CN110288200A - 一种危化品运输安全风险防控系统及方法 - Google Patents
一种危化品运输安全风险防控系统及方法 Download PDFInfo
- Publication number
- CN110288200A CN110288200A CN201910459513.1A CN201910459513A CN110288200A CN 110288200 A CN110288200 A CN 110288200A CN 201910459513 A CN201910459513 A CN 201910459513A CN 110288200 A CN110288200 A CN 110288200A
- Authority
- CN
- China
- Prior art keywords
- rate
- enterprise
- data
- index
- harmful influence
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000002265 prevention Effects 0.000 title claims abstract description 27
- 238000011156 evaluation Methods 0.000 claims abstract description 54
- 238000012502 risk assessment Methods 0.000 claims abstract description 29
- 238000004519 manufacturing process Methods 0.000 claims abstract description 11
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 238000001514 detection method Methods 0.000 claims abstract description 8
- 238000007726 management method Methods 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 6
- 238000012417 linear regression Methods 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000013210 evaluation model Methods 0.000 claims description 4
- 238000012067 mathematical method Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000012797 qualification Methods 0.000 claims description 4
- 206010039203 Road traffic accident Diseases 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 230000015556 catabolic process Effects 0.000 claims description 2
- 239000003245 coal Substances 0.000 claims description 2
- 238000006731 degradation reaction Methods 0.000 claims description 2
- 238000012847 principal component analysis method Methods 0.000 claims description 2
- 238000012795 verification Methods 0.000 claims description 2
- 230000032258 transport Effects 0.000 description 26
- 238000004458 analytical method Methods 0.000 description 7
- 239000013589 supplement Substances 0.000 description 4
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000000513 principal component analysis Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000008092 positive effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 239000000383 hazardous chemical Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0832—Special goods or special handling procedures, e.g. handling of hazardous or fragile goods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0838—Historical data
-
- G06Q50/40—
Abstract
