基于集成学习的驾驶人避险安全效果影响因素研究

为准确分析影响避险安全效果的关键因素及其非线性影响关系,设计并实施了驾驶模拟试验。首先,利用模拟器及眼动仪采集各场景下驾驶人行为、眼动特征数据;其次,在相关性分析的基础上,采用随机森林等多种集成机器学习算法分析影响避险安全效果的因素,并对其重要度进行排序,采用GridSearch算法优化参数;最后,利用部分依赖图(Partial Dependence Plot, PDP)可解释性方法分析影响因素与避险安全效果之间的非线性关系。结果表明：影响特征与避险安全效果之间非线性关系明显;当特征数为6,特征分别为制动反应位置、制动反应时间、车速、刹车深度、纵向加速度、首次注视时间时的LightGBM模型效果最好,此时F₁为86.07%。如制动距离较近,则高危险状况可能性明显增加;反应时间影响并不明显,但如反应过慢(超过0.9 s)则会造成风险概率升高;车速明显低于正常速度时避险安全效果不佳,往往是因为驾驶技能不强或处于分心状态;较低的减速度往往造成高危险状况,高减速度对于避免高危险状况有一定作用;制动深度不足往往伴随着高危险状况;首次注视时间过早或过晚都容易造成高危险状况,过...     

学习到位 领会到位 落实到位——吉林省安监局举办全省安全监管系统学习贯彻党的十八大精神加强和改进安全监管工作研讨班

11月18日至24日,吉林省安监局在白山市抚松县举办两期全省安全监管系统学习贯彻党的十八大精神加强和改进安全监管工作研讨班。省安监局党组书记、局长金华出席,局党组成员、副局长张沛霖在开班仪式上代表党组作了动员讲话,局党组成员、纪检组长李忠效主持开班仪式。张沛霖指出,11月8日,举世瞩目的党的十八大胜利召     

泛珠三角区域安全生产全面携手合作

10月27日上午,泛珠三角区域安全生产合作第三届联席会议暨海西20城市安全生产合作及安全发展论坛在福建省福州市举行。国家安监总局副局长杨元元、福建省副省长李川出席开幕式并讲话。     

基于深度学习的地铁施工作业人员不安全行为识别与应用

为有效识别地铁施工作业人员不安全行为,基于深度学习与计算机视觉技术,提出融合行为和身份识别的不安全行为识别方法。首先,对更快速的基于区域的卷积神经网络(Faster R-CNN)算法进行优化,引入高效通道注意力(ECA)模块提升行为识别的准确性;其次,将基于人脸超分辨率算法的人脸识别方法与行为识别相结合,提升图像像素水平并准确输出不安全行为执行人员相关信息;然后,行为识别与人脸识别并发进行,识别结果回流至数据库最终输出工人不安全行为报告;最后,选取某地铁施工项目的4种不安全行为进行识别方法的实证应用。研究表明：该方法可在地铁施工场景下进行有效应用,不安全行为识别和执行人员身份识别的准确率均达0.85以上,具有较高的准确度。     

基于改进YOLOv5s算法的隧道初期火灾检测模型

为提升公路隧道初期火灾的检出率与检测精度,考虑初期烟火特征量小且不易侦测的特点,提出一种基于改进YOLOv5s算法的公路隧道初期火灾检测模型。首先,在YOLOv5s特征检测层并入变压器预测头,在原有3个特征检测头的基础上新增第4个160×160尺度的特征检测头,以增强多尺度识别能力;同时,引入加权双向特征金字塔网络(BiFPN)结构,用于融合高低层火焰和烟雾的语义信息;然后,采用完全交并比(CIoU)替换距离交并比(DIoU),并在置信度损失中采用Focal Loss改进YOLOv5s的损失函数,从而提升新模型整体的训练效果和检测精确度;最后,在真实隧道内开展初期火灾模拟试验,获取50 000幅训练集样本,并结合2022年3月1日江苏镇江观音山隧道真实火灾视频数据,对比分析YOLOv5s-Opt和YOLOv5s算法模型。结果表明：YOLOv5s-Opt对初期火灾的平均检测精度达到90.38%,比YOLOv5s提高2.06%;对于同一段火灾实测视频,YOLOv5s-Opt的检出率比YOLOv5s高出3.63%。YOLOv5s-Opt算法模型更擅长初期火灾小目标的检测和识别,在检测精度和检...     

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。     

高危企业社会保险投资与员工忠诚度的博弈分析

运用经济博弈论方法,研究高危企业社会保险投资与员工忠诚度问题,建立博弈模型,得出混合策略纳什均衡解,并对影响企业社会保险投资概率和员工忠诚度大小的因素进行分析,得出以下结论:企业对于员工社会保险投资力度越大,或对于不忠诚员工的惩罚力度越大,或对于忠诚员工的奖励越高,越有助于员工忠诚企业。同时指出:企业对员工采取"一刀切"的做法,会挫伤忠诚员工爱企强企的积极性;启发企业实行公平分配机制,来提高员工忠诚度和企业效益,要从积极的态度出发,以人为本,加大保险投资力度,为员工提供安全和生活保障;只有使双方的"非合作博弈"逐步过渡到"合作博弈",才能调动和爱护员工的爱岗敬业积极性。     

浅谈我国安防检测机构的国际化合作之路

经过三十多年的发展,中国安防行业已形成了门类齐全、技术先进的产业体系,尤其是经过"十一五"期间的快速发展,安防产品制造、工程设计、施工及服务业均获得了长足的进步,形成了市场应用广泛、产业链相对完整、具有一定规模的高成长型行业,在服务政府构建"和谐社会"、推动"平安城市"建设、实施"科技强警"战略等方面发挥出十分显著的作用。伴随着我国社会经济的快速发展,"十二五"期间,我国安防行业又将进入一个十分重要的发展时期,机遇与挑战并存。基于对全社会产品使用的质量、对生产生活的安全性及保护功能需求的不断增加,国内行业检测机构在全球一体化的大趋势下,通过具有实效性的国际化合作,进一步向纵深领域迈进,并凭借自身影响力助推行业的发展。本文将从多个视角阐述检测机构国际化合作的必要性以及模式多样性等内容。     

深度学习下吊装作业工人防护装备及吊钩检测方法

为解决危大工程中吊装作业安全管理的问题,基于深度学习构建目标检测算法(You Only Look Once version 5,YOLOv5)网络模型,针对进入吊装作业区域内人员的防护装备进行多目标融合检测,并对吊钩在施工过程中的状态进行检测。在原始的检测网络模型中引入4种注意力机制,并通过5种训练模型的结果对比分析,进而选择卷积块注意力模块(Convolutional Block Attention Module, CBAM)最优模型。优化后的检测模型对安全帽的平均识别精度达86.5%,对反光衣的平均识别精度达83.0%,对吊钩的状态识别精度达92.0%。将训练好的人员检测模型和吊钩检测模型打包成exe执行文件,应用到施工安全管理人员的中控平台,可帮助管理人员更好地判断吊装作业的工作情况,进而及时进行风险管控。     

“四要素”强化班组管理新局面

社会要进步,企业要发展,对我们职工来说都离不开班组管理。班组管理如何才能更深入地引导职工创造自己的价值？笔者认为,可以从员工学习精神、创新精神、竞技精神、团队精神作为切人点,改变部分职工怨天尤人、不团结、工作不积极的状况。