事故预测

摘要： 为了更好地了解水上事故影响因素与事故等级之间的联系,精准地预测水上船舶碰撞事故的严重程度,从人、船、环境、管理4个方面考虑,结合2000年到2020年之间的54个典型长江船舶碰撞事故案例,量化事故影响因素,提出了一种基于RF-BP神经网络的预测模型。结果表明,该方法预测结果与实际事故结果之间误差较小,与传统的BP神经网络模型相比训练时间更短,且精度未降低。可见该方法具有精度高、训练速度快的特点,在多因素事故等级预测中具有一定的可行性与实用性。

摘要： 酒驾是交通事故中致人死亡的一个主要原因,探究酒驾违法查处力度与酒驾事故的关联关系,可以更加客观的了解事故发生机理,对预防酒驾事故有重大意义。将酒驾违法查处力度作为一种特殊干预,使用干预分析模型来评估酒驾违法查处力度对酒驾事故发生的具体影响。过程包括:用受干预影响之前的事故数据建立时间序列模型,获得未受干预影响的预测值;并将其与受干预影响的实际值比较,构建干预分析时间序列模型,进行事故趋势预测。研究表明:酒驾查处力度对酒驾事故干预影响明显。可以将干预模型应用于优化警力部署、交通事故预防效果评估。

摘要： 为了更好地预测特种设备事故,提出了融合事故表征和CBR(case-based reasoning)的特种设备事故预测研究。详细说明了面向全类特种设备的通用型事故表征技术,包括事故表征信息的结构模型、规范化方法和编码规则。介绍了融合事故表征和CBR的特种设备事故预测方法,其中为了更精准地检索相似案例,提出了针对不同属性类型的属性相似度计算方法、基于专家置信度的改进型AHP法、考虑时间衰减效应的案例相似度计算方法以及案例相似度阈值确定函数。通过上海某公司的汽车起重机案例验证了该方法。结果表明该方法不但能根据事故前兆信息,给出特种设备的事故原因故障树,以了解事故发展趋势,还能提供如事故特征、事故发生部位等事故表征信息的发生概率,以及应采取的预防措施。

摘要： 为实现实时道路交通事故的精准预测,提出了基于时空Transformer的高速交通事故预测方法。在该方法中,首先对传统高速交通固定站点数据进行预处理,获得交通特征参数作为算法输入。然后将交通流的时空特征结合时空Transformer捕获交通流静态和动态的时空依赖性,并通过多次提取时交通流空依赖性结合卷积神经网络得到事故发生概率,最终实时地精准地预测交通事故的发生。最后,与多种现有的方法进行了对比验证。实验结果表明,基于时空特征捕捉的交通事故预测准确率高达94.1%。

摘要： 为了研究危险化学品事故发生的特征,预测事故发生的规律变化趋势,对2014—2020年危险化学品事故发生的起数进行了统计与分析。采用灰色系统预测法与基于灰色-马尔科夫优化预测法对事故起数创建预测模型,分别计算其实际值与预测值的相对误差,比对其相对误差大小。结果表明:与灰色模型对比,基于优化的灰色模型预测的相对误差均明显降低,表明相对误差较小及预测精度较高的为灰色-马尔科夫优化预测模型;且事故起数统计结果显示,随着年份的增加事故起数逐渐下降,其模型能更有效地反映实际事故发生起数状况。利用预测模型可分析事故起数发展趋势,为预测未来危险化学品事故发生起数提供方法与途径,为政府或监管部门降低事故发生率提供预测数据。

摘要： 左侧硬路肩在超多车道高速公路中具有重要作用,但是我国现有超多车道高速公路均未设置左侧硬路肩,现行《公路工程技术标准》中也未明确设置条件。针对这一现状,为给整体式超多车道高速公路设置左侧硬路肩提供一个判据,提出了基于成本-效益的左侧硬路肩设置条件算法。成本为建设左侧硬路肩的单位公里平均估算投资;效益通过构建左侧路肩关联事故预测模型,运用左侧硬路肩宽度修正系数得到减少事故数计算所获得的社会效益,包含事故伤亡者经济损失,车辆、货物和路产损失、交通延误损失3方面。为了预测左侧路肩关联的不同类型交通事故,提出了与左侧路肩交通事故相关的道路和交通条件共7个影响因素,以Box-Cox线性回归方法,构建了中观的交通事故预测模型。以广深高速是否修建左侧路肩为例进行了分析,发现算法效果良好,内部收益率较不设置方案提升52%,较全部设置方案提升20%。该算法为整体式多车道高速公路设置左侧硬路肩提供参考。

