XiaoMi-AI文件搜索系统
World File Search System事故数据
人工智能对纽约放射学诊断错误医疗事故索赔的潜在影响
过去的医疗事故数据来自国家执业医师数据库 (NPDB) 公共使用数据库和 Westlaw 法律研究数据库。过去的暴露数据包括活跃放射科医生的数量和成像程序，来自 Harvey L. Neiman 卫生政策研究所 (NHPI)。这些数据集中的信息被结合起来，以了解过去的已付索赔率和放射科医生诊断错误导致的医疗事故索赔的平均赔偿金额。然后将已付索赔率预测到 2030 年，基线预测基于历史经验，不受人工智能的影响。还制定了三种法律情景，以创建到 2030 年的另外三个预测，考虑到人工智能的影响以及随着人工智能的采用，法律框架的变化。与基线预测相比，这三种情景的未来已付索赔率的百分比减少在 5% 到 36% 之间，具体取决于法律情景。对以往陪审团裁决和已结案的索赔的回顾还表明，未来专注于乳房 X 线摄影和 MRI 模式以及乳房和大脑解剖学的人工智能发展可以减少大额索赔的数量，从而降低平均赔偿金额。然而，如果大额裁决的数量增加，人工智能的引入也有可能提高平均赔偿金额，这可能受到人工智能涉及医疗事故案件时陪审员情绪的影响。
海军和海军陆战队事故和安全调查...
OPNAVINST 5102.1D CH-2 MCO P5102.1B Ch 2 OPNAV (N09F)/CMC (SD) 2010 年 10 月 5 日 OPNAV 指令 5102.1D 变更传送 2 海军陆战队命令 P5102.1B Ch 2 来自：海军作战部长办公室海军陆战队司令主题：海军和海军陆战队事故和安全调查、报告和记录保存 附件： (1) 修订后的第 2-1 页 (2) 修订后的第 3-13 页至第 3-17 页 (3) 修订后的第 5-7 页 (4) 修订后的第 6-18 页 (5) 修订后的第 G1-3 和 G1-4 页 1.目的。将本地事故日志与 Web Enabled Safety System (WESS) 报告进行核对，修改财产损失成本阈值并更新参考资料。a.添加子段落 3008.1c 以包括：“活动必须在财政年度结束后 60 天内确认已成功将所有可记录和可报告的事故数据提交给 WESS 数据库。如有差异，请联系 COMNAVSAFECEN WESS 帮助台寻求帮助。” b.修改段落 3009.2 以包括：“活动必须确保其本地年度摘要数据（OSHA-300A 或同等标准）与 WESS 年度摘要数据相匹配。这必须在财政年度结束后 60 天内完成。如有差异，请联系 COMNAVSAFECEN WESS 帮助台寻求帮助。”c. 修改 A、B 和 C 类财产损失事故的成本门槛。d. 更新第 3-16 页至第 3-17 页的参考资料。
爱达荷州提顿县安全资格申请...
爱达荷州提顿县正在寻求一家合格的专业交通咨询公司的服务，以帮助实施联邦“全民安全街道和道路”（SS4A）拨款，用于制定一项安全行动计划，该计划整合了当地、地区和全州的交通计划。我们正在寻求专业的交通规划服务，为我们压力过大的交通网络提供创新和创造性的解决方案，以提高所有用户的安全性和效率。安全行动计划将重点关注提顿县的州公路系统，特别是 33、31 和 32 号公路与市和县道路、小路和人行道的整合。交通数据、事故数据、利益相关者知识和社区意见将为确定关键关注领域提供信息。安全行动计划将提供一个框架，用于协调当地和地区交通计划以及建议的网络升级，以提高交通安全性和效率。安全行动计划应解决与安全和解决方案相关的所有网络用户，包括驾驶员、行人、骑自行车者、公共交通机构和商用车运营商。安全行动计划还必须包括美国交通部 (DOT) 在 SS4A 拨款中列出的组成部分。SS4A 行动计划的组成部分可在 SS4A 2023 NOFO 表 1 中找到，网址为：https://www.transportation.gov/sites/dot.gov/files/2023-03/SS4A-NOFO-FY23.pdf。
研究论文：识别事故原因以提高航空运输安全：提出一种深度学习方法
航空是一种复杂的运输系统，安全至关重要，因为飞机故障往往会造成人员伤亡。预防显然是航空运输安全的最佳策略。从过去的事故数据中学习以防止潜在事故的发生已被证明是一种成功的方法。为了防止潜在的安全隐患并制定有效的预防计划，航空安全专家从事故报告中确定主要因素和促成因素。然而，如今安全专家的审查过程已经变得非常昂贵。由于信息技术的加速发展以及商业和私人航空运输业的增长，事故报告的数量正在迅速增加。因此，应应用先进的文本挖掘算法来帮助航空安全专家促进事故数据提取过程。本文重点介绍如何构建基于深度学习的模型来识别事故报告中的因果因素。首先，我们使用来自航空安全报告系统 (ASRS) 的约 200,000 份合格事故报告准备用于训练、验证和测试的数据集。第十，我们采用开源自然语言模型作为基线，该模型经过大量维基百科文本训练，并根据事件报告中的文本对其进行微调，使其更适合我们的特定研究任务。最后，我们建立并训练基于注意力的长短期记忆 (LSTM) 模型，以识别每份事件报告中的主要因素和促成因素。我们提出的解决方案具有多标签功能，并且是自动化和可定制的，并且比现有研究中的传统机器学习方法更准确、适应性更强。深度学习算法在事件报告系统中的这种新应用可以有效提高航空安全。
