CN113177713B - 一种基于事故数据挖掘的船舶碰撞危险度计算方法 - Google Patents
一种基于事故数据挖掘的船舶碰撞危险度计算方法 Download PDFInfo
- Publication number
- CN113177713B CN113177713B CN202110476221.6A CN202110476221A CN113177713B CN 113177713 B CN113177713 B CN 113177713B CN 202110476221 A CN202110476221 A CN 202110476221A CN 113177713 B CN113177713 B CN 113177713B
- Authority
- CN
- China
- Prior art keywords
- influence
- accident
- influence factor
- data
- factors
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 9
- 238000007418 data mining Methods 0.000 title claims abstract description 8
- 239000002131 composite material Substances 0.000 claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000007619 statistical method Methods 0.000 claims abstract description 10
- 230000008569 process Effects 0.000 claims abstract description 8
- 238000010219 correlation analysis Methods 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 16
- 150000001875 compounds Chemical class 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000010220 Pearson correlation analysis Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 238000004445 quantitative analysis Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 19
- 238000004891 communication Methods 0.000 description 13
- 230000008520 organization Effects 0.000 description 6
- LFULEKSKNZEWOE-UHFFFAOYSA-N propanil Chemical compound CCC(=O)NC1=CC=C(Cl)C(Cl)=C1 LFULEKSKNZEWOE-UHFFFAOYSA-N 0.000 description 6
- QZXCCPZJCKEPSA-UHFFFAOYSA-N chlorfenac Chemical compound OC(=O)CC1=C(Cl)C=CC(Cl)=C1Cl QZXCCPZJCKEPSA-UHFFFAOYSA-N 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 206010039203 Road traffic accident Diseases 0.000 description 4
- 241000282414 Homo sapiens Species 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000002508 compound effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Educational Administration (AREA)
- Computational Mathematics (AREA)
- Development Economics (AREA)
- Mathematical Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Computing Systems (AREA)