摘要： 建筑业在推动我国经济全面发展的进程中起着不可替代的作用,但同时在我国的建筑施工过程中由于行业本身的特点,每年都会有大大小小的建筑施工安全事故发生,给人民的生命安全和身心健康带来重大损害的同时,对国家和社会的经济发展以及社会的稳定发展都产生了一定的影响,所以,减少建筑施工安全事故是当务之急。以浙江省某市2010-2021年发生的建筑施工安全事故为基础,在对比灰色GM(1,1)模型与灰色马尔科夫模型两种模型之后,发现后者的预测精度明显提高了很多,因此利用该模型预测该市未来建筑施工安全事故的变化趋势,对事故预防具有指导意义。

摘要： 为了对高速公路隧道网进行综合全面的分析,预测交通安全的变化趋势,从而为评价区域交通安全形势题提供依据,本文基于BPNNAdaBoost组合模型对山西省高速公路隧道交通事故数进行了预测。设计了BPNN-AdaBoost的模型为预测不同隧道在不同年份的事故数,所用输入变量包括所在隧道的线形因素、交通因素以及往年历史事故信息等信息。模型的测试结果表明,BPNN-AdaBoost组合模型取得了较好的预测精度。本文还将BPNN-AdaBoost模型的预测精度与不经改进的BP神经网络进行了对比。结果表明,对于MAE、RMSE以及两起误差范图内的准确率3个指标,BPNN-AdaBoost模型均优于BP神经网络,说明BPNN-AdaBoost模型能很好地应用于事故预测中。

摘要： 文章针对危化品道路运输事故预测问题,运用差分自回归移动平均模型(Autoregressive Integrat-ed Moving Average,ARIMA)与局部加权回归模型(Locally Estimated Scatterplot Smoothing,LOESS)的组合模型,对我国危化品道路运输事故发生起数进行预测.首先,基于2011—2018年我国发生的危化品道路运输事故数据建立ARIMA模型,利用SPSS软件进行模型拟合预测,获取危化品道路运输事故起数的线性部分;其次,应用MATLAB建立LOESS回归模型,对ARIMA模型预测偏差进行残差优化,获取危化品道路运输事故起数的非线性部分;最后,建立ARIMA-LOESS组合模型,利用组合模型对危化品道路运输事故发生起数进行预测,并根据真实数据对预测结果进行对比验证.结果表明:ARIMA-LOESS组合预测模型可较好拟合危化品道路运输事故数据序列,并修正单一模型的误差,获取较高的预测精度.该研究可为危化品道路运输安全与运行的趋势分析与判断提供更加可靠的数据依据,也可为危化品道路运输事故防控方案提供帮助.

摘要： 随着城市的不断发展,高层建筑物的不断修建增多,施工升降机事故也随之增加.引入随机森林回归算法对实时监控施工升降机的运行的数据进行分析、建模,最终达到能预测施工升降机运行时的状况,根据升降机具体情况,安排人员对设备进行检查维护,从而减少施工升降机事故的发生,也为出现事故后能更快的跟进,避免更大的损失.

摘要： 事故的发生是由多种不确定性和随机性的因素综合作用的结果,为有效控制各种影响因素,减少事故,需提高事故预测的准确性和决策性,分析其影响因素,并寻找合理的数学模型.本文介绍采用灰色理论预测事故的方法及其安全使用实践.包括灰色理论及事故预测模型、改进模型在火灾事故预测中的应用、灰色理论在我国化工园区事故预测中的应用,提出了相应的思考建议.