本发明涉及一种危化品运输安全风险防控系统及方法，系统包括用以定期采集包括企业运营安全、生产安全、从业人员素质、车辆状况方面数据的原始数据采集模块；用以进行预处理的数据预处理模块；用以根据构建的综合评估指标体系，计算每一个评估指标的量值的评估指标计算模块；用以根据评估指标，构建安全风险评估模型的评估模型生成模块；用以基于模型得到的结果，根据管理目标和实际需要生成企业安全风险评估结果，并生成固定格式的安全风险评估报告的系统辅助决策模块。与现有技术相比，本发明有利于进一步提升危化品运输安全水平，为部门实施监管、企业自身查漏补缺并及时采取改进措施、预防事故发生提供客观依据。
Description
技术领域
本发明涉及危化品运输安全技术领域，尤其是涉及一种危化品运输安全风险防控系统及方法。
背景技术
近年来，随着社会对危险化学品(以下简称“危化品”)的需求增加，危化品运输经营企业、运输车辆和从业人员也逐年增加。但由于企业管理和部门监管相对滞后、企业安全设施投入不足、从业人员安全意识薄弱等各种原因导致危化品道路运输存在着一定的安全隐患。危化品往往具有剧毒性、爆炸性、腐蚀性、放射性等特殊属性，发生安全事故后更容易导致严重的次生灾害并造成严重的社会负面影响，因此对危化品运输安全风险防控的能力需要同步提高，这就对多部门的协同监管、企业自身的运营管理、驾驶人员能力和素质提升、车辆状况和性能把控等方面提出了更严苛的要求。但现实情况中往往存在着诸多瓶颈或缺陷，具体表现在：
在多部门协同监管方面，以往各部门基本单独运作，审批、运营、执法等过程相互割裂，多源信息无法做到实时共享，监管部门无法在第一时间准确把握危化品运输过程中的薄弱环节；企业运营管理方面，违规挂靠经营、超载运输、超时工作等违章行为十分严重，企业对运营车辆和从业人员的管理不到位等造成运输过程的风险显著增加；驾驶员方面，存在驾驶技术能力不足、安全意识薄弱、驾驶行为不规范如违规变道、超速行驶、随意变更路线、闯禁区、疲劳驾驶等，以及安全学习和专业化培训不到位或流于形式；运输车辆方面，存在未按期完成公安车管机构的安全检查、车辆技术等级不过关、未落实按期进行隐患排查的制度、老龄车辆不淘汰、罐车罐体等不符合国家相关技术标准等问题，车辆和货物例行检查不细致不到位，危化品运输过程中存在车辆或货物自燃、货物泄漏等安全风险。
总之，运输企业安全措施执行不力、驾驶人安全意识缺乏、驾驶人行车不遵守规章制度、车辆检测检查不到位、管理上存在疏漏等各方面均存在导致安全风险的因素。因此，一方面，有必要采用基于系统安全的分析方法，从涵盖运输企业、驾驶人、车辆、管理制度等多个方面建立具备鲁棒性的企业安全风险评估体系；另一方面，由于企业是从事危化品运输活动的主体，加强对企业的危化品运输安全风险水平进行评估，对改善危化品运输安全水平具有很强的针对性和指导性。通过定期掌握企业管理制度落实情况、驾驶人驾驶行为对规章的遵守程度、车辆的安全措施执行情况，并基于此多源数据信息构建危化品运输安全风险防控系统，以便对运输企业中存在的不确定风险实施综合预判，管理部门据此提前警告并督促企业改进，查漏补缺，对主动防控事故风险、预防事故发生、减少生命财产损失具有积极意义。
目前来看，相关企业和研究人员已研发设计大量针对提升危化品运输安全水平的设备及技术系统，包括危化品运输车辆状态监控与位置跟踪、货物状态监控、事故预警、应急处理和救援、运输调度与管理等，主要是从物联网技术和安全设施改善的角度提升车辆和货物的安全性，但目前结合危化品运输企业管理、从业人员情况、车辆检测状况、交警反馈的执法情况、以及保险理赔等多源信息并从管理的角度对危化品运输安全风险实施综合预判与主动防控的技术成果较少。如何有效评估危化品运输企业的综合安全风险水平、避免安全漏洞并主动预防事故成为一个重要而且棘手的问题。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种危化品运输安全风险防控系统及方法。
本发明的目的可以通过以下技术方案来实现：
一种危化品运输安全风险防控系统，包括：原始数据采集模块、数据预处理模块、评估指标计算模块、评估模型生成模块、系统辅助决策模块。
原始数据采集模块：实施定期数据采集(可按月、季度、半年或年等不同时间周期)，采集包括企业运营安全、生产安全、从业人员素质、车辆状况等方面的原始数据，涉及交通警察部门对驾驶违章、交通事故、驾驶证书的管理信息，道路交通运输行业主管部门对运输企业的日常监管数据，保险监管部门存档的对企业的保险单和理赔信息等；原始数据采集完成后将数据信息传递给数据预处理模块。
数据预处理模块：对原始数据进行校验、清洗、筛选等预处理。校验预处理用于剔除原始数据中的错误或粗差；清洗预处理用于发现并纠正数据文件中可识别错误；筛选预处理用于对数据根据类别、完整程度进行合理挑选。
评估指标计算模块：在原始数据经过预处理之后，根据系统中构建的综合评估指标体系，逐一计算每一个评估指标的量值。根据风险评估目标和需要，指标计算可按月、季度、半年和年等不同时间周期进行。由于评估指标种类较多，指标之间数据类型存在较大的差异性，为统一量纲，对相关指标进行标准化处理。
评估模型生成模块：根据已计算得到的评估指标体系，综合采用基于层次分析法、主成份分析法、数据包络分析法、基于多元线性回归的绝对风险法等其中的一种或多种数学分析方法构建安全风险评估模型。
系统辅助决策模块：基于安全风险评估模型得到的结论，根据管理目标和实际需要按照月、季度、半年、年等时间周期生成企业安全风险评估结论，并按照红、橙、黄、绿四个风险等级显示危化品运输企业的综合安全风险水平，生成固定格式的安全风险评估报告。
一种危化品运输安全风险防控方法，具体包含以下步骤：
