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。     

基于BERT-BILSTM-CRF模型的电力行业事故文本智能分析*

为解决电力行业事故报告文本较长、语义复杂,难以进行有效文本识别问题,提出1种以BERT作为底层的预训练模型,并设计1种双重注意力机制编码器,结合BILSTM-CRF深度挖掘事故文本语义特征,从而实现文本智能分析。首先构建电力词典,通过对BERT预训练,进行BIO标注,然后引入BILSTM-CRF模型实现对文本标签智能分类,最后将该模型与现行其他4种深度学习模型进行对比。研究结果表明:该模型智能识别精确率、召回率及F1值(查准率)均达到约97%,较其他4种模型中效果最好的模型分别提高0.02,0.03,0.02。研究结果可为电力行业事故报告文本分析提供1种新思路。     

室内空气质量在线检测系统的研制

针对目前中国室内空气污染普遍、在线检测速度慢等现状,综合用传感器技术、嵌入式技术和无线传感器网络技术,研制了一套室内空气质量在线检测系统,系统由传感器阵列单元、信号调理单元、数据采集单元、数据显示单元、通讯单元、供电单元和嵌入式应用程序构成,实现了甲醛、总挥发性有机物、一氧化碳、二氧化碳、温湿度检测的快速化、自动化和网络化。并通过精度校准平台对该系统在不同气体浓度下进行了实验,甲醛、总挥发性有机物、一氧化碳、二氧化碳相关系数R~2/响应时间T_(90)分别为0.996 4/22 s,0.995 3/10 s,0.999 8/36 s,0.999/53 s,结果表明,系统检测精度高,相关性好,响应时间快,能准确、方便的检测室内污染物。同时检测系统借助自带的无线传感器模块能够方便的扩展到诸如车内、矿井、化工厂等密闭环境中进行组网监测。     

层次任务网络规划在应急物流方案制定中的应用研究

针对应急物流突发性、非周期性和层次性的特点,提出应用层次任务网络(HTN)规划方法来求解复合型应急物流配送问题。为了使HTN规划能够快速地识别应急物流领域知识,设计了战术推理过程和操作优化过程,即战术推理过程通过逐层分析将配送任务目标细分,不断增加新参数对识别出的特征进行记录,并归类梳理应急物流需求;操作优化过程通过调度模型匹配选择配送方式和优化策略,得出具体的行动方案。在HTN规划器SHOP2的基础上开发了HTN规划方法的应用程序,用来求解荆江防洪中的应急物资配送问题,结果表明:该方法能够较好地实现应急物资配送中战术决策和操作决策的无缝对接,可扩展性好、响应速度快,具有良好的实用价值。     

存在不确定灾害点的交通运输网络应急车辆调度研究

灾害的发生往往具有不确定性,容易造成意想不到的损失,对于未来灾害点的预防是很有必要的。由于各受灾点对应急资源的需求量不同,交通运输网络中的应急车辆调度能否及时对救灾也是至关重要的。对一般的应急车辆调度模型进行改进,结合实际中发生的灾害点及预测未来可能发生的灾害点,建立了以带权重响应时间成本最小和应急物资未满足量最少为目标函数的应急车辆调度模型,并提出了基于遗传算法的模型求解方法,最后通过实例计算分析验证了模型的有效性和实用性。该模型可以在灾害发生前后为应急车辆的调度提供参考。     

基于深度学习的大数据空气污染预报

为了更好地反映环境污染变化趋势,为环境管理决策提供及时、全面的环境质量信息,预防严重污染事件发生,开展城市空气质量预报研究是十分必要的.本文针对环境大数据时代下的城市空气质量预报,提出了一种基于深度学习的新方法.该方法通过模拟人类大脑的神经连接结构,将数据在原空间的特征表示转换到具有语义特征的新特征空间,自动地学习得到层次化的特征表示,从而提高预报性能.得益于这种方式,新方法与传统方法相比,不仅可以利用空气质量监测、气象监测及预报等环境大数据,充分考虑污染物的时空变化、空间分布,得到语义性的污染物变化规律,还可以基于其他空气污染预测方法的结果(如数值预报模式),自动分析其适用范围、优势劣势.因此,新方法通过模拟人脑思考过程实现更充分的大数据集成,一定程度上克服了现有方法的缺陷,应用上更加具有灵活性和可操作性.最后,通过实验证明新方法可以提高空气污染预报性能.     

地铁运营突发事件应急响应模式的马尔科夫链分析

为研究城市轨道交通网络化运营线路的风险传导规律和耦合关系,构建基于随机Petri网的同构马尔科夫链模型。通过模型分析突发事件应急响应模式中线路之间的相互影响,以及各线路启动突发事件应急响应模式对整个系统稳态的影响。结果表明,用该模型可从数学上研究城市轨道交通运营线路之间的传导规律和耦合关系,找出影响整个应急指挥系统效率的关键因素,最终提高地铁应对突发事件的能力。     

航天器总装事故原因事件重要度分析

为解决传统安全性定量分析方法不能描述航天器总装这一复杂人-机-环系统的失效数据波动性和非严格逻辑关系的问题,结合生产实际,采用问卷调查的方法找出影响总装事故的风险因素,即导致事故的事件发生可能性、输入事件对输出事件的影响程度等。在验证调查数据的有效性之后,应用基于模糊数的模糊因果图(FCD),计算某航天器与支架车连接作业的事故风险可能性。提出原因事件重要度的计算方法。通过计算发现,人员注意力和发动机保护罩作用是导致发动机损伤的关键事件。与模糊事故树(FFT)、贝叶斯网络(BN)重要度计算结果对比表明,模糊重要度计算结果能反映事故发生可能性对原因事件发生可能性值的增减的敏感度。     

基于贝叶斯网络的航空维修人因可靠性分析

根据维修人为因素分析和分类扩展系统的框架选取影响因素,在航空维修领域应用贝叶斯网络进行人因可靠性分析,建立飞机维修效能模型,直观地表示影响因素与维修效能之间的关系。同时以目视检测为例,结合专家意见确定随机影响因素,通过专家访谈、事故报告、调查问卷、操作记录等渠道获取数据,得出条件概率表,进而建立目视检测表现模型,展示贝叶斯网络的建模流程。案例研究结果表明,组织文化、视觉信息、设备、疲劳、检测距离等因素对目视检测表现的影响非常显著,欲改善目视检测表现,必须对多影响因素进行综合管理。     

危险品运输网络优化设计研究综述

为分析当今反恐新形势下的危险品运输网络优化设计问题的研究现状,系统总结国内外关于一般场景和恐怖袭击威胁2种情况下危险品运输网络优化设计研究的主要模型和方法,梳理两者现有的研究内容,并讨论其共性及恐怖袭击威胁情景下的研究的新特点。结果发现:目前关于解决危险品运输网络优化设计问题模型的鲁棒性研究较为缺乏,尤其是模型在更为复杂和不确定性更强的恐怖袭击情景中适用性不强;危险品运输的鲁棒优化模型即使在突发事件条件下,也可以使决策者能够作出相对满意的决策;鲁棒性危险品运输网络能够规避风险扰动,可用来防止在恐怖袭击中因危险品车辆爆炸等造成更大的危害。