- General Business, Economics & Management (AREA)
- Algebra (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及船舶技术领域,公开了一种基于事故数据挖掘的船舶碰撞危险度计算方法。本发明方法包括以下步骤:1)通过对事故报告数据的统计分析获得导致船舶碰撞的主要影响因素;2)基于统计相关性分析对影响因素进行分析,对存在相关性的影响因素进行加权组合,构建复合影响因素;3)基于对事故报告数据的统计分析,利用层次分析法,计算得到各复合影响因素权重;4)通过数据拟合的方法构建各影响因素的模糊综合评判隶属度函数;5)根据各复合影响因素的权重和影响因素的隶属度函数,利用模糊综合评判方法计算船舶碰撞危险度。本发明方法可以更加全面地评估船舶航行过程中碰撞危险程度。
Description
技术领域
本发明涉及船舶技术领域,具体为一种基于事故数据挖掘的船舶碰撞危险度计算方法。
背景技术
随着经济快速发展,运输需求也随之增大,而水上运输以其运量大、运费低的优点成为国际运输的主要运输方式,同时也为人类的发展做出了巨大的贡献。然而,随着水上运行船舶数量的不断上升,水上交通事故也呈现不断增长趋势,具体事故类型包括碰撞、触礁、搁浅、沉没、倾斜、翻沉等。与其他各类水上交通事故相比,船舶碰撞事故不仅占比最多,且往往后果严重。统计资料显示,在水上交通事故中,船舶碰撞事故占比高达40%以上,居各类事故之首。不同于道路交通事故,船舶碰撞事故一旦发生往往会带来更大的经济损失与人员伤亡。另一方面,对于发生在化学品船、大型油轮之间的船舶碰撞事故往往会导致严重的环境灾害,危及海洋生物以及人类的生存发展。
船舶在实际航行中,船舶驾驶员主要是根据实际经验进行避碰操纵,然而目前船舶日益大型化、船舶密度不断增加、渔船与商船航线交叉严重、夜间港口附近以及河道两侧的光污染等,都严重影响了船舶驾驶员的操纵,极易造成人员的疏忽,导致船舶碰撞危险。所以,对于船舶在航行过程中的碰撞危险研究显得尤为重要,它将起到提前预估危险的作用,使驾船人员提前采取行动,避免碰撞事故的发生。
根据航海实践,与船舶避碰联系最为紧密的是最近会遇距离(DCPA)和最近会遇时间(TCPA)两个量,而对于DCPA、TCPA与碰撞危险之间的关系,各国学者做了大量研究。具体包括单纯依靠DCPA判断碰撞危险程度,以DCPA和TCPA加权判断船舶碰撞危险,还有研究在DCPA与TCPA两个主要因素的基础上添加了两船距离、相对方位、船速比三个因素;而船舶在安全行驶过程中涉及多方面因素的影响,如人为因素、环境因素、船舶自身因素等。这些因素在船舶碰撞事故中存在复杂的复合作用,而现有利用DCPA、TCPA、距离、相对方位、船速比五个因素来计算船舶碰撞危险度的方法仍存在不足。
发明内容
针对上述问题本发明提供了一种基于事故数据挖掘的船舶碰撞危险度计算方法。
为了达到上述目的,本发明采用了下列技术方案:
本发明提供一种基于事故数据挖掘的船舶碰撞危险度计算方法,包括以下步骤:
步骤1,事故数据统计与分析:搜集船舶碰撞事故报告数据,通过统计与分析获得导致船舶碰撞事故的主要影响因素;
步骤2,构建复合影响因素:基于统计相关性分析对影响因素进行分析,对存在相关性的影响因素进行加权组合,构建复合影响因素;
步骤3,确定各复合影响因素权重:基于对事故报告数据的统计分析,利用层次分析法,计算得到各复合影响因素权重;
步骤4,构建各影响因素的模糊综合评判隶属度函数:根据各影响因素对船舶碰撞事故描述的不同特征数据,通过数据拟合的方法构建各影响因素的模糊综合评判隶属度函数;
步骤5,计算船舶碰撞危险度:根据步骤3得到的各复合影响因素的权重和步骤4得到的影响因素的隶属度函数,利用模糊综合评判方法计算船舶碰撞危险度。
进一步,所述步骤2中复合影响因素的构建具体包括以下步骤:
步骤2.1,对每一起事故样本数据按影响因素进行过滤,剔除数据缺失的样本;
步骤2.2,将样本数据输入到SPSS中建立数据库;
步骤2.3,基于皮尔逊相关性分析对影响因素进行相关性分析,通过独立性检验判断各影响因素间的相关性,对存在强关联性的影响因素根据统计的事故数据进行加权组合,构建复合影响因素;
步骤2.4,对于通过皮尔逊相关性分析无法证明相关性的影响因素,通过事故成因理论分析,对存在关联的影响因素根据统计的事故数据进行加权组合,构建复合影响因素。
进一步,所述步骤3中各复合影响因素权重的确定具体包括以下步骤:
步骤3.1,根据各复合影响因素统计影响度的差异构造判断矩阵;
步骤3.2,根据统计分析得到由每个复合影响因素导致船舶碰撞事故的数量,在判断矩阵采用1-9标度方法对复合影响因素进行两两比较;
