CN112308125A - 一种安检系统危险等级分类方法、装置和存储介质 - Google Patents

一种安检系统危险等级分类方法、装置和存储介质 Download PDF

Info

Publication number
CN112308125A
CN112308125A CN202011144963.0A CN202011144963A CN112308125A CN 112308125 A CN112308125 A CN 112308125A CN 202011144963 A CN202011144963 A CN 202011144963A CN 112308125 A CN112308125 A CN 112308125A
Authority
CN
China
Prior art keywords
danger
classification
degree
contraband
value
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
CN202011144963.0A
Other languages
English (en)
Inventor
吴勇敢
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.)
Anhui Qixin Smart Technology Co ltd
Original Assignee
Anhui Qixin Smart Technology Co ltd
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 Anhui Qixin Smart Technology Co ltd filed Critical Anhui Qixin Smart Technology Co ltd
Priority to CN202011144963.0A priority Critical patent/CN112308125A/zh
Publication of CN112308125A publication Critical patent/CN112308125A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/906—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Databases & Information Systems (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Alarm Systems (AREA)

Abstract

本发明公开了一种安检系统危险等级分类方法、装置和存储介质，该方法包括以下步骤：将潜在违禁品作为第一分类，对违禁品检出率、违禁品转化为事故可能性大小、事故危险程度分别进行权重赋值；将潜在损失作为第二分类，对乘客流量、随行货品价值、交通工具价值、非物质损失分别进行权重赋值；将危险处理难度作为第三分类，对排险难易程度、逃生难易程度、施救难易程度分别进行权重赋值；代入样本数据，分别计算总分；不定期更新三种分类中各项因素的权重赋值。本发明提供了安检系统危险等级分类方法、装置和存储介质，能够对不同场所的安检系统危险等级进行分类，且分类是动态化的，利用有限投入最大程度地规避危险，分类精准，非常值得推广。

