文本数据驱动下的高速公路事故持续时间预测模型

事故持续时间的预测是高速公路应急管理的基础,及时准确的事故持续时间预测可为道路疏导和组织救援提供可靠依据.针对道路交通事故信息及其异质性主要以自由流文本存在的问题,研究了基于文本数据的高速公路事故持续时间预测方法,可应用于以自然语言形式存在的任何信息文本.并在此基础上,构建V-Fisher有序聚类模型,结合多种文本分类算法,开展模型结果的对比分析.结果表明,与一般回归算法相比,V-Fisher有序聚类模型可更好的实现对事故持续时间的预测,且通过集成学习(SVR+LR)建立的分类模型准确率达到0.82,取得良好的预测效果.      

基于文本挖掘的内河船舶碰撞事故致因因素分析与风险预测

作为一种典型的高风险海事事故,内河船舶碰撞事故致因因素众多.为了明确内河船舶碰撞事故致因因素,分析内河船舶碰撞风险,选取2013年至2017年长江内河航道419起船舶碰撞事故报告作为文本挖掘语料,将语料库中的人为因素、船舶因素、自然环境因素以及管理因素作为目标数据,利用R语言和文本挖掘方法,获得包含特征值和特征值权重属性的高维稀疏的原始特征向量空间集合,对tf-idf公式进行平滑改进,解决了文本识别过程中无法识别统计较为生僻的专业名词的问题,提升了文本挖掘方法在交通运输领域的适应性.使用统计对其进行降维,获得最终33个维度的文本特征项,确定了船舶碰撞风险致因因素.通过实验验证了文本挖掘得出的船舶碰撞致因因素置信率达到了81%.以碰撞过程中的4个步骤为主线,构建基于"人-船-环境-管理"系统的船舶碰撞风险贝叶斯网络结构,计算贝叶斯网络结构中各节点的条件概率表,进行船舶碰撞风险建模.结合贝叶斯网络实现内河船舶碰撞事故的风险预测,并通过反向推理确定了人为因素是船舶碰撞事故致因中的首要因素.      

基于深度学习的汽车故障知识图谱构建

本文将知识图谱引入汽车故障诊断领域，以某公司的售后业务数据为来源，根据文本特点，设计了一种知识图谱构建流程：在传统构建流程的基础上，加入文本预分类和实体重组流程。基于DPCNN模型的文本预分类用于处理目标字段存在信息冗余的问题；基于BERT-BiLSTM-MUL-CRF模型的实体抽取与基于语法规则的实体重组的组合形式可以有效解决文本中的嵌套实体问题和非连续实体问题；采用结合术语相似度和结构相似度的方法完成知识融合；最后，选用Neo4j图数据库进行存储，完成汽车故障知识图谱的构建。     

基于BERT-Bi-LSTM-CRF模型的自主式交通系统参与主体识别方法

自主式交通系统(ATS)的重要组成部分是参与主体，参与主体的信息通常依靠文本进行描述。为构建自主式交通知识图谱，需要从文本中准确地识别出大量参与主体。为此，研究了基于BERT-Bi-LSTM-CRF模型的实体识别方法，对自主式交通系统参与主体进行抽取。词嵌入模型BERT为预训练语言模型，用以捕获丰富的语义特征，将捕获的语义特征输入到双向长短时记忆神经网络(Bi-LSTM)模型中提取上下文双向序列信息，经条件随机场(CRF)处理得到最优序列预测结果。收集交通专业相关的原始语料，经过数据预处理与文本标注，形成了可用于自主式交通系统参与主体识别的语料库，基于此数据开展实体识别对比实验。结果证明:BERT模型显著提升了自主式交通系统参与主体识别任务的性能。相较于传统方法CNN-LSTM或Bi-LSTM等，所提方法可以得到最佳综合识别效果，各实体的综合F1值为86.81%，表明通过BERT模型提取参与主体的语义特征，可以增强识别方法的泛化能力。“使用者”“运营者”“提供者”“规划者”“维护者”类实体的F1值分别为90.35%，92.31%，90.48%，93.33%，95.00%。验证了所提方法识别自主式交通系统参与主体的有效性。      

