【摘 要】
：
充分挖掘场景数据可以客观预测现场的安全状况，为安全管理工作提供可靠依据。但当前有关大范围的场景的数据相对较少，并且获取的场景数据也多限于直观的人的动作或物的状态。为了进一步挖掘统计数据中的安全规律，以人的不安全行为为研究对象，在场景研究的基础上，分析泛场景数据的理论内涵，提出从时间、位置区域、行为个体、不安全动作、行为性质、行为痕迹、风险等级等7个维度表征不安全行为泛场景数据。人的不安全行为场景主
【机 构】
：
中国矿业大学(北京)资源与安全工程学院,北京100083
【出 处】
：
第五届行为安全与安全管理国际研讨会
论文部分内容阅读
充分挖掘场景数据可以客观预测现场的安全状况，为安全管理工作提供可靠依据。但当前有关大范围的场景的数据相对较少，并且获取的场景数据也多限于直观的人的动作或物的状态。为了进一步挖掘统计数据中的安全规律，以人的不安全行为为研究对象，在场景研究的基础上，分析泛场景数据的理论内涵，提出从时间、位置区域、行为个体、不安全动作、行为性质、行为痕迹、风险等级等7个维度表征不安全行为泛场景数据。人的不安全行为场景主要有现实场景和抽象场景2个来源，现实场景主要包括现场图片和视频资料，抽象场景包括事故报告和相关数据统计资料。通过对现实场景和抽象场景这2个层面的采集数据进行单维度统计分析及多维度关联规则挖掘，实现了泛场景数据的应用。从全国225起瓦斯爆炸事故中采集871条不安全行为泛场景数据，按操作对象和行动环境对不安全动作进行合并归类，对其进行统计分析，然后基于Apriori算法以不安全动作维度和位置区域维度关联规则为例，找出在不同的矿井位置区域最易出现哪种不安全动作，说明不安全行为泛场景数据多维度关联规则的挖掘。分析结果表明，泛场景数据的理论和方法可以用来有效挖掘和释放统计数据的价值，从多维度深入分析不安全行为的内在特征规律。
其他文献
在安全管理中，最重要的是基于可靠而充分的安全信息做一个有效的安全决策。但令人遗憾的是，因安全决策所需的必要安全信息缺失而导致的许多安全管理失败问题经常发生。由于事实是最重要的决策依据和基础，因而，若我们将更多的努力致力于寻找与一个安全管理问题相关的最佳证据时，必将会获得一个更有效的安全管理方案。而有一种新的决策范式(方法)，即循证实践或基于证据的实践(EBP)，其正好是使用目前最佳证据进行有效的决
中国对于化工行业合规性的的监管要求一直在提高，但在过去十年还是发生了几起特别重大的化工事故。每当事故发生之后，事故调查的一个重点几乎都是集中于个人、组织、监管机构的不合规行为。然而，化工行业不同于建筑、机械、民航，它是一个高技术且复杂性大的行业，涉及许多领域的安全技术。因此，需要更多的安全规章来指导，包括安全、消防、环保、建筑、设备等等，这大大增加了化工企业合规审计的难度。这种基于规范性规则的方式
政府安全监管在安全生产事故预防与治理过程中有着重要作用，为研究目前我国政府安全监管的研究现状、热点及未来的研究趋势，本文利用Citespace软件，基于知网数据库，以政府安全监管为主题，搜集并筛选出从1999年至2017年的1234个有效数据，对这些有效数据进行关键词、主题、作者、机构等可视化分析，画出共现图表。分析得出，目前我国政府安全监管领域的研究正初步展开，但以政府安全监管为对象的研究较少，
大学生的心理健康问题已经成为当前学术界研究的热点问题之一。贫困大学生作为高校学生中的一个特殊群体，在学习、生活、社会交往等诸多方面都表现出特殊性。本研究运用问卷调查法和访谈法，以北京市某5所高校的580名贫困大学生为研究对象，采用中国大学生心理应激量表(CCSPSS)、自评抑郁量表(SDS)、心理资本问卷(PCQ)进行调查分析，了解贫困大学生压力、抑郁以及心理资本的现状，并探讨三者之间的关系，以期
为构建良好的社区安全氛围，提高社区安全管理水平，分析居民参与、社区归属感对社区安全氛围的影响作用，并将居民参与划分居民参与意愿和居民参与能力等2个维度，社区安全氛围划分为安全意识、安全交流、安全教育、风险准备和管理重视等5个维度，进而提出相应的假设，即居民参与社区安全氛围有正向影响，社区归属感与社区安全氛围有正向影响，居民参与对社区归属感有正向影响，社区归属感在居民参与和社区安全氛围中有正向影响；
为有效分析煤矿顶板事故风险，综合Bow-tie模型与模糊集合理论，提出一种煤矿顶板事故的模糊Bow-tie模型定量风险分析方法。首先，结合Bow-tie模型与模糊集合理论，提出了模糊Bow-tie模型理论，由此构建煤矿顶板事故的模糊Bow-tie模型，运用模糊集合理论与专家评价法，定量分析煤矿顶板事故的基本事件的模糊失效概率，然后利用敏感性分析方法揭示顶板事故的主要风险影响因，发现空顶作业、未敲帮
面临煤矿井下复杂的环境、矿工不安全行为多种多样等问题，各种人工智能识别技术在煤矿井下的应用各有其优缺，单一的人工智能识别技术很难有效、准确地识别出矿工的不安全行为.如何选择、融合、发展各种技术，使其适用于矿工不安全行为的识别则显得尤为重要.为有效识别矿工不安全行为，预防煤矿安全事故，通过对比分析基于深度学习的计算机视觉、表示深度信息的深度图像、可穿戴传感器在人体行为识别上的应用特点，提出运用主成分
为了探究矿工不安全行为组织干预效果，深入分析其时效性，结合煤矿实际建立了涵盖整个煤矿系统的组织干预系统。在分析矿工不安全行为组织干预策略因果关系的基础上，以系统动力学理论和方法为基础，构建矿工不安全行为组织干预模型。通过该来描述煤矿不同层级管理人员和矿工组成的动态系统中影响因素之间的相互影响关系，分析导致不安全行为的系统原因。采用Vensim仿真软件进行了不同时长以及不同干预系数下的动态模拟仿真，
为了探究煤矿组织安全行为对个体不安全行为的作用机理，总结国内外相关研究成果，提出个体不安全行为包含心理、生理、技能3个影响因素，涵盖记忆、思维、情绪、意志、性格、气质、能力、态度、知识、专业操作技能10个方面.在此基础上，构建了组织安全行为对个体不安全行为的结构方程模型(SEM)，运用统计分析方法(AMOS 17.0)进行了验证分析.组织安全行为影响因子确定、个体不安全行为影响因子的确定，组织安全
为量化分析不安全行为造成的风险，依托长三角多家家具厂机械制造车间所发生的事故，对车间中发生的不安全行为进行分类和描述后，构建基于蒙特卡罗法的不安全行为风险评估模型，该模型依据不安全行为发生的概率和造成的事故损失确定功能函数，通过计算机模拟给出每个工作岗位的行为风险大小，并进一步对铣床、钻床、锯机、刨床及砂光机五个岗位上的行为风险后果值进行了累计概率分布，并运用敏感性分析方法得出得出各个不安全行为对