Description

一种安检系统危险等级分类方法、装置和存储介质
技术领域
本发明涉及安检技术领域，具体为一种安检系统危险等级分类方法、装置和存储介质。
背景技术
现有技术中，申请号为“201910210413.5”的一种货运安检分类分级系统，为航空货运提供一种智能货运安检服务，该货运安检分类分级系统对代理人进行诚信考核，采用分级制度对货物预分配安检通道，针对货物制定不同安检策略，规范机场货运管理、优化安检流程，实现安检前置、提高航空货运安检效率；本发明与东部机场集团其他货运安检系统互联形成了一个完整的货运安检分类分级物流管理体系，在东部机场集团内部实现了无纸化运输和货运信息的闭环管理。
但是，其在使用过程中，仍然存在较为明显的缺陷：上述发明只能根据货物信息和代理人信息对货运安检进行分类分级，其并不适用于对机场、火车站、汽车站等客流量大、货物较少的安检场景，缺乏通用性，现有技术中也缺少对不同交通枢纽点的安检系统进行危险等级分类的研究。
发明内容
本发明的目的在于提供一种安检系统危险等级分类方法、装置和存储介质，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种安检系统危险等级分类方法，该方法包括以下步骤：
将潜在违禁品作为第一分类，对违禁品检出率、违禁品转化为事故可能性大小、事故危险程度分别进行权重赋值；
将潜在损失作为第二分类，对乘客流量、随行货品价值、交通工具价值、非物质损失分别进行权重赋值；
将危险处理难度作为第三分类，对排险难易程度、逃生难易程度、施救难易程度分别进行权重赋值；
代入样本数据，分别计算总分；
按照不同的安检系统危险等级划分总分分数段，并将总分分数、等级结果和样本信息匹配，形成样本数据库；
不定期更新三种分类中各项因素的权重赋值；
重新计算当前权重赋值下的总分取值范围，重新划分总分分数段所对应的安检系统危险等级。
优选的，所述将潜在违禁品作为第一分类，对违禁品检出率、违禁品转化为事故可能性大小、事故危险程度分别进行权重赋值，具体包括：
建立潜在违禁品为第一分类，所述违禁品检出率为一定时间内违禁品检出次数和总安检次数的比值，按照重要性的高低，对违禁品检出率、违禁品转化为事故可能性大小、事故危险程度分别进行权重赋值，赋值越大，则该因素的重要性程度越高。
优选的，所述将潜在损失作为第二分类，对乘客流量、随行货品价值、交通工具价值、非物质损失分别进行权重赋值，具体包括：
建立潜在损失为第二分类，其中，所述随行货品价值包括乘客行李价值和货运物品价值，所述交通工具价值包括交通工具的购买费用、安装费用和保养费用，按照重要性的高低，对乘客流量、随行货品价值、交通工具价值、非物质损失分别进行权重赋值，赋值越大，则该因素的重要性程度越高。
优选的，所述将危险处理难度作为第三分类，对排险难易程度、逃生难易程度、施救难易程度分别进行权重赋值，具体包括：
建立危险处理难度为第三分类，按照重要性的高低，对排险难易程度、逃生难易程度、施救难易程度分别进行权重赋值，赋值越大，则该因素的重要性程度越高。
优选的，所述代入样本数据，分别计算总分，具体包括：
所述样本数据为具体数值，即以0-100为分数区间，分别对样本条件中违禁品检出率、违禁品转化为事故可能性大小、事故危险程度、乘客流量、随行货品价值、交通工具价值、非物质损失、排险难易程度、逃生难易程度和施救难易程度进行打分，上述因素的程度越大，分数就越高，然后将每个因素的分数和其对应的权重系数相乘，得到单个因素在权重调整后的中间值，依次算取中间值并将所有的中间值相加，最终得到总分。
优选的，所述按照不同的安检系统危险等级划分总分分数段，并将总分分数、等级结果和样本信息匹配，形成样本数据库，具体包括：
根据各因素权重赋值，设定各因素分别均为0分和100分时，潜在总分能够取得的最低值和最高值，最高值和最低值之间的取值范围即为划分范围，将该划分范围分成5段，分别代表不同的危险等级，其中，处于最高分前10％的分数段为1级危险，程度最高，处于最低分前10％的分数段为5级危险，程度最低，中间的2、3、4级危险的程度逐渐降低，分别对应占取总分的10％、60％和10％，再根据样本数据的总分判断其所属的危险等级，若判断出的危险等级和预期不同，则对算法进行检验和修正，并根据修正后的算法重新计算总分和等级划分，最后将该样本数据的总分分数、判断出危险等级和样本各项因素分数及其权重系数信息进行组合匹配，形成样本数据库。
优选的，所述不定期更新三种分类中各项因素的权重赋值，具体包括：
若原有的权重赋值不适用于当前的安检环境，使用者即时对各项因素的权重赋值进行调整，在权重调整后会自动更新算法，更新之前原有的权重赋值则作为历史记录保存。
优选的，所述重新计算当前权重赋值下的总分取值范围，重新划分总分分数段所对应的安检系统危险等级，具体包括：
