Key points are not available for this paper at this time.
Komplexe Risikofaktoren machen Sicherheitsunfälle im U-Bahn-Bau anfällig, und es gibt verschiedene Arten von Unfällen. Unfallberichte enthalten detaillierte Informationen über verschiedene Unfalltypen in Textform. Allerdings stellt die effektive Nutzung solcher unstrukturierter Daten eine erhebliche Herausforderung dar. Text Mining (TM) bietet eine praktikable Grundlage zur Bewältigung dieser Herausforderung, jedoch haben verwandte Studien Einschränkungen bei der Extraktion von Risikoindikatoren und mangeln an tiefgehender Analysefähigkeit. Um die Mängel bestehender Studien zu beheben und eine machbare Strategie zur Identifizierung der Schlüsselfaktoren im Bereich U-Bahn-Bau anzubieten, schlägt dieses Papier ein integriertes Modell vor, das TM und maschinelles Lernen–basierte Bayesianische Netzwerke kombiniert. Zunächst wurde der Termfrequenz-inverse Dokumentfrequenz (TF-IDF) Algorithmus im TM verwendet, um die direkten und indirekten Ursachenfaktoren aus den Unfallberichten separat zu extrahieren, wobei die fehlenden Faktoren mithilfe des TextRank-Algorithmus ergänzt wurden. Abhängig von der Annahme, ob die bedingte Unabhängigkeit zwischen den Faktoren berücksichtigt werden soll, wurden ein verbessertes naives Bayesianisches Netzwerk (NBN) und ein baum-augmentiertes naives Bayesianisches Netzwerk (TAN) auf Grundlage der extrahierten Faktoren und der entsprechenden Unfalltypen für eine weitere Tiefenanalyse aufgebaut. Schließlich wurde der Trainingssatz aufgeteilt, um die beiden Netzwerkmodelle zu trainieren, und eine Sensitivitätsanalyse wurde verwendet, um die Schlüsselfaktoren zu identifizieren. Mit 162 Unfallberichten aus China als Anwendungsbeispiel zeigten die Ergebnisse, dass TAN eine höhere durchschnittliche Genauigkeit (79,62%) im Testsatz im Vergleich zum verbesserten NBN (71,75%) aufwies, und die Wichtigkeit der Risikofaktoren für verschiedene Unfalltypen erfolgreich aus mehreren Perspektiven mithilfe von TAN eingestuft wurde. Gleichzeitig wurden einige neue Erkenntnisse zu U-Bahn-Unfällen in China gewonnen, die die Entscheidungsfindung zur Unfallverhütung und -kontrolle unterstützen können. Zusammenfassend lässt sich sagen, dass dieses Papier die relevanten Einschränkungen der Nutzung von Unfalltexten effektiv angeht und einen neuartigen Ansatz für das Sicherheitsmanagement im U-Bahn-Bau präsentiert.
Shen et al. (Thu,) haben diese Frage untersucht.