1- مقدمه

پشتیبانى از تصمیم‌گیری‌ها و سیاست‌ها در دستیابی به اهداف عملیاتی و اجرایی بر مبناى تجزیه و تحلیل، استدلال‌هاى آمارى و کشف داده‌ها می‌باشد. سیستم‌هاى کشف دانش، این امکان را به کاربر مى‌دهند که بتواند انبوه داده‌هاى جمع‌آورى‌شده را تفسیر کنند و دانش نهفته در آن را استخراج نمایند. کاوش داده‌ها را مى‌توان روى بانک‌هاى اطلاعاتى مختلفى انجام داد. یکى از این بانک‌ها، بانک‌هاى اطلاعاتى مکانی است. کاوش در مورد داده‌هایى که داراى یک یا چند ویژگى مکانى، فضایى و یا جغرافیایى باشند، داده‌کاوى مکانی نامیده می‌شود و خروجى آن دانشی است که داراى خصوصیات فضایى جغرافیایى، مانند مکان، جهت، فاصله، شکل هندسى و مانند آن باشد. یکی از کاربردهای سامانة اطلاعات مکانی که نقش اساسی در حفظ جان انسان‌ها و جلوگیری از بروز خسارات مالی و زیست‌محیطی دارد‌، مدیریت بحران می‌باشد.

 بحران حادثه‌ای است که به طور طبیعی و یا توسط بشر به‌طور ناگهانی و یا به صورت فرایند به‌وجود می‌آید. بحران درطولتاریخمکتوببشرهموارههمراهبابشر بودهوچهبساپیشازآننیزوجودداشتهاست. بحران مرحله‌ای است که در آن عدم‌اطمینان دربارة برآورد وضعیت و راهکارهای مهم آن افزایش و کنترل واقعه و تأثیر آن کاهش می‌یابد. سوانح طبیعی پدیده‌ای گریزناپذیر به‌شمار می‌آید. تجربه در سطح جهانی و ملی نشان داده است که بازگرداندن شرایط اولیه به مناطق سانحه‌دیده، کاری بس دشوار یا تقریبا غیرممکن است. اما با در نظر گرفتن اقداماتی نظیر تدوین استراتژی‌های از پیش هشداردهندة بحران، این امکان وجود دارد که بتوان خطر را در مناطق مختلف جغرافیایی به حداقل رساند.

1-1- بیان مسئله

از آنجا که بنادر از نقاط استراتژیک و لجستیک یک کشور محسوب می‌شوند، بروز بحران در آنها می‌تواند به یک فاجعة منطقه‌ای و در ابعاد وسیع‌تر به فاجعة ملی تبدیل شود. از این رو، تهیة مدلی مبتنی بر تکنولوژی‌های روز و تعیین مناطق پرخطر با توجه به عوامل عمده و اصلی بروز حوادث و سوانح، می‌تواند کمک قابل‌توجهی در کاهش خسارات جانی و مالی کند و افزایش آمادگی جهت رویارویی با این‌گونه حوادث را در بنادر به‌وجود آورد.

در همین راستا سازمان جهانی دریانوردی (IMO)[1] با تصویب کنوانسیون‌های بین‌المللی و الزام دولت‌ها به اجرای دقیق آنها اقداماتی را در جهت بهبود امنیت و ایمنی بنادر، صورت داده است. یکی از این کنوانسیون‌ها، تصویب آیین‌نامة بین‌المللی امنیت کشتی و تسهیلات بندری (ISPS CODE)[2] توسط سازمان جهانی دریانوردی در سال 2001 میلادی می‌باشد. از طرفیتدوین قوانین و مقررات کلان داخلی به ویژه در سال‌های اخیر نظیر، چشم‌انداز ایران در سال 1404 مصوبات و سیاست‌گذاری‌های کلان مجمع تشخیص مصلحت نظام، قانون برنامه چهارم توسعه کشور و سایر ضوابط و دستورالعمل‌های دولتی در زمینة ایمن‌سازی، مقاوم‌سازی و مدیریت بحران نیاز به ارایه راهکارهای جدید و به‌روز در راستای اجرای بهینة مدیریت بحران در کشور به‌طور عام و در بنادر کشور به عنوان نقاط استراتژیک کشور به طور خاص، به شدت ملموس می‌باشد.

1-2- ضرورت انجام پژوهش

یکی از تکنولوژی‌هایی که در مدیریت بحران و تعیین مناطق پرمخاطره به عنوان ابزاری کارآمد مورد توجه بوده است، به‌کارگیری تکنیک‌های مربوط به GIS و تحلیل‌های مکانی خطرات و حوادث می‌باشد. در همین راستا اقدامات مؤثری در به‌کارگیری این تکنولوژی در مدیریت بحران و محاسبة میزان خطر در مناطق مختلف انجام شده است.