摘要： 随着我国煤炭工业的快速发展,煤矿安全生产形势趋于好转,煤矿各类事故死亡人数逐年下降,但是煤矿事故总量仍然很大.在分析了贝叶斯动态模型特点的基础上,依据2001～2013年我国煤矿事故百万吨死亡率数据,分别运用贝叶斯常均值模型和一阶多项式模型,对历年煤矿百万吨死亡率进行样本训练和残差分析,并对2014年煤矿百万吨死亡率进行预测.结果表明,贝叶斯动态模型可适应煤矿事故的特点并用于煤矿事故进行科学的预测,其一阶多项式模型具有较高的预测精度,研究方法及结果可为煤矿监管部门及企业的安全管理决策提供借鉴.

摘要： 为减少龙永煤田矿井瓦斯事故,通过对龙永煤田矿井瓦斯特征进行初步分析,探讨了主采煤层顶底板岩性、煤层赋存情况、地质构造及地下水活动等地质因素与矿井瓦斯涌出量间的关系,并初探了瓦斯事故的成因.在此基础上,对龙永煤田主要矿井瓦斯防治提出了一些措施.该研究为瓦斯事故预测预报和相应的防治工作提供一定的依据.

摘要： 根据引航船舶事故发生的特点,探索在引航船舶事故预测的灰色模型GM(1,1)运用,基于引航船舶的灰色性的基础上,建立通用的灰色预测理论GM(1,1)模型,对其事故数、上报事故件数进行预测,结果是可信的.GM(1,1)模型是最常用的灰色模型,它的主要意义是"不确定"的信息覆盖构造产生一系列手段来寻求真实的规律,可以减少对历史数据的依赖性,具有少数据建模功能.

摘要： 以浙江省2004～2015年安全生产事故起数及死亡人数数据为基础,运用灰色预测GM(1,1)分别建立浙江省安全生产事故起数及死亡人数的预测模型.依据建立的模型,对浙江省2016～2020年安全生产事故起数及死亡人数进行了预测,得出浙江省安全生产事故起数及死亡人数变化曲线.结果表明未来五年浙江省安全生产事故起数及死亡人数将持续下降并逐渐稳定,预测结果对于浙江省安全生产发展规划的制定具有重要意义.

摘要： 以浙江省2004～2015年安全生产事故起数及死亡人数数据为基础,运用灰色预测GM(1,1)分别建立浙江省安全生产事故起数及死亡人数的预测模型.依据建立的模型,对浙江省2016～2020年安全生产事故起数及死亡人数进行了预测,得出浙江省安全生产事故起数及死亡人数变化曲线.结果表明未来五年浙江省安全生产事故起数及死亡人数将持续下降并逐渐稳定,预测结果对于浙江省安全生产发展规划的制定具有重要意义.

摘要： 以浙江省2004～2015年安全生产事故起数及死亡人数数据为基础,运用灰色预测GM(1,1)分别建立浙江省安全生产事故起数及死亡人数的预测模型.依据建立的模型,对浙江省2016～2020年安全生产事故起数及死亡人数进行了预测,得出浙江省安全生产事故起数及死亡人数变化曲线.结果表明未来五年浙江省安全生产事故起数及死亡人数将持续下降并逐渐稳定,预测结果对于浙江省安全生产发展规划的制定具有重要意义.

摘要： 为准确预测典型钢框架结构建筑在火灾中的坍塌,以室内火灾轰燃后的房间热平衡和热传导理论为基础,分析了室内火灾平均温度的计算方法,基于传热学基本理论,分析了钢构件在火灾中平均温度的计算方法,根据结构力学基本方法和已建立的温度应力计算模型,分析了钢构件在火灾中的作用效应计算方法,根据钢材高温力学性能,分析了钢构件的高温抗力计算方法.最后,根据结构的极限状态设计原理,分析了结构的可靠性状态,以此预测了典型钢框架结构建筑在火灾中的坍塌.通过研究,期望为消防部队一线防火审核和灭火指挥现场决策提供有效帮助.

