[發明專利]一種基于事故數據挖掘的船舶碰撞危險度計算方法

在審

• 申請號: 202110476221.6
• 申請日: 2021-04-29
• 公開（公告）號: CN113177713A
• 公開（公告）日: 2021-07-27
• 發明（設計）人: 劉濤;竇沖;雷正玲;孟威;高進;閆化然
• 申請（專利權）人: 上海海事大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06F17/16;G06F16/22
• 代理公司: 太原申立德知識產權代理事務所(特殊普通合伙) 14115
• 代理人: 郭海燕

1.一種基于事故數據挖掘的船舶碰撞危險度計算方法，其特征在于，包括以下步驟：

步驟1，事故數據統計與分析：搜集船舶碰撞事故報告數據，通過統計與分析獲得導致船舶碰撞事故的主要影響因素；

步驟2，構建復合影響因素：基于統計相關性分析對影響因素進行分析，對存在相關性的影響因素進行加權組合，構建復合影響因素；

步驟3，確定各復合影響因素權重：基于對事故報告數據的統計分析，利用層次分析法，計算得到各復合影響因素權重；

步驟4，構建各影響因素的模糊綜合評判隸屬度函數：根據各影響因素對船舶碰撞事故描述的不同特征數據，通過數據擬合的方法構建各影響因素的模糊綜合評判隸屬度函數；

步驟5，計算船舶碰撞危險度：根據步驟3得到的各復合影響因素的權重和步驟4得到的影響因素的隸屬度函數，利用模糊綜合評判方法計算船舶碰撞危險度。

2.根據權利要求1所述的一種基于事故數據挖掘的船舶碰撞危險度計算方法，其特征在于，所述步驟2中復合影響因素的構建具體包括以下步驟：

步驟2.1，對每一起事故樣本數據按影響因素進行過濾，剔除數據缺失的樣本；

步驟2.2，將樣本數據輸入到SPSS中建立數據庫；

步驟2.3，基于皮爾遜相關性分析對影響因素進行相關性分析，通過獨立性檢驗判斷各影響因素間的相關性，對存在強關聯性的影響因素根據統計的事故數據進行加權組合，構建復合影響因素；

步驟2.4，對于通過皮爾遜相關性分析無法證明相關性的影響因素，通過事故成因理論分析，對存在關聯的影響因素根據統計的事故數據進行加權組合，構建復合影響因素。

3.根據權利要求1所述的一種基于事故數據挖掘的船舶碰撞危險度計算方法，其特征在于，所述步驟3中各復合影響因素權重的確定具體包括以下步驟：

步驟3.1，根據各復合影響因素統計影響度的差異構造判斷矩陣；

步驟3.2，根據統計分析得到由每個復合影響因素導致船舶碰撞事故的數量，在判斷矩陣采用1-9標度方法對復合影響因素進行兩兩比較；

步驟3.3，利用一致性比率對構建的判斷矩陣進行一致性檢驗，若通過一致性檢驗，則用判斷矩陣歸一化特征向量作為權向量，否則重新構造判斷矩陣。

4.根據權利要求1所述的一種基于事故數據挖掘的船舶碰撞危險度計算方法，其特征在于，所述步驟4中各影響因素的模糊綜合評判隸屬度函數的構建具體包括以下過程：

步驟4.1，獲得各影響因素對船舶碰撞事故描述的不同特征的數據；

步驟4.2，將各影響因素分為可定量分析和不可定量分析兩類；

步驟4.3，對于可定量分析的各影響因素，根據獲得數據的統計分析將各影響因素對船舶碰撞的影響程度劃分為五個等級，統計各等級下的具體事故數量，然后對五個等級下的事故數據采用Min-max標準化進行歸一化處理，通過采用基本函數作為基函數進行數據擬合構建模糊綜合評判隸屬度函數；

步驟4.4，對于不可定量分析的各影響因素，將事故中影響因素的子影響因素和作為其危險度等級，進行數據擬合，通過比較擬合后的擬合優度值與修正的擬合優度值來獲得該影響因素的最優擬合函數，即模糊綜合評判隸屬度函數。

5.根據權利要求1所述的一種基于事故數據挖掘的船舶碰撞危險度計算方法，其特征在于，所述步驟5中計算船舶碰撞危險度具體包括以下步驟：根據模糊綜合評價方法，綜合考慮各影響因素對評判結果的影響，得到危險度評估結果為：C＝A*B，其中A為各復合影響因素權重，B為實際航行狀態下各復合影響因素的隸屬度函數值。