隨著我國鐵路系統(tǒng)安全保障能力的高需求和大數(shù)據(jù)時代的到來,迫切地需要對過去發(fā)生的鐵路事故進行綜合性學(xué)習和分析,將鐵路事故數(shù)據(jù)中的隱性知識轉(zhuǎn)化為顯性知識,因此對鐵路事故數(shù)據(jù)集的分析將對鐵路的事故預(yù)防具有重要意義。本文設(shè)計了鐵路事故數(shù)據(jù)集的建立及挖掘分析方法,研究事故發(fā)生的規(guī)律和關(guān)鍵致因,為進一步提高我國鐵路的安全水平提供借鑒。論文主要內(nèi)容如下。(1)針對我國鐵路事故的特點,設(shè)計了鐵路事故認知可靠性和失誤分析分類模型CREAM-RAs,可以對鐵路事故中人因、技術(shù)、組織因素進行準確分類和提取。通過計算評者間信度和評者內(nèi)信度的Kappa值驗證了 CREAM-RAs模型的準確性。在CREAM-RAs的分類框架下,對收集到的811份鐵路事故報告進行分解和編碼,構(gòu)建了多屬性鐵路事故數(shù)據(jù)集MARA-D。(2)對自組織映射SOM算法的統(tǒng)一距離矩陣U-Matrix進行了改進,在考慮各單元現(xiàn)有鄰居單元總數(shù)的基礎(chǔ)上優(yōu)化參數(shù),解決了 SOM圖中的邊緣問題和分界不明顯問題,改進U-Matrix后的SOM圖可以更直觀地觀測聚類數(shù)目和聚類中心。(3)設(shè)計了基于SOM和K-Means的鐵路事故集成聚類方法,將SOM獲勝神經(jīng)元權(quán)值作為K-Means第二階段聚類的輸入數(shù)據(jù),SOM圖中得到的聚類數(shù)目和聚類中心作為K-Means的初始輸入?yún)?shù),提高了事故聚類的精確度和可視化效果。通過該集成聚類方法,將MARA-D聚類劃分成不同特征事故聚類群。(4)在充分考慮不同等級事故之間的權(quán)重差異基礎(chǔ)上,提出了改進的關(guān)聯(lián)規(guī)則算法AL_Apriori。使用AL_Apriori算法對事故聚類群分別進行關(guān)聯(lián)規(guī)則分析,得到事故致因之間的強關(guān)聯(lián)規(guī)則集,繼而給出了降低各聚類群中關(guān)鍵事故致因的改進措施。通過與整體MARA-D下的強關(guān)聯(lián)規(guī)則集作比較,證明了相對于不使用聚類分析方法,在聚類的基礎(chǔ)上做關(guān)聯(lián)規(guī)則有助于識別更好和有用的強關(guān)聯(lián)規(guī)則結(jié)果。(5)設(shè)計了基于關(guān)聯(lián)規(guī)則和DEMATEL的致因綜合權(quán)重確定方法,綜合考慮致因初始權(quán)重、影響度和被影響度計算致因的綜合權(quán)重,使致因的權(quán)值計算更準確。最后分別用傳統(tǒng)支持度、加權(quán)支持度和設(shè)計的綜合權(quán)重確定方法對MARA-D中的致因權(quán)重進行了計算和排序,驗證了本文設(shè)計綜合權(quán)重確定方法的有效性,得出了我國鐵路事故的關(guān)鍵致因,并提出了相應(yīng)的改進措施。
【學(xué)位單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：U298.5
【部分圖文】：

邐防御翻逡逑圖１－２邋ＳＨＥＬＬ模型邐圖１－３瑞士奶酪模型逡逑Ｆｉｇｕｒｅ邋１－２邋Ｔｈｅ邋ＳＨＥＬＬ邋Ｍｏｄｅｌ邐Ｆｉｇｕｒｅ邋１－３邋Ｔｈｅ邋Ｓｗｉｓｓ邋Ｃｈｅｅｓｅ邋Ｍｏｄｅｌ逡逑２０００年，美國學(xué)者Ｓｈａｐｐｅｌｌ和Ｗｉｅｇｍａｎｎ在奶酪模型的基礎(chǔ)上提出了人因分逡逑析和分類系統(tǒng)（Ｔｈｅ邋Ｈｕｍａｎ邋Ｆａｃｔｏｒｓ邋Ａｎａｌｙｓｉｓ邋ａｎｄ邋Ｃｌａｓｓｉｆｉｃａｔｉｏｎ邋Ｓｙｓｔｅｍ，邋ＨＦＡＣＳ邋）「］，逡逑如圖１－４所示。ＨＦＡＣＳ模型最初用于航空事故中，后被廣泛改進和應(yīng)用于航海事逡逑故、礦難事故和核事故等。逡逑＇組織影響＇逡逑Ｖ邐邐邐／逡逑★邐Ｉ邐￣邐★逡逑資源管理邐組織氛圍邐組織流程逡逑＇不安全監(jiān)管１逡逑＼邐邐邐／逡逑邐邐邋Ｉ邐邐邐逡逑ｔ邐ｔ邋￣邐言邋￣＇邐？逡逑｜監(jiān)管不力邐計劃不當邐｜未糾正問題邐｜監(jiān)管違規(guī)逡逑（不安全行為的前提條件）逡逑Ｉ邐＾邋邐逡逑邐，邋，邐逡逑不合格個人條件邐不合格個人實踐逡逑＾邐古邋￣￣邐★邐ｔ逡逑不良心理狀態(tài)邐不良身理狀態(tài)邐身理／心理限制邐人力資源管理不善邋個人準備不足逡逑＞不安全行為＇逡逑＼邐邐邐ｙ逡逑邐邋Ｉ邐一逡逑言邐g逡逑錯誤行為邐違規(guī)行為逡逑邐★邐”邐ｊ邐邋邐★邐＊邐＼邐逡逑決策錯誤邐技術(shù)錯誤邐知覺錯誤邐常規(guī)違規(guī)邐特殊違規(guī)逡逑圖１－４ＨＦＡＣＳ模型結(jié)構(gòu)逡逑Ｆｉｇｕｒｅ邋１－４邋Ｔｈｅ邋ｆｒａｍｅｗｏｒｋ邋ｏｆ邋ｔｈｅ邋ＨＦＡＣＳ邋ｍｏｄｅｌ逡逑２０１７年，我國學(xué)者詹青見為了將Ｈ

