基于眼动追踪技术的引航员情景意识识别研究

情景意识(Situation Awareness, SA)缺失是引航作业人为失误的主要根源,有效识别引航员SA水平是保障引航安全的关键。针对现有测量方法的侵入性、主观性、间断性问题,设计典型场景引航模拟试验,利用眼动特征开展引航员SA水平识别研究。应用眼动追踪技术实时采集引航员的眼动试验数据;采用独立样本t检验和Mann-Whitney检验方法研究SA与眼动指标的关联效应;基于敏感眼动指标结合支持向量机(Support Vector Machine, SVM)构建引航员SA识别模型,实现引航操作任务下SA的有效识别。结果显示：高SA组的视觉搜索效率大于低SA组,高SA组主要关注窗外视景而低SA组更多关注电子海图,高SA组比低SA组获取信息的能力更强;平均扫视次数(Average Saccade Count, ASC)、注视总时间百分比(Fixation Duration Percentage, FDP)、平均注视持续时间(Average Fixation Duration, AFD)3个眼动指标与引航员SA水平具有显著相关性;采用“ASC+FDP+AFD”组合指标时且在5 s时间窗口长...     

强风环境非平稳风速模型及应用

提出了强风环境非平稳风速分析模型。该模型将风速记录分解为时变平均风和零均值平稳脉动风分量两部分,给出了经验模型法确定时变平均风的步骤并重新定义了风特性参数的计算公式。分别采用非平稳和平稳风速模型进行了1 851小时实测强风资料的风特性参数计算并做了对比分析。结果显示非平稳模型计算得到的紊流强度和积分尺度较平稳模型小,而平均风速及相干函数的衰减系数则相当接近,非平稳模型较平稳模型更适合描述强风特性。     

强降雨导致的建设工程安全事故人因分析HC-GC模型

为降低强降雨导致建设工程安全事故发生率，有效解决该类安全事故人因分析复杂问题，提出新的安全事故人因分析模型方法。基于人为因素分析与分类系统(HFACS),建立包括6层24个因素的建设工程强降雨事故(CPHRA)框架模型(HC);联用遗传算法(GA)优化连续关联规则挖掘算法(CARMA)(GC)分析人为致因关联，绘制事故人为致因链；选取150起强降雨导致建设工程事故典型案例进行模型验证与应用分析。结果表明：优化后的人因分析HC-GC模型具有更优的性能与效率；在事故人因链中，政府安全主管部门监督不足与企业安全文化缺失是深层次因素，现场违规监管与现场安全管理漏洞是主要连接因素，技能水平低与失误违章会进一步强化事故负反馈，事故上报与响应不及时是强降雨导致建设工程事故扩大蔓延最直接原因。     

基于关联规则的塔式起重机事故致因网络模型研究

为揭示塔式起重机事故致因机理，由事故调查报告提炼关键要素，运用关联规则方法挖掘致因因素间耦合关系并提取其强关联规则；基于复杂网络理论，构建塔式起重机事故致因网络模型，通过模块度、平均路径长度、节点度及中介中心度分析网络拓扑特性，识别关键节点及其交互机理。结果表明，塔式起重机事故网络具有较明显社团结构，人因和管理层因素与事故连接紧密，存在违规/违章操作、相关专业资质不足及未有效落实安全制度等问题，需对关键节点采取针对性干预控制措施，及时切断风险传播链路，减少事故发生。