根据各因素更新后的权重赋值，分别设定各因素分别均为0分和100分时，潜在总分能够取得的最低值和最高值，仍然将从最高分到最低分的10％、10％、60％、10％、10％的分数段划分为1-5级危险，1级危险程度最高，5级危险程度最低。
一种安检系统危险等级分类装置，包括：
第一分类加权模块，用于将潜在违禁品作为第一分类，对违禁品检出率、违禁品转化为事故可能性大小、事故危险程度分别进行权重赋值；
第二分类加权模块，用于将潜在损失作为第二分类，对乘客流量、随行货品价值、交通工具价值、非物质损失分别进行权重赋值；
第三分类加权模块，用于将危险处理难度作为第三分类，对排险难易程度、逃生难易程度、施救难易程度分别进行权重赋值；
样本学习模块，用于代入样本数据，分别计算总分；
样本数据库模块，用于按照不同的安检系统危险等级划分总分分数段，并将总分分数、等级结果和样本信息匹配，形成样本数据库；
权重更新模块，用于不定期更新三种分类中各项因素的权重赋值；以及
等级分类标准更新模块，用于重新计算当前权重赋值下的总分取值范围，重新划分总分分数段所对应的安检系统危险等级。
一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行权利要求1-8任一权利要求所述一种安检系统危险等级分类方法的步骤。
与现有技术相比，本发明的有益效果是：
1、本发明更加适用于机场、火车站、汽车站等交通枢纽处的安检系统，能够综合考虑多方面因素，对不同场所的安检系统危险等级进行分类，便于安检人员根据危险等级采取相应的安检措施，在危险等级较低时可以快速进行安检，缩短安检时间，提高乘客满意度，在危险等级较高时，则可以提高安检的严格性，加大检查力度，谨防出现安全隐患，保障生命财产安全；
2、本发明的安检系统危险等级分类是动态化的，能够根据实际情况的变化及时更新三种分类中各项因素的权重赋值，进而自动调整危险等级所对应的总分分数段，更加实时化、智能化，消除滞后性；
3、本发明对五种危险按照分数取值区间的10％、10％、60％、10％、10％进行划分，60％为平均状态，危险程度高于平均状态的分数段一共占20％，符合帕累托法则，即二八原则，即前者的20％比剩余的80％更容易发生危险事故，需要重点关注，因此能够在有限的人力资源投入下，最大可能的规避危险。
本发明提供了安检系统危险等级分类方法、装置和存储介质，能够综合考虑多方面因素，对不同场所的安检系统危险等级进行分类，且分类是动态化的，实时化程度高，能够利用有限投入最大程度地规避危险，分类精准，非常值得推广。
附图说明
图1为本发明的安检系统危险等级分类方法流程示意图；
图2为本发明的安检系统危险等级分类装置的一种实施例示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-2，本发明提供一种技术方案：
一种安检系统危险等级分类方法，该方法包括以下步骤：
S101、将潜在违禁品作为第一分类，对违禁品检出率、违禁品转化为事故可能性大小、事故危险程度分别进行权重赋值；
S102、将潜在损失作为第二分类，对乘客流量、随行货品价值、交通工具价值、非物质损失分别进行权重赋值；
S103、将危险处理难度作为第三分类，对排险难易程度、逃生难易程度、施救难易程度分别进行权重赋值；
S104、代入样本数据，分别计算总分；
S105、按照不同的安检系统危险等级划分总分分数段，并将总分分数、等级结果和样本信息匹配，形成样本数据库；
S106、不定期更新三种分类中各项因素的权重赋值；
S107、重新计算当前权重赋值下的总分取值范围，重新划分总分分数段所对应的安检系统危险等级。
作为一个优选，所述将潜在违禁品作为第一分类，对违禁品检出率、违禁品转化为事故可能性大小、事故危险程度分别进行权重赋值，具体包括：
建立潜在违禁品为第一分类，所述违禁品检出率为一定时间内违禁品检出次数和总安检次数的比值，按照重要性的高低，对违禁品检出率、违禁品转化为事故可能性大小、事故危险程度分别进行权重赋值，赋值越大，则该因素的重要性程度越高。
作为一个优选，所述将潜在损失作为第二分类，对乘客流量、随行货品价值、交通工具价值、非物质损失分别进行权重赋值，具体包括：
建立潜在损失为第二分类，其中，乘客流量包括同一时间段内的平均候车人数，所述随行货品价值包括乘客行李价值和货运物品价值，所述交通工具价值包括交通工具的购买费用、安装费用和保养费用，非物质损失即为假设事故发生后，企业、行业因为负面评价而遭受的名誉损失、股价损失和销量下降，此处可转化为损失金额数值便于进行衡量和计算，按照重要性的高低，对乘客流量、随行货品价值、交通工具价值、非物质损失分别进行权重赋值，赋值越大，则该因素的重要性程度越高。
