CN111177649A - 一种基于大数据融合的船载包装货物运输风险评估方法 - Google Patents

一种基于大数据融合的船载包装货物运输风险评估方法 Download PDF

Info

Publication number
CN111177649A
CN111177649A CN201911265050.1A CN201911265050A CN111177649A CN 111177649 A CN111177649 A CN 111177649A CN 201911265050 A CN201911265050 A CN 201911265050A CN 111177649 A CN111177649 A CN 111177649A
Authority
CN
China
Prior art keywords
risk
ship
borne
transportation
index
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
Application number
CN201911265050.1A
Other languages
English (en)
Inventor
兰儒
常文
申伟
贾志刚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Waterborne Transport Research Institute
Original Assignee
China Waterborne Transport Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Waterborne Transport Research Institute filed Critical China Waterborne Transport Research Institute
Priority to CN201911265050.1A priority Critical patent/CN111177649A/zh
Publication of CN111177649A publication Critical patent/CN111177649A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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
    • G06Q10/08—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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Game Theory and Decision Science (AREA)
  • Computing Systems (AREA)
  • Algebra (AREA)
  • Educational Administration (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种基于大数据融合的船载包装货物运输风险评估方法：步骤1、构建船载包装货物运输风险的业务流程链风险传导模型；步骤2、构建船载包装货物运输在线动态数据库；步骤3、建立船载包装货物风险评估指标体系，构建船载包装货物多源多属性风险评估指标层次模型；步骤4、采用专家打分的方式计算船载包装货物风险评估指标体系对应权重，进行一致性检验；步骤5、将风险评估指标的具体评价标准与风险程度建立一一对应关系，构造指标因素的隶属函数；步骤6、建立多级模糊风险评估模型，量化评估载船载包装货物运输风险。本发明提出了一种量化的风险评估方法，全面考虑整个运输环节的风险影响，科学准确；数据源广泛，更科学准确。