步骤3.3,利用一致性比率对构建的判断矩阵进行一致性检验,若通过一致性检验,则用判断矩阵归一化特征向量作为权向量,否则重新构造判断矩阵。
进一步,所述步骤4中各影响因素的模糊综合评判隶属度函数的构建具体包括以下过程:
步骤4.1,获得各影响因素对船舶碰撞事故描述的不同特征的数据;
步骤4.2,将各影响因素分为可定量分析和不可定量分析两类;
步骤4.3,对于可定量分析的各影响因素,根据获得数据的统计分析将各影响因素对船舶碰撞的影响程度划分为五个等级,统计各等级下的具体事故数量,然后对五个等级下的事故数据采用Min-max标准化进行归一化处理,通过采用基本函数作为基函数进行数据拟合构建模糊综合评判隶属度函数;
步骤4.4,对于不可定量分析的各影响因素,将事故中影响因素的子影响因素和作为其危险度等级,进行数据拟合,通过比较拟合后的拟合优度值与修正的拟合优度值来获得该影响因素的最优拟合函数,即模糊综合评判隶属度函数。
进一步,所述步骤5中计算船舶碰撞危险度具体包括以下步骤:根据模糊综合评价方法,综合考虑各影响因素对评判结果的影响,得到危险度评估结果为:C=A*B,其中A为各复合影响因素权重,B为实际航行状态下各复合影响因素的隶属度函数值。
与现有技术相比本发明具有以下优点:
1、本发明首先通过对事故报告数据的统计分类获得导致船舶碰撞事故的主要影响因素,然后基于统计相关性分析对影响因素进行分析构建复合影响因素(指标),相较于现有研究方法在计算船舶碰撞危险度时所采用的指标更能客观地描述船舶碰撞事故。
2、本发明针对复合影响因素(指标)权重的计算,通过统计分析事故报告数据,利用层次分析法,根据各指标统计影响度的差异构造判断矩阵,进而用其归一化特征向量作为权向量,避免了专家打分等方法主观因素的影响。
3、本发明利用模糊综合评判进行船舶碰撞危险度计算,其优点是能更加全面地评估船舶航行过程中碰撞危险程度。
附图说明
图1为本发明流程示意图。
具体实施方式
下面结合本发明实施例和附图,对本发明的技术方案进行具体、详细的说明。应当指出,对于本领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干变型和改进,这些也应视为属于本发明的保护范围。
一种基于事故数据挖掘的船舶碰撞危险度计算方法:
步骤1,事故数据统计与分析
搜集国内外船舶碰撞事故报告数据,对事故报告数据进行统计与分析,获得导致船舶碰撞事故的主要影响因素,具体包括:疏忽瞭望、疲劳驾驶、操纵不当、航速、距离、能见度、船舶密度、船员沟通不足、风速、流速、组织管理、船员水平。
步骤2,构建复合影响因素,具体为:
(1)对每一起事故样本数据按影响因素进行过滤,剔除数据缺失的样本;
(2)将样本数据输入到SPSS中建立数据库;
(3)基于皮尔逊相关性分析对影响因素进行相关性分析,通过独立性检验判断各影响因素间的相关性,对存在强关联性的影响因素根据统计的事故数据进行加权组合,构建复合影响因素;
(4)对于通过皮尔逊相关性分析无法证明相关性的影响因素,通过事故成因理论分析,对存在关联的影响因素根据统计的事故数据进行加权组合,构建复合影响因素。
最终得到的复合影响因素为:{疲劳驾驶+操作失误}、{航速+距离}、{能见度+疏忽瞭望}、{船舶密度+船员沟通不足}、{风速+流速}、{组织管理+船员水平}。
步骤3,确定各复合影响因素权重,具体为:
(1)根据各复合影响因素统计影响度的差异构造判断矩阵;
(2)根据统计分析得到由每个复合影响因素导致船舶碰撞事故的数量,在判断矩阵采用1-9标度方法对复合影响因素进行两两比较;
(3)利用一致性比率对构建的判断矩阵进行一致性检验,若通过一致性检验,则用判断矩阵归一化特征向量作为权向量,否则重新构造判断矩阵
步骤4,构建各影响因素的模糊综合评判隶属度函数,具体为:
(1)获得各影响因素对船舶碰撞事故描述的不同特征的数据;
(2)将各影响因素分为可定量分析和不可定量分析两类;可定量分析的因素包括疲劳驾驶、航速、距离、能见度、船舶密度、风速、流速、船员水平;不可定量分析的因素包括疏忽瞭望、组织管理、操纵不当、船员沟通不足。
(3)对于可定量分析的各影响因素,根据获得数据的统计分析将各影响因素对船舶碰撞的影响程度划分为五个等级,统计各等级下的具体事故数量,然后对五个等级下的事故数据采用Min-max标准化进行归一化处理,通过采用基本函数作为基函数进行数据拟合构建模糊综合评判隶属度函数;
(4)对于疏忽瞭望、组织管理、操纵不当、船员沟通不足四个不可定量分析的影响因素,为达到对其量化的目的,对各影响统计子影响因素和制定评价等级,统计每一起事故中各影响因素的子影响因素个数,作为此事故对应影响因素的危险度等级(事故包含的子影响因素越多,危险等级越高)。具体影响因素的子影响因素制定如下:
(1)疏忽瞭望:注意力情况、是否采用多种瞭望方式结合瞭望、配员、能见度情况、是否存在盲区;
(2)组织管理:配员、排班是否合理、组织培训、遵守避碰法规、船员是否适任;
(3)操纵不当:决策失误、缺乏操船知识、未遵守良好船艺、疲劳、是否及时采取行动;
(4)沟通不足:未进行沟通;沟通不良,语言不通;通过信号灯沟通;沟通良好,时有沟通;交流畅通,表意明确。
对统计得到的数据进行数据拟合,拟合方法有多种,通过比较各方法拟合后的拟合优度(R-square)与修正的拟合优度(Adjusted R-square)的值来确定最优的拟合函数,数值越接近1,结果越优。
每个影响因素的隶属度函数如下:
(1)疲劳驾驶 y=0.1046x11.07+0.2375
(2)航速 y=0.05259*e0.118x
(3)能见度 y=1.059*e-0.2595x
(4)距离 y=1.001*e-1.228x
(5)船舶密度 y=0.002448x2.542
(6)流速 y=0.736*sin(0.8057x+0.08483)
(7)风速 y=0.5732*sin(0.4015x-0.1631)
(8)船员水平 y=0.03914*e0.6551x
(9)疏忽瞭望
(10)组织管理 y=0.01262e0.8743x
(11)操纵不当
(12)船员沟通不足
其中,公式(1)-(12)中x为每个影响因素的取值,y为对应的隶属度函数值。
步骤5,根据步骤3得到的各复合影响因素的权重和步骤4得到的隶属度函数,利用模糊综合评判方法计算船舶碰撞危险度,综合考虑各影响因素对评判结果的影响,得到危险度评估结果为:C=A*B,其中A为各复合影响因素权重,B为实际航行状态下各复合影响因素的隶属度函数值。
Claims (1)
1.一种基于事故数据挖掘的船舶碰撞危险度计算方法,其特征在于,包括以下步骤:
步骤1,事故数据统计与分析:搜集船舶碰撞事故报告数据,通过统计与分析获得导致船舶碰撞事故的主要影响因素;
步骤2,构建复合影响因素:基于统计相关性分析对影响因素进行分析,对存在相关性的影响因素进行加权组合,构建复合影响因素;
步骤3,确定各复合影响因素权重:基于对事故报告数据的统计分析,利用层次分析法,计算得到各复合影响因素权重;
步骤4,构建各影响因素的模糊综合评判隶属度函数:根据各影响因素对船舶碰撞事故描述的不同特征数据,通过数据拟合的方法构建各影响因素的模糊综合评判隶属度函数;
步骤5,计算船舶碰撞危险度:根据步骤3得到的各复合影响因素的权重和步骤4得到的影响因素的隶属度函数,利用模糊综合评判方法计算船舶碰撞危险度;
所述步骤2中复合影响因素的构建具体包括以下步骤:
步骤2.1,对每一起事故样本数据按影响因素进行过滤,剔除数据缺失的样本;
步骤2.2,将样本数据输入到SPSS中建立数据库;
步骤2.3,基于皮尔逊相关性分析对影响因素进行相关性分析,通过独立性检验判断各影响因素间的相关性,对存在强关联性的影响因素根据统计的事故数据进行加权组合,构建复合影响因素;
步骤2.4,对于通过皮尔逊相关性分析无法证明相关性的影响因素,通过事故成因理论分析,对存在关联的影响因素根据统计的事故数据进行加权组合,构建复合影响因素;
所述步骤3中各复合影响因素权重的确定具体包括以下步骤:
步骤3.1,根据各复合影响因素统计影响度的差异构造判断矩阵;
步骤3.2,根据统计分析得到由每个复合影响因素导致船舶碰撞事故的数量,在判断矩阵采用1-9标度方法对复合影响因素进行两两比较;
步骤3.3,利用一致性比率对构建的判断矩阵进行一致性检验,若通过一致性检验,则用判断矩阵归一化特征向量作为权向量,否则重新构造判断矩阵;
所述步骤4中各影响因素的模糊综合评判隶属度函数的构建具体包括以下过程:
步骤4.1,获得各影响因素对船舶碰撞事故描述的不同特征的数据;
步骤4.2,将各影响因素分为可定量分析和不可定量分析两类;
步骤4.3,对于可定量分析的各影响因素,根据获得数据的统计分析将各影响因素对船舶碰撞的影响程度划分为五个等级,统计各等级下的具体事故数量,然后对五个等级下的事故数据采用Min-max标准化进行归一化处理,通过采用基本函数作为基函数进行数据拟合构建模糊综合评判隶属度函数;
步骤4.4,对于不可定量分析的各影响因素,将事故中影响因素的子影响因素和作为其危险度等级,进行数据拟合,通过比较拟合后的拟合优度值与修正的拟合优度值来获得该影响因素的最优拟合函数,即模糊综合评判隶属度函数;
