基于异常因子的航空器飞行轨迹异常检测研究

为保障终端区航空器飞行安全,提高空域运行效率,提出了一种基于异常因子的航空器飞行轨迹异常检测方法.首先,给出了航空器异常轨迹的定义和分类,同时考虑轨迹的时空属性,采用基于时间比的自顶向下算法进行轨迹分割;其次,建立了基于密度聚类的轨迹段相似性模型,找到每类簇的中心轨迹;最后,利用中心轨迹计算每个轨迹簇的信息熵作为异常因子,同时取航空器飞行距离为另一异常因子,得到轨迹异常值,通过比较异常值的大小及其分布特点实现轨迹异常检测.结果 表明,该方法可以有效识别异常轨迹,且对比发现以轨迹信息熵和飞行距离作为异常因子时,异常检测效果更好.     

输气站场人员“意图+轨迹”早期智能风险预警

为防止输气站场无关人员闯入作业区造成事故，提前预判人员可能的位置，提出一种融合人员行进意图和轨迹的人员位置早期智能预判方法，建立基于机器视觉的输气站场人员行动“意图+轨迹”早期智能风险预警模型；在收集人员行动图像的基础上，通过方向梯度直方图(HOG)提取人员头部方向特征，利用支持向量机(SVM)分类器分类识别头部方向，分为正常直行、观望中直行、意图转弯3种行进意图，根据头部方向初步判别其行进意图以预判行进方向；对识别出人员意图转弯的情形进行持续追踪，结合卡尔曼滤波算法预测人员短时行进轨迹，从而实现对不同风险情景的预测，达到分级早期预警的目的。研究结果表明：该方法辨识行人意图准确率为90.79%,预测与实际轨迹曲线间相关系数r₁为0.994 84,r₂为0.993 43,两者高度相关，准确率较高，能够实现输气站场无关人员闯入的早期智能监管。     

终端区航空器异常轨迹识别研究

为保障终端区航空器飞行安全,减轻管制员工作负荷,首先,综合考虑航空器轨迹位置、速度和高度等因素,提出终端区航空器异常轨迹的定义和识别流程;其次,建立基于速度修正系数的轨迹相似性模型,采用谱聚类方法对终端区航空器轨迹自动分类;最后,计算每类轨迹数据分布的特征,选取2条中心轨迹来表征每类轨迹的位置特征,提取轨迹间相似性距离和飞行距离作为异常特征因子,识别航空器异常轨迹。结果表明:用基于速度修正系数的轨迹相似性模型,能够实现航空器轨迹自动分类,分类结果较为合理准确;改进异常特征因子,设置2条中心轨迹时,相较于设置1条中心轨迹,检测效果更好。     

智慧型平安城市视频云解决方案

正一、智慧型平安城市发展需求:风险监测、整合实战1.风险感知、高危监测需求现有系统监控总量相对较少、覆盖密度低、覆盖范围有限:社会行业单位镜头整合力度不够;治安卡口、电子警察布建过少,未形区域闭合态势,针对高危人员、嫌疑车辆没有进行风险监测和有效预警。高危人员风险监测需求:在购物中心、车站、治安重点关注小区等人流频繁、密集的治安复杂区域安装前端监控点,前端实时抓拍人脸,与后台已建立的重点人员人脸库进行实时比对,在发现匹配人员时提供报警,如图1所示。高危车辆内网、外网两道包围圈风险监测需求:调整社会面治安防控布局,完善动静结合的巡防机制,增     

基于数据挖掘的施工危险识别注意投入与分配研究*

为分析施工情境中危险识别注意资源动态投入分配规律,基于动态时间规整算法,挖掘危险识别注视轨迹序列,以表征注意资源投入分配变化,并采用k-means聚类、注视熵、Needleman-Wunsch全局序列对齐算法和统计等方法,深入挖掘注意资源在危险目标中投入和分配等时空变化规律。研究结果表明:当事人危险识别各阶段注意资源呈现从显著目标到高危目标的投入变化趋势,危险识别注意资源分配随情境复杂因素呈现零散、均匀的空间特征,分配无序程度提高。     

社区治安风险多主体关联分析及预警方法研究

为提高社区治安风险防范能力,本文针对社区治安事件,在厘清社区治安风险多主体关联机制的基础上,提出社区治安风险预警方法.首先,梳理社区治安风险案件的特征,并分析社区治安事件中人、地、事、物、组织多主体特征;然后,通过详细分析社区治安多主体的关联关系,包括二元主体关联及多主体关联,并基于多米诺骨牌原理构建社区治安风险事件演化逻辑模型;最后,以盗窃案件为例,提出基于知识图谱的社区治安风险预警方法.本文研究社区风险多主体复杂耦合的关系,并成功设计出社区治安风险预警方法,研究成果能进一步为社区治安风险的提前感知,精准防范提供指导.     