Description

一种基于大数据融合的船载包装货物运输风险评估方法
技术领域
本发明涉及一种船载包装货物运输风险定量评估方法，具体涉及一种基于大数据融合的船载包装货物运输风险评估方法，它能实现对船载包装货物在水上运输全过程、全方位的定量风险评估，为海事部门信息化、现代化的智慧监管，提供技术支撑，属于交通运输管理领域。
背景技术
船载包装货物运输虽然便利高效，但其运输的封闭性使得工作人员在物流过程中无法及时、直观地掌握具体情况，对货物运输状态进行安全评估，往往发现险情时已错过事故最佳处理期。近年来，船载货物运输发生多起泄漏、火灾、爆炸及船舶灭失等重大事故。如集装箱超重及危险货物瞒报、误报，以及装箱不当造成的船舶灭失事故；船舶碰撞搁浅造成的燃油、货油泄漏事故等。一旦货物在船舶运输、作业过程中发生意外情况，将会造成严重的人员、财产损失及海洋环境污染。
船载包装货物运输的过程并不是单一的海上运输过程，而是由多个运输业务流程环环相扣的链，是一个有机的整体。而业务流程链上某一环节存在的风险，如不能及时得到控制，则该环节所蕴含的风险就会不断传导给下一个环节。而最终爆发风险事故，实际上是由于不同环节风险的积累所致。在路径上表现为风险的业务流程链传导。而目前国内外对船载包装货物的安全环保方面的风险评估方法，(1)仅针对某个运输风险环节或风险点，较难反应真实的运输风险值。(2)风险评估主要还是依托专业技术人员的专业描述，既缺乏科学有效的评估手法，难以做到科学描述和理性评价，也无法实现定量计算。(3)原来用于船载包装货物风险评估的数据多为单一数据源，缺乏参考性，无法将实时获取的多源的动态信息加以融合应用，因此，影响了风险评估的准确性。
因此，如何提高船载包装货物运输安全风险评估的准确性，进而根据风险评估结果采取及时有效的监管措施，是本领域技术人员亟待解决的问题。
发明内容
本发明的目的在于提供一种基于大数据融合的船载包装货物运输风险评估方法，以解决现有技术中的风险评估无法量化，仅针对片面运输环节、无动态数据融合、精度差、无法根据风险评估结果，对船载包装货物运输实施有效的安全监管措施的问题。
为了实现以上目的，本发明采取的技术方案是：
本发明提供一种基于大数据融合的船载包装货物运输风险评估方法，包含以下步骤：
步骤1、进行船载包装货物运输风险识别，构建船载包装货物运输风险的业务流程链风险传导模型；
步骤2、获取用于风险评估的动态数据，并进行数据融合，构建船载包装货物运输在线动态数据库；
步骤3、根据步骤1中的风险识别结果及业务流程链风险传导模型，建立船载包装货物风险评估指标体系，根据该指标体系构建船载包装货物多源多属性风险评估指标层次模型。
步骤4、采用专家打分的方式计算船载包装货物风险评估指标体系对应权重，并进行一致性检验。
步骤5、将风险评估指标的具体评价标准与风险程度建立一一对应关系，构造指标因素的隶属函数。
步骤6、根据步骤3中的的风险评估指标层次模型和步骤4中权重向量的计算结果，结合隶属函数，建立多级模糊风险评估模型，量化评估载船载包装货物运输风险。
其中，步骤1中所述的“进行船载包装货物运输风险识别，构建船载包装货物运输风险的业务流程链传导模型”，是指船载货物运输的过程并不是单一的海上运输过程，而是由多个运输业务流程环环相扣的链，是一个有机的整体。而业务流程链上某一环节存在的风险，如不能及时得到控制，则该环节所蕴含的风险就会不断传导给下一个环节。而最终爆发风险事故，实际上是由于不同环节风险的积累所致。在路径上表现为业务流程链风险传导。
因此，本发明首先需要识别船载包装货物运输业务流程链风险传导过程。船载包装货物运输要经过生产、储存、货物包装、装箱，陆域运输、装船、水域运输等作业环节，从载运货物本身来说，包装货物运输安全风险因素主要包括货物自身风险、货物包装风险、集装箱箱体风险以及集装箱所在船舶的风险四个方面。在风险识别的基础上，构建的业务流程链传导模型包括了从货主到货物运输目的港的所有业务流程链，船载包装货物运输业务流程链风险传导模型见图2。
其中，步骤2中所述的“获取用于风险评估的动态数据，并进行数据融合，构建船载包装货物运输基础数据库”，是指从海事、海关、港口、检验检疫部门、货主、货代、船代、运输企业等物流链获取相关数据，以海事系统数据为依据，构建风险评估系统数据库，其次将其它单位相关信息与其进行校核比对，完善数据库信息，最终实现船载包装货物运输大数据融合。具体操作为建立数据传输专用网络，分别从海事、海关、港口、检验检疫部门、货主、货代、船代、运输企业的信息系统获取物流链相关数据，并设计神经网络提取本发明需要的数据信息进行融合，融合过程中，以海事信息系统为依据，与海事系统数据相悖的数据以海事信息系统数据为准。融合后的数据进入本发明建立的船载包装货物运输在线动态数据库中，如图3所示。
其中，步骤3中所述的“建立船载包装货物风险评估指标体系，根据指标体系构建船载包装货物多源多属性风险评估指标层次模型”是指，根据步骤1中的风险识别结果和业务流程链传导模型，构建船载包装货物风险评估指标体系，并在该体系的基础上，构建层次结构模型。该层次结构模型包含三个层次，即目标层、准则层及指标层；其中目标层为“船载包装货物风险值”，在准则层建立“船舶适运”、“货物适装”、“港口适靠”、“人员适任”四个指标模块。在各准则层的指标模块下建立各自的指标层的指标模块。其中，“航运公司绩效”、“船员”、“物流链相关人员”、“物流链相关人单位绩效”四个模块，分别建立了各自的子模块。船载包装货物风险评估指标体系及风险影响因素层次结构模型见图4。
其中，步骤4所述“采用专家打分的方式计算船载包装货物风险评估指标体系对应权重，并进行一致性检验”，具体过程如下：通过专家打分的方式两两比较同级指标的相对重要性，Si,j表示评价指标Si相对于评价指标Sj的重要性，取值范围为1～9，建立评价指标之间的成对比较矩阵(见式1)；计算每个等级指标成对比较矩阵的特征向量，归一化得到权重向量ωi＝(ω1，ω2，…,ωn)，ωn为评价指标n对应的权重。
Figure BDA0002312592330000031
权重计算完成后需进行一致性检验，如果随机一致性比率CR≦0.1，则通过一致性检验。本发明目标层、准则层、指标层CR值均应满足一致性检验。
其中，步骤5所述“将指标的具体评价因素与风险程度建立一一对应关系，构造指标因素的隶属函数”，具体过程如下：按照相应评价标准，将风险等级从高到低分成极高、高、一般、低、极低五个不同的等级，分别对应的模糊数是1,2,3,4,5。
依据船载包装货物相关国际公约的要求，并结合基层管理人员的实践经验，研究制定各评价因素的评分标准，得到各因素与评价集对应的关系，构建隶属度函数。构造模糊隶属函数的连续量化方法，本发明取偏大型柯西分布和对数函数作为隶属函数：
Figure BDA0002312592330000041
其中α，β，a，b为待定常数；
当极高风险时，隶属度为1，当一般风险时隶属度为0.8，当极低风险时隶属度为0.01，即f(5)＝1，f(3)＝0.8，f(1)＝0.01，因此计算得α＝1.1086，β＝0.8942，a＝0.3915，b＝0.3699。
则本发明确定的评价指标隶属度函数为：
Figure BDA0002312592330000042
其中，步骤6所述“根据步骤3中的风险评估指标层次模型和步骤4中的权重向量，结合隶属度函数，建立多级模糊风险评估模型，量化评估载船载包装货物运输风险。”具体过程如下：以步骤3所述的“船载包装货物多源多属性风险评估指标层次模型”中的影响因素作为评价指标，生成FCE(模糊综合评价)判断矩阵，利用该矩阵，通过步骤2中的“船载包装货物运输在线动态数据库”获得的船载货物已知信息进行计算，得到船载货物运输风险的综合评价结果。
其中，FCE判断矩阵如下：
Figure BDA0002312592330000043
式中：H为船舶载运包装货物运输风险得分，1<H≤5；S i为各指标的计分值，1<Si≤5；Wi为各指标的综合权重；n为指标的个数。最终计算结果中，如果4≤H≤5，运输风险很高；3≤H＜4，运输风险较高；2≤H＜3，运输风险一般；H＜2，运输风险低。
本发明具有如下有益效果：
1、传统的船载包装货物运输风险评估方法多针对某个运输风险环节或风险点，未考虑整个的货物流程链，因此，较难反应真实的运输风险值。本发明构建了船载包装货物运输风险的业务流程链传导模型，更加全面的考虑了整个运输环节的风险影响，因此更加科学准确。
2、目前的船载包装货物的风险评估主要依托专业技术人员的描述，既缺乏科学有效的评估手法，难以做到科学描述和理性评价，也无法实现定量计算。本发明提出了一种量化的风险评估方法，使评估人员和船舶货物管理机构可以直观定量的对运输风险进行科学评价。
3、用于船载包装货物风险评估的数据多为单一数据源，缺乏参考性，无法将实时获取的多源的动态信息加以融合应用，本发明构建了船载包装货物运输在线动态数据库，是通过获取海事、海关、港口、检验检疫部门、货主、货代、船代、运输企业等物流链相关数据，并以海事系统数据为依据，融合比对，数据源更广泛，更科学准确。
附图说明
图1本发明方法的流程图。
图2船载包装货物运输业务流程链风险传导模型图。
图3船载包装货物在线动态大数据融合技术框架图。
图4船载包装货物风险评估指标体系及风险影响因素层次结构模型图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
以“经过深圳水域的某新加波籍集装箱船”为实施案例。
步骤1、进行该船舶及运输过程的风险识别，构建船载包装货物运输业务流程链风险传导模型。该船舶的运输过程的业务流程链为：
①货主向货代提出委托申请，填写委托单；
②货主(货代)向船代提出订舱委托；
③船代向船东订舱，排船期；
④订好舱后，船代接受委托申请；
⑤货代联系拖车公司派车；
⑥拖车公司到集装箱场站提空箱；
⑦货主备货，拖车公司到工厂或仓库装车；
⑧拖车公司陆上运输货物到起运港，与港口码头进行集装箱货物交接；
⑨港口码头装船配载；
⑩海上运输到目的港。
经过风险识别，集装箱运输货运链各环节可能存在的风险分析如下：
(1)船舶风险
主要为船舶适航风险，与船龄、船型、是否重点跟踪船舶、船舶发生事故数、船舶滞留情况、船舶设计危防的行政处罚数量、PSC检查的重点项目及在检查中船舶存在的主要缺陷历史记录、航运公司的绩效等因素相关；
(2)货物风险
主要为a、货物自身风险：是否危险货物；在装箱之前，是否按照相关规则进行包装等；b、集装箱风险：集装箱本身具有坚固性和很好的密封性；在装运危险货物前，是否对集装箱进行彻底地清洗；c、危险货物集装箱管理中的风险：积载隔离不当；箱内危险货物衬垫、绑化不牢靠、标识模糊不清、甚至标识与实际装箱不符；瞒报谎报等。
(3)港口码头风险
码头在装卸过程中，需满足货物装卸的安全要求，危险货物运输的港口码头，需具有相应的货物运输资质。另外，货物在码头积载装船过程中，也可能存在装卸、积载不当的风险。
(4)货运链机构、人员风险
①货主(托运人)风险；
②货物代理方风险；
③船舶代理方风险；
④陆域运输企业风险；
⑤船东(承运人)风险。
由此，构建船载包装货物运输风险的业务流程链传导模型，如图2所示。
步骤2获取用于风险评估的动态数据，并进行数据融合，构建船载包装货物运输在线动态数据库；
基于海事信息系统数据源，调查货主、物流运输企业、港口主管部门、港口企业、海事主管部门、航运企业、海关主管部门、检验检疫主管部门等船载货物运输所有涉及方，获得各方货物安全监管体制模式、相关数据获得和采集模式、及数据管理系统的有关信息。将各方信息对接融合，形成船载包装货物运输在线动态数据库。
步骤3建立船载包装货物风险评估指标体系，根据指标体系构建船载包装货物多源多属性风险评估指标层次模型。
构建的船载包装货物风险评估指标体系如表1。
Figure BDA0002312592330000071
Figure BDA0002312592330000081
表1
根据指标体系构建船载包装货物多源多属性风险评估指标层次模型，如图4。
步骤4、采用专家打分的方式计算船载包装货物风险评估指标体系对应权重，并进行一致性检验的具体方法为：通过专家打分的方式两两比较同级指标的相对重要性，Si,j表示评价指标Si相对于评价指标Sj的重要性，取值范围为1～9，建立评价指标之间的成对比较矩阵；计算每个等级指标成对比较矩阵的特征向量，归一化得到权重向量ωi＝(ω1，ω2，…,ωn)，ωn为评价指标n对应的权重。
生成AHP调查问卷,邀请专家参与调查。最终计算得到的各指标权重结果见表2。
Figure BDA0002312592330000091
Figure BDA0002312592330000101
表2
对计算结果进行一致性检验。如果随机一致性比率CR≦0.1，则通过一致性检验。本实施例各因素层CR值见表3，各层CR值均满足一致性检验。
Figure BDA0002312592330000102
表3
步骤5将指标的具体评价因素与风险程度建立一一对应关系，构造指标因素的隶属函数。
依据船载包装货物相关国际公约的要求，并结合基层管理人员的实践经验，研究制定评价因素与风险程度关系的评分标准，见表4(其中，注：*1船龄的评分标准参照《老旧运输船舶管理规定》；*2高级船员资历指船长、轮机长平均任职资历)。并据此构造指标因素的隶属函数。本发明按照相应评价标准，风险从高到低分成极高、高、一般、低、极低五个不同的等级，构造模糊隶属函数的连续量化方法，本发明取偏大型柯西分布和对数函数作为隶属函数：
Figure BDA0002312592330000103
其中α，β，a，b为待定常数
当极高风险时，隶属度为1，当一般风险时隶属度为0.8，当极低风险时隶属度为0.01，即f(5)＝1，f(3)＝0.8，f(1)＝0.01，因此计算得α＝1.1086,β＝0.8942,a＝0.3915,b＝0.3699。
则本发明确定的评价指标隶属度函数为：
Figure BDA0002312592330000111
Figure BDA0002312592330000121
Figure BDA0002312592330000131
Figure BDA0002312592330000141
Figure BDA0002312592330000151
表4
步骤6根据上述的评估指标层次模型和相应的权重向量，结合隶属度函数，建立多级模糊风险评估模型，量化评估载船载包装货物运输风险。
以层次分析模型各因素指标作为评价指标,生成FCE(模糊综合评价)判断矩阵。利用FCE判断矩阵，通过步骤2获得的船载货物已知信息进行计算，得到船载货物运输风险的综合评价结果。
Figure BDA0002312592330000152
式中：H为船舶载运包装货物运输风险得分，1<H≤5；S i为各指标的计分值，1<Si≤5；Wi为各指标的综合权重；n为指标的个数。最终计算结果中，如果4≤H≤5，运输风险很高；3≤H＜4，运输风险较高；2≤H＜3，运输风险一般；H＜2，运输风险低。
将本实施例中获取的风险因素数据输入该风险评估模型，计算结果为：
评测目标 综合评价得分
船舶适运风险 H<sub>1</sub>＝2.57
货物适装风险 H<sub>2</sub>＝3.70
港口适靠风险 H<sub>3</sub>＝3.48
人员适任风险 H<sub>4</sub>＝2.90
船载包装货物风险综合评测结果 H＝3.06
表5
因此，根据评估模型综合评价结果，该船舶船载包装货物风险为较高风险(H＝3.06)。另外，在货运过程中，货物适装(H2＝3.70)和港口适靠(H3＝3.48)风险较高，货物和港口应作为重点监督检查的环节。实际运输过程中，该船舶在深圳海域发生泄漏事故，与本模型计算结果相一致。

Claims (4)

1.一种基于大数据融合的船载包装货物运输风险评估方法，其特征在于：该方法包含以下步骤：
步骤1、进行船载包装货物运输风险识别，构建船载包装货物运输风险的业务流程链风险传导模型；
步骤2、获取用于风险评估的动态数据，并进行数据融合，构建船载包装货物运输在线动态数据库；
步骤3、根据步骤1中的风险识别结果及业务流程链风险传导模型，建立船载包装货物风险评估指标体系，根据该指标体系构建船载包装货物多源多属性风险评估指标层次模型；
步骤4、采用专家打分的方式计算船载包装货物风险评估指标体系对应权重，并进行一致性检验；
步骤5、将风险评估指标的具体评价标准与风险程度建立一一对应关系，构造指标因素的隶属函数；
步骤6、根据步骤3中的的风险评估指标层次模型和步骤4中权重向量的计算结果，结合隶属函数，建立多级模糊风险评估模型，量化评估载船载包装货物运输风险。
2.根据权利要求1所述的一种基于大数据融合的船载包装货物运输风险评估方法，其特征在于：步骤4所述的采用专家打分的方式计算船载包装货物风险评估指标体系对应权重，并进行一致性检验，具体过程如下：通过专家打分的方式两两比较同级指标的相对重要性，Si,j表示评价指标Si相对于评价指标Sj的重要性，取值范围为1～9，建立评价指标之间的成对比较矩阵，见式1；计算每个等级指标成对比较矩阵的特征向量，归一化得到权重向量ωi＝(ω1，ω2，…,ωn)，ωn为评价指标n对应的权重；
Figure FDA0002312592320000011
权重计算完成后需进行一致性检验，如果随机一致性比率CR≦0.1，则通过一致性检验。
3.根据权利要求1所述的一种基于大数据融合的船载包装货物运输风险评估方法，其特征在于：步骤5所述的将指标的具体评价因素与风险程度建立一一对应关系，构造指标因素的隶属函数，具体过程如下：按照相应评价标准，将风险等级从高到低分成极高、高、一般、低、极低五个不同的等级，分别对应的模糊数是1,2,3,4,5；
根据各因素与评价集对应的关系，构建隶属度函数；构造模糊隶属函数的连续量化方法，具体取偏大型柯西分布和对数函数作为隶属函数：
Figure FDA0002312592320000021
其中α，β，a，b为待定常数；
当极高风险时，隶属度为1，当一般风险时隶属度为0.8，当极低风险时隶属度为0.01，即f(5)＝1，f(3)＝0.8，f(1)＝0.01，因此计算得α＝1.1086，β＝0.8942，a＝0.3915，b＝0.3699；
则确定的评价指标隶属度函数为：
Figure FDA0002312592320000022
4.根据权利要求1所述的一种基于大数据融合的船载包装货物运输风险评估方法，其特征在于：步骤6所述的根据步骤3中的风险评估指标层次模型和步骤4中的权重向量，结合隶属度函数，建立多级模糊风险评估模型，量化评估载船载包装货物运输风险；具体过程如下：以步骤3所述的“船载包装货物多源多属性风险评估指标层次模型”中的影响因素作为评价指标，生成FCE模糊综合评价判断矩阵，利用该矩阵，通过步骤2中的“船载包装货物运输在线动态数据库”获得的船载货物已知信息进行计算，得到船载货物运输风险的综合评价结果；
其中，FCE判断矩阵如下：
Figure FDA0002312592320000023
式中：H为船舶载运包装货物运输风险得分，1<H≤5；Si为各指标的计分值，1<Si≤5；Wi为各指标的综合权重；n为指标的个数；最终计算结果中，如果4≤H≤5，运输风险很高；3≤H＜4，运输风险较高；2≤H＜3，运输风险一般；H＜2，运输风险低。
CN201911265050.1A 2019-12-11 2019-12-11 一种基于大数据融合的船载包装货物运输风险评估方法 Pending CN111177649A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911265050.1A CN111177649A (zh) 2019-12-11 2019-12-11 一种基于大数据融合的船载包装货物运输风险评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911265050.1A CN111177649A (zh) 2019-12-11 2019-12-11 一种基于大数据融合的船载包装货物运输风险评估方法

Publications (1)

Publication Number Publication Date
CN111177649A true CN111177649A (zh) 2020-05-19

Family

ID=70650183

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911265050.1A Pending CN111177649A (zh) 2019-12-11 2019-12-11 一种基于大数据融合的船载包装货物运输风险评估方法

Country Status (1)

Country Link
CN (1) CN111177649A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112033086A (zh) * 2020-08-04 2020-12-04 北京物资学院 一种温湿度可测可调的冷链箱及其控制方法
WO2022041267A1 (zh) * 2020-08-31 2022-03-03 苏州大成电子科技有限公司 一种轨道交通运维物流供应链风险识别与评估方法
CN114548839A (zh) * 2022-04-26 2022-05-27 交通运输部水运科学研究所 基于风险分级和定位的危险货物集装箱落水分类救援方法
CN115456343A (zh) * 2022-08-11 2022-12-09 中国电子科技集团公司第二十八研究所 一种智慧机场评价指标体系构建与评价方法
CN115630849A (zh) * 2022-12-22 2023-01-20 交通运输部水运科学研究所 基于复杂系统理论的货物集装箱堆场健康风险评估方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030225612A1 (en) * 2002-02-12 2003-12-04 Delta Air Lines, Inc. Method and system for implementing security in the travel industry
WO2008036381A2 (en) * 2006-09-20 2008-03-27 Spadac Inc. Method and system for global consolidated risk, threat and opportunity assessment
US20130275176A1 (en) * 2012-04-16 2013-10-17 Bank Of America Corporation Risk assessment of a supplier of an organization
CN105023067A (zh) * 2015-08-04 2015-11-04 环境保护部南京环境科学研究所 基于层次分析法-模糊综合评价的化工项目环境风险评价体系
CN108182522A (zh) * 2017-12-25 2018-06-19 中国电子科技集团公司第二十八研究所 一种基于ahp-熵权法的航道交通安全风险评估方法
US10026049B2 (en) * 2013-05-09 2018-07-17 Rockwell Automation Technologies, Inc. Risk assessment for industrial systems using big data
WO2018222759A1 (en) * 2017-05-30 2018-12-06 Michael Barak Systems and methods for predicing weather related risks to maritime shipping interests
CN109914334A (zh) * 2019-03-28 2019-06-21 交通运输部水运科学研究所 一种精细概化航道工程生态环境影响的分类机理分析方法
CN110232519A (zh) * 2019-06-11 2019-09-13 大连海事大学 一种内河危险化学品运输风险评估系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030225612A1 (en) * 2002-02-12 2003-12-04 Delta Air Lines, Inc. Method and system for implementing security in the travel industry
WO2008036381A2 (en) * 2006-09-20 2008-03-27 Spadac Inc. Method and system for global consolidated risk, threat and opportunity assessment
US20130275176A1 (en) * 2012-04-16 2013-10-17 Bank Of America Corporation Risk assessment of a supplier of an organization
US10026049B2 (en) * 2013-05-09 2018-07-17 Rockwell Automation Technologies, Inc. Risk assessment for industrial systems using big data
CN105023067A (zh) * 2015-08-04 2015-11-04 环境保护部南京环境科学研究所 基于层次分析法-模糊综合评价的化工项目环境风险评价体系
WO2018222759A1 (en) * 2017-05-30 2018-12-06 Michael Barak Systems and methods for predicing weather related risks to maritime shipping interests
CN108182522A (zh) * 2017-12-25 2018-06-19 中国电子科技集团公司第二十八研究所 一种基于ahp-熵权法的航道交通安全风险评估方法
CN109914334A (zh) * 2019-03-28 2019-06-21 交通运输部水运科学研究所 一种精细概化航道工程生态环境影响的分类机理分析方法
CN110232519A (zh) * 2019-06-11 2019-09-13 大连海事大学 一种内河危险化学品运输风险评估系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
RU LAN: "Research on Quantitative Risk Assessment Method of Packaged Cargoes Carried By Ship Based on Online Dynamic Big Data Fusion Technology" *
李若皙;唐文勇;李晓冬: "船舶风险控制方案的层次分析-模糊综合评价" *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112033086A (zh) * 2020-08-04 2020-12-04 北京物资学院 一种温湿度可测可调的冷链箱及其控制方法
CN112033086B (zh) * 2020-08-04 2021-06-15 北京物资学院 一种温湿度可测可调的冷链箱及其控制方法
WO2022041267A1 (zh) * 2020-08-31 2022-03-03 苏州大成电子科技有限公司 一种轨道交通运维物流供应链风险识别与评估方法
CN114548839A (zh) * 2022-04-26 2022-05-27 交通运输部水运科学研究所 基于风险分级和定位的危险货物集装箱落水分类救援方法
CN115456343A (zh) * 2022-08-11 2022-12-09 中国电子科技集团公司第二十八研究所 一种智慧机场评价指标体系构建与评价方法
CN115456343B (zh) * 2022-08-11 2023-11-10 中国电子科技集团公司第二十八研究所 一种智慧机场评价指标体系构建与评价方法
CN115630849A (zh) * 2022-12-22 2023-01-20 交通运输部水运科学研究所 基于复杂系统理论的货物集装箱堆场健康风险评估方法

Similar Documents

Publication Publication Date Title
CN111177649A (zh) 一种基于大数据融合的船载包装货物运输风险评估方法
Wang Offshore safety case approach and formal safety assessment of ships
Wan et al. Analysis of risk factors influencing the safety of maritime container supply chains
Kayisoglu et al. SLIM based methodology for human error probability calculation of bunker spills in maritime operations
Nwaoha et al. A new fuzzy evidential reasoning method for risk analysis and control of a liquefied natural gas carrier system
Hsu et al. Key factors for the success of smart ports during the post-pandemic era
Chai et al. Evaluating operational risk for train control system using a revised risk matrix and FD-FAHP-Cloud model: A case in China
Celik Enhancement of occupational health and safety requirements in chemical tanker operations: The case of cargo explosion
Ma et al. Risk assessment of coupling links in hazardous chemicals maritime transportation system
Martins et al. A Methodology for assessing the probability of occurrence of undesired events in the Tiete–Paraná Inland Waterway Based on Expert Opinion
Saurí et al. Empirical Analysis of Resiliency of Terminal Operations for Roll-On–Roll-Off Vessels
Meng et al. An approach on the evaluation of LNG tank container transportation safety
CN115719160A (zh) 一种基于区块链的国际铁路货物运输质量风险预警方法
He et al. Risk Management of Port Operations: A Systematic Literature Review and Future Directions
Ricardianto et al. The Dangerous Goods Loading-Unloading Activities in The Port of Tanjung Priok Indonesia
Lan et al. Research on Quantitative Risk Assessment Method of Packaged Cargoes Carried By Ship Based on Online Dynamic Big Data Fusion Technology
Tseng et al. EVALUATING KEY RISK FACTORS AFFECTING CARGO DAMAGES ON EXPORT OPERATIONS FOR CONTAINER CARRIERS IN TAIWAN
Yin et al. Fault early warning method of marine transport freighter based on fuzzy comprehensive evaluation
Riahi Enabling security and risk-based operation of container line supply chains under high uncertainties
Liu et al. Risk evaluation for oil tanker berthing and handling operations using the improved DEMATEL-ISM approach
Murray A human factors approach to improving safety in shipping
Purba et al. Risk Mitigation to Minimize Distribution Delays and Empty Stock at Industrial Jakarta Gas Station
Kwon et al. System Theoretic Safety Analysis of the Sewol‐Ho Ferry Accident in South Korea
Mehra et al. Identify Environmental Risks Affecting Financial Performance of Ports and Maritime Organization in Iran
Simanjuntak et al. Level of Competency Needs Assessment Based on Permenhub No. PM 7 of 2018 Concerning the Master Plan for Skkni Development Transportation Sector

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200519

WD01 Invention patent application deemed withdrawn after publication