(一)、确立多源数据融合的综合评估指标体系并采集相应的原始数据。
从涵盖运输企业、驾驶人、车辆、管理制度等多个方面建立具备鲁棒性的企业综合安全风险指标评估体系。收集包括企业运营安全、生产安全、从业人员素质、车辆状况等方面的原始数据，具体涉及如企业基本信息表、车辆信息表、从业人员基本信息表、企业诚信考核情况、事故(轻微、一般、重大、特大等)数量、有责理赔数量、违章数量、驾驶证降级和吊销信息、驾驶证逾期未检、从业人员安全教育与诚信考核情况、车辆投保情况及GPS设备报警信息(包括车辆超速、夜间行驶、疲劳驾驶、闯禁区、GPS应答率等)。
(二)、对收集到的原始数据进行校验、清洗、筛选等预处理。
采集的原始数据来源于企业自身、行业监管部门、公安交警和车管、保险理赔等众多部门，来源复杂，类型多样，需要对采集的原始数据进行预处理，主要包括数据校验、数据清洗及数据筛选。
数据校验包括剔除原始数据中的错误或粗差，消除粗差对模型构建和数据分析结果的不利影响。数据清洗包括发现并纠正数据文件中可识别的错误，涉及检查数据一致性、处理无效值和缺失值，将错误的数据纠正或者删除，采用的方法有估算、整例删除、成对删除等；数据筛选是对相关性很强或重复度很大的数据根据类别、完整程度等进行合理挑选，减小指标之间的相关性。
(三)、逐一计算各评估指标量值，并对指标进行标准化和分类处理。
在原始数据经过预处理之后，根据步骤(一)中确定的企业综合安全风险指标评估体系，逐一计算每一个评估指标的量值。
在企业运营安全方面，确定需要计算的指标包括但不限于超速率、疲劳驾驶率、闯禁区率、未按标志行驶率、不按规定进入道口率、其他违章率、GPS应答率、GPS上线率、隐患排查率、事故上报率、企业诚信考核成绩和标准化达标。
在生产安全方面，确定需要计算的指标包括但不限于轻微事故率(全、主、同、次)、重、特大事故率及有责保单率。
在人员素质方面，确定需要计算的指标包括但不限于驾驶证降级率、驾驶证吊销率、驾驶证逾期未检率、从业人员继续教育情况以及诚信考核成绩平均分。
在车辆情况方面，确定需要计算的指标包括但不限于公安车管车辆逾期未检率、车辆技术等级、车辆服役时间、未投保率、安全附件检测合格率以及槽罐车罐检合格率。
评估指标计算方法如下：
1)超速率＝评价周期内企业超速总次数/企业营运车辆数，其中超速次数可依据车辆GPS超速报警次数，执法总队、电子警察和交警的超速处罚记录作为补充。
2)超员率＝评价周期内企业超员总次数/企业营运车辆数，超速次数来源于执法总队、电子警察和交警的处罚记录。
3)疲劳驾驶率＝评价周期内疲劳驾驶次数/企业车辆数，疲劳驾驶次数主要依据车辆GPS疲劳驾驶报警记录，以执法总队、电子警察和交警的处罚记录作为补充。
4)夜间行驶率＝评价周期内夜间行驶次数/企业车辆数，夜间行驶次数可依据车辆GPS疲劳驾驶报警记录，以执法总队、电子警察和交警的处罚记录作为补充。
5)超载率＝评价周期内企业超载总次数/企业车辆数，超载次数主要依据执法总队、电子警察和交警的处罚记录。
6)闯禁区率＝评价周期内企业车辆闯禁区的总次数/企业车辆数，闯禁区次数可依据车辆GPS疲劳驾驶报警记录，以执法总队、电子警察和交警的处罚记录作为补充。
7)超长距离业务率＝评价周期内企业的超长距离业务次数/企业车辆数，超长距离业务次数主要依据交警和执法总队的处罚信息。
8)不按规定路线行驶率＝评价周期内企业的不按规定路线行驶次数/企业车辆数，不按规定路线行驶次数可依据车辆动态监控系统的报警数据。
9)不按规定进站率＝评价周期内企业的不按规定进站次数/企业车辆数，不按规定进站次数可依据车辆动态监控系统的报警数据。
10)未按包车牌约定事项运营率＝评价周期内企业的相应报警次数/企业车辆数，报警次数可依据车辆动态监控系统的报警数据。
11)未申请标志牌出市境率＝评价周期内企业的相应报警次数/企业车辆数，报警次数来源于车辆动态监控系统的报警数据。
12)其他违章率＝评价周期内企业的其他违章总次数/企业车辆数，除超速、超员、超载、疲劳驾驶、夜间行驶和闯禁区之外的其他违章行为，主要依据执法总队、电子警察和交警的处罚记录。
根据管理目标和风险评估需要，指标计算可按月、季度、半年和年等不同时间周期进行。
评估指标种类较多，指标之间数据类型、数据格式差异性大，为统一量纲，对指标进行标准化处理。采用的方法有极差标准化和方差标准化两种。
对于过于离散且数据量较少的指标，采用数据合并或者仅选择其中一个作为代表指标，将各项指标数据转成分类划分的指标，采用统计学中的equal-depth方法，将数据根据其排列等分进划分的类别中。
(四)、分析比较不同的评估方法，合理筛选评价指标并确立评估方法，建立企业安全风险评估模型。
针对危化品运输的组成与运行特点、运营风险评估的目标、已建立的评估指标体系以及常用评估方法各自的特点，将不同的评估方法灵活应用于危化品运输运行风险的评估过程中，综合运用层次分析法、主成分分析法、数据包络分析法、基于多元线性回归的绝对风险法多种数学分析方法或其中一种构建安全风险评估模型，使针对运输企业的风险评估更为全面、科学与合理。
其中，主成分分析法和层次分析法通过确定各评价指标的评价权重，根据各指标的统计数据加权求和，将同一行业的所有企业放在一起排序比较安全生产风险。主成分分析法利用历史数据客观的计算实际权重；层次分析法利用专家打分来确定各指标之间的相对权重；数据包络法模型的权重由数学规划根据数据产生，同时处理比例数据和非比例数据；基于多元线性回归的绝对风险法准确地计算各个因素之间的相关程度与回归拟合程度的高低，可以有效量化不同影响因素对于因变量的影响程度，通过标准的统计方法可以计算出唯一的结果。应用中可结合原始数据的特点确定采用哪一种或是以某一种为主、其余为辅的方法。
(五)、获取安全风险评估结果，生成安全风险评估报告。
根据安全风险评估模型得到的结论，根据需要按照月、季度、半年、年等时间周期生成企业安全风险评估结果，按照红、橙、黄、绿四个风险等级显示企业的危化品运输综合安全风险，并生成固定格式的安全风险评估报告。
与现有技术相比，本发明具有以下优点：
一、本发明基于系统安全的分析方法，综合利用危化品运输企业管理、从业人员情况、车辆检测状况、行业监管数据、交警反馈的执法情况、以及保险理赔等多源数据信息融合，从涵盖运输企业、驾驶人、车辆、管理制度等多个方面建立具备鲁棒性的企业综合安全风险指标评估体系，对危化品运输企业的安全风险实施综合预判与主动防控，与大多从物联网、安全设备改造等现有技术在一定程度上形成了互补，对现有技术进行了补充和完善；
二、本发明可对企业的危化品运输安全风险水平进行评估，量化得到的企业危化品运输安全风险水平，有利于监管部门及企业自身找出危化品运输过程与系统中存在的薄弱环节，进而提出相应的风险应对措施和改善建议，促进企业查漏补缺、主动预防、不断完善，对改善危化品运输安全水平具有很强的针对性和指导性，对主动防控事故风险、预防事故发生、减少生命财产损失具有重要的积极意义。
附图说明
图1为本发明一种危化品运输安全风险防控系统的结构框图；
图2为企业综合安全风险评估指标体系需要计算的指标分布图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。
如图1所示，本发明涉及一种危化品运输安全风险防控系统，包括原始数据采集模块、数据预处理模块、评估指标计算模块、评估模型生成模块、系统辅助决策模块。原始数据采集模块实施定期数据采集包括企业运营安全、生产安全、从业人员素质、车辆状况等方面的原始数据，涉及交通警察部门对驾驶违章、交通事故、驾驶证书的管理信息，道路交通运输行业主管部门对运输企业的日常监管数据，保险监管部门存档的对企业的保险单和理赔信息等；原始数据采集完成后将数据信息传递给数据预处理模块。数据预处理模块对原始数据进行校验、清洗、筛选等预处理。评估指标计算模块在原始数据经过预处理之后，根据系统中构建的综合评估指标体系，逐一计算每一个评估指标的量值。评估模型生成模块根据已计算得到的评估指标体系，构建安全风险评估模型。系统辅助决策模块根据管理目标和实际需要生成企业安全风险评估结果，并按照红、橙、黄、绿四个风险等级显示危化品运输企业的综合安全风险水平，生成固定格式的安全风险评估报告。
一种危化品运输安全风险防控方法，具体包括以下步骤：
步骤一：确立多源数据融合的综合评估指标体系并采集相应的原始数据。
以综合评估运营企业的危化品运输安全风险水平为目标，基于系统思维的安全分析方法，从涵盖运输企业、驾驶人、车辆、管理制度等多个方面建立具备鲁棒性的安全风险指标评估体系。以该指标体系为依据，收集包括企业运营安全、生产安全、从业人员素质、车辆状况等方面的原始数据。这些数据从驾驶人、运营车辆、安全事故、企业管理措施、监管制度执行情况等多个角度反映危化品运输企业安全水平状况。一般可采集到的原始数据类型如表1所示。
表1采集的原始数据类型一览表
步骤二：对原始数据进行校验、清洗、筛选等预处理。
采集的原始数据涉及企业自身、行业监管部门、公安交警和车管、保险理赔等众多部门，来源复杂，类型多样，为达到较好的评估效果，需要对采集的原始数据进行预处理。数据预处理的内容主要包括数据校验、清洗及筛选。
步骤三：逐一计算各评估指标量值，并对指标进行标准化和分类处理。
根据管理目标和风险评估需要，指标计算可按月、季度、半年和年等不同时间周期进行。评估指标种类较多，指标之间数据类型、数据格式差异性大，为统一量纲，对指标进行标准化处理。采用的方法有极差标准化和方差标准化两种。
对于过于离散且数据量较少的指标，采用数据合并或者仅选择其中一个作为代表指标，将各项指标数据转成分类划分的指标，采用统计学中的equal-depth方法，将数据根据其排列等分进划分的类别中。
例如将企业职工数划分为6类：<＝4.00，5.00-6.00，7.00-8.00，9.00-12.00，13.00-20.00，21.00-35.00，36.00+；
将运输车辆数划分为6类：<＝5.00，6.00-11.00，12.00-18.00，19.00-28.00，29.00-45.00，46.00-75.00，76.00+；
将电子警察处罚离散为6类：<＝2.00，3.00-6.00，7.00-9.00，10.00-16.00，17.00-26.00，27.00-41.00，42.00+；
若某公司相应指标落入某区间，就用该区间对应的指标值加以替代。通过这样的转换，消除了不同指标性质之间的量纲差异。
在原始数据经过预处理之后，根据步骤一中确定的综合评估指标体系，逐一计算每一个评估指标的量值。从企业运营安全、生产安全、人员素质、车辆情况等方面综合考虑确定需要计算的指标如图2所示。
步骤四：分析比较不同的评估方法，合理筛选评价指标并确立评估方法，建立企业安全风险评估模型。
针对危化品运输的组成与运行特点、运营风险评估的目标、已建立的评估指标体系以及常用评估方法各自的特点，把不同的评估方法灵活应用于危化品运输运行风险的评估过程中，综合运用层次分析法、主成分分析法、数据包络分析法、基于多元线性回归的绝对风险法等多种数学分析方法或其中任意一种构建安全风险评估模型，使针对运输企业的风险评估更为全面、科学与合理。
步骤五：形成安全风险评估结论，生成安全风险评估报告。
