基于多属性铁路事故数据集的聚类和关联规则分析方法研究
发布时间:2020-09-29 15:03
随着我国铁路系统安全保障能力的高需求和大数据时代的到来,迫切地需要对过去发生的铁路事故进行综合性学习和分析,将铁路事故数据中的隐性知识转化为显性知识,因此对铁路事故数据集的分析将对铁路的事故预防具有重要意义。本文设计了铁路事故数据集的建立及挖掘分析方法,研究事故发生的规律和关键致因,为进一步提高我国铁路的安全水平提供借鉴。论文主要内容如下。(1)针对我国铁路事故的特点,设计了铁路事故认知可靠性和失误分析分类模型CREAM-RAs,可以对铁路事故中人因、技术、组织因素进行准确分类和提取。通过计算评者间信度和评者内信度的Kappa值验证了 CREAM-RAs模型的准确性。在CREAM-RAs的分类框架下,对收集到的811份铁路事故报告进行分解和编码,构建了多属性铁路事故数据集MARA-D。(2)对自组织映射SOM算法的统一距离矩阵U-Matrix进行了改进,在考虑各单元现有邻居单元总数的基础上优化参数,解决了 SOM图中的边缘问题和分界不明显问题,改进U-Matrix后的SOM图可以更直观地观测聚类数目和聚类中心。(3)设计了基于SOM和K-Means的铁路事故集成聚类方法,将SOM获胜神经元权值作为K-Means第二阶段聚类的输入数据,SOM图中得到的聚类数目和聚类中心作为K-Means的初始输入参数,提高了事故聚类的精确度和可视化效果。通过该集成聚类方法,将MARA-D聚类划分成不同特征事故聚类群。(4)在充分考虑不同等级事故之间的权重差异基础上,提出了改进的关联规则算法AL_Apriori。使用AL_Apriori算法对事故聚类群分别进行关联规则分析,得到事故致因之间的强关联规则集,继而给出了降低各聚类群中关键事故致因的改进措施。通过与整体MARA-D下的强关联规则集作比较,证明了相对于不使用聚类分析方法,在聚类的基础上做关联规则有助于识别更好和有用的强关联规则结果。(5)设计了基于关联规则和DEMATEL的致因综合权重确定方法,综合考虑致因初始权重、影响度和被影响度计算致因的综合权重,使致因的权值计算更准确。最后分别用传统支持度、加权支持度和设计的综合权重确定方法对MARA-D中的致因权重进行了计算和排序,验证了本文设计综合权重确定方法的有效性,得出了我国铁路事故的关键致因,并提出了相应的改进措施。
【学位单位】:北京交通大学
【学位级别】:硕士
【学位年份】:2019
【中图分类】:U298.5
【部分图文】:
逦防御翻逡逑图1-2邋SHELL模型逦图1-3瑞士奶酪模型逡逑Figure邋1-2邋The邋SHELL邋Model逦Figure邋1-3邋The邋Swiss邋Cheese邋Model逡逑2000年,美国学者Shappell和Wiegmann在奶酪模型的基础上提出了人因分逡逑析和分类系统(The邋Human邋Factors邋Analysis邋and邋Classification邋System,邋HFACS邋)「],逡逑如图1-4所示。HFACS模型最初用于航空事故中,后被广泛改进和应用于航海事逡逑故、矿难事故和核事故等。逡逑'组织影响'逡逑V逦逦逦/逡逑★逦I逦 ̄逦★逡逑资源管理逦组织氛围逦组织流程逡逑'不安全监管1逡逑\逦逦逦/逡逑逦逦邋I逦逦逦逡逑t逦t邋 ̄逦言邋 ̄'逦?逡逑|监管不力逦计划不当逦|未纠正问题逦|监管违规逡逑(不安全行为的前提条件)逡逑I逦^邋逦逡逑逦,邋,逦逡逑不合格个人条件逦不合格个人实践逡逑^逦古邋 ̄ ̄逦★逦t逡逑不良心理状态逦不良身理状态逦身理/心理限制逦人力资源管理不善邋个人准备不足逡逑>不安全行为'逡逑\逦逦逦y逡逑逦邋I逦一逡逑言逦g逡逑错误行为逦违规行为逡逑逦★逦”逦j逦邋逦★逦*逦\逦逡逑决策错误逦技术错误逦知觉错误逦常规违规逦特殊违规逡逑图1-4HFACS模型结构逡逑Figure邋1-4邋The邋framework邋of邋the邋HFACS邋model逡逑2017年,我国学者詹青见为了将H
'逦^逦防御翻逡逑图1-2邋SHELL模型逦图1-3瑞士奶酪模型逡逑Figure邋1-2邋The邋SHELL邋Model逦Figure邋1-3邋The邋Swiss邋Cheese邋Model逡逑2000年,美国学者Shappell和Wiegmann在奶酪模型的基础上提出了人因分逡逑析和分类系统(The邋Human邋Factors邋Analysis邋and邋Classification邋System,邋HFACS邋)「],逡逑如图1-4所示。HFACS模型最初用于航空事故中,后被广泛改进和应用于航海事逡逑故、矿难事故和核事故等。逡逑'组织影响'逡逑V逦逦逦/逡逑★逦I逦 ̄逦★逡逑资源管理逦组织氛围逦组织流程逡逑'不安全监管1逡逑\逦逦逦/逡逑逦逦邋I逦逦逦逡逑t逦t邋 ̄逦言邋 ̄'逦?逡逑|监管不力逦计划不当逦|未纠正问题逦|监管违规逡逑(不安全行为的前提条件)逡逑I逦^邋逦逡逑逦,邋,逦逡逑不合格个人条件逦不合格个人实践逡逑^逦古邋 ̄ ̄逦★逦t逡逑不良心理状态逦不良身理状态逦身理/心理限制逦人力资源管理不善邋个人准备不足逡逑>不安全行为'逡逑\逦逦逦y逡逑逦邋I逦一逡逑言逦g逡逑错误行为逦违规行为逡逑逦★逦”逦j逦邋逦★逦*逦\逦逡逑决策错误逦技术错误逦知觉错误逦常规违规逦特殊违规逡逑图1-4HFACS模型结构逡逑Figure邋1-4邋The邋framework邋of邋the邋HFACS邋model逡逑2017年,我国学者詹青见为了将HFA
第六章逦结论与展望逡逑图1-5本论文的章节安排逡逑Figure邋1-5邋The邋chapters邋arrangement邋of邋this邋paper逡逑7逡逑
本文编号:2829887
【学位单位】:北京交通大学
【学位级别】:硕士
【学位年份】:2019
【中图分类】:U298.5
【部分图文】:
逦防御翻逡逑图1-2邋SHELL模型逦图1-3瑞士奶酪模型逡逑Figure邋1-2邋The邋SHELL邋Model逦Figure邋1-3邋The邋Swiss邋Cheese邋Model逡逑2000年,美国学者Shappell和Wiegmann在奶酪模型的基础上提出了人因分逡逑析和分类系统(The邋Human邋Factors邋Analysis邋and邋Classification邋System,邋HFACS邋)「],逡逑如图1-4所示。HFACS模型最初用于航空事故中,后被广泛改进和应用于航海事逡逑故、矿难事故和核事故等。逡逑'组织影响'逡逑V逦逦逦/逡逑★逦I逦 ̄逦★逡逑资源管理逦组织氛围逦组织流程逡逑'不安全监管1逡逑\逦逦逦/逡逑逦逦邋I逦逦逦逡逑t逦t邋 ̄逦言邋 ̄'逦?逡逑|监管不力逦计划不当逦|未纠正问题逦|监管违规逡逑(不安全行为的前提条件)逡逑I逦^邋逦逡逑逦,邋,逦逡逑不合格个人条件逦不合格个人实践逡逑^逦古邋 ̄ ̄逦★逦t逡逑不良心理状态逦不良身理状态逦身理/心理限制逦人力资源管理不善邋个人准备不足逡逑>不安全行为'逡逑\逦逦逦y逡逑逦邋I逦一逡逑言逦g逡逑错误行为逦违规行为逡逑逦★逦”逦j逦邋逦★逦*逦\逦逡逑决策错误逦技术错误逦知觉错误逦常规违规逦特殊违规逡逑图1-4HFACS模型结构逡逑Figure邋1-4邋The邋framework邋of邋the邋HFACS邋model逡逑2017年,我国学者詹青见为了将H
'逦^逦防御翻逡逑图1-2邋SHELL模型逦图1-3瑞士奶酪模型逡逑Figure邋1-2邋The邋SHELL邋Model逦Figure邋1-3邋The邋Swiss邋Cheese邋Model逡逑2000年,美国学者Shappell和Wiegmann在奶酪模型的基础上提出了人因分逡逑析和分类系统(The邋Human邋Factors邋Analysis邋and邋Classification邋System,邋HFACS邋)「],逡逑如图1-4所示。HFACS模型最初用于航空事故中,后被广泛改进和应用于航海事逡逑故、矿难事故和核事故等。逡逑'组织影响'逡逑V逦逦逦/逡逑★逦I逦 ̄逦★逡逑资源管理逦组织氛围逦组织流程逡逑'不安全监管1逡逑\逦逦逦/逡逑逦逦邋I逦逦逦逡逑t逦t邋 ̄逦言邋 ̄'逦?逡逑|监管不力逦计划不当逦|未纠正问题逦|监管违规逡逑(不安全行为的前提条件)逡逑I逦^邋逦逡逑逦,邋,逦逡逑不合格个人条件逦不合格个人实践逡逑^逦古邋 ̄ ̄逦★逦t逡逑不良心理状态逦不良身理状态逦身理/心理限制逦人力资源管理不善邋个人准备不足逡逑>不安全行为'逡逑\逦逦逦y逡逑逦邋I逦一逡逑言逦g逡逑错误行为逦违规行为逡逑逦★逦”逦j逦邋逦★逦*逦\逦逡逑决策错误逦技术错误逦知觉错误逦常规违规逦特殊违规逡逑图1-4HFACS模型结构逡逑Figure邋1-4邋The邋framework邋of邋the邋HFACS邋model逡逑2017年,我国学者詹青见为了将HFA
第六章逦结论与展望逡逑图1-5本论文的章节安排逡逑Figure邋1-5邋The邋chapters邋arrangement邋of邋this邋paper逡逑7逡逑
【参考文献】
相关期刊论文 前2条
1 ;铁路交通事故调查处理规则[J];铁道货运;2008年07期
2 ;铁路交通事故应急救援和调查处理条例[J];铁道货运;2007年12期
相关博士学位论文 前3条
1 周进;铁路运输事故致因及安全风险分析方法研究[D];北京交通大学;2018年
2 孙轶轩;基于数据挖掘的道路交通事故分析研究[D];北京交通大学;2014年
3 安璐;基于自组织映射的期刊主题研究[D];武汉大学;2009年
相关硕士学位论文 前9条
1 洪媛媛;基于多维多层关联规则挖掘的低等级公路交通事故致因分析[D];东南大学;2017年
2 林陈;基于兴趣度的关联规则挖掘算法的设计实现与应用[D];南京信息工程大学;2017年
3 方辉;基于数据挖掘的船舶碰撞事故分析研究[D];武汉理工大学;2017年
4 詹青见;基于HFACS-RAs的铁路事故致因建模及混合学习方法研究[D];北京交通大学;2017年
5 达兴亮;基于人因—组织—设备(HOT)的混合系统建模及可靠性分析方法研究[D];北京交通大学;2017年
6 石磊;基于改进CREAM的轨道交通人因可靠性分析方法研究[D];北京交通大学;2016年
7 于佳佳;基于聚类分析的船舶碰撞结果分析[D];大连海事大学;2010年
8 程坦;道路交通事故数据挖掘及应用研究[D];哈尔滨工业大学;2009年
9 焦万磊;面向道路交通事故成因分析的数据库与挖掘方法研究[D];吉林大学;2009年
本文编号:2829887
本文链接:https://www.wllwen.com/kejilunwen/anquangongcheng/2829887.html