長江干線水上交通事故黑點(diǎn)分析

， ，

(1. 武漢理工大學(xué) 智能交通系統(tǒng)研究中心，武漢 430063; 2. 國家水運(yùn)安全工程技術(shù)研究中心，武漢 430063; 3. 中國交通通信信息中心，北京 100011;4. 交通安全應(yīng)急信息技術(shù)國家工程實(shí)驗(yàn)室，北京 100011)

長江干線水上交通事故黑點(diǎn)分析

毛喆1,2，任欲錚1,2，桑凌志3,4

(1.武漢理工大學(xué)智能交通系統(tǒng)研究中心，武漢430063; 2.國家水運(yùn)安全工程技術(shù)研究中心，武漢430063; 3.中國交通通信信息中心，北京100011;4.交通安全應(yīng)急信息技術(shù)國家工程實(shí)驗(yàn)室，北京100011)

針對長江干線水上交通事故頻發(fā)的狀況，分析長江干線水上交通事故黑點(diǎn)特征，為水上交通安全監(jiān)管與船舶航行決策提供參考。長江海事局轄區(qū)2006—2010年的水上交通事故類型主要有碰撞、擱淺和觸礁等3種，分別多發(fā)于長江上游、中游及下游。利用DBSCAN算法提取長江干線水上交通事故的15個(gè)黑點(diǎn)段，結(jié)合實(shí)際通航環(huán)境條件分別對各個(gè)典型的事故黑點(diǎn)段事故特征和事故原因進(jìn)行分析，分析結(jié)果與實(shí)際情況相吻合，證明采用黑點(diǎn)分析方法分析長江干線水上交通事故的分布規(guī)律是可行的，可為制定水上交通安全管理措施提供理論依據(jù)。

水路運(yùn)輸；長江；水上交通事故；DBSCAN算法；事故黑點(diǎn)

Abstract: With the growing of both the number and the size of inland water ships, the risk of maritime accidents on the Yangtze River has been increasing. The analysis of the black-spots of the maritime accidents of the Yangtze River can assist in the marine traffic safety supervision and navigation decision-making. The data about the accidents within the period from 2006 to 2010 are received from the Yangtze River Maritime Safety Administration. The collision, stranding and grounding are investigated as the three main accident types. The data show that the main accident types are different on different regions of the Yangtze River, grounding for upper region, stranding for middle region, and collision for lower region. The DBSCAN algorithm is used and 15 black-spots of maritime accidents are extracted. In accordance with the actual navigation environment conditions, the characteristics of each typical accident black-spot are analyzed and the results show that this analysis method is practical and effective.

Keywords: waterway transportation; Yangtze River; maritime accident; DBSCAN algorithm; black-spot

水路運(yùn)輸是大宗商品的主要運(yùn)輸方式，在國內(nèi)外經(jīng)濟(jì)發(fā)展中占有重要地位，承擔(dān)著我國50%以上的國內(nèi)貿(mào)易和93%以上的對外貿(mào)易任務(wù)。[1]隨著我國沿海產(chǎn)業(yè)向內(nèi)陸轉(zhuǎn)移、城鎮(zhèn)化發(fā)展及西部大開發(fā)等政策對內(nèi)陸經(jīng)濟(jì)快速推動，內(nèi)河航運(yùn)蓬勃發(fā)展。以長江干線為例，2015年長江干線完成貨物通過量為21.8億t，連續(xù)11 a奪得世界內(nèi)河第一。[2]

隨著長江水上交通運(yùn)輸量快速增加，船舶數(shù)量和尺度也急劇增加，導(dǎo)致水上交通事故頻發(fā)。2009年8月10日，載有176 TEU集裝箱的“航龍518”輪在長江三峽石牌水域發(fā)生嚴(yán)重傾斜，造成62個(gè)集裝箱(包含12個(gè)危險(xiǎn)品集裝箱)落入江中； 2015年6月1日，“東方之星”游輪在長江監(jiān)利段因遭遇突發(fā)性強(qiáng)對流天氣而翻沉，造成442人死亡。水上交通事故已成為制約長江航運(yùn)發(fā)展的關(guān)鍵因素，因此需分析長江干線水上交通事故發(fā)生的基本特征和規(guī)律，為水上交通安全監(jiān)管和船舶航行決策提供技術(shù)支持，避免或減少重大水上交通事故發(fā)生。