根据安全风险评估模型得到的结论，根据需要按照月、季度、半年、年等时间周期生成企业安全风险评估结论，按照红、橙、黄、绿四个风险等级显示企业的危化品运输综合安全风险，并生成固定格式的安全风险评估报告。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的工作人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种危化品运输安全风险防控系统，其特征在于，该系统包括：
原始数据采集模块：用以定期采集包括企业运营安全、生产安全、从业人员素质、车辆状况方面的原始数据；
数据预处理模块：用以对原始数据进行预处理；
评估指标计算模块：用以在原始数据经过预处理之后，根据系统中构建的综合评估指标体系，逐一计算每一个评估指标的量值；
评估模型生成模块：用以根据计算得到的评估指标，综合采用数学分析方法构建安全风险评估模型；
系统辅助决策模块：用以基于安全风险评估模型得到的结果，根据管理目标和实际需要按时间周期生成企业安全风险评估结果，显示危化品运输企业的综合安全风险水平，并生成固定格式的安全风险评估报告。
2.根据权利要求1所述的一种危化品运输安全风险防控系统，其特征在于，所述的原始数据采集模块采集的数据包括交通警察部门对驾驶违章、交通事故、驾驶证书的管理信息，道路交通运输行业主管部门对运输企业的日常监管数据以及保险监管部门存档的对企业的保险单和理赔信息。
3.根据权利要求1所述的一种危化品运输安全风险防控系统，其特征在于，所述的数据预处理模块对原始数据进行的预处理包括用于剔除原始数据中的错误或粗差的校验预处理、用于发现并纠正数据文件中可识别错误的清洗预处理以及用于对数据根据类别、完整程度进行合理挑选的筛选预处理。
4.根据权利要求1所述的一种危化品运输安全风险防控系统，其特征在于，所述的评估模型生成模块根据已计算得到的评估指标体系，综合采用基于层次分析法、主成份分析法、数据包络分析法、基于多元线性回归的绝对风险法中的一种或多种数学分析方法构建安全风险评估模型。
5.一种应用如权利要求1-4任一项所述的一种危化品运输安全风险防控系统的防控方法，其特征在于，该方法包括下列步骤：
1)根据评估指标确立多源数据融合的企业综合安全风险指标评估体系，采集相应的原始数据；
2)对采集的原始数据进行校验、清洗、筛选处理；
3)根据步骤1)中确定的企业综合安全风险指标评估体系，逐一计算每一个评估指标的量值，并对指标进行标准化和分类处理；
4)筛选评价指标并确立评估方法，建立企业安全风险评估模型；
5)获取安全风险评估结果，生成安全风险评估报告。
6.根据权利要求5所述的一种危化品运输安全风险防控方法，其特征在于，步骤1)中，评估指标由企业运营安全、生产安全、人员素质、车辆情况方面综合考虑确定。
7.根据权利要求6所述的一种危化品运输安全风险防控方法，其特征在于，企业运营安全方面，确定需要计算的评估指标包括超速率、疲劳驾驶率、闯禁区率、未按标志行驶率、不按规定进入道口率、其他违章率、GPS应答率、GPS上线率、隐患排查率、事故上报率、企业诚信考核成绩和标准化达标。
8.根据权利要求6所述的一种危化品运输安全风险防控方法，其特征在于，生产安全方面，确定需要计算的指标包括轻微事故率，重、特大事故率和有责保单率。
9.根据权利要求6所述的一种危化品运输安全风险防控方法，其特征在于，人员素质方面，确定需要计算的指标包括驾驶证降级率、驾驶证吊销率、驾驶证逾期未检率、从业人员继续教育情况以及诚信考核成绩平均分。
10.根据权利要求6所述的一种危化品运输安全风险防控方法，其特征在于，车辆情况方面，确定需要计算的指标包括公安车管车辆逾期未检率、车辆技术等级、车辆服役时间、未投保率、安全附件检测合格率以及槽罐车罐检合格率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910459513.1A CN110288200A (zh) | 2019-05-29 | 2019-05-29 | 一种危化品运输安全风险防控系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910459513.1A CN110288200A (zh) | 2019-05-29 | 2019-05-29 | 一种危化品运输安全风险防控系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110288200A true CN110288200A (zh) | 2019-09-27 |
Family
ID=68002922
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910459513.1A Pending CN110288200A (zh) | 2019-05-29 | 2019-05-29 | 一种危化品运输安全风险防控系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110288200A (zh) |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111210163A (zh) * | 2020-01-15 | 2020-05-29 | 桂林电子科技大学 | 一种基于多源数据的公交车辆风险评价系统与方法 |
| CN111260210A (zh) * | 2020-01-14 | 2020-06-09 | 广东南方视觉文化传媒有限公司 | 一种基于大数据分析的视觉资产管理系统及方法 |
| CN111489556A (zh) * | 2020-05-20 | 2020-08-04 | 上海评驾科技有限公司 | 一种营运车辆挂靠行为的判断方法 |