基于欧拉法的消防水炮射流轨迹模型

为提高消防水炮射流轨迹预测精度,克服基于传统抛体理论描述“初速度不变,射流流量增加致使射程增加现象”所存在的困难,首先采用欧拉法,沿空气中水射流轨迹建立一维的质量守恒方程、轴向动量守恒方程和径向动量守恒方程;然后假设水柱和空气柱的轴向速度分布形状为“礼帽”形,并据此推导分析建立的守恒方程,进而建立消防水炮水射流轨迹计算模型;最后基于3个守恒方程,给出射流轨迹模型的数值计算流程,并与收集的试验数据进行比较验证,结果表明：所建模型的误差不超过10%。     

多源数据融合的大型活动人流监测与分析技术

为解决在举办大型活动时,仅利用单一数据源进行轨迹分析存在精准度不足、覆盖性不够和多场景功能受限等问题,以多源异构数据融合在大型活动人流监测与分析应用为目标,在系统设计和关键技术层面开展具体研究。在系统设计层面,提出多源异构数据融合整体框架,设计人流监测与分析系统方案;在关键技术层面,针对信令数据稀疏性、多样性特点,提出基于金字塔匹配的信令数据处理技术方案;针对跨场景视频融合分析难点,提出基于深度学习和时空关联的人员行为识别技术方案;针对人员轨迹分析精度不高难题,提出基于信令、视频、票证多源数据融合的轨迹还原及分析技术方案。在2022年北京冬奥和冬残奥场所应用验证该技术。结果表明：人群流向分布监测精度超过90%,定位精度小于100 m,实现人群轨迹的精准感知和预测。     

水利工程高危作业人因评价体系中的认知图理论研究

为加强水利工程施工安全管理和预防事故发生,通过建立认知地图对高危作业中的人为因素进行了分析。在修订的人为因素分析与分类系统(HFACS)对高危作业人为因素进行识别的基础上,通过引入认知地图理论,建立了人为因素的因果认知地图并进行头节点、尾节点和中心性分析;提出认知广度和认知深度概念,通过数理统计各人为因素出现的频数和采用G1法求其各因素权重,建立二维平面认知地图,对事故的关键影响因素进行了识别和分析。结果表明:教育培训、作业环境和人员健康状况是导致高危作业事故最核心因素,该方法能有效对水利工程人为因素进行分析研究,具有一定适用性。     

面向换道冲突互信息的复杂交织区车辆风险识别北大核心CSCD

为提升复杂交织区行车安全性,提出了一种考虑换道冲突互信息的车辆换道风险识别方法。首先,基于无人机视频提取复杂交织区的微观换道轨迹,测算换道风险关键参数;然后,考虑换道紧邻车辆信息,聚焦于车辆换道行为的矢量性,改进拓展TTC理论,构建复杂交织区换道风险识别模型,并对换道风险的等级进行细分;最后,基于实测数据进行模型的优化与验证。结果表明,模型可有效反映汇入或汇出主线的迫切需求,描述车辆在不同位置、不同方向的换道风险差异。研究成果有助于智能网联环境下复杂交织区的车辆换道决策与轨迹优化,为交管部门制定动态预警方案提供理论支持。     

基于微型惯性传感器的井下人员跟踪定位系统*

为了解决当前煤矿井下使用的WIFI人员定位系统在煤矿井下复杂环境中受到干扰,造成使用精度误差等问题,研究并提出使用微型惯性传感器制作足部轨迹测量传感器,通过惯性轨迹测量算法计算并跟踪井下人员的移动轨迹。使用基于固定阈值的零速检测技术和基于Kalman滤波的零速校正技术估计并校正由于系统长期工作造成的偏移误差。通过实验证明采用微型惯性传感器能够在不依赖于外部传感器的情况下对人员轨迹实现测量跟踪,Kalman滤波的应用能够减少惯性轨迹测量系统造成的长期漂移误差,可避免井下复杂工作环境对定位造成的干扰。     

基于动态数据驱动的煤矿瓦斯异常涌出风险预警系统设计*

为解决煤矿瓦斯异常涌出风险预警过程中过度依赖系统模型,不能动态实时修正预测模型,预测、预报精准度和可靠度不高的难题,基于动态数据驱动技术,搭建瓦斯异常涌出风险预警系统架构,探讨动态数据驱动的瓦斯涌出监测曲线拟合、动态预警模型选择和修正、预警系统研发等关键性技术,开发基于动态数据驱动的瓦斯异常涌出风险预警系统软件。结果表明:动态数据驱动技术在煤矿瓦斯异常涌出风险预警方面具有强大的信息处理和问题求解能力,可实现仿真系统与实际系统间的动态响应和控制功能,并实时反馈修正,使预测结果更加精确、可靠,设计研发的预警系统可在矿井受瓦斯异常涌出威胁时发出可靠的预警信号。     

