基于TAN网络的地铁区间与车站施工事故致因分析

为解决不同类型的地铁施工事故关键致因识别，以便于支持事故相关方在风险分析、预防和控制进行决策的问题。在收集国内2011—2021年间发生的202起事故报告数据的基础上，采用树增强朴素贝叶斯（tree augmented naive, TAN）和EM算法，从事故经过、直接原因、间接原因3个角度分别对事故报告进行统计处理、风险指标提取及合并、风险指标筛选、模型图形结构构建、模型参数确定，并采用GENIE软件训练数据建立最终分析模型。贝叶斯模型分析结果表明： 1）通过正向推理明确不同类型事故的关键致险因素，并对各风险因素引发事故的总体影响程度进行重要度排序； 2）通过反向诊断说明所建模型在不同风险因素组合情境下对风险预测的决策支持作用； 3）10折交叉验证证实了模型的有效性。     

基于文本挖掘的地铁施工安全风险事故致险因素分析

地铁工程项目是典型的高风险大型复杂项目,施工安全风险事故多发且引发因素众多。为明确施工过程中存在的致险因素,为安全风险事故的预控提供依据,选取2002—2015年国内151例地铁施工安全风险事故报告,借助R语言和文本挖掘的方法,分别对事故报告进行分词处理、特征项选择、向量空间模型构建、共现规律识别,并利用词云和网络结构图等方法可视化文本挖掘结果;从中发现地铁施工安全风险事故的6项关键致险因素和23项一般致险因素,并以关键致险因素为基础构建致险因素集合,为地铁施工安全风险事故的预控提供参考。     

危化品道路运输事故影响因素分析和安全对策

识别危险化学品道路运输事故影响因素并分析不同影响因素对事故的影响程度有利于发现目前危险化学品事故的主要致因。根据事故致因理论,结合危险化学品道路运输事故分析,提出了12个危险化学品道路运输事故影响因素。利用贝叶斯真理血清理论,结合专家知识,构建了危险化学品道路运输事故影响因素因果贝叶斯网络结构模型。根据危险化学品道路运输事故数据库构建了学习样本数据,采用期望最大化算法获得了不同影响因素的后验概率。结果表明:直接影响因素对事故影响程度由高到低分别是人的失误、运输车辆和设备设施、危险化学品包装与装卸;事故间接影响因素对事故影响程度由高到低分别是道路状况、运输企业管理、主管部门管理、天气状况。并据此提出了改进危险化学品道路安全运输的措施。     

基于共轭贝叶斯模型的长江干线江苏段碰撞事故定量分析

对船舶碰撞风险的定量分析对于深入理解事故规律、避免事故的发生具有重要意义.以长江干线江苏段2012—2016年945起船舶碰撞事故或险情数据为例,对6个区域进行碰撞风险评估研究,建立相对事故贝叶斯模型,分析通航水域、航行状态和会遇情景3个指标下不同航行情景的相对风险关系.利用共轭贝叶斯方法,对江苏段船舶碰撞风险进行建模分析.研究发现,根据专家意见和事故数据进行风险评估的结果并不十分一致,深水航道、顺航道航行等普遍认为风险较低的情景,数据分析显示风险较大,这与数据的不完整性有关.当未来有更多数据时,可以对结果进行迭代更新,不断提升评价结果的精度和可靠性.      

基于 Apriori 算法的海事事故中人为失误致因分析

海事事故主要是由人为失误引发的,人为失误又受个人因素、环境因素、船舶因素以及组织因素的影响。一般统计方法只能够初步识别引发海洋事故的人为失误行为,想要进一步建立人为失误和影响因素之间的关系比较困难。利用了数据挖掘中的关联规则技术建立模型,对人为失误与导致因素之间的关系进行分析。以国内外100份海事事故调查报告作为对象,研究出人为失误和环境因素之间的关系。实践表明,人为因素和环境因素是导致海事事故发生的重要因素。      