در بنادر کشور ایران خلأ وجود چنین سیستم‌هایی همواره مشهود بوده است، گرچه در سال‌های اخیر شاهد اقدامات مثبت زیادی در زمینة به‌کارگیری تکنولوژِی سنجش از راه دور و سیستم اطلاعات جغرافیایی در بنادر ایران بوده‌ایم ولی استفاده از این علم در زمینة مدیریت بحران بنادر کمتر صورت گرفته است. تقسیم‌بندی بندر به نواحی مختلف و همچنین محاسبة میزان ریسک بروز سوانح عمده در آنها می‌تواند نقش بسزایی در کاهش سوانح ایفا کند. بنابراین پرداختن به این موضوع می‌تواند به نتایجی مبتنی بر فرضیه‌های علمی منجر شود و مدلی کلی جهت پیاده‌سازی در کلیة بنادر فراهم کند.

در همین راستا بندر به لحاظ پارامترهای ژئوپولتیک نیز بررسی می‌شود و به کمک قابلیت‌های GIS و تحلیل‌های هوش مصنوعی نسبت به تعیین مناطق پرخطر برحسب عوامل اصلی بروز سوانح از جمله آتش سوزی، اقدام و مدل کلی‌ای جهت به‌کارگیری در کلیة بنادر کشور تهیه می‌گردد. همچنین با قابلیت‌های Web-GIS در زمینة ارتباطات آنلاین، امکان کنترل و رصد یکپارچه و لحظه‌ای کلیة بنادر در ادارة کل سازمان بنادر وجود دارد.

2- روش تحقیق

مجتمع بندری شهید رجایی بندرعباس از مهم‌ترین بنادر ایران به‌شمار می‌رود و به تنهایی بیش از ۵۵% صادرات و واردات و ۷۰% ترانزیت بنادر کشور را برعهده دارد. همچنین تخلیه ۹۰% بارگیری کالاهای کانتینری کشور در این مجتمع انجام می‌گیرد. این بندر در فاصله ۲۳ کیلومتری غرب بندرعباس واقع شده و با بیش از ۴۸۰۰ هکتار وسعت، ظرفیت پذیرش سالانه بیش از 93 میلیون تن کالا را دارد.

شکل (1): منطقه مورد مطالعه

در بنادر مراکزی وجود دارند که کلیة اطلاعات مرتبط با سوانح و حوادث روی‌داده در بندر را به صورت کاملا دقیق ثبت می‌کنند، بنابراین، منبع قابل‌استناد محسوب می‌شوند. این مراکز عبارتند از: (1) مرکز رادیویی برج کنترل، (2) درمانگاه و مرکز درمانی، (3) مرکز آتش‌نشانی، (4) مرکز گارد و حفاظت، (5) گزارش سالیانه بندر و (6) ادارة حفاظت و ایمنی بندر (افسر ایمنی و امنیت بندر)

فرآیند انجام این تحقیق در نمودار (1) نشان داده شده است.

نمودار (1): فرآیند انجام تحقیق

3- تجزیه و تحلیل داده­ها

3-1- ارزیابی ریسک

برای ارزیابی ریسک از روش ویلیام فاین استفاده شد. این روش، ریسک را تابعی از احتمال وقوع خطر، پیامد ناشی از آن و میزان تماس با خطر می‌داند. در این روش رتبة ریسک از طریق رابطة (1) محاسبه می‌شود.

رتبة ریسک = میزان احتمال * میزان تماس * میزان پیامد                                                             (1)

برای رتبه‌دهی ریسک خطرات از جداول مختلف استفاده شد.

جدول (1): طبقه‌‌بندی شدت ریسک

جدول (2): طبقه‌بندی میزان تماس با خطر

جدول (3): طبقه‌بندی احتمال وقوع خطر یا احتمال تأثیر عوامل زیان‌آور

3-2- تعیین وزن در شبکة عصبی مصنوعی

تعیین وزن در شبکة عصبی مصنوعی شامل دو مرحله است. در مرحله اول وزن‌ها به صورت تصادفی تعیین می‌شوند (Topal and Yesilnacar, 2005). سوری و همکاران در سال 1390، به منظور آموزش بهتر و سریع‌تر، نخست همة وزن‌های شبکه را به صورت تصادفی بین 7/0- تا 7/0 وزن‌دهی کردند. برخی دیگر وزن‌های اولیه را به صورت تصادفی بین 3/0- تا 3/0 انتخاب می‌کنند (Kavzoghlu, 2001). توپال و ایسیل‌ناکار وزن‌های اولیه را به صورت تصادفی بین 5/0- تا 5/0 انتخاب کردند. راکعی و همکاران در سال 1386، با استفاده از یک فضای کاری کاملا تصادفی عناصر ماتریس‌های وزن لایة اول و دوم را 25/0- تا 25/0 انتخاب کردند.

