[发明专利]一种基于数据挖掘的船舶碰撞风险评估方法及系统

说明书

本公开是关于一种基于数据挖掘的船舶碰撞风险评估方法及系统，根据统计的船舶碰撞历史数据，通过累积式自回归移动平均模型预测致因因素发生次数，采用主成分分析法对致因因素进行降维计算，将得到的主成分作为第一神经网络的输入，预测碰撞概率；采用决策树分析找到置信度高、频繁发生的事故序列，使用神经网络模型计算受伤人数、死亡人数和财产损失，并进行标准化和归一化处理，消除量级和量纲的影响；用专家系统和模糊层次分析法，赋予指标不同权重量化碰撞后果。根据上述内容，开发基于数据挖掘的船舶碰撞风险评估系统，定量预测船舶碰撞风险，为船舶操纵、避碰应急以及现场处置提供实时指导，可有效降低损失。

技术领域

本公开涉及交通管理技术领域，尤其涉及一种基于数据挖掘的船舶碰撞风险评估方法及系统。

背景技术

在众多交通运输方式中，水路运输以其成本低、运输量大等特点被普遍认可和接受，水上交通运输发展迅速，但是由于船舶运输易受自然环境影响、灵活性差等特点，船舶碰撞事故时有发生，造成不同程度的财产损失、人员伤亡和环境污染。

由于导致船舶碰撞事故的因素众多：包括船舶的因素、环境因素以及人为因素等，这些致因因素由于存在不确定性而很难完全量化碰撞风险。目前通常使用定性或者半定量方法对船舶碰撞的风险进行评估，从而根据评估结果采取相应的船舶管理措施，防止船舶碰撞的发生，降低船舶碰撞引起的损失。然而，发明人通过研究发现，传统风险评估方法，由于加入了大量主观判断，影响船舶碰撞风险评估的准确性；而且，在发生船舶碰撞后，原有的风险评估方式不能定量计算碰撞后果，从而无法为制定应急预案提供客观依据。因此，如何定量计算船舶碰撞后果，以提高风险评估的精度，进而根据风险评估结果，采取有效的应急措施，降低船舶碰撞风险和事故引起的损失，是本领域技术人员亟需解决的技术问题。

发明内容

本发明实施例中提供了一种基于数据挖掘的船舶碰撞风险评估方法及其系统，以解决现有技术中的风险评估精度差、无法降低船舶碰撞风险的问题。

为了解决上述技术问题，本发明实施例公开了如下技术方案：

根据本发明的第一方面，本发明实施例提供了一种基于数据挖掘的船舶碰撞风险评估方法，该方法包括：

根据船舶碰撞历史数据，计算历史碰撞概率，其中，所述船舶碰撞历史数据包括事故致因因素、船舶属性、船舶流量、碰撞次数、历史受伤人数、历史死亡人数以及历史财产损失的一种或多种的组合；

根据所述船舶碰撞历史数据和历史碰撞概率，预测每一事故致因因素的发生次数；

对船舶碰撞历史数据中的事故致因因素进行主成分分析，并优先提取贡献率大的主成分；

根据主成分分析的结果对预测的事故致因因素进行降维计算，并将降维计算的结果作为第一神经网络的输入，得到碰撞概率的预测值；

对船舶属性进行等级划分，采用事故序列的方法寻找频繁项集，通过决策树分析，寻找置信度高的事故序列，对频繁发生且置信度高的事故序列的所有情况进行排列组合；

将船舶属性作为第二神经网络模型的输入层，将决策树分析得到的排列组合后的事故序列输入到所述第二神经网络模型，计算得到对应的碰撞后果；

根据碰撞概率的预测值和所述碰撞后果，计算得到船舶碰撞风险。

可选地，所述事故致因因素包括人为因素、船舶和设备因素、环境因素和管理因素的一种或多种的组合；所述船舶工具属性包括船舶吨位、使用时间、配员数、行驶速度、船舶类型、船舶尺寸、碰撞夹角和碰撞位置的一种或多种的组合。

可选地，所述预测每一事故致因因素的发生次数，包括：

根据累积式自回归移动平均模型，对事故致因因素的发生次数进行预测。