The invention discloses a prediction method and system of ship collision accident grade based on Bayesian network, which realizes the prediction of ship collision accident grade by constructing a prediction model of ship collision accident. From the point of view of data, the relationship between accident factors is deeply excavated to find the law between accident factors, instead of the expert knowledge method with too strong subjectivity. The establishment of Bayesian network for ship collision accidents is realized. From the point of view of method, the prediction model of ship collision accident is built based on Bayesian network, which can solve the prediction problem of ship collision accident grade and promote the development of maritime risk theory. From the point of view of application, the research results can provide scientific basis for navigation command and emergency decision-making of encountering ships.
【技术实现步骤摘要】
一种基于贝叶斯网络的船舶碰撞事故等级预测方法和系统
本专利技术涉及交通安全预测
,特别涉及一种基于贝叶斯网络的船舶碰撞事故等级预测方法和系统。
技术介绍
我国是世界航运大国,航运对国家具有重要的战略意义。随着海上运输业的发达,航线日益繁忙,船舶密度不断加大,船舶向大型化、专业化发展,船舶航速不断提高,通航环境更趋复杂化,导致各类海上交通事故频繁发生。在海上交通安全形势日益严峻的情形下,如何保证安全高效的海洋运输,已成为世界各国、各海事部门关注的焦点。水上交通事故统计表明,船舶碰撞事故发生率一直高居各类海难事故的前列。本专利技术中船舶碰撞是指两艘或两艘以上船舶在海上或者与海相通的可航水域发生接触造成损害的事故。船舶碰撞事故所带来的后果往往是灾难性的,严重威胁人的生命、财产安全,而且船舶溢油、危险物泄露等会严重污染海洋环境,后果不易控制。同时,海上船舶碰撞事故具有很大的随机性和不确定性。因此,各国海事领域一直非常重视船舶碰撞事故的研究。关于水上交通安全的研究多年以来都是交通领域的研究热点和重点,引起了国内外相关研究人员的高度关注,并产生了丰硕的研究成果。船舶碰撞事故的风险一般采用事故发生的可能性(概率)与事故造成的损失的乘积来衡量。总体来说,国内外学者对于船舶碰撞事故的研究主要集中在事故发生的概率以及事故发生原因的分析上,对碰撞事故损失的预测研究较少。在船舶碰撞事故概率预测、致因分析等方面,国外已经进行了大量深入的研究,模型和理论比较成熟。Friis-HansenP和SimonsenBC在总结前人所建的船舶碰撞事故致因链的基础上,进一步分析船舶碰撞事故发 ...
【技术保护点】
1.一种基于贝叶斯网络的船舶碰撞事故等级预测方法,其特征在于,包括以下步骤:获取水上交通事故调查报告,从中提取事故因素数据;将所述事故因素数据按照联合分布特征进行初步离散化处理,将各影响因素与事故后果要素进行敏感度分析,合并各影响因素的部分离散化集合,得到离散化集合的结果,作为贝叶斯网络节点;基于对变量间的相关性分析,结合专家建模经验确定所述贝叶斯网络节点的排序;编写机器语言,进行贝叶斯网络结构学习;根据K2结构学习算法获得贝叶斯网络结构;根据所述贝叶斯网络结构,输入相应先验信息,运用贝叶斯参数学习算法,学习获得各网络节点的条件概率分布;将所得条件概率表赋予确定的贝叶斯网络拓扑结构,建立船舶碰撞事故的贝叶斯网络;根据联合树推理的方法,根据所述船舶碰撞事故的贝叶斯网络构建出贝叶斯网络推理模型,得出船舶碰撞事故后果预测模型;以船舶事故等级为查询变量,根据所述船舶碰撞事故后果预测模型推算出事故后果的概率分布。
【技术特征摘要】
1.一种基于贝叶斯网络的船舶碰撞事故等级预测方法,其特征在于,包括以下步骤:获取水上交通事故调查报告,从中提取事故因素数据;将所述事故因素数据按照联合分布特征进行初步离散化处理,将各影响因素与事故后果要素进行敏感度分析,合并各影响因素的部分离散化集合,得到离散化集合的结果,作为贝叶斯网络节点;基于对变量间的相关性分析,结合专家建模经验确定所述贝叶斯网络节点的排序;编写机器语言,进行贝叶斯网络结构学习;根据K2结构学习算法获得贝叶斯网络结构;根据所述贝叶斯网络结构,输入相应先验信息,运用贝叶斯参数学习算法,学习获得各网络节点的条件概率分布;将所得条件概率表赋予确定的贝叶斯网络拓扑结构,建立船舶碰撞事故的贝叶斯网络;根据联合树推理的方法,根据所述船舶碰撞事故的贝叶斯网络构建出贝叶斯网络推理模型,得出船舶碰撞事故后果预测模型;以船舶事故等级为查询变量,根据所述船舶碰撞事故后果预测模型推算出事故后果的概率分布。2.根据权利要求1所述的一种基于贝叶斯网络的船舶碰撞事故等级预测方法,其特征在于,所述事故因素数据,包括:事故灾害后果因素:事故等级;环境因素:事故时间、风力、能见度、水面状况、气温和/或水温;船舶因素:船舶种类、船长、船宽、船龄、总吨位、装载、船员数和/或船舶所有性质。3.根据权利要求1所述的一种基于贝叶斯网络的船舶碰撞事故等级预测方法,其特征在于,所述方法还包括:从贝叶斯网络的学习精度、贝叶斯网络模型的预测准确度层面,对构建的船舶碰撞事故后果预测模型进行有效性验证。4.根据权利要求1所述的一种基于贝叶斯网络的船舶碰撞事故等级预测方法,其特征在于,所述获取事故因素数据后,还包括数据清洗步骤,具体如下:整理船舶碰撞事故基本信息数据,对于所述事故调查报告中存在的错误记录数据,根据证据理论判断某一数据是否准确的置信度,进而对错误的数据进行清洗;利用船舶静态数据对船舶基本静态信息进行校对和补充。5.根据权利要求1所述的一种基于贝叶斯网络的船舶碰撞事故等级预测方法,其特征在于,所述获得贝叶斯网络结构过程中,还包括:在所述贝叶斯网络结构的学习中应用基于评分搜索的方法。6.根据权利要求1所述的一种基于贝叶斯网络的船舶碰撞事故等级预测方法,其特征在于,所述贝叶斯网络节点,还包括如下处理过程:采用聚类的方法,将所述贝叶斯网络节点中相关性较强的特征聚成...
【专利技术属性】
技术研发人员:张云,桑凌志,段涛,耿丹阳,苏航,白雪娇,王文杰,胡鹏程,
申请(专利权)人:中交信息技术国家工程实验室有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。