 در مرحله دوم، با استفاده از نرم‌افزار وزن نهایی هر عامل در شبکة مصنوعی تعیین می‌شود. در مرحله یادگیری شبکه، در هر تکرار با استفاده از روابط  (1) تا (12 ) مقادیر وزن تغییر داده می‌شود تا به مقادیر وزن مطلوب برسیم. (لیو همکاران، 2006)

                                                                                                                                                        (1) 

که درw_ij ، i و j وزن بین واحد پردازشگر

و در o_i: خروجی واحد پردازشگر iام است، که از رابطه (2) به دست می آید:

                                                                                                                                (2)

در رابطه فوقƒ: تابع فعال است که معمولا یک تابع غیرخطی که برای قرار دادن مجموع وزن‌های خروجی از هر لایه به لایة بعدی استفاده می‌شود. یکی از مزیت‌های این تابع آن است که مطابق رابطه (3) قابلیت مشتق‌پذیری دارد.

                                                                                                     (3) 

شبکه‌ای که در رابطة (3) استفاده شده است شامل سه لایه می‌باشد که اولین لایة آن، لایة ورودی، دومین لایه، لایة پنهان و سومین لایة شبکه، لایة خروجی نام دارد. هر واحد پردازشگر از لایة پنهان به لایة قبلی و بعدی به وسیله ارتباطات وزنی متصل شده است. میزان خطای شبکه برای یک الگوی مشخص ورودی تابعی از بردار مطلوب خروجی (d) و بردار خروجی واقعی است که از طریق رابطة (4) به‌دست میآید.

                                                                                                       (4)

که در آنE : خطای کل شبکه،

 : مقادیر پیش‌بینی‌شده

: مقادیر مشاهده‌شده م‌باشد.  

فرآیند پیشرو و پسانتشار خطا به طور زیادی تا موقعی که خطای کل شبکه حداقل شده یا به مقدار مورد نظر برسد تکرار می شود. الگوریتم پسانتشار خطا برای تعیین وزنهای هر فاکتور و استفاده از این دادهها برای طبقهبندی استفاده میشود. اهمیت خروجی که خروجی از هر نود لایه خروجی میباشد از رابطه (5) بهدست میآید.

                                                                            (5)

رابطة (5) هم مقادیر مثبت و هم مقادیر منفی تولید می‌کند. اگر اندازة اثرات دلخواه باشد، آنگاه اهمیت (وزن) واحد پردازشگر j متناسب با واحد پردازشگر دیگردر لایة پنهان، ممکن است به عنوان نسبتی از قدر مطلق مشتق رابطه (5) محاسبه شود (رابطة (6)).

                                                                   (6)

برای یک واحد پردازشگر مشخص در لایة خروجی نتایج رابطه (6) نشان می‌دهد وزن نسبی یک واحد پردازشگر در لایة پنهان نسبتی از قدر مطلق وزن ارتباط بین واحد پردازشگر لایة پنهان و لایة خروجی است. هنگامی که شبکه شامل لایه‌های خروجی با بیش از یک واحد پردازشگر باشد آنگاه رابطه (6) نمی‌تواند برای مقایسه دو واحد پردازشگر در لایة پنهان استفاده شود. در صورتی چند واحد پردازشگر در لایة خروجی داشته باشیم از روابط (7) و (8) استفاده می‌شود:

                                                                                                                                                                      (7)

                                                                                                  (8)

بنابراین با توجه به اینکه واحد پردازشگر k در لایة پنهان می‌تواند دارای ارزشی بزرگ‌تر یا کوچک‌تر از یک باشد. بسته به اینکه آیا ارزش آن بیشتر یا کمتر از ارزش میانگین باشد، تمام واحدهای پردازشگر مشابه در لایة پنهان یک ارزش کل دریافت میکنند، که از طریق رابطه (9) محاسبه میشود:

                                                                                                                                        (9)   

در نتیجه اهمیت j با توجه به تمام واحدهای پردازشگر در لایة خروجی، از رابطه (10) به‌دست م‌آید.

                                                                                                                                                                                  (10)     

به روش مشابه، با توجه به واحد پردازشگر j در لایه پنهان درجه اهمیت نرمالیزه شده واحد پردازشگر jدر لایه ورودی میتواند از رابطه (11) بدست آید.

 (11)

اهمیت نهایی واحد پردازشگر j با توجه به لایة مخفی از رابطه (12) به‌دست می‌آید.

                                                                                                                                       (12)

جهت تهیه پارامتر ورودی در شبکة عصبی مصنوعی با استفاده از مدل نسبت فراوانی، وزن هر یک از خطرات به‌دست آمد. نتایج وزن‌دهی به این عوامل در جدول (1-4) ارائه شده است.