摘要： 为准确预测典型钢框架结构建筑在火灾中的坍塌,以室内火灾轰燃后的房间热平衡和热传导理论为基础,分析了室内火灾平均温度的计算方法,基于传热学基本理论,分析了钢构件在火灾中平均温度的计算方法,根据结构力学基本方法和已建立的温度应力计算模型,分析了钢构件在火灾中的作用效应计算方法,根据钢材高温力学性能,分析了钢构件的高温抗力计算方法.最后,根据结构的极限状态设计原理,分析了结构的可靠性状态,以此预测了典型钢框架结构建筑在火灾中的坍塌.通过研究,期望为消防部队一线防火审核和灭火指挥现场决策提供有效帮助.

摘要： 为准确预测典型钢框架结构建筑在火灾中的坍塌,以室内火灾轰燃后的房间热平衡和热传导理论为基础,分析了室内火灾平均温度的计算方法,基于传热学基本理论,分析了钢构件在火灾中平均温度的计算方法,根据结构力学基本方法和已建立的温度应力计算模型,分析了钢构件在火灾中的作用效应计算方法,根据钢材高温力学性能,分析了钢构件的高温抗力计算方法.最后,根据结构的极限状态设计原理,分析了结构的可靠性状态,以此预测了典型钢框架结构建筑在火灾中的坍塌.通过研究,期望为消防部队一线防火审核和灭火指挥现场决策提供有效帮助.

摘要： 本发明涉及一种基于神经网络的电力人身事故、误操作事故与违章操作事故的预测方法，包括以下步骤：S1.采集各种电力人身事故、误操作事故、违章操作事故的历史数据；S2.搭建神经网络，利用各种电力人身事故、误操作事故、违章操作事故的历史数据对神经网络进行训练；S3.将测试数据输入至训练好的神经网络中，得到预测结果。

摘要： 一种基于流量与事故协同感知的城市交通事故风险预测方法，属于交通事故预警技术领域。本发明针对现有交通事故风险预测中没有深度结合交通流量信息，使用静态图邻接矩阵构建图神经网络预测效果不够好的问题。包括由节点时变特征输入模块获得节点时变特征矩阵；分别由事件动态图神经网络和异常流量动态图神经网络对节点时变特征矩阵进行特征提取，获得事故风险特征和流量风险特征；再由时间依赖模块进行时间依赖信息的捕捉，获得时空混合特征；由协同感知模块对时空混合特征和全局时变特征矩阵进行特征融合，获得事故风险预测值，结合事故风险替换值进行计算，获得损失函数用于模型训练。本发明用于交通事故风险预测。

摘要： 一种基于交通事故特征分析的事故黑点预测方法，包括：基于GIS对目标区域网格化；根据事故发生的位置信息，将事故数据进行网格化聚合，得到事故高发点分布数据；通过对事故发生时间、发生时气象情况、及发生时段区域的车辆速度阈值数据进行分析，形成单网格事故发生频次、时段、气象、车辆速度阈值的关系矩阵；融合车流量、交通指数路网数据；通过事故高发地点分析确定最大可能事故黑点，事故高发时段分析确定最大可能事故黑点事故发生最大可能时间区间，基于最大可能事故黑点、最大可能时间区间、气象、交通流量、交通指数可对不同时段下历史事故高发点发生事故的综合特征进行融合分析，从而实现对事故可能发生黑点的预测能力。

摘要： 本发明首次提出了一种考虑水域内船舶事故漏报情况的Bootstrap‑Tobit船舶事故经济损失预测方法。由于船舶事故数据库均存在不同程度的漏报问题,大大降低了船舶事故发明过程中的可靠性。本发明利用所构造的Bootstrap‑Tobit模型来补充漏报船舶事故数据，并评估船舶事故各影响因素对事故后果的影响。该方法首次在考虑船舶事故数据漏报问题的前提下进行事故经济损失预测，对海上安全对策的精确部署有很大的帮助。

摘要： 本发明公开了一种基于大数据分析的预测车辆事故风险预测方法，涉及车辆风险预测领域，方法先选取历史发生过事故的车辆数据，并在对应同一历史时间区间选取未发生事故车辆数据和对应出险信息作为特征标签，得到模型原始数据集；再对模型原始数据集进行降噪、抽样和归一化处理；然后对处理后的原始数据集进行多重共线性检验和关联分析，确定特征集合；根据特征集合选取关进特征构建样本数据集；构建预测模型，采用集成法对模型进行训练；根据预测精度以及评价指标，对模型的预测性能进行评估；输出预测结果。本发明事故概率的预测不再依赖于主观判定或专家经验，依托由时序数据构建的机器学习算法直接计算出险概率，更加精准客观，具有高可信度。