基于多任务迁移学习的交通警情信息自动处理方法

从交通警情数据中自动获取信息对于快速处理交通事故和提高交通管理水平具有重要的意义。为此，提出了一种基于多任务迁移学习的交通警情信息自动处理方法，该方法上游采用文本预训练模型作为共享参数层，下游建立多任务并行学习方法，实现对交通警情中的关键信息、类型和语义自动处理。选取江苏省苏州市2年内共120 191条原始交通警情作为试验数据，通过自动处理方法构建了一套标准的交通警情信息数据库。试验结果表明：所建立的关键信息抽取方法可以更精准地提取警情数据中的时间、地址和车牌信息；交通警情分类模型性能优于现有的深度学习模型，分类准确率达93%；基于局部特征增强的警情语义分析方法重点识别了警情中事故的严重程度和救援需求，识别准确率达87%。研究结论显示交通警情自动化处理方法具有良好的可移植性和实用性。     

基于Apriori算法对地面沉降影响因素的数据挖掘及分析

为有效利用盾构法施工过程中产生和积累的大量掘进历史数据、挖掘知识和信息,以优化掘进参数、控制地表沉降,采集某地铁相邻两区间的地面沉降数据及掘进参数,基于数据挖掘技术,通过对比优缺点,综合等宽离散和k-means聚类2种方法将数据离散化,并采用Aprioir算法进行关联规则挖掘。通过分析关联规则得到以下结论: 出土率、注浆填充率和俯仰角对沉降值影响较大,掘进速度和刀盘转矩对沉降值也有一定影响。根据数据离散区间和关联规则,给出穿越土层为圆砾和卵石时的注浆填充率建议值为185%~190%,注浆压力建议区间为0.16~0.22 MPa,同时建议俯仰角纠偏幅度宜平均每3环小于±0.2°。     

基于运行数据的电动客车误踩加速踏板状态识别研究

驾驶人误踩加速踏板导致的电动客车交通事故时有发生,影响因素复杂.为准确识别误踩加速踏板行为,提醒电动客车驾驶人安全驾驶,基于电动客车车载终端采集的车辆运行状态数据,提取9项与误踩加速踏板行为相关的驾驶特征,采用随机森林算法模型对电动客车误踩加速踏板状态进行识别,结果表明整体的识别准确率为99％,召回率为0.99,表明9...     

基于UWB定位的邮轮乘员伴随关系发现算法

准确发现邮轮内部空间乘客之间的伴随关系, 在室内环境安装UWB定位设备开展室内人员定位实验。根据UWB定位的位置数据特点, 提出结合室内位置语义的Hausdorff-DBSCAN算法以聚类邮轮乘员轨迹, 并利用LSTM神经网络对疑似伴随关系对象进行相似度变化趋势的预测。传统的Hausdorff算法在计算轨迹相似度时未考虑轨迹时序一致的问题, 引入位置语义序列能够较好地解决这个问题。改进后的Hausdorff-DBSCAN算法的输入为乘员轨迹数据集, 根据轨迹整体相似度阈值选定聚类半径, 输出具有伴随关系的乘员轨迹聚类结果; LSTM神经网络以定长时间窗口的点邻近度序列为输入, 预测后1个时刻点邻近度值, 结合轨迹相似度阈值和预测结果分析乘员伴随关系的时序变化。利用Anylogic建模单层邮轮室内环境进行乘员仿真得到的轨迹数据验证算法的有效性。改进的Hausdorff-DBSCAN算法的准确率为0.920, 召回率为0.950, F₁值为0.934, 准确率高出对比算法至少5.7%, 召回率高出对比算法至少8.0%, F1值高出对比算法至少6.7%。同时LSTM在预测邮轮乘员之间相似度变化时, 收敛后的误差值能保持在3%~4%左右, 预测结果具有较高的准确性。      

交通事件网络舆情分析方法

交通运输行业关系国计民生,感知民意是政府做好交通治理的必要条件.在互联网时代,通过网络获取并分析交通事件舆情具有样本丰富、信息客观、获取及时等特点.基于微博、微信、新闻客户端等电子信息来源,提取交通事件舆情特征,形成交通事件的网络舆情系统分析方法.包括:获取网络舆情数据并进行文本预处理,构造交通事件舆情主题分类模型,建立评价重要度计算方法,结合舆情生命周期分析舆情演变趋势,建立交通舆情情感库并结合机器学习分析情感状态演化,通过关键词可视化定位舆情事件要点,实现网络舆情信息与可视化分析技术的耦合.该方法文本分类评估结果F值高于80%,情感极性判断准确率高于通用SnowNLP.以上海地铁10号线追尾事件为例进行网络舆情演化特征分析发现:①交通舆情演化迅速,周期较短爆发集中;②情感整体倾向负面;③官方机构及时发声、对事故调查公开透明并采取有效措施是缓解舆情较好手段;④大众对"卡斯柯"和"轻度"这2个词的关注贯穿事件始终.      

内河船舶AIS网络通信性能研究

随着船舶数量的日益增长,密集通航水域AIS系统的信道负载迅速增大,出现系统时隙冲突、信道拥塞、AIS网络通信异常等现象,导致AIS应用的可信度降低,成为船舶航行安全的隐患.为了更为精确、及时地反映AIS网络通信性能的实际状况,基于AIS综合应用平台实时监测AIS网络通信性能指标,以长江武汉段AIS数据为基础,选取一周的指标监测数据,从网络容量、网络信道负载率、网络吞吐率、网络阻塞率、网络利用率5个方面对该水域AIS网络通信性能进行评价分析,并通过仿真研究了AIS网络通信性能的变化趋势和极限状况.研究结果表明现阶段长江干线武汉段AIS网络信道负载率在15%左右,吞吐率接近100%,通信性能良好.随着船舶数的增加,网络信道负载率达到60.5%时,出现AIS网络通信阻塞现象,并得到通信阻塞时13种运动状态下的船舶数分布.研究结果客观、准确地反映了研究水域的AIS网络通信性能,为内河海事主管机关监控、管理、调控AIS系统提供技术支撑.      

基于社交网络数据的交通突发事件识别方法

为了从社交网络数据中挖掘出交通突发事件,研究了基于机器学习的文本识别方法.通过关键词和地点定位,利用网页爬虫"Beautiful Soup"爬取到原始文本.采用正则匹配、重复度计算以及"0-1"标记预处理原始文本.基于预处理后文本特征,研究了基于特征权重的特征词选取方法;其中,特征权重的计算综合了词语的出现频率和含有该...     

基于SVM的水上交通事故严重程度的影响因素研究

为研究水上交通事故中事故严重程度的影响因素,减小水上交通事故发生时的人员伤亡及财产损失,对2015-2016年的水上交通事故统计数据的分析.选取了水上交通事故数据中的船舶类型、事故发生时间、地点、船舶吨位、能见度和风力等级等相关因素建立了事故信息库.根据水上交通事故造成的人员伤亡数量和财产损失的大小,将事故严重程度分为3个等级,并建立了基于支持向量机(SVM)的三分类模型.然后通过交叉验证以及网格搜索算法优化SVM分类模型的惩罚参数和核函数参数,得到最优的分类模型.模型建立后,利用SVM-RFE算法求解上述影响因素对事故严重程度的权重值并排序,筛选出对于事故严重程度影响最大的因素.结果表明,支持向量机三分类模型总体分类准确率可达70% 以上;同时自沉事故、渔船事故和秋季发生的事故易造成较大的人员伤亡;危化品船舶,内河发生的事故和渔船易造成较大的财产损失.      

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。     

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...     

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。      

民航安全信息中实现关键词提取的方法

对于民航安全信息,关键词有着体现文本概要的功能,在信息提取与调用等方面对民航安全工作者有所帮助.在研究当前关键词提取技术后,结合民航领域词特征,提出了一种以朴素贝叶斯模型为基础的关键词提取模型.模型中所选取的特征项为词语的词长、词性、以及包含词语位置与段落跨度的词频与逆向文档频率乘积(TF-IDF)值,特征项代表了每个候选词的基本属性.利用该模型对已人工标注好关键词的民航安全信息进行训练以获取各个特征项的概率,利用特征项概率计算每个备选词的关键词评分,将评分前3位的词汇输出为关键词.实验表明,针对民航安全信息的关键词提取,所提方法与传统的TF-IDF算法、KEA算法相比,准确率分别提高了18%和11.9%,民航词汇识别率分别提高了15.3%和12.3%.结果证明,与传统算法相比,所提方法能大幅提升关键词提取的准确率与民航词汇识别的能力.      

基于轨迹的内河船舶行为模式挖掘

从内河海量的船舶AIS数据中提取出有用的交通知识,辅助水上安全监管,对于研究日益复杂的水上交通安全形势具有重要意义.基于内河船舶行为特征,构造由船舶位置、航速和航向4个维度组成的船舶航行状态空间来描述船舶行为.针对传统DBSCAN聚类算法提取状态空间中相似船舶轨迹存在计算复杂高的问题,提出增量式算法改进DBSCAN算法用以高效地计算不同船舶的行为模式;然后利用核密度估计等统计方法对不同模式的船舶行为特征进行数据挖掘,得到船舶航速、航向和位置的时空分布特征规律,进一步挖掘不同行为模式下的船舶微观特征.以武汉航段的汉江分叉航道水域作为研究案例,利用所提的方法对该水域分析研究,得到了6类不同行为模式,挖掘出不同模式下分叉航道内船舶静态属性信息(船舶类型、船舶尺寸)、空间分布特征(轨迹点分布、航速分布、航向分布)、船舶到达规律等信息.利用该模型所提取的知识有助于水上监管人员迅速获取水域交通态势,从而提高水上交通安全监管的水平和效率.      

基于假设检验的电子巡航协同运行模式效能分析研究

在电子巡航实施过程中,其有关组织、程序、运行机制、业务指标等各项工作仍处于不断摸索中。为了验证电子巡航运行模式的有效性,在介绍电子巡航基本工作流程的基础上,综合分析现有运行模式划分的优缺点,提出了电子巡航指挥中心协同运行模式,选取“船舶违章率”、“远程纠正船舶违章率”和“水上交通事故率”作为评价指标,通过假设检验对电子巡航协同运行模式进行了效能分析。结果表明:电子巡航实施后海事监管效能值(0.998)较实施前海事监管效能值(0.894)上升了11.6%,海事监管效能得到了显著的提高。今后,随着电子巡航工作的逐步完善,运行数据将得到统一记录和保存,在此基础上,可对不同模式进行相互之间的效能对比分析。      

基于 AIS的内河船舶油水分离器远程监管系统实现

为解决我国内河船舶含油污水违规排放问题,在分析我国内河船舶非法排放油污水现状的基础上,提出了1套基于AIS的内河船舶油水分离器远程监管系统。该系统采用基于ARMCortex-M 3内核32位单片机来实现对船舶油水分离器运行状态信息的采集,并对采集的运行状态信息进行分析、处理和显示。系统将采集到的运行状态信息通过A IS广播消息实时地向海事部门广播的同时,还通过单片机SDIO接口保存到 SD卡内。在远程监控端,利用 VS2010平台开发的程序实现了对A IS广播信息的解码显示和船舶排放违规的识别,同时实现了对船舶端的远程监管。系统能够实时监控并记录船舶含油污水排放行为,在一定程度上提高了海事部门监管监测能力,改善我国内河船舶含油污水排放现状。      

船舶溢油应急处置关键组织与联系的识别

为了识别出船舶溢油应急处置中的关键组织和联系,基于组织视角对船舶溢油应急处置流程进行了描述,并给出了关键组织和关键联系的定义。在此基础上,利用社会网络分析法对溢油应急处置中的关键组织和联系进行了识别。结论表明,应急处置中的关键组织主要包括事故船方、应急指挥中心、现场指挥部、巡逻艇和清污队伍,关键的联系主要为事故船方对海事值班室的报告联系,应急指挥中心、巡逻艇、清污队伍和现场指挥部之间的有关应急计划启动和应急方案实施的联系。