3种典型机器学习方法在灾害敏感性评估中的对比

为了比较不同机器学习方法在灾害敏感性评估中的适用性,将K近邻、朴素贝叶斯和随机森林3种典型机器学习方法运用到灾害敏感性评估中,比较3种方法在预测准确率、混淆矩阵和敏感性图上的异同;并基于深圳市电动自行车出险数据以及孕灾环境数据,运用3种方法评估深圳市电动自行车出险的敏感性,进而绘制敏感性图,探讨3种方法对于不同性质数据的适用条件,为开展灾害敏感性评估工作时选取更为适宜的方法,提供参考建议。     

平面交叉口电动自行车交通冲突模型研究

为研究电动自行车在交叉口的安全特性,减少交通管理中的安全隐患,在运用TCT技术分析电动自行车交通特性的基础上,通过实地调研7个典型的四相位信号控制平面十字形交叉口,利用SPSS软件分别选取线性、多项式及指数函数对电动自行车的交通冲突调查数据进行拟合,构建了电动自行车的交叉口交通冲突模型。最后,结合所获得的交通冲突模型的各项参数,运用欧几里德贴进度评价方法,建立了交通冲突强度的评价模型,该模型可用于评估交叉口路段电动自行车的运行安全性。结果表明,散点化的比较方法不仅可以对同一交叉口的不同进(出)口道的电动自行车交通冲突强度进行分析,还能对不同交叉口同一冲突类型的安全状况进行对比评价。     

典型电动自行车火灾事故案例分析

随着电动自行车的迅速发展,电动自行车火灾逐年增多,本文介绍城区内多起居民电动自行车典型火灾事故案例,分析了此类火灾事故调查的共通之处,对电动自行车火灾现场勘查、调查走访、延伸调查中遇到的技术难点进行了分析探讨。     

复杂背景环境下基于SSD_MobileNet深度学习模型的火焰图像识别研究

针对现有的火灾火焰图像识别方法在光照和红花等类似火焰干扰的复杂环境下存在错检和漏检的问题, 提出一种基于SSD_MobileNet的复杂环境火焰区域标记方法。首先,将深度卷积神经网络SSD300的基础卷积网络VGG16替换为MobileNet网络,应用深度可分离卷积,降低网络参数,进而构建一种火焰图像检测的SSD_MobileNet模型;然后,迁移第一次训练模型所有的卷积层参数,初始化新的待训练模型;最后,加入新的数据样本用于削弱光照、红花等干扰对象的影响。通过与SSD300、以及深度学习的目标检测算法Faster R-CNN和YOLOv3-tiny对比,实验结果表明,构建的火焰检测和火焰区域标记SSD_MobileNet模型的综合性能优于Faster R-CNN和YOLOv3-tiny模型,更适用于实时火焰检测领域。     

电动自行车与汽车侧面碰撞对骑车人的损伤研究

为探究电动自行车与汽车侧面碰撞过程中各因素对骑车人损伤的影响规律,基于国家车辆事故深度调查体系(NAIS)中的事故案例,运用多刚体动力学仿真软件PC-Crash开展重建仿真试验,研究电动自行车与不同汽车车型侧面碰撞的角度和接触位置对电动自行车骑车人损伤的影响。结果表明:电动自行车与汽车侧面碰撞接触位置对骑车人的损伤影响较大,SUV车型,中部碰撞骑车人头部损伤最严重,后部碰撞下肢损伤最严重;而电动自行车与汽车碰撞角度的变化对骑车人损伤的影响没有明显的规律性。     

北京市电梯物联网的大数据分析

利用物联网技术,能够对电梯参数、故障响应做出统计分析,让电梯"会上网"。本文介绍了北京市电梯物联网基本情况,研究了电梯物联网大数据分析的方法,采用了基于规则、频度、异常值检测和相关性等几种方法分析电梯物联网数据,指出了当前影响电梯物联网大数据分析的主要问题及对策。     

不安全 无“共享”

正新闻2月14日,某商务咨询公司在北京市五环内的多个地铁站附近投放了50辆"共享电动单车"。但经北京市交管部门根据GB 17761—1999《电动自行车通用技术条件》和《北京市电动自行车产品目录》对车辆进行核查,该公司投放的车辆不符合北京市电动自行车上牌标准。因此,鉴于这些电动自行车无牌照,属违法上     