＇邐＾邐防御翻逡逑圖１－２邋ＳＨＥＬＬ模型邐圖１－３瑞士奶酪模型逡逑Ｆｉｇｕｒｅ邋１－２邋Ｔｈｅ邋ＳＨＥＬＬ邋Ｍｏｄｅｌ邐Ｆｉｇｕｒｅ邋１－３邋Ｔｈｅ邋Ｓｗｉｓｓ邋Ｃｈｅｅｓｅ邋Ｍｏｄｅｌ逡逑２０００年，美國學(xué)者Ｓｈａｐｐｅｌｌ和Ｗｉｅｇｍａｎｎ在奶酪模型的基礎(chǔ)上提出了人因分逡逑析和分類系統(tǒng)（Ｔｈｅ邋Ｈｕｍａｎ邋Ｆａｃｔｏｒｓ邋Ａｎａｌｙｓｉｓ邋ａｎｄ邋Ｃｌａｓｓｉｆｉｃａｔｉｏｎ邋Ｓｙｓｔｅｍ，邋ＨＦＡＣＳ邋）「］，逡逑如圖１－４所示。ＨＦＡＣＳ模型最初用于航空事故中，后被廣泛改進和應(yīng)用于航海事逡逑故、礦難事故和核事故等。逡逑＇組織影響＇逡逑Ｖ邐邐邐／逡逑★邐Ｉ邐￣邐★逡逑資源管理邐組織氛圍邐組織流程逡逑＇不安全監(jiān)管１逡逑＼邐邐邐／逡逑邐邐邋Ｉ邐邐邐逡逑ｔ邐ｔ邋￣邐言邋￣＇邐？逡逑｜監(jiān)管不力邐計劃不當邐｜未糾正問題邐｜監(jiān)管違規(guī)逡逑（不安全行為的前提條件）逡逑Ｉ邐＾邋邐逡逑邐，邋，邐逡逑不合格個人條件邐不合格個人實踐逡逑＾邐古邋￣￣邐★邐ｔ逡逑不良心理狀態(tài)邐不良身理狀態(tài)邐身理／心理限制邐人力資源管理不善邋個人準備不足逡逑＞不安全行為＇逡逑＼邐邐邐ｙ逡逑邐邋Ｉ邐一逡逑言邐g逡逑錯誤行為邐違規(guī)行為逡逑邐★邐”邐ｊ邐邋邐★邐＊邐＼邐逡逑決策錯誤邐技術(shù)錯誤邐知覺錯誤邐常規(guī)違規(guī)邐特殊違規(guī)逡逑圖１－４ＨＦＡＣＳ模型結(jié)構(gòu)逡逑Ｆｉｇｕｒｅ邋１－４邋Ｔｈｅ邋ｆｒａｍｅｗｏｒｋ邋ｏｆ邋ｔｈｅ邋ＨＦＡＣＳ邋ｍｏｄｅｌ逡逑２０１７年，我國學(xué)者詹青見為了將ＨＦＡ

第六章邐結(jié)論與展望逡逑圖１－５本論文的章節(jié)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

【參考文獻】

相關(guān)期刊論文 前2條

1 ;鐵路交通事故調(diào)查處理規(guī)則[J];鐵道貨運;2008年07期

2 ;鐵路交通事故應(yīng)急救援和調(diào)查處理條例[J];鐵道貨運;2007年12期

相關(guān)博士學(xué)位論文 前3條

1 周進;鐵路運輸事故致因及安全風險分析方法研究[D];北京交通大學(xué);2018年

2 孫軼軒;基于數(shù)據(jù)挖掘的道路交通事故分析研究[D];北京交通大學(xué);2014年

3 安璐;基于自組織映射的期刊主題研究[D];武漢大學(xué);2009年

相關(guān)碩士學(xué)位論文 前9條

1 洪媛媛;基于多維多層關(guān)聯(lián)規(guī)則挖掘的低等級公路交通事故致因分析[D];東南大學(xué);2017年

2 林陳;基于興趣度的關(guān)聯(lián)規(guī)則挖掘算法的設(shè)計實現(xiàn)與應(yīng)用[D];南京信息工程大學(xué);2017年

3 方輝;基于數(shù)據(jù)挖掘的船舶碰撞事故分析研究[D];武漢理工大學(xué);2017年

4 詹青見;基于HFACS-RAs的鐵路事故致因建模及混合學(xué)習方法研究[D];北京交通大學(xué);2017年

5 達興亮;基于人因—組織—設(shè)備（HOT）的混合系統(tǒng)建模及可靠性分析方法研究[D];北京交通大學(xué);2017年

6 石磊;基于改進CREAM的軌道交通人因可靠性分析方法研究[D];北京交通大學(xué);2016年

7 于佳佳;基于聚類分析的船舶碰撞結(jié)果分析[D];大連海事大學(xué);2010年

8 程坦;道路交通事故數(shù)據(jù)挖掘及應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2009年

9 焦萬磊;面向道路交通事故成因分析的數(shù)據(jù)庫與挖掘方法研究[D];吉林大學(xué);2009年

本文編號：2829887