公开(公告)号：CN110472225A

公开(公告)日：2019-11-19

申请号：CN201910562498.3

申请日：2019-06-26

Applicant: 北京交通大学

Inventor： 张国琛 ,  郑伟

IPC: G06F17/27 ,  G06K9/62 ,  G06Q10/06 ,  G06Q50/30

Abstract: 本发明提供了一种基于词扩展LDA的铁路事故原因分析方法，涉及铁路列车运营安全分析技术领域，该方法基于铁路事故报告文本内容，利用词扩展LDA模型提取事故致因相关主题和主题词；根据人因与系统分类方法HFACS对主题特征项进行归类，形成改进的HFACS-RAs模型；利用SVM对事故报告进行文本分类，确定事故致因数据集；采用卡方检验结合无约束0/1优化实现贝叶斯网络结构优化；利用Logistic回归模型进行贝叶斯网络CPT参数估计；基于改进贝叶斯网络确定事故致因分析模型，计算得到导致事故后果的关键致因。本发明基于词扩展LDA模型完成事故致因特征提取，确定导致铁路事故发生的因素以及因素对事故后果的影响程度，有利于加深对事故过程的理解并采取措施预防类似事故再次发生。

公开(公告)号：CN110472225B

公开(公告)日：2021-05-18

申请号：CN201910562498.3

申请日：2019-06-26

Applicant: 北京交通大学

Inventor： 张国琛 ,  郑伟

IPC: G06F40/289 ,  G06F40/30 ,  G06K9/62 ,  G06Q10/06 ,  G06Q50/30

Abstract: 本发明提供了一种基于词扩展LDA的铁路事故原因分析方法，涉及铁路列车运营安全分析技术领域，该方法基于铁路事故报告文本内容，利用词扩展LDA模型提取事故致因相关主题和主题词；根据人因与系统分类方法HFACS对主题特征项进行归类，形成改进的HFACS‑RAs模型；利用SVM对事故报告进行文本分类，确定事故致因数据集；采用卡方检验结合无约束0/1优化实现贝叶斯网络结构优化；利用Logistic回归模型进行贝叶斯网络CPT参数估计；基于改进贝叶斯网络确定事故致因分析模型，计算得到导致事故后果的关键致因。本发明基于词扩展LDA模型完成事故致因特征提取，确定导致铁路事故发生的因素以及因素对事故后果的影响程度，有利于加深对事故过程的理解并采取措施预防类似事故再次发生。