水上交通事故分析是水上交通研究的重點(diǎn)。有學(xué)者[3]從人、船舶、環(huán)境及管理等角度出發(fā)研究造成事故的主要原因；有學(xué)者[4]從交通流特征出發(fā)，根據(jù)各類事故的概率模型計(jì)算事故概率；此外，還有一些學(xué)者[5]采用仿真方法進(jìn)行事故分析。長江干線水上交通安全評價(jià)模型可通過分析水上交通安全風(fēng)險(xiǎn)因素構(gòu)建判斷其危險(xiǎn)度并預(yù)測安全狀況趨勢。[6]基于事故統(tǒng)計(jì)數(shù)據(jù)，運(yùn)用事故分析技術(shù)，從不同角度分析事故發(fā)生的時(shí)間及空間分布等特征[7]，并運(yùn)用對數(shù)正態(tài)分布方法對事故的時(shí)間特征進(jìn)行擬合，可得到一定時(shí)期內(nèi)發(fā)生水上交通事故數(shù)量的置信區(qū)間。[8]通過分析事故發(fā)生規(guī)律的變化趨勢，不僅能得出長江各航段事故的特征，而且能采用灰色關(guān)聯(lián)分析法查找出事故情況與經(jīng)濟(jì)發(fā)展情況的關(guān)聯(lián)度。[9]受通航環(huán)境等因素影響，水上交通事故在給定統(tǒng)計(jì)周期內(nèi)的某些航道顯著密集分布，具有發(fā)生地點(diǎn)的傾向性。[10]采用數(shù)據(jù)挖掘方法找出事故黑點(diǎn)，利用少量數(shù)據(jù)對事故各致因因素與事故間的相關(guān)性進(jìn)行分析，可克服事故致因理論[11]需大量數(shù)據(jù)的弊端，是目前研究水上交通事故的新方法。由于我國的水上交通安全管理側(cè)重于事后應(yīng)急，因此缺乏對事故發(fā)生規(guī)律的深入性研究。[12]對此，基于長江海事局轄區(qū)2006—2010年的水上交通事故數(shù)據(jù)，利用DBSCAN (Density-Based Spatial Clustering of Applications with Noise)算法提取長江干線水上交通事故黑點(diǎn)，從而提出有效、可行的預(yù)防建議來減少或避免類似事故發(fā)生。

1 水上交通事故統(tǒng)計(jì)方法及區(qū)域特征

1.1 水上交通事故定義

根據(jù)《水上交通事故統(tǒng)計(jì)辦法》[13]，水上交通事故是指“船舶在航行、停泊、作業(yè)過程中發(fā)生的造成人員傷亡、財(cái)產(chǎn)損失、水域環(huán)境污染損害的意外事件”，但漁船之間、軍事船舶之間發(fā)生的交通事故及漁船、軍事船舶單方交通事故除外。按照不同的標(biāo)準(zhǔn)，水上交通事故可有不同分類方法。

1)按照事故發(fā)生原因，可將水上交通事故分為9類：碰撞事故；擱淺事故；觸礁事故；觸損事故；浪損事故；火災(zāi)、爆炸事故；風(fēng)災(zāi)事故；自沉事故；其他引起人員傷亡和直接經(jīng)濟(jì)損失的水上交通事故。

2)按照人員傷亡和直接經(jīng)濟(jì)損失情況，可將水上交通事故分為5個(gè)等級：小事故；一般事故；大事故；重大事故；特大事故。各等級事故的劃分按照表1的標(biāo)準(zhǔn)確定，但特大事故因其后果通常具有災(zāi)害性而由國務(wù)院單獨(dú)規(guī)定。

表1 水上交通事故分級標(biāo)準(zhǔn)表

1.2 長江干線水上交通事故基本特征

2006—2010年，長江海事局所管轄水域共發(fā)生水上交通事故1 708起，沉船268艘，死亡/失蹤273人，具體情況見圖1。

圖1 2006—2010年長江干線水上交通事故概況

由圖1可知，近年來長江海事局轄區(qū)主要事故數(shù)總體呈下降趨勢，但死亡/失蹤人數(shù)與沉船數(shù)存在較大波動，下降轉(zhuǎn)好趨勢不明顯，這與長江干線船舶的快速大型化有關(guān)，表明船員的安全意識及駕駛技能仍有進(jìn)一步提升的空間。

將長江干線分為上游、中游和下游等3個(gè)區(qū)域，不同區(qū)域水上交通事故類型的分布情況見圖2。

1)碰撞事故在長江下游的分布明顯高于中游和上游，達(dá)442起，占所有碰撞事故總數(shù)的58.5%。其主要原因在于：長江下游雖然航道較寬且水深充足，但全年船舶交通流量較大；特別是近年來船舶大型化發(fā)展造成航道擁擠，且下游航道優(yōu)越的自然條件更容易使船舶操縱者疏忽。