摘要： 本发明提供一种基于选择性集成学习的海上事故类型预测方法，针对海上事故数据时效性强、涉及风险因素较多等特点，考虑到海上事故类型预测模型所需的准确性和普适性，采用选择性集成学习技术，提出了一个两阶段模型选择方法，该方法同时考虑模型准确性与多样性，通过选择一组性能优异的个体学习器构建海上事故类型预测模型，提高了模型的泛化能力和预测精度，实现海上事故类型的快速可靠预测，提升海上事故预防的针对性。

摘要： 本发明公开了基于体素结构的船舶碰撞事故等级确定和交通流预测方法，包括以下步骤：S1、获取被撞击船舶的属性参数、撞击参数和AIS参数；S2、通过被撞击船舶的AIS参数、水文参数和航道底部三维模型，预测水流流速动态变化；S3、构建碰撞运动平衡方程，基于数值法计算被撞击船舶不同撞击点的瞬时撞击力和撞击力矩，确定碰撞事故等级；S4、将航道三维模型和船舶碰撞三维模型输出的数据耦合，预测被撞击船舶的运动状态变化趋势和持续时间。通过对被撞击船舶进行数值模拟和预测水流流速动态变化，进而实现对被撞击船舶的运动状态变化趋势和持续时间的预测，反映航道内交通流未来变化趋势，为未来时间航道的合理重新划归或引导虚拟航道提供理论基础。

摘要： 本申请适用于交通安全技术领域，提供了一种高速公路隧道事故实时风险预测方法、装置、设备及介质，其中该方法包括：获取目标隧道在预设历史时间段内的事故数据、进出口交通流数据以及天气数据；获取目标隧道在预设历史时间段内发生的每次事故对应的进出口交通流数据和天气数据，并获取该进出口交通流数据和天气数据的对照数据；将该进出口交通流数据、天气数据以及对照数据作为实验数据集；基于实验数据集提取影响隧道事故风险的事故先兆特征；基于实验数据集、事故先兆特征训练隧道事故实时风险预测模型；基于训练后的隧道事故实时风险预测模型实时预测隧道事故风险。本申请能对高速公路隧道事故风险进行实时预测。

摘要： 本发明涉及一种预测模型的构建方法、车辆事故预测方法及装置。该构建方法包括以下步骤：根据第一数据，确定仅包含核心特征的训练集；所述第一数据为历史事故记录信息中，第一设定时间内的司机行为信息、车辆行驶信息、车辆报警信息和环境信息；采用仅包含核心特征的训练集对聚类分析模型进行训练；根据车辆事故的预测结果，优化聚类分析模型，确定优化后的聚类分析模型为预测模型；其中，所述车辆事故的预测结果是所述训练后的聚类分析模型对第二数据进行预测得到。该方法综合考量了事故发生前的多种信息，并通过采用车辆事故的预测的方式，优化聚类分析模型，使得所构建的预测模型精准可靠，对于各种复杂情况下的潜在事故均能有效预测。

摘要： 本发明涉及一种预测模型的构建方法、车辆事故预测方法及装置。该构建方法包括以下步骤：根据第一数据，确定仅包含核心特征的训练集；所述第一数据为历史事故记录信息中，第一设定时间内的司机行为信息、车辆行驶信息、车辆报警信息和环境信息；采用仅包含核心特征的训练集对聚类分析模型进行训练；根据车辆事故的预测结果，优化聚类分析模型，确定优化后的聚类分析模型为预测模型；其中，所述车辆事故的预测结果是所述训练后的聚类分析模型对第二数据进行预测得到。该方法综合考量了事故发生前的多种信息，并通过采用车辆事故的预测的方式，优化聚类分析模型，使得所构建的预测模型精准可靠，对于各种复杂情况下的潜在事故均能有效预测。