利用海上交通事故空间分布特征进行安全分析是海上交通安全管理的重要组成部分.本文使用厦门港2008-2020年的海上交通事故数据,经过事故数据空间分布特征提取、分析及预测等流程,最终得到厦门水域海上交通事故潜在危险区域.本文首先使用原始事故数据在GIS软件中进行空间定位,形成事故点的可视化空间分布图,然后使用核密度分析法鉴别海上交通事故多发区域,再利用空间自相关分析法,得到该区域事故空间的分布特征和具体的聚集点,最后使用该分布特征、对目标水域数据进行标准化网格切分,并利用机器学习算法对潜在事故风险区域进行预测.本文在核密度分析结果中发现:就事故频度而言,厦门湾和西海域交通事故频度较高.在空间自相关分析的结果中表明:就空间分布特征而言,厦门港的空间分布出现聚集特征且为空间正相关模式,且就事故具体的空间聚集点而言,厦门湾和西海域仍是事故高发的中心区域.而最后的厦门湾及周边水域风险预测模型显示:潜在事故风险区域多位于沿海和河口交汇区域.本文研究结果表明在基于地理空间数据分布特征提取和网格化分析的基础上,结合机器学习方法(随机森林),对于海上交通事故的预测具有良好的效果.

海上交通事故;空间分布特征;核密度分析;空间自相关分析;事故预测;随机森林;厦门港;风险

集美大学航海学院,厦门361021;船舶辅助导航技术国家地方联合工程研究中心,厦门361021;中科(厦门)数据智能研究院,厦门361021;上海海事大学商船学院,上海201306

[1]杨洋;邵哲平;赵强;潘家财;胡雨;梅强-.基于厦门港的海上交通事故地理空间分布及风险预测研究)[J].地球信息科学学报,2022(09):1676-1687

厦门港,海上交通事故,故地,地理空间分布,预测研究,用海,空间分布特征,安全分析,海上交通安全管理,事故数据,数据空间,水域,潜在危险,危险区域,行空,空间定位,成事,空间分布图,核密度分析法,多发区,空间自相关分析,相关分析法,切分,机器学习算法,事故风险,风险区,频度,厦门湾,西海,海域,相关模式,空间聚集,中心区,边水,风险预测模型,河口,口交,交汇区,地理空间数据,数据分布,网格化,机器学习方法,事故预测

0.252475