหลักสูตรในสถานการณ์การเผชิญหน้าเป็นตัวแปรที่มีอิทธิพลมากที่สุดในรูปแบบตามด้วยตัวแปรเช่นการกระทำ OOW ของการประเมินสถานการณ์การตรวจสอบอันตรายสภาพส่วนบุคคลและการสูญเสียความสามารถ.

ความเป็นไปได้ของการวิเคราะห์การเกิดอุบัติเหตุเรือโดยวิธีการของเบส์เครือข่ายยังได้รับการประเมิน โดย Kristiansen [30] ความสำคัญของการศึกษาครั้งนี้อยู่บน groundings ขับเคลื่อน โดยมีวัตถุประสงค์เพื่อสร้างแบบจำลองการปฏิสัมพันธ์ระหว่างปัจจัยด้านประสิทธิภาพการสร้างและการกระทำที่ไม่ปลอดภัย โครงสร้าง BN นี้ถูกกำหนดบนพื้นฐานของรูปแบบประเภทอุปสรรคอุบัติเหตุแรงบันดาลใจจากรูปแบบชีสเหตุผลของสวิสและ HFACS (การวิเคราะห์ปัจจัยมนุษย์และการจัดระบบ) อนุกรมวิธานของ Shappell และ Wiegmann [48] ที่พัฒนาขึ้นสำหรับการวิเคราะห์ Transpo อากาศ

ผลลัพธ์ (ไทย) 3:

