大型钢铁企业典型区域动态安全风险评估研究与应用

为提高大型钢铁企业安全管理效率,实现可视化动态风险管理,结合层次分析法与专家调查法,基于固有风险和动态风险两个评估维度,建立大型钢铁企业典型区域动态安全风险评估指标体系。并以某大型钢铁企业为例,收集企业现有数据、现场调研企业需求,建立区域动态安全风险评估模型,确定指标权重,计算区域风险指数,明确区域安全风险等级。结果表明:建立的区域动态安全风险评估模型,弥补了现有指标体系中固有与动态风险指标不完善和不明确的缺陷,进一步挖掘数据,实现对企业区域动态安全风险的有效评估,具有可行性和可推广性,为钢铁企业区域动态安全风险评估提供实践经验。

高层住宅火灾风险评估统计与验证

为解决当前高层住宅火灾风险评估缺乏统计分析与结果验证的问题,构建了一种百分制扣分式高层住宅火灾风险调研评估体系,运用该体系进行区域内高层住宅的科学抽样与192栋抽样样本的统计分析,建立支持向量机模型验证了评估工作的准确性。结果表明:不同高层住宅小区的火灾风险值存在较大差异,其原因主要是消防教育培训、消防设施维护保养等;同一小区内高层住宅火灾风险水平相差不大,但住户消防安全意识、电气隐患增多等造成部分楼栋火灾风险值差别大于10分;最佳优化的SVM模型证实了模型准确率在94%以上。

基于ISODATA的踩踏生成特征与集群风险关联性研究

踩踏事故统计研究领域较少综合考虑事故致因因素与风险的关联程度,导致单因素统计结果无法准确阐明不同风险等级事故生成特征的问题,因此引入ISODATA算法开展研究。收集2000—2020年国内外215起踩踏事故,将描述性事件量化为特征向量,构建结构化数据集;采用ISODATA算法进行聚类迭代运算,得到7个集群,根据每个集群中不同等级事件的风险指数(R_(ki))确定高、低风险集群;通过多因素分布规律分析,阐明不同风险集群的生成特征。研究表明,ISODATA算法可显著识别踩踏事故多维特征与风险等级的关联,准确获得多因素与单因素统计的相似性和差异性,为踩踏预防管理提供依据。

基于Kinect的地铁乘客不安全行为识别方法与实验

为解决地铁视频监控技术对乘客不安全行为只记录不识别且较少考虑识别精确度的问题,提出1种基于Kinect传感器的高效识别方法。以Pelvis为向量起点和动作活动高频关节为终点构建识别特征向量;运用余弦定理获得标准动作与测试动作关节的最大角度差序列;以最大角度差为动作特征量建立相似度计算模型,运用动态时间规整算法(DTW)将初始结果转换为动作相似度。以相连关节法为对照组开展对比实验,结果表明:前者在抽烟、挥拳、挥手呼救等行为识别的准确度分别为91.7%,86.9%,89.2%,平均比对照组高4%以上,显著提高了地铁乘客不安全行为的识别率,可为地铁智能安全管控提供理论与技术依据。

地铁乘客社会脆弱性影响因素调查与统计

为了解决地铁乘客外在社会属性与内在综合不安全性之间影响机理不明确的问题,引入社会脆弱性理论开展调查与统计研究。从乘客行为社会脆弱性(PSV_(B))和心理社会脆弱性(PSV_(P))两方面选取9个因素构建了乘客社会脆弱性(PSV)的表征体系,运用独立样本t检验和单因素方差分析研究性别、学历等6个外在社会属性对PSV的影响,采用探索性因子分析(EFA)确定PSV的潜在因素。结果表明:632位调查对象的PSV、PSV_(B)、PSV_(P)等级皆为中;性别和是否具有突发事件经历对PSV、PSV_(B)、PSV_(P)都具有显著性影响,年龄、职业、学历和乘坐频率则无显著影响;乘客对地铁疏散环境的熟悉度、携带行李的影响度、环境突变的影响度、自我调节能力是影响PSV的4个主要潜在因素。