所述步骤5中计算船舶碰撞危险度具体包括以下步骤:根据模糊综合评价方法,综合考虑各影响因素对评判结果的影响,得到危险度评估结果为:C=A*B,其中A为各复合影响因素权重,B为实际航行状态下各复合影响因素的隶属度函数值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110476221.6A CN113177713B (zh) | 2021-04-29 | 2021-04-29 | 一种基于事故数据挖掘的船舶碰撞危险度计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110476221.6A CN113177713B (zh) | 2021-04-29 | 2021-04-29 | 一种基于事故数据挖掘的船舶碰撞危险度计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113177713A CN113177713A (zh) | 2021-07-27 |
CN113177713B true CN113177713B (zh) | 2024-02-06 |
Family
ID=76925436
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110476221.6A Active CN113177713B (zh) | 2021-04-29 | 2021-04-29 | 一种基于事故数据挖掘的船舶碰撞危险度计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113177713B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050329A (zh) * | 2014-06-25 | 2014-09-17 | 哈尔滨工程大学 | 一种检测船舶碰撞危险度的方法 |
AU2020102354A4 (en) * | 2020-09-21 | 2020-10-29 | Tianjin Research Institute For Water Transport Engineering.M.O.T. | Morning and early warning method for coastal port ship operation conditions |
CN111967111A (zh) * | 2020-07-02 | 2020-11-20 | 上海市政工程设计研究总院(集团)有限公司 | 一种基于复合变量指标的多维度轨道线网规模预测方法 |
CN112580261A (zh) * | 2020-12-23 | 2021-03-30 | 武汉理工大学 | 一种多船避碰决策方法及装置 |
-
2021
- 2021-04-29 CN CN202110476221.6A patent/CN113177713B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050329A (zh) * | 2014-06-25 | 2014-09-17 | 哈尔滨工程大学 | 一种检测船舶碰撞危险度的方法 |
CN111967111A (zh) * | 2020-07-02 | 2020-11-20 | 上海市政工程设计研究总院(集团)有限公司 | 一种基于复合变量指标的多维度轨道线网规模预测方法 |
AU2020102354A4 (en) * | 2020-09-21 | 2020-10-29 | Tianjin Research Institute For Water Transport Engineering.M.O.T. | Morning and early warning method for coastal port ship operation conditions |
CN112580261A (zh) * | 2020-12-23 | 2021-03-30 | 武汉理工大学 | 一种多船避碰决策方法及装置 |
Non-Patent Citations (8)
Title |
---|
Composition ship collision risk based on fuzzy theory;Chen,S et al;《Journal of Central South University》;第21卷(第11期);第4296-4302页 * |
列联表分析及在SPSS中的实现;陈雪东;《数理统计与管理》(第1期);第15-19+41页 * |
基于HFACS与Apriori算法的船舶碰撞事故致因分析;高宁;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》(第6期);第C034-589页,第4章 * |
基于数据挖掘的船舶碰撞事故分析研究;方辉;《中国优秀硕士学位论文全文数据库》(第2期);第C034-613页,第3章 * |
