来源：期刊VIP网 时间：
作者：汤洪霞;郑静萱;李梦笛;邵志国;
单位：青岛理工大学管理工程学院;同济大学经济与管理学院;同济大学可持续发展与新型城镇化智库;
摘要：作为重要的城市交通基础设施之一，地铁在运营过程中受到诸多自然灾害的严重威胁。因此，充分挖掘自然灾害下地铁运营事故数据中的有效信息和潜在规律，提升对地铁运营事故致因的认知水平具有重要意义。基于机器学习技术，利用中央广播电视总台新闻新媒体的网络新闻文本，通过隐含狄利克雷分布（latent Dirichlet allocation,LDA）主题模型、词向量（word to vector,Word2Vec）模型及主成分分析（principal component analysis,PCA）降维，挖掘事故致因并归纳自然灾害下地铁运营“事故致因-主要影响-风险应对”的管理策略。结果表明：自然灾害下地铁运营事故致因主要有暴雨灾害、台风灾害、暴雪灾害、地震灾害、城市管网建设不协调和应急管理体系不完善等6个方面；暴雨灾害和台风灾害之间相关性较强，城市管网建设不协调与4类自然灾害关系密切，应急管理体系不完善则相对独立。研究结果可为地铁运营相关单位的防灾减灾工作提供理论支撑，有效提高地铁系统抵御自然灾害的能力和运营安全水平。
关键词：地铁运营事故;;事故致因挖掘;;自然灾害;;机器学习;;隐含狄利克雷分布(LDA)主题模型;;文本挖掘
基金资助：国家自然科学基金项目(72304161、71874123、71974122);; 山东省自然科学基金项目(ZR2024QG020、ZR2022QG029);; 2023年度青岛市社会科学规划研究项目(QDSKL2301134)