北京市乘务管理员安全胜任特征模型构建研究

为探究北京市乘务管理员安全胜任特征,基于已有胜任特征模型,通过查阅文献、分析乘务管理员职责、结构式访谈等方式获得乘务管理员安全胜任特征。在此基础上设计调查问卷并大规模发放,建立北京市乘务管理员安全胜任特征模型,利用结构方程模型验证乘务管理员安全胜任特征模型的有效性。研究结果表明:模型分为总体胜任力层次、公共因子层次、具体胜任特征层次。模型信度较高且数据与模型拟合较好,证明乘务管理员安全胜任特征在专业能力、安全素质、应变能力、发展潜力4个方面的相关程度最高。     

室内人员疏散时间快速预测模型研究

为准确快速估算室内人员疏散时间,基于传统Togawa模型,提出1种基于出口处人员流动速率的室内人员疏散时间快速预测模型,并利用Pathfinder软件模拟某房间人员疏散过程,对比快速预测模型与传统Togawa经验公式计算结果.结果表明:快速预测模型计算量少,可获得更多更精确人员疏散信息.研究结果可为室内人员疏散提供理论...     

基于卷积神经网络的冲击地压预警方法研究*

为探究深度学习在冲击地压预警方面的应用前景,以新疆某冲击地压矿井为研究背景,将深度学习和专家评判运用到微震数据分析中,基于卷积神经网络构建冲击地压预警模型。充分利用一维卷积神经网络对时序数据有较强特征提取能力的优势,以微震数据及其特征参数作为输入,以专家评判值作为标签,借助Python-Keras框架实现冲击地压预警模型的构建和训练。研究结果表明:模型预警效果并不随着训练迭代次数的增加而逐渐最优,存在最优迭代次数,对于所建模型当迭代次数为30时测试集的冲击危险预测结果与专家评判结果基本吻合,同时说明模型可以较好地学习专家评判经验实现冲击地压预警。研究表明所建模型对研究时段内发生的5次大能量矿震事件均进行预警,其准确度较高,具有现场实际应用价值。     

基于IRML网络模型的LNG卸料系统故障传播分析

为研究陆地LNG卸料系统的物理设备、信息网络及人员操作的依赖关系和信息层、人员层对设备层故障传播的影响,基于面向基础设施弹性建模语言(Infrastructure Resilience-Oriented Modelling Language,IRML),从单层网络静态风险分析和多层依赖网络的动态传播2个方面,提出LNG...     

基于时序片段的油气管道运行工况识别方法*

为准确识别管道系统运行工况,提高对油气管道突发事故的响应速度,综合提升管网安全管理水平,提出1种基于时序片段的油气管道运行工况识别方法。首先,构建基于概率分布的状态变化识别模型,提取油气管道中不同运行状态点;其次,建立基于时间序列片段的工况识别模型,快速识别不同时间长度内油气管道运行工况;最后,以国内某成品油管道为例进行方法验证。研究结果表明:该方法可有效识别成品油管道阀门开关状态、泵异常停机和阀门内漏3种运行工况。对比传统的识别方法,该方法可降低状态变化点的漏报率,提升管道运行工况识别的准确率。研究结果可为油气管道系统运行工况识别提供新的借鉴方法。     

突发事件下人群应急信息传播策略推演方法研究*

为提升突发事件预警信息传播能力,拓宽预警信息传播渠道,增强预警信息传播多元化特征,提出群体内个体传播影响力评估方法及应急信息传播模式制定方法,并基于网络分析与多智能体建模,研究群体应急信息传播策略制定方法与有效性分析手段,重点阐述方法实施路径与应用方向。研究结果可用于制定基于社会网络的应急信息传播策略,并通过多智能建模对应急信息传播情景进行有效性推演。     

基于蚁群算法的烟气中人员疏散路径选择优化

针对火灾烟气环境下的人员疏散问题,分析人员密度以及烟气能见度对疏散速度以及最佳疏散路径的影响。首先,得到烟气及人员密度对疏散速度的修正函数,并将该函数同蚁群算法的启发式信息函数进行耦合;其次,改进蚁群算法求解最佳路径的局限性,建立1种基于蚁群算法的人员疏散路径算法模型;最后,将算法模型应用于实例研究。研究结果表明:所提出的模型可较好地优化人员疏散路径,并进一步提高人员疏散效率。     

民航安全信息管理人员能岗匹配测评研究

为了给大数据环境下的民航企事业单位招聘、选拔和评价安全信息管理人员提供科学依据,基于胜任力内涵、数据生命周期理论与信息处理层次结构理论,构建以数据科学知识等为支撑、民航安全数据挖掘能力等为核心、民航安全信息管理态度为导向的民航安全信息管理人员胜任力概念模型与胜任力指标体系。运用贝叶斯优化BPNN的超参数,构建民航安全信息管理人员能岗匹配测评模型,并从数值仿真、趋势拟合方面进行模型验证,从均方根误差与算法耗时方面与单一BPNN和随机搜索优化BPNN对比性能。研究结果表明：所构建的测评模型可行性强、误差更小、收敛速度更快,能够更加客观准确地反映安全信息管理人员能岗匹配的实际情况。