基于粗糙集的船舶碰撞受损分析;郑中义等;《大连海事大学学报》(第4期);第 3-6页 * |
基于组合权重模糊物元模型的船桥碰撞风险评价;钟军等;《安全与环境学报》(第2期);第 17-22页 * |
船舶航行碰撞危险度模型的构建;邱云明;《船舶航泊安全的新经验新技术论文集(上册)》;第34-43页,第2~3节 * |
船舶避碰系统研究综述;张嘉琪等;《科学技术与工程》(第34期);第35-42页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113177713A (zh) | 2021-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cakir et al. | An analysis of severity of oil spill caused by vessel accidents | |
Silveira et al. | A multicriteria outranking approach for ship collision risk assessment | |
Li et al. | AIS data-based decision model for navigation risk in sea areas | |
CN104050329B (zh) | 一种检测船舶碰撞危险度的方法 | |
Lan et al. | On the causation of seafarers’ unsafe acts using grounded theory and association rule | |
CN101344937A (zh) | 基于地理信息系统的水上交通风险评价及预测方法 | |
CN116777218A (zh) | 一种基于船舶业务数据、ais数据对船舶风险进行智能评估的系统及方法 | |
CN113177713B (zh) | 一种基于事故数据挖掘的船舶碰撞危险度计算方法 | |
CN117171601A (zh) | 一种基于机器学习的市政污水的水质分类方法 | |
CN114490913A (zh) | 一种船舶进港状态的确定方法、确定装置和电子设备 | |
CN116703147B (zh) | 基于水域网格化和指标标准化的海上交通风险评估方法 | |
CN115239110A (zh) | 一种基于改进topsis方法的通航风险评价方法 | |
CN112699467A (zh) | 一种港口国监督检查船舶和检查员分配的方法 | |
CN116468277A (zh) | 一种基于船舶报告数据的沿海海事辖区风险评估方法 | |
Turan et al. | Risk assessment of loss of life for fishing vessels in fuzzy environment | |
CN115409393A (zh) | 一种海上船舶监控用轨迹跟踪路线评价方法 | |
Apriani et al. | Safety Evaluation of River Transportation in Palembang | |
CN110598969B (zh) | 一种海上通道突发事件风险预警方法 | |
CN116433023A (zh) | 一种海上溢油风险评估方法 | |
Wang et al. | A Fuzzy Logic-Based Model for Evaluating Grounding Risk of Inland River Ships | |
Soma | Blue-chip or sub-standard | |
Kwik | Collision rate as a danger criterion for marine traffic | |
Ma et al. | A framework of marine collision risk identification strategy using AIS data | |
Liu et al. | Evaluation of Zhoushan Maritime Search and Rescue Capability Based on Fuzzy Comprehensive Evaluation | |
Sun et al. | Collision Risk Hotspot Identification Based on AIS Data and DBSCAN Algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |