本發(fā)明涉及水上交通領(lǐng)域，特別涉及一種水上交通事故調(diào)查報(bào)告處理分析方法及系統(tǒng)。

背景技術(shù)：

1、在水上交通領(lǐng)域，以往對(duì)事故調(diào)查報(bào)告的分析主要依賴人工方式，由專家組進(jìn)行解讀和評(píng)估。這種傳統(tǒng)方法存在諸多弊端，如耗費(fèi)大量人力和時(shí)間成本，且分析結(jié)果易受專家主觀因素影響，缺乏客觀性和一致性。隨著信息技術(shù)的發(fā)展，部分研究開始嘗試采用一些簡(jiǎn)單的數(shù)據(jù)統(tǒng)計(jì)和分析方法，但對(duì)于非結(jié)構(gòu)化的事故報(bào)告文本數(shù)據(jù)，這些方法難以深入挖掘其中的關(guān)鍵信息和潛在關(guān)聯(lián)。

2、近年來，人工智能技術(shù)在各領(lǐng)域逐漸得到應(yīng)用，但在水上交通事故調(diào)查報(bào)告處理方面，仍處于探索階段。一些相關(guān)研究雖嘗試?yán)脵C(jī)器學(xué)習(xí)算法，但在模型的準(zhǔn)確性和適應(yīng)性上存在不足，未能充分滿足實(shí)際需求。例如，某些早期的文本分析模型在處理專業(yè)術(shù)語繁多、文本結(jié)構(gòu)復(fù)雜的事故報(bào)告時(shí)，往往無法準(zhǔn)確提取事故致因和風(fēng)險(xiǎn)點(diǎn)，也難以對(duì)事故場(chǎng)景進(jìn)行有效分類和分析。

3、現(xiàn)有技術(shù)的主要缺陷在于：人工分析效率低下，無法快速處理大量事故報(bào)告；定性分析居多，缺乏精準(zhǔn)的定量分析，難以準(zhǔn)確衡量風(fēng)險(xiǎn)程度；對(duì)事故報(bào)告中的復(fù)雜語義和隱含信息挖掘能力有限，導(dǎo)致事故致因和風(fēng)險(xiǎn)點(diǎn)識(shí)別不全面；不同分析方法和人員得出的結(jié)果差異較大，缺乏可靠性和穩(wěn)定性。

4、因此，如何提供一種水上交通事故調(diào)查報(bào)告處理分析方法及系統(tǒng)，是目前亟待解決的問題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明實(shí)施例提供了一種水上交通事故調(diào)查報(bào)告處理分析方法及系統(tǒng)，以解決現(xiàn)有技術(shù)中人工分析效率低下、缺乏精準(zhǔn)的定量分析、事故致因和風(fēng)險(xiǎn)點(diǎn)識(shí)別不全面及缺乏可靠性和穩(wěn)定性的問題。

2、為了對(duì)披露的實(shí)施例的一些方面有一個(gè)基本的理解，下面給出了簡(jiǎn)單的概括。該概括部分不是泛泛評(píng)述，也不是要確定關(guān)鍵／重要組成元素或描繪這些實(shí)施例的保護(hù)范圍。其唯一目的是用簡(jiǎn)單的形式呈現(xiàn)一些概念，以此作為后面的詳細(xì)說明的序言。

3、根據(jù)本發(fā)明實(shí)施例的第一方面，提供了一種水上交通事故調(diào)查報(bào)告處理分析方法。

4、在一個(gè)實(shí)施例中，一種水上交通事故調(diào)查報(bào)告處理分析方法，包括：

5、利用水上交通事故文本數(shù)據(jù)對(duì)語言模型進(jìn)行預(yù)訓(xùn)練，以使語言模型獲取水上交通事故文本數(shù)據(jù)中的語義特征和語言模式，并得到關(guān)鍵詞提取模型；利用條件隨機(jī)場(chǎng)對(duì)關(guān)鍵詞提取模型的輸出進(jìn)行標(biāo)注；

6、基于關(guān)鍵詞提取模型，對(duì)待分析的水上交通事故報(bào)告進(jìn)行事故致因和風(fēng)險(xiǎn)點(diǎn)的提??；利用相似度算法，計(jì)算各事故致因之間以及各風(fēng)險(xiǎn)點(diǎn)之間的關(guān)聯(lián)程度，并構(gòu)建耦合關(guān)系矩陣；利用耦合關(guān)系矩陣和耦合度閾值，篩選出事故致因強(qiáng)耦合關(guān)系對(duì)和風(fēng)險(xiǎn)點(diǎn)強(qiáng)耦合關(guān)系對(duì)；

7、根據(jù)詞頻統(tǒng)計(jì)分析技術(shù)，對(duì)事故致因和風(fēng)險(xiǎn)點(diǎn)進(jìn)行詞頻分析，得到事故致因和風(fēng)險(xiǎn)點(diǎn)的重要度；

8、利用主題模型，并結(jié)合事故致因，對(duì)待分析的水上交通事故報(bào)告進(jìn)行場(chǎng)景分類，并構(gòu)建事故場(chǎng)景集。

9、在一個(gè)實(shí)施例中，利用水上交通事故文本數(shù)據(jù)對(duì)語言模型進(jìn)行預(yù)訓(xùn)練之前還包括：

10、收集水上交通事故調(diào)查報(bào)告，并將水上交通事故調(diào)查報(bào)告轉(zhuǎn)換為統(tǒng)一格式的文本數(shù)據(jù)；

11、對(duì)水上交通事故調(diào)查報(bào)告中的文本數(shù)據(jù)，進(jìn)行清洗操作，并去除噪聲數(shù)據(jù)、無關(guān)符號(hào)和重復(fù)信息；

12、對(duì)水上交通事故調(diào)查報(bào)告中的文本數(shù)據(jù)，進(jìn)行詞法和句法分析，并對(duì)專業(yè)術(shù)語進(jìn)行標(biāo)準(zhǔn)化處理，得到水上交通事故文本數(shù)據(jù)。

13、在一個(gè)實(shí)施例中，利用條件隨機(jī)場(chǎng)對(duì)關(guān)鍵詞提取模型的輸出進(jìn)行標(biāo)注包括：

14、構(gòu)建條件隨機(jī)場(chǎng)的特征函數(shù)和轉(zhuǎn)移函數(shù)；利用條件隨機(jī)場(chǎng)，并結(jié)合專家經(jīng)驗(yàn)，對(duì)關(guān)鍵詞提取模型的輸出進(jìn)行標(biāo)注。

15、在一個(gè)實(shí)施例中，利用相似度算法，計(jì)算各事故致因之間以及各風(fēng)險(xiǎn)點(diǎn)之間的關(guān)聯(lián)程度，并構(gòu)建耦合關(guān)系矩陣包括：

16、通過余弦相似度計(jì)算公式，計(jì)算各事故致因之間以及各風(fēng)險(xiǎn)點(diǎn)之間的耦合度，并將耦合度通過矩陣的形式保存。

17、在一個(gè)實(shí)施例中，利用耦合關(guān)系矩陣和耦合度閾值，篩選出事故致因強(qiáng)耦合關(guān)系對(duì)和風(fēng)險(xiǎn)點(diǎn)強(qiáng)耦合關(guān)系對(duì)包括：

18、預(yù)先設(shè)置耦合度閾值，將超過耦合度閾值的兩個(gè)關(guān)鍵詞之間建立耦合連接，并利用和弦圖展示耦合連接情況，并統(tǒng)計(jì)得到每個(gè)關(guān)鍵詞的耦合連接數(shù)，且關(guān)鍵詞包括事故致因和風(fēng)險(xiǎn)點(diǎn)；

19、根據(jù)關(guān)鍵詞之間建立的耦合連接，得到事故致因強(qiáng)耦合關(guān)系對(duì)和風(fēng)險(xiǎn)點(diǎn)強(qiáng)耦合關(guān)系對(duì)。

20、在一個(gè)實(shí)施例中，根據(jù)詞頻統(tǒng)計(jì)分析技術(shù)，對(duì)事故致因和風(fēng)險(xiǎn)點(diǎn)進(jìn)行詞頻分析，得到事故致因和風(fēng)險(xiǎn)點(diǎn)的重要度包括：

21、通過事故致因列表和風(fēng)險(xiǎn)點(diǎn)列表，進(jìn)行事故致因和風(fēng)險(xiǎn)點(diǎn)的詞頻統(tǒng)計(jì)，得到每個(gè)事故致因和風(fēng)險(xiǎn)點(diǎn)的詞頻參數(shù)；

22、根據(jù)詞頻參數(shù)降序排列，并通過柱狀圖展示；根據(jù)統(tǒng)計(jì)的每個(gè)關(guān)鍵詞的耦合連接數(shù)，確定對(duì)應(yīng)關(guān)鍵詞在散點(diǎn)圖中的坐標(biāo)，基于每個(gè)關(guān)鍵詞在散點(diǎn)圖中的坐標(biāo)，確定相應(yīng)事故致因和風(fēng)險(xiǎn)點(diǎn)的重要度。

23、在一個(gè)實(shí)施例中，利用主題模型，并結(jié)合事故致因，對(duì)待分析的水上交通事故報(bào)告進(jìn)行場(chǎng)景分類，并構(gòu)建事故場(chǎng)景集包括：

24、確定主題模型的訓(xùn)練的參數(shù)，包括詞頻放大系數(shù)、訓(xùn)練主題數(shù)及主題詞展示數(shù)；對(duì)事故致因進(jìn)行詞頻放大，并將停用詞去除；

25、通過困惑度實(shí)驗(yàn)，并觀察選取所需的場(chǎng)景數(shù)和放大系數(shù)；利用語料庫(kù)對(duì)主題模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的主題模型；

26、結(jié)合場(chǎng)景數(shù)、放大系數(shù)及訓(xùn)練好的主題模型，得到事故場(chǎng)景集。

27、在一個(gè)實(shí)施例中，對(duì)事故致因進(jìn)行詞頻放大時(shí)，詞頻放大公式為：;

28、式中，表示更新后的詞的詞頻，表示其原始詞頻；

29、表示某一個(gè)詞的詞頻增大系數(shù)，表示事故致因集，k表示事故報(bào)告中的詞。

30、在一個(gè)實(shí)施例中，構(gòu)建事故場(chǎng)景集之后包括：

31、分類命名事故場(chǎng)景集中的每個(gè)場(chǎng)景；通過場(chǎng)景、事故致因、風(fēng)險(xiǎn)點(diǎn)關(guān)聯(lián)性分析，計(jì)算某個(gè)場(chǎng)景中事故致因和風(fēng)險(xiǎn)點(diǎn)之間的耦合度，通過預(yù)設(shè)閾值來建立耦合連接，并通過桑基圖進(jìn)行展示。

32、根據(jù)本發(fā)明實(shí)施例的第二方面，提供了一種水上交通事故調(diào)查報(bào)告處理分析系統(tǒng)。

33、在一個(gè)實(shí)施例中，所述水上交通事故調(diào)查報(bào)告處理分析系統(tǒng)包括：

34、關(guān)鍵詞提取模型訓(xùn)練模塊，用于利用水上交通事故文本數(shù)據(jù)對(duì)語言模型進(jìn)行預(yù)訓(xùn)練，以使語言模型獲取水上交通事故文本數(shù)據(jù)中的語義特征和語言模式，并得到關(guān)鍵詞提取模型；利用條件隨機(jī)場(chǎng)對(duì)關(guān)鍵詞提取模型的輸出進(jìn)行標(biāo)注；

35、耦合分析模塊，用于基于關(guān)鍵詞提取模型，對(duì)待分析的水上交通事故報(bào)告進(jìn)行事故致因和風(fēng)險(xiǎn)點(diǎn)的提取；利用相似度算法，計(jì)算各事故致因之間以及各風(fēng)險(xiǎn)點(diǎn)之間的關(guān)聯(lián)程度，并構(gòu)建耦合關(guān)系矩陣；利用耦合關(guān)系矩陣和耦合度閾值，篩選出事故致因強(qiáng)耦合關(guān)系對(duì)和風(fēng)險(xiǎn)點(diǎn)強(qiáng)耦合關(guān)系對(duì)；

36、重要度分析模塊，用于根據(jù)詞頻統(tǒng)計(jì)分析技術(shù)，對(duì)事故致因和風(fēng)險(xiǎn)點(diǎn)進(jìn)行詞頻分析，得到事故致因和風(fēng)險(xiǎn)點(diǎn)的重要度；

37、場(chǎng)景分類模塊，用于利用主題模型，并結(jié)合事故致因，對(duì)待分析的水上交通事故報(bào)告進(jìn)行場(chǎng)景分類，并構(gòu)建事故場(chǎng)景集。

38、根據(jù)本發(fā)明實(shí)施例的第三方面，提供了一種計(jì)算機(jī)設(shè)備。

39、在一些實(shí)施例中，所述計(jì)算機(jī)設(shè)備包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述方法的步驟。

40、根據(jù)本發(fā)明實(shí)施例的第四方面，提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

41、在一個(gè)實(shí)施例中，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述方法的步驟。

42、本發(fā)明實(shí)施例提供的技術(shù)方案可以包括以下有益效果：

43、（1）分析效率大幅提升：本發(fā)明設(shè)備通過自動(dòng)化的數(shù)據(jù)采集和智能分析算法，能夠快速處理大量事故報(bào)告，相比人工分析極大地縮短了分析周期，提高了水上交通安全管理的及時(shí)性和響應(yīng)速度。

44、（2）準(zhǔn)確性顯著增強(qiáng)：借助先進(jìn)的大語言模型和優(yōu)化的算法，對(duì)事故致因和風(fēng)險(xiǎn)點(diǎn)的識(shí)別更加準(zhǔn)確全面，減少了遺漏和誤判，能夠更精準(zhǔn)地挖掘事故報(bào)告中的關(guān)鍵信息，為風(fēng)險(xiǎn)評(píng)估提供可靠依據(jù)。例如，在對(duì)復(fù)雜事故場(chǎng)景的分析中，能夠準(zhǔn)確識(shí)別出多種因素的耦合作用，而現(xiàn)有技術(shù)可能僅能發(fā)現(xiàn)部分明顯因素。

45、（3）定量分析更精確：通過余弦相似度等定量分析方法，不僅能確定事故致因和風(fēng)險(xiǎn)點(diǎn)之間的關(guān)聯(lián)關(guān)系，還能精確衡量其耦合程度和風(fēng)險(xiǎn)重要度，為水上交通風(fēng)險(xiǎn)的量化評(píng)估提供了有效手段，彌補(bǔ)了現(xiàn)有技術(shù)在定量分析方面的不足。

46、（4）結(jié)果可靠性高：本發(fā)明基于大量的事故數(shù)據(jù)和科學(xué)的算法模型，分析結(jié)果具有良好的穩(wěn)定性和一致性，不受人工主觀因素的影響，能夠?yàn)樗辖煌ò踩芾聿块T和航運(yùn)企業(yè)提供可信的決策支持，相較于傳統(tǒng)方法和部分簡(jiǎn)單的數(shù)據(jù)分析技術(shù)，可靠性有了質(zhì)的飛躍。

47、應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性和解釋性的，并不能限制本發(fā)明。