| CN111612395A (zh) * | 2020-05-19 | 2020-09-01 | 衢州学院 | 一种危化品车辆运输状态评估方法 |
| CN111967638A (zh) * | 2020-07-03 | 2020-11-20 | 长沙理工大学 | 一种基于生产台账的涉嫌非法运输危化品企业的辨识方法 |
| CN112183979A (zh) * | 2020-09-18 | 2021-01-05 | 浙江省安全生产科学研究院 | 一种基于多源信息融合的危化品装卸安全风险评估方法 |
| CN112435465A (zh) * | 2020-10-23 | 2021-03-02 | 贾雨欣 | 重点车辆管理系统及方法 |
| CN113393108A (zh) * | 2021-06-07 | 2021-09-14 | 中国石油大学(北京) | 危化品运输车辆聚集区域的风险评价方法 |
| CN113554248A (zh) * | 2020-04-23 | 2021-10-26 | 中国石油化工股份有限公司 | 危化品运输车辆的风险动态预警评估方法及装置 |
| CN113554245A (zh) * | 2020-04-23 | 2021-10-26 | 中国石油化工股份有限公司 | 危化品运输预警智能化风险分级和展示方法及装置 |
| CN113689194A (zh) * | 2021-08-27 | 2021-11-23 | 华能(福建)能源开发有限公司福州分公司 | 一种电厂粉煤灰生产智能化综合管理系统 |
| CN113822504A (zh) * | 2020-06-18 | 2021-12-21 | 中国石油化工股份有限公司 | 危化品装置区的作业安全风险实时预警方法、装置及系统 |
| CN114219300A (zh) * | 2021-12-16 | 2022-03-22 | 重庆中信科信息技术有限公司 | 基于重点车辆的危险系数分析方法及装置 |
| CN114266483A (zh) * | 2021-12-23 | 2022-04-01 | 江苏云聚汇科技有限公司 | 一种基于物联网的危险废物监管系统 |
| CN114819476A (zh) * | 2022-03-07 | 2022-07-29 | 山东大学 | 基于逻辑回归评分卡的营运企业风险评估方法及系统 |
| CN115630848A (zh) * | 2022-12-20 | 2023-01-20 | 航天神舟智慧系统技术有限公司 | 一种区域安全状态动态评估管控方法及系统 |
| CN116187769A (zh) * | 2023-05-04 | 2023-05-30 | 四川省安全科学技术研究院 | 基于情景模拟的城镇洪涝灾害风险研判方法 |
| CN116502155A (zh) * | 2023-06-28 | 2023-07-28 | 武汉新威奇科技有限公司 | 一种用于数控电动螺旋压力机的安全监管系统 |
| CN117010697A (zh) * | 2023-09-25 | 2023-11-07 | 山东财经大学 | 一种基于人工智能的可视化企业风险评估方法 |
| CN117541138A (zh) * | 2024-01-10 | 2024-02-09 | 鲁西化工集团股份有限公司 | 一种淘汰不合格危化品物流承运车辆的系统及方法 |
| CN117852991A (zh) * | 2024-03-07 | 2024-04-09 | 江苏五城星耀网络科技有限公司 | 化学品智慧物流数据处理方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107730124A (zh) * | 2017-10-20 | 2018-02-23 | 安厦系统科技成都有限责任公司 | 一种用于企业或项目进行安全风险评估的方法 |
| CN108564267A (zh) * | 2018-04-08 | 2018-09-21 | 苏州英瀚时信息科技有限公司 | 一种企业环境风险评价系统和方法 |
| CN109409768A (zh) * | 2018-11-12 | 2019-03-01 | 广东工业大学 | 物流运输车辆的预警方法 |
-
2019
- 2019-05-29 CN CN201910459513.1A patent/CN110288200A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107730124A (zh) * | 2017-10-20 | 2018-02-23 | 安厦系统科技成都有限责任公司 | 一种用于企业或项目进行安全风险评估的方法 |
| CN108564267A (zh) * | 2018-04-08 | 2018-09-21 | 苏州英瀚时信息科技有限公司 | 一种企业环境风险评价系统和方法 |
| CN109409768A (zh) * | 2018-11-12 | 2019-03-01 | 广东工业大学 | 物流运输车辆的预警方法 |
Non-Patent Citations (1)
| Title |
|---|
| 王晶晶: ""基于FCE的危化品物流企业风险预警研究"", 《电子商务》 * |
Cited By (30)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111260210A (zh) * | 2020-01-14 | 2020-06-09 | 广东南方视觉文化传媒有限公司 | 一种基于大数据分析的视觉资产管理系统及方法 |
