随着国内外自主技术的飞速发展,在自主汽车、自主飞行器问世之后,自主船舶也开始出现在大众的视野中并逐渐投入使用,人们可以利用自主船舶在一些交通航线复杂、气候多变的航路环境下从事航行任务,提高航行的效率,例如通过自主运输船来运输货物以减少船员成本和时间上的成本等。而对于自主船舶的投入使用,最不能忽视的一点就是安全问题,安全隐患的程度和解决方案决定着自主船舶的前景,学者们根据自主船舶的结构和系统对自主船舶进行仿真和假设分析,研究自主船舶的风险因素并进行提前预防,让我们在享受自主船舶带来便利的同时,也为提高船舶在海上航行的安全性、降低海上事故的发生率以及减少人员伤亡做出贡献。本文通过研究分析IMO定义的第Ⅰ、Ⅱ、Ⅲ级别MASS的人为风险因素,为了找到重点防控对象,制定正确的防控措施,提出了不同航行阶段自治船舶人为风险因素风险的定量分析模型,并对不同人为风险因素的权重进行了分析和评价。主要工作内容如下:首先本文通过STPA方法定义了自主船舶的系统级危险,根据自主船舶系统工作的流程以及相关设备,构建其在航行阶段中的安全控制结构图,通过STPA提出的四种控制场景,识别了船员和SCCs人员的不安全控制行为,并获得了自主船舶的人为风险因素。之后整理分析了中国海事局2015年至2020年发布的637份船舶事故调查报告,并使用安全控制结构图从中选取596份最有可能发生在自主船舶上的事故调查报告进行数据挖掘,提取报告的关键信息并根据事故发生的时间和航行阶段对信息进行分组。同时使用MATLAB神经网络函数构造基于RPROP算法的BP神经网络,将分组后的数据进行矩阵化和归一化处理得到数据源,将数据源传入到网络中进行训练,同时对神经网络进行不断的优化和调试,最后进行网络的有效性测试,使有效程度达到预期的效果。网络训练成功后利用神经网络中神经元的权值进行推导计算得到自主船舶人为风险因素的权重。最后再以前后端分离的方式搭建自主船舶人为风险评估系统,将Vue.js作为主要的系统框架、以Java Script语言为驱动、Echarts.js为辅助,结合Node.js和阿里云对象储存服务器完成评估应用系统的开发,通过设计开发直观的UI界面和友好的交互功能实现事故数据的记录和自主船舶人为风险因素权重的可视化,为扩大事故数据库、丰富数据源、提高神经网络对自主船舶人为风险权重分析的精度和准度作好物理支撑,为实现自主船舶人为风险动态分析做好准备,为未来自主船舶在正式投入使用前的安全分析提供理论依据,同时为SCCs人员以及自主船舶船员的培训提供建议和参考。