圖2 長江干線水上交通不同遇險(xiǎn)區(qū)域事故類型分布情況

2)擱淺事故在長江中游居多，達(dá)239起，占擱淺事故總數(shù)的50.5%。這主要是由于中游航道蜿蜒曲折，相比下游等地水深不足；特別是受季節(jié)性枯水期等因素影響，一些重點(diǎn)水域出現(xiàn)航道出淺情況。

3)觸礁事故在長江上游明顯高于其他航道，達(dá)101起，占觸礁事故總數(shù)的66.9%。這主要是由于上游部分航段處于三峽庫區(qū)回水變動區(qū)，水流紊亂造成船舶操縱困難，同時(shí)枯水期礁石岀淺礙航嚴(yán)重。

相比上游和中游，下游船舶交通流量更大、航行情況更加復(fù)雜，因而各類水上交通事故數(shù)量更多。由圖2可知，碰撞、擱淺和觸礁為長江干線最主要的事故類型，占80.7%，另外6種事故僅占到所有事故的19.3%。因此，這里主要對碰撞、擱淺和觸礁等3類事故進(jìn)行分析。

2 長江干線事故黑點(diǎn)提取方法

事故黑點(diǎn)理論[14-15]多用于道路交通事故，指在某一路段上一定時(shí)間內(nèi)發(fā)生交通事故的數(shù)量、特征與其他路段相比明顯突出的點(diǎn)。這里事故黑點(diǎn)是指長江干線水上交通事故多發(fā)的水域。

基于密度的聚類算法是針對任意形狀的聚類發(fā)現(xiàn)提出的，可理解為：每個(gè)聚類對應(yīng)數(shù)據(jù)分布在一個(gè)相對密集區(qū)，通過尋找由低密度區(qū)域(對應(yīng)噪聲或離群數(shù)據(jù))分割的連通高密區(qū)實(shí)現(xiàn)數(shù)據(jù)劃分。典型的算法有ESTER等[16]提出的DBSCAN，該算法根據(jù)空間密度的差別將具有相似密度的點(diǎn)作為一個(gè)聚類。由此，引入DBSCAN算法提取長江干線事故黑點(diǎn),這里事故黑點(diǎn)為半徑Eps(km)內(nèi)發(fā)生Minpts起以上事故的水域。

2.1 DBSCAN算法的基本概念

DSSCAN算法的基本概念[16]如下。

1)密度：空間中任意一點(diǎn)的密度是以該點(diǎn)為圓心、以Eps為半徑的區(qū)域內(nèi)包含的點(diǎn)數(shù)目。

2)鄰域：空間中任意一點(diǎn)的鄰域是以該點(diǎn)為圓心、以Eps為半徑的區(qū)域內(nèi)包含的點(diǎn)集合，記作Neps(p)={q∈D|dist(p，q)≤Eps}，這里D為數(shù)據(jù)庫。

(3)核心點(diǎn)和邊界點(diǎn)：空間中某一點(diǎn)的密度，若大于或等于某個(gè)給定閾值Minpts，則稱該點(diǎn)為核心點(diǎn)；否則稱其為邊界點(diǎn)。

4)直接密度可達(dá)：點(diǎn)p從點(diǎn)q直接密度可達(dá)，且滿足p∈Neps(q)，Neps(q)≥Minpts。

5)密度可達(dá)：在數(shù)據(jù)庫D中，若存在一組對象p1，p2，…，pn使得p1=q，pn=p，對于任意pi∈D(1≤i≤n)，pi+1是從pi關(guān)于Eps和Minpts直接密度可達(dá)的，則稱p是從q關(guān)于Eps和Minpts密度可達(dá)的。

6)密度相連：存在一點(diǎn)o，使得點(diǎn)p和點(diǎn)q是從o關(guān)于Eps和Minpts密度可達(dá)的，則點(diǎn)p和點(diǎn)q是關(guān)于Eps和Minpts密度相連的。

7)類：數(shù)據(jù)庫D的非空集合C是一個(gè)類，當(dāng)且僅當(dāng)?p，q，若p∈C，且從p密度可達(dá)q，則q∈C；?p，q，若p∈C，q∈C，則p和q是密度連接的。

8)噪聲：數(shù)據(jù)庫D中不屬于任何類的點(diǎn)為噪聲。

2.2 DBSCAN算法的實(shí)現(xiàn)

DBSCAN算法的實(shí)現(xiàn)過程如下。

1)初始化設(shè)置。

(1)在原數(shù)據(jù)庫D中增加用于存儲聚類結(jié)果的新屬性ClusterID，對其初始化歸零，形成新數(shù)據(jù)集D′。

(2)定義TempList用于臨時(shí)存儲兩點(diǎn)之間的距離小于半徑e的點(diǎn)。

(3)設(shè)定參數(shù)Minpts和Eps。

2)遍歷集合D′，依次將各個(gè)點(diǎn)作為種子點(diǎn)進(jìn)行考察，i=1，j=1，Cluster=1。

(1)對于任意一點(diǎn)pi，若pi的ClusterID=0，則搜索其Eps鄰域；若Neps(pi)≥Minpts，則點(diǎn)pi為核心點(diǎn)，令pi的ClusterID=Cluster，將pi的Eps鄰域包含的所有點(diǎn)存入到TempList中。

(2)遍歷TempList，將各個(gè)點(diǎn)作為種子點(diǎn)進(jìn)行考察，對于任意一點(diǎn)qj，若qj的ClusterID=0，則搜索其Eps鄰域；若Neps(qj)≥Minpts，則qj也是一個(gè)核心點(diǎn)，同時(shí)其是點(diǎn)qj的直接密度可達(dá)點(diǎn)，與pi同屬一類，令qj的ClusterID=Cluster；否則qj為邊界點(diǎn)，但qj的ClusterID=Cluster。若qj是核心點(diǎn)，點(diǎn)o∈Neps(qj)且o?TempList，則將點(diǎn)o存入到TempList中。最后，將點(diǎn)qj從TempList中刪除。

(3)j=j+1，若TempList為非空，則執(zhí)行步驟(2)。

3)i=i+1，Cluster=Cluster+1，執(zhí)行步驟(2)直至遍歷完數(shù)據(jù)集D′。

(4)刪除搜索數(shù)據(jù)集TempList。

至此，聚類結(jié)束，對數(shù)據(jù)集僅需搜索一次即得到最終結(jié)果。D′屬性數(shù)據(jù)庫中記錄了聚類結(jié)果，其中字段ClusterID值為零的點(diǎn)為噪聲點(diǎn)。

3 長江干線事故黑點(diǎn)提取與分析

3.1 基于DBSCAN算法提取長江干線事故黑點(diǎn)

針對事故發(fā)生地的航道里程建立數(shù)據(jù)庫D，運(yùn)用“2.2”節(jié)中DBSCAN算法的實(shí)現(xiàn)步驟，選取Eps=10 km，Minpts=20，對長江上游、中游和下游水上交通事故進(jìn)行分析。分別用A，B及C代表長江上游、中游和下游，共提取到長江干線事故黑點(diǎn)15個(gè)，其中，上游事故黑點(diǎn)1個(gè)(A1)，中游事故黑點(diǎn)6個(gè)(B1～B6)，下游事故黑點(diǎn)8個(gè)(C1～C8)，見表2。

表2 長江干線水上交通事故黑點(diǎn)分布位置

由于B1和C8正好處于長江中游與下游的分界處且緊鄰，因此合并B1和C8為黑點(diǎn)BC，得到長江干線共計(jì)14個(gè)黑點(diǎn)。這14個(gè)事故黑點(diǎn)水域總長571 km，占長江干線總長的27.19%；在這14個(gè)黑點(diǎn)上共發(fā)生事故963起，占事故總數(shù)的56.38%。

3.2 長江干線事故黑點(diǎn)特征分析

分析各黑點(diǎn)水域發(fā)生的主要事故類型及其與水位期的關(guān)系見表3。

表3 事故黑點(diǎn)內(nèi)主要事故類型與水位期的關(guān)系

由表3可知：以碰撞事故為主的事故黑點(diǎn)為B3，B2，C7，C6，C5，C4，C2和C1，主要集中在下游；以擱淺事故為主的事故黑點(diǎn)為A1，B6，B5和B4，主要分布在中游；以觸礁事故為明顯特征的事故黑點(diǎn)是A1，分布在上游；BC點(diǎn)和C3點(diǎn)擱淺事故雖多，但與碰撞事故數(shù)相比差別不大。

分別選取長江上游、中游和下游各1個(gè)事故黑點(diǎn)及中游與下游交界處事故黑點(diǎn)，結(jié)合其所在航道特征分析黑點(diǎn)成因。

1)長江上游事故黑點(diǎn)A1依次為銅鑼?shí){水道、通田壩水道、寸灘水道、朝天門水道、豬兒磧水道、三角磧水道、胡家灘水道和烏木樁水道。這其中，銅鑼?shí){水道和烏木樁水道通航條件惡劣，為通航控制河段，只能單向航行。該航段處于三峽回水變動區(qū)，在庫區(qū)蓄水期和泄洪期河道變動范圍大，航道發(fā)生較大的偏移。由此可見，通航環(huán)境短時(shí)間內(nèi)的急劇變化會引起事故數(shù)的增加，特別是擱淺和觸礁事故(該航段共發(fā)生擱淺事故26起、觸礁事故22起，分別占該航段事故總數(shù)的34.67%和29.33%)。

2)長江中游事故黑點(diǎn)B5依次為瓦口子水道、太平口水道和涴市水道。這其中，瓦口子水道系分汊變遷河道，主航道兩岸有塊石駁岸壓縮航道；太平口水道主流擺幅大、洲灘消長頻繁，枯水期兩槽及兩汊交叉作為主航道使用，為枯水期重點(diǎn)淺水道；涴市水道屬微彎分汊河段，受江心洲及邊灘等影響，該航段河道彎窄曲折，枯水期更甚。整體來說，該事故黑點(diǎn)段河道彎曲狹窄、航道演化變遷劇烈、主航道搖擺不定，同時(shí)淺灘亂石多、通航環(huán)境在枯水期更加惡劣，導(dǎo)致擱淺事故多發(fā)。該航段62.5%的事故發(fā)生在枯水期，51.52%的事故為擱淺事故。

3)長江中下游交界處事故黑點(diǎn)BC依次為青山夾水道、武橋水道和白沙洲水道。這其中：青山夾水道受天興洲右緣邊灘影響，枯水期航道變窄；武橋水道內(nèi)受武漢長江大橋通航孔寬度限制及漢江由此匯入長江，水流紊亂，船舶操作不慎易導(dǎo)致碰撞事故?？菟诎咨持匏雷蟀痘奈謇镆粠б仔纬蛇厼┗驕\埂進(jìn)而阻塞航道，同時(shí)又有漢陽邊灘導(dǎo)致擱淺事故多發(fā)。碰撞事故和擱淺事故分別占該航段事故總數(shù)的25.0%及32.5%。

4)長江下游事故黑點(diǎn)C1依次為馬鞍山水道、江心洲水道、西華水道、蕪湖水道和蕪湖大橋水道。這其中：馬鞍山水道洲頭有橫流，岸嘴突出且有回流花水；江心洲水道磯石突出，同時(shí)有邊灘、陡岸存在；蕪湖水道中山西嘴處于東轉(zhuǎn)北的急彎頂端，轉(zhuǎn)折處水流湍急，有大片回流花水。該段航道通航條件復(fù)雜，在蕪湖長江大橋、青弋江匯合處岸形突變使航道突然變窄，回流水花多、水流湍急紊亂，沿岸磯頭礁石多。該航段內(nèi)船舶交通流量較大，因此碰撞事故頻發(fā)，占該航段事故總數(shù)的64.95%。

4 結(jié)束語

1)隨著船舶數(shù)量增加及大型化發(fā)展，長江干線水上交通事故頻發(fā)，需對長江干線水上交通事故黑點(diǎn)進(jìn)行分析，為水上交通安全監(jiān)管和船舶航行決策提供技術(shù)支持。

2)利用長江海事局轄區(qū)2006—2010年的水上交通事故數(shù)據(jù)分析事故的區(qū)域分布特征。長江上游、中游和下游最主要的水上交通事故類型分別為觸礁、擱淺及碰撞。

3)利用DBSCAN算法提取出長江干線水上交通事故的15個(gè)黑點(diǎn)段，其中上游事故黑點(diǎn)段1個(gè)、中游事故黑點(diǎn)段6個(gè)、下游事故黑點(diǎn)段8個(gè)。

4)結(jié)合實(shí)際通航環(huán)境條件對各個(gè)典型事故黑點(diǎn)段的事故特征與事故發(fā)生原因進(jìn)行分析，發(fā)現(xiàn)分析結(jié)果與實(shí)際情況吻合，證明采用事故黑點(diǎn)方法分析長江干線水上交通事故的分布規(guī)律是可行的。

根據(jù)不同的通航條件對各類船舶提出有針對性的事故防范措施和安全建議，既可保證船舶安全通過事故多發(fā)的黑點(diǎn)段，也可幫助海事管理部門有針對性地對重點(diǎn)水域?qū)嵤┍O(jiān)管并優(yōu)化救援力量布置，進(jìn)而減少水上交通事故的發(fā)生，保障人命財(cái)產(chǎn)安全。

[1] 鄭和平. 2012年中國海員大會新聞發(fā)布會[EB/OL]. [2012-06-24].http://www.moc.gov.cn/zhuzhan/wangshangzhibo/2012haiyuandh/wenzishilu/index.html.

[2] 長江航務(wù)管理局.超越——寫在長江航運(yùn)“十二五”收官之際[EB/OL]. [2015-12-19]. http://www.cjhy.gov.cn/hangyundongtai/zhuanxianggongzuo/2015/20151228_shierwu/201512/t20151229_270200.html.

[3] 楊愛新. 長江內(nèi)河運(yùn)輸船舶事故的探討[J]. 南通航運(yùn)職業(yè)技術(shù)學(xué)院學(xué)報(bào), 2006(1):71-72.

[4] SCHOENEICH M. Probabilistic Model of Under-Keel Clearance Assessment As a Practical Tool for Ships’ Safety Determination in Existing and Designed Ports[C]// First International Conference on Transportation Information and Safety (ICTIS)， 2011:2690-2696.

[5] MONTEWKA J, HiNZ T, KUJALA P, et al. Probability Modelling of Vessel Collisions[J]. Reliability Engineering & System Safety, 2010, 95(5):573-589.

[6] 田麗娟, 張矢宇, 蔡愛國. 集對分析法在長江干線水上交通安全上的應(yīng)用[J]. 船海工程, 2013, 42(3):199-203.

[7] 毛喆, 嚴(yán)新平, 陳輝,等. 水上交通事故分析研究進(jìn)展[J]. 中國安全科學(xué)學(xué)報(bào), 2010, 20(12):86-92.

[8] 張金奮, 嚴(yán)新平, 陳先橋,等. 基于概率分布的長江干線水上交通事故分析[J]. 中國航海, 2012(3):81-84.

[9] 魏玉曉，李宗平，李宵寅.基于加權(quán)關(guān)聯(lián)規(guī)則的交通事故分析[J].交通信息與安全，2009(1)：94-97.

[10] 吳乃平. 充分認(rèn)識內(nèi)河船舶碰撞事故的若干特性[J]. 中國航海, 2010, 33(4):79-84.

[11] 郝勇, 童飛. 水上交通事故致因理論探討[J]. 船海工程, 2006(2):83-86.

[12] 郭君. 長江水上交通安全預(yù)警管理機(jī)制建設(shè)研究[D]. 武漢：武漢理工大學(xué), 2008.

[13] 交通運(yùn)輸部. 水上交通事故統(tǒng)計(jì)辦法[J]. 中華人民共和國國務(wù)院公報(bào), 2003(18): 34-36.

[14] 鮑海濤. 聚類分析在交通事故黑點(diǎn)智能排查中的應(yīng)用[D]. 長春：吉林大學(xué), 2005.

[15] HIROAKI H, SADAMITSU N, YOJI O. Development of Counting Method of Black Spots Caused by the Radioactive Contaminations on the Imaging Plate[J]. Japanese Journal of Radiological Technology, 2012, 68(5): 545-553.

[16] ESTER M, KRIEGEL HP A .Density-Based Algorithm for Discovering Clusters in Large Spatial Databases with Noise [C]//Proceedings of 2nd International Conference on Knowledge Discovery and Data Mining, Portland, 1996.

Black-Spot Analysis of Maritime Accidents on Yangtze River

MAOZhe1,2,RENYuzheng1,2,SANGLingzhi3,4

(1. Intelligent Transportation System of Research Center, Wuhan University of Technology, Wuhan 430063, China; 2. National Engineering Research Center for Water Transport Safety, Wuhan 430063, China;3. China Transport Telecommunication and Information Center, Beijing 100011, China;4. National Engineering Laboratory of Transport Safety and Emergency Informatics, Beijing 100011, China)

1000-4653(2016)04-0076-05

U698.6

A

2016-06-29

國家自然科學(xué)基金(51309187)

毛 喆(1976—)，女，湖北黃梅人，副研究員，研究方向?yàn)樗辖煌ò踩?。E-mail：yanar@sina.com