| CN111210163A (zh) * | 2020-01-15 | 2020-05-29 | 桂林电子科技大学 | 一种基于多源数据的公交车辆风险评价系统与方法 |
| CN111210163B (zh) * | 2020-01-15 | 2023-04-07 | 桂林电子科技大学 | 一种基于多源数据的公交车辆风险评价系统与方法 |
| CN113554245A (zh) * | 2020-04-23 | 2021-10-26 | 中国石油化工股份有限公司 | 危化品运输预警智能化风险分级和展示方法及装置 |
| CN113554248A (zh) * | 2020-04-23 | 2021-10-26 | 中国石油化工股份有限公司 | 危化品运输车辆的风险动态预警评估方法及装置 |
| CN111612395A (zh) * | 2020-05-19 | 2020-09-01 | 衢州学院 | 一种危化品车辆运输状态评估方法 |
| CN111489556B (zh) * | 2020-05-20 | 2022-06-21 | 上海评驾科技有限公司 | 一种营运车辆挂靠行为的判断方法 |
| CN111489556A (zh) * | 2020-05-20 | 2020-08-04 | 上海评驾科技有限公司 | 一种营运车辆挂靠行为的判断方法 |
| CN113822504A (zh) * | 2020-06-18 | 2021-12-21 | 中国石油化工股份有限公司 | 危化品装置区的作业安全风险实时预警方法、装置及系统 |
| CN111967638A (zh) * | 2020-07-03 | 2020-11-20 | 长沙理工大学 | 一种基于生产台账的涉嫌非法运输危化品企业的辨识方法 |
| CN111967638B (zh) * | 2020-07-03 | 2024-02-09 | 长沙理工大学 | 一种基于生产台账的涉嫌非法运输危化品企业的辨识方法 |
| CN112183979A (zh) * | 2020-09-18 | 2021-01-05 | 浙江省安全生产科学研究院 | 一种基于多源信息融合的危化品装卸安全风险评估方法 |
| CN112183979B (zh) * | 2020-09-18 | 2023-11-28 | 浙江省安全生产科学研究院 | 一种基于多源信息融合的危化品装卸安全风险评估方法 |
| CN112435465A (zh) * | 2020-10-23 | 2021-03-02 | 贾雨欣 | 重点车辆管理系统及方法 |
| CN113393108A (zh) * | 2021-06-07 | 2021-09-14 | 中国石油大学(北京) | 危化品运输车辆聚集区域的风险评价方法 |
| CN113689194A (zh) * | 2021-08-27 | 2021-11-23 | 华能(福建)能源开发有限公司福州分公司 | 一种电厂粉煤灰生产智能化综合管理系统 |
| CN114219300A (zh) * | 2021-12-16 | 2022-03-22 | 重庆中信科信息技术有限公司 | 基于重点车辆的危险系数分析方法及装置 |
| CN114266483B (zh) * | 2021-12-23 | 2022-11-22 | 江苏云聚汇科技有限公司 | 一种基于物联网的危险废物监管系统 |
| CN114266483A (zh) * | 2021-12-23 | 2022-04-01 | 江苏云聚汇科技有限公司 | 一种基于物联网的危险废物监管系统 |
| CN114819476A (zh) * | 2022-03-07 | 2022-07-29 | 山东大学 | 基于逻辑回归评分卡的营运企业风险评估方法及系统 |
| CN115630848A (zh) * | 2022-12-20 | 2023-01-20 | 航天神舟智慧系统技术有限公司 | 一种区域安全状态动态评估管控方法及系统 |
| CN116187769A (zh) * | 2023-05-04 | 2023-05-30 | 四川省安全科学技术研究院 | 基于情景模拟的城镇洪涝灾害风险研判方法 |
| CN116502155B (zh) * | 2023-06-28 | 2023-09-19 | 武汉新威奇科技有限公司 | 一种用于数控电动螺旋压力机的安全监管系统 |
| CN116502155A (zh) * | 2023-06-28 | 2023-07-28 | 武汉新威奇科技有限公司 | 一种用于数控电动螺旋压力机的安全监管系统 |
| CN117010697A (zh) * | 2023-09-25 | 2023-11-07 | 山东财经大学 | 一种基于人工智能的可视化企业风险评估方法 |
| CN117010697B (zh) * | 2023-09-25 | 2023-12-19 | 山东财经大学 | 一种基于人工智能的可视化企业风险评估方法 |
| CN117541138A (zh) * | 2024-01-10 | 2024-02-09 | 鲁西化工集团股份有限公司 | 一种淘汰不合格危化品物流承运车辆的系统及方法 |
| CN117541138B (zh) * | 2024-01-10 | 2024-04-19 | 鲁西化工集团股份有限公司 | 一种淘汰不合格危化品物流承运车辆的系统及方法 |
| CN117852991A (zh) * | 2024-03-07 | 2024-04-09 | 江苏五城星耀网络科技有限公司 | 化学品智慧物流数据处理方法及系统 |