基于PMI与BTM的船舶事故原因文本挖掘

为了实现从海量的船舶事故调查报告中自动提取出水上交通安全知识，提出了从词语和主题2个层面对船舶事故调查报告进行语义挖掘的方法，并以100份船舶自沉事故调查报告为语料进行具体挖掘。在词语层面，使用PMI算法从事故原因文本中挖掘频繁共现的词语模式，通过文本特征词的共现揭示事故致因要素间的关联。在主题层面，使用BTM算法对事故原因文本进行主题建模，通过主题对数似然、主题一致性评估建模结果的优劣。通过主题建模，对表征自沉事故原因的特征词进行聚类，并根据主题在文档集合中的分布初步量化出每种原因的发生概率。根据使用500组新数据集对主题模型预测能力的测试，所构建的主题模型能够100%识别出领域无关的词并自动忽略；对于语料库中85.6%的词语，所构建的主题模型能够明确地将其归属于代表某一原因的主题；另14.4%的词主题边界不明显，难以将其单独以较大的可能性明确归属到某一主题下。      

基于T-S模糊故障树和贝叶斯网络的重特大交通事故成因分析

重特大交通事故是最严重的交通事故类型, 为了识别此类事故的主要致因, 融合T-S模糊故障树和贝叶斯网络对其进行深入分析。建立了以重特大交通事故为顶事件, 人、车、路、环境4个因素为中间事件, 24个子因素为基本事件的T-S模糊故障树, 将其转化为贝叶斯网络, 进而双向推理基本事件的重要度和后验概率, 确定主要致因。结果表明: 融合T-S模糊故障树与贝叶斯网络的方法通过正、反向推理提高了重特大交通事故成因分析结果的准确性和可靠性, 确定了操作不当、超速、防护设施不完善、弯坡组合、路面湿滑、未按规定行驶为重特大交通事故的6个主要致因, 并对这6个主要致因之间的组合关系进一步分析, 得到了操作不当和超速对于重特大交通事故更为关键。      

三峡库区变动回水区交通事故统计分析及对策研究

为更好地开展水上交通事故分析研究,提高我国水上交通安全水平,分别从船舶事故种类、时空分布等角度对2006～2010年三峡库区变动回水区水上交通事故进行统计分析,包括事故种类分布特征、事故时空分布特征等。统计结果表明：触礁、搁浅、碰撞、自沉4类事故占事故总数的85.43%;5月和8月为事故高发期,1月和12月事故数量较少。在此基础上进行了事故致因分析,并分别从船员、通航航行、船舶、管理几个因素出发,提出了改善对策。     

大型邮轮人员感染新冠肺炎风险评估方法

为快速识别大型邮轮上感染新冠肺炎的高风险人群,避免疫情在邮轮上的社区传播,提出了一种基于数据驱动的大型邮轮新冠肺炎风险评估贝叶斯网络模型.结合《新型冠状病毒肺炎诊疗方案》(第七版)和确诊病例数据确定了大型邮轮人员感染风险评估模型的影响因素;从接触史和临床症状2个主线确定了感染风险的贝叶斯网络结构;通过建立改进的IF-THEN规则库,确定了"风险程度"节点条件概率表,并利用M类节点的逻辑关系确定节点概率,从而构建了大型邮轮人员感染新冠肺炎风险的评估模型;利用500条历史数据对构建的模型进行了验证,采用灵敏度分析识别主要影响因素.结果表明,该模型的预测精度为81%,且模型结构符合贝叶斯3项准则要求.研究结果可在不进行医学检测情况下对高风险人群准确预测,为大型邮轮早期干预新冠肺炎传播提供理论和方法支撑.      

基于贝叶斯网络的城市平面交叉口交通事故分析

应用贝叶斯网络对城市平面交叉口交通事故进行了分析。以3 584起交通事故数据为分析依据,基于专家知识和数据融合方法建立了城市平面交叉口交通事故分析的贝叶斯网络结构,利用服从Drichlet分布的贝叶斯方法对贝叶斯网络进行了参数学习。结合网络模型,应用联合树引擎算法推断了在车辆类型、交叉口类型、交叉口控制方式和交通参与者等因素的影响下平面交叉口交通事故类型的变化。研究结果表明,在城市平面交叉口中,由自行车导致的正面碰撞事故的概率最大,为22.83%,由于交通参与者转向不当引起的侧面碰撞的概率为23.44%,同时也易导致刮擦事故的发生;交通参与者的感知判断失误导致尾随碰撞事故的概率为23.62%。