Publication: Maritime accident analysis using topic modeling approach
Abstract
Son yıllarda deniz taşımacılığında artan güvenlik kaygıları nedeniyle deniz kazaları literatürü giderek artmaktadır. Denizcilik en eski ulaşım yöntemlerinden biridir. Kullanıldığı yüzyıllar boyunca çok sayıda kaza meydana gelmiştir. Bu kazalar, insan ve deniz yaşamının tehlikeye girmesi, özellikle kimyasal tanker kazaları nedeniyle çevrenin ve ekosistemin bozulması, şirketlerin para kaybı, tedarik zincirlerinde nakliye gecikmeleri gibi istenmeyen sonuçlara yol açmaktadır. Teknik sorunlar, ekipman ve makinelerin arızalanması, çarpışma, karaya oturma, kötü hava koşulları gibi birçok faktörden dolayı kazalar meydana gelebilir. Son istatistikler, kazaların çoğunun insan faktörlerinden kaynaklandığını göstermektedir. Kazalarda farklı faktörlerin rolünü ölçeklendirecek ve ölçecek standart bir yöntem yoktur. Konu modelleme, kaza raporu metinlerinin analiz edilerek kazaların altında yatan faktörlerin ortaya çıkarılması için aday bir yöntemdir. Çok az sayıda araştırmacı konu modellemeyi deniz kazası raporlarına uygulamıştır. Bu çalışma, Birleşik Krallık deniz kazası raporlarına Gizli Dirichlet Algoritmasını (LDA) 2013- 2023 yılları arasında İngiltere’deki deniz kaza raporlarına uygulayarak bu önemli araştırma alanına katkıda bulunmaktadır. 242 kaza raporuna dayanarak dokuz ana konu belirlenmiştir. Sonuçlar kapsamlı bir yaklaşımla değerlendirilmekte ve ardından İnsan Faktörü Analizi Sınıflandırma Sistemi (HFACS) yapısı dikkate alınarak tartışılmaktadır. Böylece önerilen modelin denizcilik sektöründe uygunluğu ve kullanımı güçlendirilmektedir. Konu modelleme yönteminin sonuçları, farklı teknik, çevresel ve insanla ilgili faktörlerin kaza oluşumuna katkısını ölçmek için kullanılabileceğini göstermektedir. Önerilen yöntem, büyük miktarlardaki deniz kazası raporlarının kısa sürede yarı otomatik olarak analiz edilmesi ve sınıflandırılması konusunda başarılı sonuçlar sunmaktadır.
In recent years, maritime accident literature is growing due to the increasing safety concerns in maritime transportation. Maritime is one of the oldest transportation modes. Numerous accidents have occurred over centuries since it has been used. These accidents lead to unwanted consequences such as danger for human or marine life, disruption of the environment and the ecosystem, especially due to chemical tanker accidents, loss of money for corporations, and shipping delays in supply chains. Accidents may occur due to a number of factors, including technical problems, malfunction of equipment and machines, collision, grounding, and bad weather conditions. Recent statistics illustrate that most of the accidents are caused by human factors in the events. There is not a standart method to scale and measure the role of different factors in accidents. Topic modeling is a candidate method area for revealing the underlying factors of accidents by analyzing the accident report texts. Very few researchers have applied topic modeling to maritime accident reports. This study contributes to this important research field by applying the Latent Dirichlet Algorithm (LDA) to UK maritime accident reports between 2013 and 2023. Nine main topics are identified based on 242 accident reports. The results are evaluated with a comprehensive approach and then discussed by considering the Human Factor Analysis Classification System (HFACS) structure. Thus, it will strengthen the proposed model's appropriateness and usage in the maritime industry. Numerical results are used to quantify the contribution of different technical, environmental, and human-related factors to accident occurrence. Results of the topic modeling analysis are also discussed with the help of experts. The proposed model provides promising results in semi-automatically analyzing and categorizing huge amounts of maritime accident reports within minutes.
In recent years, maritime accident literature is growing due to the increasing safety concerns in maritime transportation. Maritime is one of the oldest transportation modes. Numerous accidents have occurred over centuries since it has been used. These accidents lead to unwanted consequences such as danger for human or marine life, disruption of the environment and the ecosystem, especially due to chemical tanker accidents, loss of money for corporations, and shipping delays in supply chains. Accidents may occur due to a number of factors, including technical problems, malfunction of equipment and machines, collision, grounding, and bad weather conditions. Recent statistics illustrate that most of the accidents are caused by human factors in the events. There is not a standart method to scale and measure the role of different factors in accidents. Topic modeling is a candidate method area for revealing the underlying factors of accidents by analyzing the accident report texts. Very few researchers have applied topic modeling to maritime accident reports. This study contributes to this important research field by applying the Latent Dirichlet Algorithm (LDA) to UK maritime accident reports between 2013 and 2023. Nine main topics are identified based on 242 accident reports. The results are evaluated with a comprehensive approach and then discussed by considering the Human Factor Analysis Classification System (HFACS) structure. Thus, it will strengthen the proposed model's appropriateness and usage in the maritime industry. Numerical results are used to quantify the contribution of different technical, environmental, and human-related factors to accident occurrence. Results of the topic modeling analysis are also discussed with the help of experts. The proposed model provides promising results in semi-automatically analyzing and categorizing huge amounts of maritime accident reports within minutes.