| CN117852991B (zh) * | 2024-03-07 | 2024-05-03 | 江苏五城星耀网络科技有限公司 | 化学品智慧物流数据处理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110288200A (zh) | 一种危化品运输安全风险防控系统及方法 | |
| Zheng et al. | Validating the bivariate extreme value modeling approach for road safety estimation with different traffic conflict indicators | |
| CN113065804B (zh) | 一种危化品道路运输风险评估方法及系统 | |
| Hu et al. | Who left riding transit? Examining socioeconomic disparities in the impact of COVID-19 on ridership | |
| Cárdenas-Gallo et al. | An ensemble classifier to predict track geometry degradation | |
| CN102881162B (zh) | 大规模交通信息的数据处理及融合方法 | |
| GB2572717A (en) | Method for detecting traffic anomaly of urban road | |
| Yang et al. | Assessing the risk of secondary crashes on highways | |
| Yang et al. | Methodological evolution and frontiers of identifying, modeling and preventing secondary crashes on highways | |
| CN109448369A (zh) | 高速公路实时运行风险计算方法 | |
| CN104866982A (zh) | 一种互联网+危险废弃物管理的系统和方法 | |
| Ebrahimi et al. | Analysis of train derailments and collisions to identify leading causes of loss incidents in rail transport of dangerous goods in Canada | |
| CN204791136U (zh) | 一种互联网+危险废弃物管理的系统 | |
| CN113905215A (zh) | 一种公交安全驾驶监控系统 | |
| US20240075970A1 (en) | System and method for continuous welded rail risk modeling | |
| Statsenko et al. | Developing software and hardware for automation of ground urban transport traffic management | |
| CN116596307A (zh) | 一种基于公交运营安全数据构建驾驶员安全画像模型的方法 | |
| CN114997527B (zh) | 基于道路运输动态数据的企业考核评价方法、系统及终端 | |
| Shangguan et al. | Quantification of cut-in risk and analysis of its influencing factors: a study using random parameters ordered probit model | |
| CN112989069B (zh) | 一种基于知识图谱与区块链的交通违章分析方法 | |
| CN102222269A (zh) | 一种高速公路机电设施养护评价的模糊分层评价方法 | |
| Yamany et al. | Prediction of pavement performance using non-homogeneous Markov models: Incorporating the impact of preventive maintenance | |
| Chen et al. | Automatic freeway bottleneck identification and visualization using image processing techniques | |
| Duvvuri et al. | Investigating road link-level data during peak hours to identify potential areas for implementing variable speed limit signs | |
| Khaksar et al. | Comparison of Accident Severity and Frequency Index Method in Identifying Hotspot Segments of Intercity Road Network |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |