使用近距离碰撞,人工智能和机器学习来预测海上事故:美国海岸警卫队的一项案例研究
Peter M Madsen1, Robin L Dillon2, Evan T Morris3
1Marriott School of Business, Brigham Young University, Provo, Utah, USA.
概括
差点失误事件数据可以预测未来的事故. 人工智能 (AI) 和机器学习 (ML) 模型准确预测高风险的水道,提高美国海岸警卫队 (USCG) 和其他行业的安全.
科学领域:
- 海上安全的航行.
- 数据科学数据科学数据科学
- 预测分析是一种预测分析.
背景情况:
- 组织越来越多地使用事件数据来提高安全性.
- 几乎失误的事件被认为是未来负面事件的预测者.
- 人工智能/机器学习工具的进步提高了数据分析的可访问性.
研究的目的:
- 为了确定美国海岸警卫队 (USCG) 海上安全和执法信息 (MISLE) 数据库中的近距离失踪数据是否可以预测未来的事故.
- 开发AI/ML模型,以识别具有重大事故风险的水道.
主要方法:
- 从MISLE数据库分析了近乎失误的数量,以预测严重伤亡.
- 开发随机森林决策树AI/ML模型用于水道风险预测.
- 使用历史数据 (2007-2022) 实施基于R的月度预测模型.
主要成果:
- 最近的近距离事故数量有效地预测了未来在水道水平严重的伤亡.
- 人工智能/ML模型的预测准确度在92%至99.9%之间.
- 模型使用2007-2022年数据进行训练,并使用2022年数据进行测试.
结论:
- 差点失误数据是未来海上事故的有价值预测因素.
- 人工智能/ML模型为水路安全提供了准确的风险评估.
- 预测模型可以支持USCG预防工作,并可将其推广到其他行业.