ซึ่งนาเป็นหมายเลขของผู้สมัคร การชนและ PC เป็นสาเหตุความน่าจะเป็นหรือความเป็นไปได้ของการชนกันของผู้สมัครเป็นชน ( เช่น [ 36 ] )หมายเลขของการชนกันของผู้สมัคร ( na ) ที่สอดคล้องกับจำนวนของการชนกัน ถ้าไม่มีการประลองยุทธ์เลี่ยงได้ และมันขึ้นอยู่กับคุณสมบัติของเรือจราจรในพื้นที่ การปะทะกัน ผู้สมัครสามารถประเมินเพื่อข้ามโดยเฉพาะสองน้ำ [ 42 ] หรือใช้ระบบการระบุโดยอัตโนมัติ ( AIS ) ข้อมูลกับแนวคิดของการชนกันของเส้นผ่าศูนย์กลางที่กำหนดโดย Pedersen [ 42 ] เช่นที่ทำโดย Silveira et al . [ 50 ]ส่วนสาเหตุความน่าจะเป็น ( PC ) สามารถประมาณได้โดยใช้สองวิธี : บทสังเคราะห์แนวทางหรือวิธีการ สถานการณ์การใช้ถ้าสาเหตุความน่าจะเป็นที่คำนวณจากข้อมูลอุบัติเหตุพร้อมใช้งาน การสังเคราะห์วิธีการอาศัยการพัฒนารูปแบบเครือข่ายแบบประเมิน ( PC ) คือส่วนของชนผู้ล้มเหลวเพื่อหลีกเลี่ยงการชน ซึ่งมักจะได้รับผลกระทบทางสิ่งแวดล้อมและปัจจัยมนุษย์รูปแบบเครือข่ายแบบเบย์ได้รับการดัดแปลงเพื่อการประมาณค่าความน่าจะเป็นของสาเหตุที่แตกต่างกันไป ทั้งในด้านจำนวนและตัวแปรในลักษณะของพวกเขา ตัวอย่าง ฟรีส แฮนเซ่น และ ไซมอนเซน [ 12 ] พัฒนาซอฟต์แวร์ที่เรียกว่าดินและการวิเคราะห์การชนกล่องเครื่องมือ ( gracat ) เพื่อประเมินความเป็นไปได้ของการชนเรือและ groundings รวมทั้งการประเมินความเสียหาย gracat ใช้ในการคำนวณของการชนและสายดิน probabilities วิธีซึ่งขึ้นอยู่กับรุ่นของฟูจิ et al . [ 14 ] และ Lowestoft [ 35 ] แบบจำลองเพื่อทำนายผลต่อปัจจัยสำหรับเรือและเรือชนขึ้นอยู่กับเครือข่ายยุทธศาสตร์ โดยฟรีสเซ่นและ Pedersen [ 11 ] แต่ขยายแบบเรือสองลำ คือ เรือชนกัน เรือ และสถานการณ์ gracat ซอฟต์แวร์มีการใช้ตัวอย่างในการประมาณความเสี่ยงการชนของ FSA ดำเนินการศึกษาสําหรับการดําเนินงานของ vtmis ( การจัดการจราจรเรือและบริการ ) ระบบสารสนเทศสำหรับอ่าวฟินแลนด์อีกหนึ่งโปรแกรมของรุ่น BN สำหรับดินและการปะทะสถานการณ์มีปัญหาโดยนอร์เวย์ร่วมกับ FSA ในผู้โดยสารเรือใหญ่ [ 24 ] ในการศึกษานี้ได้พัฒนาแบบจำลองความเสี่ยงสำหรับสายดินและอุบัติเหตุการชนสำหรับปริมาณตัวเลือกในการควบคุมความเสี่ยง ( rcos ) โดยเฉพาะการประเมินผลของ ecdis ( ระบบแสดงผลและแผนภูมิข้อมูลอิเล็กทรอนิกส์ ) , ENC ( แผนที่เดินเรืออิเล็กทรอนิกส์ ) และควบคุมติดตาม รุ่น BN เหล่านี้เพื่อขับเคลื่อนการต่อลงดินและสถานการณ์อุบัติเหตุการชนกัน ได้แก่ ปัจจัย ปัจจัยทางภูมิศาสตร์และปัจจัยภายนอกอื่น ๆ เลือก มีจุดมุ่งหมายเพื่อสะท้อนความเสี่ยงที่สำคัญและผู้ที่ได้ศึกษาผลของการ rcos . การวิเคราะห์พิจารณาห้าสถานการณ์ที่อาจนำไปสู่การต่อลงดินกับความน่าจะเป็นประมาณการตามการประเมินของผู้เชี่ยวชาญ . นอกจากนี้ ปัจจัยหลายอย่างถือว่ามีอิทธิพลต่อความสามารถในการดําเนินงาน navigators " , เช่น : ) ปัจจัยการบริหารจัดการ 2 ) สภาพการทำงาน และ 3 ) ปัจจัยส่วนบุคคลที่มีสภาพร่างกายและจิตใจของวุ๊ฟ ( ระดับความเครียด อ่อนเพลีย มึน ฯลฯ ) สำหรับการชนกันของสถานการณ์การสูญเสียการควบคุมของเรือมากขึ้น หรือเหมือนดินน้อยลง ยกเว้นว่ามีปฏิสัมพันธ์กับเรืออื่นๆ ( ให้กฎและการปฏิบัติการสื่อสาร ฯลฯ ) รวมhanninen kujala [ 20 ] และศึกษาอิทธิพลของตัวแปรในแบบจำลองเครือข่ายความเชื่อเบย์เพื่อประเมินบทบาทของปัจจัยมนุษย์บนเรือชนกันในอ่าวความน่าจะเป็นของฟินแลนด์ การศึกษาครั้งนี้มีวัตถุประสงค์เพื่อศึกษาตัวแปรที่มีอิทธิพลมากที่สุดและตรวจสอบความถูกต้องของโครงการแบบ โครงสร้างของแบบจำลองเพื่อวิเคราะห์ขอบเขตขนาดใหญ่บนพื้นฐานของแบบจำลองที่นำเสนอโดย DNV [ 8 ] และ DNV [ 7 ] อย่างไรก็ตาม รุ่นของ hanninen kujala [ 20 ] และพิจารณาหลาย ๆชนิดและรูปแบบของเรือทั้งสองพบเรือ การเปลี่ยนแปลงในการกระทำที่เรียกว่าความน่าจะเป็น ( เช่นส่วนของชนผู้ล้มเหลวเพื่อหลีกเลี่ยงการชน ซึ่งจะได้รับผลกระทบ โดยทางด้านเทคนิค ปัจจัยด้านสิ่งแวดล้อมและมนุษย์ ) คือการตรวจสอบสถานะของเครือข่ายในขณะที่การสังเกตแต่ละตัวแปรโดยใช้การวิเคราะห์ความไวและข้อมูลซึ่งกันและกัน การเปลี่ยนแปลงหลักสูตรในการเผชิญสถานการณ์คือตัวแปรที่มีอิทธิพลมากที่สุดในรุ่น ตามด้วยตัวแปรเช่นการกระทำของวุ๊ฟ ประเมิน สถานการณ์อันตราย ตรวจสอบเงื่อนไขส่วนตัวและการสูญเสียความสามารถ .ความเป็นไปได้ของการวิเคราะห์อุบัติเหตุเรือโดยวิธีการของเครือข่ายแบบเบย์ยังได้ประเมิน โดย kristiansen [ 30 ] การศึกษาครั้งนี้มุ่งเน้นใน groundings ขับเคลื่อน โดยมีวัตถุประสงค์เพื่อ รูปแบบปฏิสัมพันธ์ระหว่างการปฏิบัติการสร้างปัจจัยและการกระทำที่ไม่ปลอดภัย โครงสร้างตลาดนี้ถูกกำหนดบนพื้นฐานของอุปสรรคประเภทอุบัติเหตุรูปแบบแรงบันดาลใจจากโมเดลสวิสชีส เหตุผลและ hfacs ( การวิเคราะห์และระบบการจำแนกปัจจัยมนุษย์และอนุกรมวิธานของ shappell wiegmann [ 48 ] พัฒนาขึ้นสำหรับการวิเคราะห์ของอากาศที่ส่ง