جدول (4): وزن محاسبه‌شده خطرات محتمل در بندر با استفاده از شبکة عصبی مصنوعی

همان‌گونه که در بخش‌های نخست اشاره شد، بنادر به عنوان مکان‌هایی که انواع کالاها اعم از کالاهای حجیم، لوکس، مواد نفتی، خطرناک و غیر آن، به آنها تردد می‌کنند، مطرح می‌باشند. از سوی دیگر تردد زیاد وسایل حمل‌ونقل کالا و تجهیزات مربوطه در محوطه‌های بندری، این مکان را به عنوان محلی با پتانسیل بالای بروز حوادث و سوانح تبدیل می‌کنند. به منظور تهیة نقشة پهنه‌بندی خطر در بندر، مناطقی را که امکان بروز سانحه در آنها بیشتر است انتخاب می‌کنیم. ریسک سوانح اصلی در مناطق نه گانه مورد بررسی، در این مطالعه برابر جدول (5) می‌باشد.

جدول (5): رتبة ریسک سوانح عمده محتمل در مناطق نه‌گانه بندر شهیدرجایی

در نهایت سوانحی که دارای رتبه بالاتر از 200 می باشند بعنوان سوانح با ریسک بالا^[3]،سوانح با رتبه بین 91 تا 200 سوانح با ریسک متوسط^[4] و سوانح با رتبه کمتر از 91 به عنوان سوانح با ریسک پایین^[5] دسته بندی می شوند.

جدول (6): درجه‌بندی رتبة ریسک

اکنون که وزن و رتبة کلیة سوانح جزئی محتمل در بندر و با استفاده از این سوانح، رتبة دسته‌های کلی سوانح استخراج شدند، زمان تولید نقشه‌های پهنه‌بندی برای هریک از دسته‌های کلی سوانح در مناطق مختلف بندر و در نهایت تهیة نقشه کلی پهنه‌بندی خطر در بندر شهید رجایی با استفاده از وزن‌های تعیین‌شده سوانح می‌باشد. تهیة این نقشه کمک شایانی به مدیریت بحران در مرحله پیش‌گیری از بروز بحران می‌کند و یک دید کلی از مناطق پرخطر و ریسک‌پذیر بندر در اختیار تصمیم‌گیران مدیریت بحران بندر شهید رجایی قرار می‌دهد. امتیاز هرکدام از لایه‌های داده‌های مکانی، برابر روش ذکرشده به شرح جدول (7) محاسبه می‌شود.

جدول (7): امتیاز کلی مناطق نه‌گانه بندر شهید رجایی

4- نتیجه‌گیری 

در این تحقیق از سیستم اطلاعات جغرافیایی (GIS) در تهیة نقشة پهنه‌بندی خطرات محتمل و در نهایت اجرای مدیریت بحران بندر شهید رجایی استفاده شد. بنادر در هر کشور نقش حیاتی در چرخه اقتصادی آن ایفا می‌کنند. بندر شهید رجایی به عنوان بزرگ‌ترین بندر کانتینری کشور، با توجه به موقعیت ژئوپولتیکی خاص، نقش مهمی در اقتصاد کشور ایران دارد. با توجه به حجم بالای کالای ترانزیت‌شده از این بندر بزرگ و استراتژیک، اجرای بهینة مدیریت بحران در آن ضروری است. سیستم اطلاعات مکانی به عنوان یک علم فراگیر با ارائه دید کل‌نگر و با در نظر گرفتن کلیة عوامل و خطرات تاثیرگذار کمک شایانی در این امر می‌کند.

شکل (2)ک نقشة پهنه‌بندی خطرات بندر شهید رجایی

این نقشه به عنوان ابزاری کارآمد کمک شایانی به مدیران و تصمیم‌سازان حوزة ایمنی بندر شهید رجایی می‌کند و در برنامه‌ریزی برای تخصیص و یا جابجایی تجهیزات ایمنی به مکان‌های با ریسک خطر بیشتر مورد استفاده واقع می شود. با شناسایی مناطق پرخطر و اخذ یک برنامه پیشگیرانه مناسب ـ با توجه به میزان خطرپذیری اماکن مختلف بندر ـ می‌توان تا حدود زیادی احتمال بروز خطرات را کاهش و نسبت به پیشگیری از بروز آنها اقدام مناسب اتخاذ کرد. در این تحقیق، از قابلیت های GIS در تلفیق داده‌های مکانی و غیرمکانی به عنوان ابزاری قدرتمند برای تهیة نقشه‌های دقیق پهنه‌بندی خطرات استفاده شد. طبق نتایج این تحقیق، زون‌های نفتی و انبار مواد خطرناک و جاده‌های بندر شهید رجایی بیشترین آسیب‌پذیری را در برابر خطرات احتمالی دارند.