水上交通事故调查处理性质探析

水上交通事故的调查与处理不仅关乎事故相关方的权益,更对航运业的繁荣和水上交通安全具有重大意义。本文深入探讨与水上交通事故调查处理密切相关的行政调查、技术调查和安全调查的相关特性。同时,分析调查与处理、海上与内河交通事故调查处理之间的关系,最终凝练总结出水上交通事故调查的性质特点,为我国水上交通事故的处理理论与实践提供参考。

水上交通事故调查简易程序规定

第一条为依法、便民和高效地调查水上交通事故,规范事故调查工作,根据《中华人民共和国海上交通安全法》和《中华人民共和国内河交通安全管理条例》等有关法律法规,制定本规定。第二条交通运输部直属海事管理机构和各级地方人民政府设立的承担水上交通安全监管职责的机构(以下统称海事管理机构)调查损失较小、事实清楚、责任明确的水上交通事故适用本规定。

基于AIS通信量的水上交通事故检测方法

基于数据驱动的交通事故检测对水上交通事故的快速救援与降低事故损失具有重要作用。为实现无自主报告情形下的交通事故自动检测,研究了基于船舶自动识别系统(automatic identification system,AIS)通信量的水上交通事故检测方法。通常情况下,突发的水上交通事故会扰乱船舶正常航行秩序,事故引起的船舶运动状态改变会导致AIS通信量短时间内产生突变,为挖掘AIS通信量随水上交通事故演变的内在规律,并降低噪声影响,以凸显检测指标的突变特征,引入AIS通信量和船舶总数比值构建水上交通事故检测指标;为确保检测的时效性,采用滑动窗口模型用于划分检测指标数据片段与设定更新时间的间隔,并构建基于卡尔曼滤波的水上交通事故检测模型进行检测指标的短期预测;为保证检测结果的准确性,采用云模型进行检测模型阈值范围的快速划分。使用长江武汉段水域内AIS数据对基于AIS通信量的水上交通事故检测方法进行模型验证和仿真研究,实验结果表明:与采用标准正态偏差和多尺度直线拟合算法的检测模型相比,提出的基于卡尔曼滤波算法的检测模型可在耗时最短的情形下获得最高命中率与最低误检率,分别为97.25%与0.42%;在进一步的仿真实验中,针对3种不同的船舶事故场景,提出的基于AIS通信量的水上交通事故检测方法均能在5 min内检测出水上交通事故的发生。

长江干线水上交通事故的灰色分析与预测

为减少长江海事局辖区水上交通事故的发生,增强水上交通运输的安全,采用灰色系统理论中的邓氏关联理论和改进的灰色关联理论,对2008—2017年长江海事局辖区水上交通事故统计数据进行关联性分析,定量分析水上交通事故的主要关联因素。将不同灰色关联理论分析的结果进行比较分析,给出一种与定性分析吻合度较高的灰色关联分析方法,提高水上交通事故分析的精确度。对不符合灰色系统建模要求的随机序列,引入实用序列缓冲算子,分别构建均值和加权GM(1,1)预测模型,对长江海事局辖区未来水上交通事故进行预测,并对不同预测模型的预测值和实际值进行比对,给出一种精度达到0.7%的短期预测模型,为改善长江海事局辖区的水上交通安全形势提供参考依据。

基于负二项回归的水上交通事故分析与预测

寻找导致船舶损伤和事故伤亡原因的可能因素和对水上交通事故趋势预测一直是水上交通事故研究的焦点.基于事故因果关系的统计数据,分析港区航道及附近水域水上交通事故的伤亡人数与事故船舶类型、事故种类、事故发生时间、事故发生地理位置等因素之间的关系,通过比较泊松和负二项两种概率分布模型回归的结果,确定负二项分布形式的事故预测模型.研究表明,基于负二项回归的水上交通事故分析与预测方法具有适用性.

基于分形理论的水上交通事故预测

为进行水上交通事故的预测与预警,分析将分形理论运用于水上交通事故预测计算的可行性.通过使用分形插值方法对离散的时间序列数据集进行处理,求取IFS迭代函数系及其吸引子,构建对于给定时间序列的预测模型.以我国水上交通事故近年来的统计数据为计算对象,预测未来几年内水上交通事故的发展趋势,验证该理论方法具有良好的宏观与微观预测性.

基于SVM的水上交通事故严重程度的影响因素研究

为研究水上交通事故中事故严重程度的影响因素,减小水上交通事故发生时的人员伤亡及财产损失,对2015-2016年的水上交通事故统计数据的分析。选取了水上交通事故数据中的船舶类型、事故发生时间、地点、船舶吨位、能见度和风力等级等相关因素建立了事故信息库。根据水上交通事故造成的人员伤亡数量和财产损失的大小,将事故严重程度分为3个等级,并建立了基于支持向量机(SVM)的三分类模型。然后通过交叉验证以及网格搜索算法优化SVM分类模型的惩罚参数和核函数参数,得到最优的分类模型。模型建立后,利用SVM-RFE算法求解上述影响因素对事故严重程度的权重值并排序,筛选出对于事故严重程度影响最大的因素。结果表明,支持向量机三分类模型总体分类准确率可达70%以上;同时自沉事故、渔船事故和秋季发生的事故易造成较大的人员伤亡;危化品船舶,内河发生的事故和渔船易造成较大的财产损失。

水上交通事故人因可靠性定量评价方法

水上交通事故人因可靠性,一方面在风险预防阶段会受到风险水平的影响;另一方面,在险情发展及应对过程中会存在与外部影响因素的相互作用.因此,为全面评价水上交通事故人因可靠性,从风险预防和险情应对这两个角度,提出了基于风险系数和置信度的人因可靠性的定量评价方法.首先,利用三角模糊数分别建立了各风险要素和风险系数的评价标准,并应用证据理论对这3个风险要素进行融合,获取了该险情的风险系数.其次,引用人因交互模型全面分析了人因可靠性的影响因素,建立了人因可靠性检查表,并利用置信度建立了各影响因素定量评价模型.最后,选取了一起典型沉船事故为案例定量评价了人因可靠性,结果表明,本文提出的方法可以更为全面地分析人因可靠性.

水上交通事故“人员失踪”的刑法定性研究

交通肇事致人死亡、重伤的认定对于交通肇事罪的成立具有重要意义,但交通肇事致人落水失踪在我国现行刑事立法中却没有任何评价。长期的法律空白导致司法实务部门对交通肇事致人失踪的行为常常作出不同处理,不确定性裁判时有发生,或不予起诉,或宣告死亡,或推定死亡,又或直接定罪处罚等。虽然1992年《最高人民法院研究室关于遇害者下落不明的水上交通肇事案件应如何适用法律问题的电话答复》中明确指出,"根据被告人的行为造成受害人下落不明的这一事实,以交通肇事定罪处罚",但直到今天,立法及司法机关始终没有在法律规范层面继续跟进。本文主张通过出台刑事司法解释的途径将"人员失踪"的法律适用进一步规范化,为司法机关提供惩罚水上交通肇事者的法律依据,最终达到预防犯罪、激励海难救助、减少社会危害的社会效果。

长江干线水上交通事故黑点分析

针对长江干线水上交通事故频发的状况,分析长江干线水上交通事故黑点特征,为水上交通安全监管与船舶航行决策提供参考。长江海事局辖区2006—2010年的水上交通事故类型主要有碰撞、搁浅和触礁等3种,分别多发于长江上游、中游及下游。利用DBSCAN算法提取长江干线水上交通事故的15个黑点段,结合实际通航环境条件分别对各个典型的事故黑点段事故特征和事故原因进行分析,分析结果与实际情况相吻合,证明采用黑点分析方法分析长江干线水上交通事故的分布规律是可行的,可为制定水上交通安全管理措施提供理论依据。

水上交通事故调查协同处理系统

国际海事组织《事故调查规则》的强制实施对水上交通事故的调查处理提出了更高的要求,《海事信息系统顶层设计报告》提出了我国的海事行政调查与处罚管理平台,相应地显示我国亟需建设水上交通事故调查和处理的系统。针对我国现阶段水上交通事故存在信息交流不充分且影响调查结果,事故处理按时序进行而导致耗时较长的缺陷和不足,从通航、船舶和船员管理三个角度对系统进行需求分析。从系统功能、网络拓扑结构和系统组成等三个方面提出了水上交通事故调查处理协同系统的建设框架。

水上交通事故管理系统设计与实现

采用电子海图技术建立水上交通事故信息系统,已经成为海上交通管理、事故分析的一个先进有效的技术手段。根据事故数据的属性和空间特性,确定基于电子海图的水上交通事故管理系统的内容特点,设计了事故管理系统的功能结构和技术开发流程。该系统能提高海上交通管理效率,预防事故的发生,改善海上交通环境,并提供救助设备的合理配布方案。

水上交通事故致因理论探讨

在对比国际上有代表性的事故致因理论的基础上提出水上交通事故致因理论,认为水上交通事故的本质原因在于水上交通安全管理体系的缺陷,并通过案例进行验证。

基于灰色神经网络组合模型的水上交通事故预测

水上交通事故预测是水上安全的重要组成部分,目的是为了掌握水上交通事故未来的发展状况,为管理决策提供重要的理论依据。运用灰色神经网络组合模型对水上交通事故量进行预测,运用灰色模型对水上交通事故进行模拟,将结果和原始数据进行对比,计算出残差。运用BP神经网络模型对残差进行修正,得到最终预测的结果。仿真得到的2012年和2013年的水上交通事故预测量分别是270和281。实践表明,水上交通事故量呈下降趋势,但有部分年份仍有回升趋势。

基于灰色BP神经网络组合模型的水上交通事故数预测

为了提高水上交通事故数的预测精度,在灰色预测模型与BP神经网络模型相组合的基础上,建立了灰色BP神经网络组合预测模型。以全国水上交通事故数、机动船数、驳船数、水上运输就业人数、水路货运量和水路客运量的数据作为样本数据,进行试验计算,并将组合预测模型的预测结果分别与灰色预测模型和BP神经网络预测模型的预测结果进行了对比。试验结果表明,相较灰色预测模型和BP神经网络预测模型灰色BP神经网络组合预测模型的误差更小、预测精度更高,且具有良好的稳定性。

水上交通事故数据库建模研究

使用E-R模型和3NF的数据库设计方法,以Power Designer12为建模软件对水上交通事故数据库进行建模,得到了其物理数据模型,可用于进一步实现水上交通事故管理信息系统。

Rough Set理论研究及其在水上交通事故分析的应用

水上交通事故系统中数据多维、稀疏、不全,有效地识别和发现事故数据的新模式及其内在规律能够预防和减少水上交通事故的发生。从数据挖掘的角度出发,应用了基于属性频度的约简算法和改进的值约简算法的结合对(2000～2004)年水上发生的20起具有一定代表性的典型案例进行分析,并加入相关的支持度和置信度,以期为水上交通的管理提供决策支持。

水上交通事故的现状及原因分析

改革开放以来，我国水路运输蓬勃发展，在20多年的时间里港口数量和运力规模大幅增加，同时带来的一个负面效应就是水上交通安全形势严峻。因此，开展水上交通事故原因的研究，对于避免和预防事故发生，减少经济建设成本。

基于ARIMA模型的水上交通事故预测

水上交通事故预测是水上交通安全规划和管理决策的基础,以往的水上交通事故预测,以预测年事故发生数居多,没有考虑全年季节性气候对船舶航行安全的影响。本文在考虑事故数据时间序列的季节周期性特性的基础上,利用时间序列分析方法进行分析,建立基于时间序列分析法的ARIMA模型,对水上交通事故的月事故发生数进行预测研究。并以2011年-2015年福建海域水上交通事故数据为基础,运用所建立的ARIMA预测模型,预测出2015年各月水上事故数。最后,通过与指数平滑法预测结果的对比分析,进一步验证出ARIMA预测模型的合理性和精确性。

用灰色马尔可夫模型预测水上交通事故量

灰色GM(1,1)是一种水上交通事故量预测模型。这种模型不适合长期的、随机和波动性较大的数据序列预测。马尔可夫模型适合描述随机波动性较大的预测问题。本文将两模型结合,形成一个灰色马尔可夫预测模型。按特定的状态划分方法,先用灰色GM(1,1)预测模型进行预测,再用马尔可夫模型预测结果进行优化,使预测精度大大提高。文中给出两个例子,算例证明了该模型的诸多优点。