有感北京“电动车解禁”

在经历4年之久的争论之后,北京对电动自行车的禁令已被废止,从2006年起,所有符合国家标准的电动自行车可以堂皇上路了。应该说,这是社会法治化的一种进步表现。北京在对电动自行车解禁的同时,还要求厂家所生产的电动自行车要符合国家标准。这一决定将有利于提高电动自行车     

电动自行车骑行者事故伤害程度影响因素分析

为探索电动自行车事故中影响电动自行车骑行者伤害程度的因素,选取发生在某市电动自行车与机动车碰撞的事故数据作为研究对象,以电动自行车骑行者伤害程度作为因变量,路段信息、事故信息、电动自行车骑行者信息、机动车辆信息等类别信息作为自变量,运用logistic回归模型,鉴别出12个对电动自行车骑行者伤害程度有显著影响的因素。结果表明:夜间无照明、机动车道、大中型货车、大中型客车、小微型货车、违反信号控制、未按规定让行、年龄大于60、男性等因素能显著增加电动自行车事故中骑行者死亡或重伤的风险。     

基于红外热成像技术的电梯电气系统检测技术研究

红外热像检测技术以其快速、非接触、检测结果形象直观等优势在工程领域得到广泛应用。文章首先比较分析了电梯传统检测技术与红外热成像检测技术的特点,阐述了基于红外热成像技术的电梯电气控制系统检测一般方法,并对电梯电气系统元件故障红外热成像缺陷诊断的分析判断方法作了研究。通过电梯电气元件的红外热成像检测工作的案例实践证明,红外诊断技术对于及时发现电梯电气设备的外部缺陷和部分内部缺陷非常直观有效,对保障电气设备乃至电梯的安全运行起到积极作用。     

电梯制动器机械装置提起（或释放）验证的研究

为确保电梯制动器检测开关能够准确检测电梯制动器机械装置提起（或释放）的异常,消除异常造成的危险情况,结合电梯制动器的型式和检测开关的动作原理,对各种检测开关接线方式进行分析,针对制动器的型式提出了合理的制动器检测开关接线方式。研究结果表明:直压式制动器可用1个通断状态的检测开关对其机械装置的提起（或释放）进行验证,但应在电梯的主板上设置2个检测点;杠杆式鼓式制动器应用具备2个通断状态的检测开关对其机械装置的提起（或释放）进行验证,且应采用常开并联或常闭串联的方式检测制动器机械装置的释放,采用常闭并联和常开串联的方式检测制动器机械装置的提起。     

基于视频分析的空管员违规行为识别方法*

为利用视频数据对空管员违规行为进行智能化分析,降低不安全事件发生率,提出2阶段的违规行为识别模型（AR-ResNeXt）,基于实地调研构建空管员视频数据集,利用最小化动态多实例学习损失函数和中心损失函数,获得违规行为检测的判别特征表示,结合异常回归网络和ResNeXt网络,完成对空管员违规行为的时序区间检测与动作分类。研究结果表明:AR-ResNeXt模型在自制数据集中,其帧级AUC达到82.9%,分类准确率达到87.8%,可准确识别空管员发生违规行为的时序区间并进行分类,研究结果可为保障空中交通安全奠定基础。     

YOLOv4目标检测算法在煤矿工人口罩佩戴监测工作中的应用研究*

为防止煤矿工人吸入过量粉尘而导致职业性尘肺病,基于Keras框架利用YOLOv4 (you only look once)目标检测算法对井下人员佩戴防尘口罩情况进行高精度且快速的检测与识别,并与MTCNN(Multi-task convolutional neural network)和FaceNet构成的人脸识别算法相结合,进行煤矿工人口罩佩戴监测的研究。结果表明:模型对井下人员口罩佩戴有较高的检测精度,识别已佩戴口罩的矿井下作业人员的平均精度达到92.78%,识别未佩戴防尘口罩检测的平均精度为91.63%,与其他主流算法相比算法具有更好的鲁棒性和检测效果。研究结果为预防煤矿工人职业性尘肺病提供1种有效的技术手段。     