附录 C
建议：有条件批准 该场地位于先前批准的 Sutton Bridge 太阳能发电场内。该场地位于尼尼河以东，Sutton Bridge 发电站东南 500 米处，距离 Sutton Bridge 村以南和以东约 1.25 公里。该场地面积约为 3.77 公顷。该场地将通过与太阳能发电场相同的地点进入，即从 Centenary Way，该路与东边约 1.5 公里处的 A17 相连。这也是目前已投入运营的 Sutton Bridge 太阳能发电场的主要场地通道。拟议开发项目的建设预计将在约 9-12 个月内完成，由此产生的任何影响都将是短期和暂时的。该项目的运营寿命为 40 年。拟议开发项目是临时和可逆的，在运营期结束时，拟议开发项目将根据当时的最佳实践退役。在 9-12 个月的施工期内，预计总共将有 329 辆重型货车运送。不需要异常负载。这相当于在 9 个月内每周平均有 8.4 次进站和 8.4 次出站重型货车行程（约 17 次双向），或在六天内每天有 1.4 次进站和 1.4 次出站行程（约 3 次双向）。这是在最集中的 9 个月期间计算得出的。如果施工需要 12 个月的最长预计时间，那么每周和每天的行程次数将会减少。其他车辆也将在施工期早期运抵现场。预计将有 70 次双向车辆运输。这些将包括挖掘机、拖拉机和拖车、伸缩臂叉车和移动升降工作平台 (MEWP)。一旦交付，大多数现场车辆预计将留在原地，直到每个施工阶段完成。假设最坏的情况是这些行程都发生在第一个月，那就相当于每周有 9 次入境和 9 次出境行程（大约 18 次双向）或每周六天内每天有 1.5 次入境和 1.5 次出境行程（大约 3 次双向）。考虑到预期的交通量，预计该开发项目不会对战略或地方道路网络造成额外的拥堵或延误。使用 Crashmap 网站（www.crashmap.co.uk）的公开信息对道路交通碰撞数据进行了更新评估。沿着从场地入口到 A17 的通道查询了最近的五年数据集（2018-2022）。2022 年在 Centenary Way 上记录了一起致命事故，涉及两辆车和一人伤亡，距离 King John Bank 交界处西北约 500 米。 2021 年，在 A17 和 King John Bank 交界处以东约 300 米处记录了一起轻微事故，涉及两辆车，造成一人伤亡。在 Sutton Road 记录了另外两起轻微事故，位于 A17/King John Bank 路口对面。事故数据并未显示任何“热点”或需要作为特别考虑的问题。
飞行模拟在 NTSB 事故调查中的作用
John O’Callaghan，NTSB 摘要 模拟是 NTSB 用于了解事故期间控制飞机运动的物理原理的工具之一。如今，NTSB 的工程桌面模拟程序基于 MATLAB，并包括一个“数学飞行员”，可以计算一组飞行控制和油门输入，以匹配给定的飞行轨迹（例如，由记录的雷达或 GNSS 数据确定）。描述飞机的数学模型必须从制造商处获得或以其他方式估算。此工具已用于重现和分析最近几起通用航空事故的记录飞行路径。但是，NTSB 也会在适当的情况下使用其他类型的模拟。本文将讨论美国国家运输安全委员会使用的三个不同级别的模拟：1) 全飞行飞行员训练模拟器，2) 没有飞行员界面的桌面工程模拟，以及 3) 用作事故数据“媒体播放器”的模拟器视觉效果和驾驶舱。这些不同层次将通过以下案例研究进一步说明：2009 年“哈德逊奇迹”在哈德逊河上迫降事件（US1549）、2001 年美国航空 587 号航班在纽约发生的事故（AA587）、2017 年皮拉图斯 PC-12 空间定向障碍事故以及 2015 年 F-16 战斗机与赛斯纳 150 空中相撞。在这些事件的调查中使用了以下模拟器：● 使用空客 A320 全飞行工程模拟器评估 US1549 飞行员可用的着陆选项，该航班在两台发动机因鸟击而失去推力后在哈德逊河迫降。此外，模拟器还用于评估实现规定的迫降着陆标准的操作可行性。● 将空客 A300 全飞行模拟器所基于的数学空气动力学和推进模型整合到桌面工程模拟器（无飞行员界面）中，以分析 AAL587 飞行数据记录器上记录的飞机运动。这项分析用于确定飞行员飞行控制输入和外部大气扰动（由尾流穿透引起）对飞机运动和载荷的相对重要性。此外，NASA Ames“垂直运动模拟器”（VMS）用于重现 AA587 场景，复制事件期间的视觉场景、驾驶舱控制运动、仪表显示、载荷系数（在限制范围内）和声音（包括驾驶舱语音记录器音频）。VMS 的这种“反向驱动”使调查人员能够评估飞机加速度可能如何影响副驾驶对方向舵踏板和其他飞行控制装置的反应。● 在桌面工程模拟器中使用 Pilatus PC-12 的仿真模型来计算一组飞行控制和油门输入，从而匹配记录的雷达数据。● 最后，对于空中相撞的情况，使用 Microsoft Flight Simulator X 描绘每架飞机驾驶舱的视觉场景，包括从每位飞行员的角度看到的冲突飞机的外观。该动画使调查人员能够确定每架飞机在碰撞前几分钟的可见性，并有助于说明“看见并避免”碰撞避免概念的局限性，以及驾驶舱显示交通信息的好处。