Identifying the emerging vulnerability of railway transport systems across countries by automated analysis of railway accident reports
Notice bibliographique
Résumé
Although railway accident reports and recommendations are proposed after railway accidents, practitioners and researchers suffer from the need to deal with a large amount of textual data given that most railway safety-related information is recorded and stored in the form of text. Hence, there is a growing need for accurate estimations of the vulnerability of railway transport and for effective mitigation strategies. This thesis extends knowledge on the vulnerability of the railway system by exploring the underlying hazards and building rigorous and automated models to enlarge the database. The conceptual frameworks HazardMap and RecoMap were developed to overcome this gap, using Natural Language Processing (NLP) topic models for the automated analysis of textual data to extract critical insights. Empirical data was retrieved from official railway accident reports published by four countries: Australia - the Australian Transport Safety Bureau (ATSB), the UK - Rail Accident Investigation Branch (RAIB), the US - National Transportation Safety Board (NTSB) and Canada - the Transportation Safety Board of Canada (TSB). Scoping workshops and a survey were conducted to evaluate the usefulness and consistency of railway practice. Case studies of the application to the risk at level crossings and the platform–train interface risks are provided to illustrate how the models proposed work with real-world data. The interpretation of findings indicates the potentially emerging hazard of deterioration in railway safety. Potential barriers to learning across jurisdictions and time might deteriorate the organisational safety culture and endanger railway. To address such obstacles, the HazardMap and RecoMap proposed are capable of automating hazard analysis with adequate accuracy to help stakeholders better understand hazards and help practitioners learn across jurisdictions and time.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,015 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».