基于BP神经网络的受限空间火灾联合探测方法

针对航空受限空间火灾探测高误报的问题，在现有技术成果基础上对多种火灾探测方式进行研讨，并提出1种基于BP神经网络技术的飞机机身内部受限空间火灾联合探测报警方法。该方法结合现有烟雾感应、气体传感器探测等常用火灾探测技术，以红外热成像探测为辅助手段，采用神经网络实现数据融合，对模拟实验舱火灾烟雾进行联合探测，在单一火灾探测方式基础上提高了探测准确率。     

基于CW-VIKOR法的电梯运行状况安全评估

为对曳引式电梯的状态进行评估,在VIKOR法的基础上,通过对电梯故障类型进行数理统计,构建相关性较强的电梯运行状况评估体系;同时将简洁高效的BWM法和表示指标相关性的CRITIC法相结合,并引入距离函数优化分配系数的方式构建组合赋权法(CW),从而确定电梯安全指标权重,并将电梯指标各安全等级的临界值作为电梯安全等级的理想值作为VIKOR法中待评估电梯的比较对象的一部分。以利益比率Qi为电梯运行状况的评估值,确定电梯运行状况安全评估等级;最后,通过5组曳引式电梯的实例验证基于CW-VIKOR法的有效性和可行性,评估结果显示与电梯实际安全状况相一致。研究结果表明:该方法对电梯运行状况进行安全评估具有一定的可行性和参考价值。     

2种基于模式识别的环状燃气管网泄漏检测方法

为了将模式识别技术应用于环状燃气管网泄漏检测并找到合适的特征提取方法,以天津城建大学实验室环状燃气管网泄漏为例,将实验的28种工况作为测试样本,与之对应的模拟工况作为训练样本,采用提取压力图像特征向量法和节点压力矩阵法分别进行环状燃气管网的泄漏检测,采用支持向量机分类器将2种方法获得的特征向量进行训练与分类检验,进而将其分类准确率进行对比分析。研究结果表明:该2种方法均可用于环状燃气管网泄漏检测,提取压力图像特征向量法因有效地降低了特征向量的维度和数据波动的干扰,其结果更优。结合SCADA和GIS系统,可将该法应用于实际水、气、油管网泄漏检测和定位,有助于降低成本,提高检测效果。     

基于深度置信网络的管网泄漏故障诊断方法研究

针对当前管网系统数据量大不利于传统模型方法诊断故障的问题，设计了1种基于深度置信网络的管网故障诊断算法。首先，对管网数据结构以及管网系统运行状态进行分析，选取管网主要数据作为故障诊断网络的输入，确定相应运行状态作为诊断网络输出；其次，设计了基于多个受限制玻尔兹曼机与Softmax分类器级联的深度置信网络，并且利用对比散度算法和BP算法对模型进行预训练与调优，使模型参数达到全局最优；最后，通过实验测试确定所设计的深度置信网络的训练迭代次数与网络层数，使算法诊断准确率达到最优。研究结果表明:提出的基于深度置信网络的管网故障诊断算法对管网故障诊断可以达到良好的诊断结果，泄漏预测准确率在验证集样本上可达96.87%，在管网泄漏检测方面，相较于传统基于模型的方法优势明显。     

基于事故案例的Natech事件演化模式及风险分析*

为探究非巨灾型Natech事件演化模式并降低发生风险,基于164个事故案例,归纳出6种典型演化路径,构建非巨灾型Natech事件演化模式分析框架,并基于突发事件关联网络,分析影响Natech事件风险的水平关键节点及潜在发生路径。结果表明:暴雨灾害是对全局影响力最强的节点,与人为异动的协同作用最显著;电力事故Natech链路径较长;水污染事故是较容易被自然灾害或首发事故触发的事件。     

基于深度学习的污染场地作业人员着装规范性检测

为解决污染场地修复作业中缺乏统一的人员安全保障管理措施以及人工监管困难的问题，结合HSE理念提出1种基于优化Faster R-CNN的作业人员着装规范性检测算法。该方法在回归损失函数中引入L2正则项，既保证模型的泛化能力，又提高深层网络模型收敛速度。基于自建着装规范数据集（Dress Code Dataset）进行实验，评价算法检测时间和mAP等指标。结果表明:所提出的着装规范性检测算法检测时间为44 ms，mAP为88.17%，解决了传统检测算法中实时性和准确率低的问题，且模型具有更好的泛化性和鲁棒性。