检查公共汽车事故的风险因素:将AcciMap框架与自然语言处理方法合并
Ruisong Wang1, Xuejun Niu1, Dan Zhao1
1School of Traffic Management, People's Public Security University of China, Beijing, China.
Traffic injury prevention
|December 16, 2025
概括
本研究使用自然语言处理 (NLP) 和AcciMap框架来分析中国公共汽车事故报告,识别驾驶员错误和监管薄弱等关键风险因素. 结果为城市交通提供了有针对性的安全干预指导.
科学领域:
- 运输安全运输安全
- 事故分析 事故分析
- 计算语言学 计算语言学
背景情况:
- 事故报告包含非结构化的叙述,对于理解因果因素至关重要.
- 分析这些叙述的现有方法往往是手动的,耗时的.
- 像AcciMap这样的系统事故框架需要结构化数据才能有效应用.
研究的目的:
- 开发和验证一个集成NLP和AcciMap框架的自动化管道.
- 从中国公共汽车事故报告中提取,聚合和量化多层次风险因素.
- 创建针对性安全干预的因果关系的基于网络的表示.
主要方法:
- 分析了127份中国公共汽车事故报告 (2019-2024年).
- 实施一个适应领域的NLP管道,包括命名实体识别 (NER),用于语义嵌入的CoSENT微调的BERT和用于集群的HDBSCAN.
- 在AcciMap网络模型中,使用总共发生指数 (TCI) 和中心度指标量化了关系.
主要成果:
- 在政府,监管机构,企业,管理层,员工和环境层面确定了18个不同的风险因素类别.
- 监管缺陷和员工行为 (司机操作错误,安全意识) 成为主要的枢纽.
- 驱动器操作错误显示了最高的中间中心性,弥合了不同的因素组.
结论:
- 自动化管道使得可扩展的,系统性的事故叙述因果分析成为可能.
- 建议针对监管执法,企业管理和驾驶员行为进行协调干预.
- 该方法为城市交通安全的政策相关因果分析提供了一种可重复的方法.