作为一个优选，所述将危险处理难度作为第三分类，对排险难易程度、逃生难易程度、施救难易程度分别进行权重赋值，具体包括：
建立危险处理难度为第三分类，按照重要性的高低，对排险难易程度、逃生难易程度、施救难易程度分别进行权重赋值，排险难易程度包括在候车厅排险和行驶途中排险的难易程度，逃生难易程度考量的是在行驶途中乘客及乘务及时逃离现场的难易程度，施救难易程度指的是施救人员能够解救出被威胁的乘客和乘务的难易程度，赋值越大，则该因素的重要性程度越高。
作为一个优选，所述代入样本数据，分别计算总分，具体包括：
所述样本数据为具体数值，即以0-100为分数区间，分别对样本条件中违禁品检出率、违禁品转化为事故可能性大小、事故危险程度、乘客流量、随行货品价值、交通工具价值、非物质损失、排险难易程度、逃生难易程度和施救难易程度进行打分，即各因素的最高分都是100，最低分都是0，统一量化，便于数据处理，上述因素的程度越大，分数就越高，然后将每个因素的分数和其对应的权重系数相乘，得到单个因素在权重调整后的中间值，依次算取中间值并将所有的中间值相加，最终得到总分。
作为一个优选，所述按照不同的安检系统危险等级划分总分分数段，并将总分分数、等级结果和样本信息匹配，形成样本数据库，具体包括：
根据各因素权重赋值，设定各因素分别均为0分和100分时，潜在总分能够取得的最低值和最高值，最高值和最低值之间的取值范围即为划分范围，将该划分范围分成5段，分别代表不同的危险等级，其中，处于最高分前10％的分数段为1级危险，程度最高，处于最低分前10％的分数段为5级危险，程度最低，中间的2、3、4级危险的程度逐渐降低，分别对应占取总分的10％、60％和10％，可见，3级危险为平均状态，1级和2级危险均高于平均状态，且二者相加的区间总和占总区间的20％，符合帕累托法则，即二八原则，即前者的20％比剩余的80％更容易发生危险事故，需要重点关注，因此能够在有限的人力资源投入下，最大可能的规避危险，然后再根据样本数据的总分判断其所属的危险等级，若判断出的危险等级和预期不同，则对算法进行检验和修正，并根据修正后的算法重新计算总分和等级划分，最后将该样本数据的总分分数、判断出危险等级和样本各项因素分数及其权重系数信息进行组合匹配，形成样本数据库，可见，样本数据库既可以用于训练分类算法，也能够用于检测分类算法的合理性。
作为一个优选，所述不定期更新三种分类中各项因素的权重赋值，具体包括：
若原有的权重赋值不适用于当前的安检环境，使用者即时对各项因素的权重赋值进行调整，更加实时化和智能化，解决了定期更新存在的滞后性等问题，在权重调整后会自动更新算法，更新之前原有的权重赋值则作为历史记录保存，便于后期查看和对比分析。
作为一个优选，所述重新计算当前权重赋值下的总分取值范围，重新划分总分分数段所对应的安检系统危险等级，具体包括：
根据各因素更新后的权重赋值，分别设定各因素分别均为0分和100分时，潜在总分能够取得的最低值和最高值，仍然将从最高分到最低分的10％、10％、60％、10％、10％的分数段划分为1-5级危险，1级危险程度最高，5级危险程度最低，3级危险为处于大多数的平均状态，可见，1级和2级危险均高于平均状态，且二者相加的区间总和仍然占总区间的20％，符合帕累托法则，可利用最少投入获得最大效益。
一种安检系统危险等级分类装置，包括：
第一分类加权模块201，用于将潜在违禁品作为第一分类，对违禁品检出率、违禁品转化为事故可能性大小、事故危险程度分别进行权重赋值；
第二分类加权模块202，用于将潜在损失作为第二分类，对乘客流量、随行货品价值、交通工具价值、非物质损失分别进行权重赋值；
第三分类加权模块203，用于将危险处理难度作为第三分类，对排险难易程度、逃生难易程度、施救难易程度分别进行权重赋值；
样本学习模块204，用于代入样本数据，分别计算总分；
样本数据库模块205，用于按照不同的安检系统危险等级划分总分分数段，并将总分分数、等级结果和样本信息匹配，形成样本数据库；
权重更新模块206，用于不定期更新三种分类中各项因素的权重赋值；以及
等级分类标准更新模块207，用于重新计算当前权重赋值下的总分取值范围，重新划分总分分数段所对应的安检系统危险等级。
一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行权利要求1-8任一权利要求所述一种安检系统危险等级分类方法的步骤。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种安检系统危险等级分类方法，其特征在于：该方法包括以下步骤：
将潜在违禁品作为第一分类，对违禁品检出率、违禁品转化为事故可能性大小、事故危险程度分别进行权重赋值；
将潜在损失作为第二分类，对乘客流量、随行货品价值、交通工具价值、非物质损失分别进行权重赋值；
将危险处理难度作为第三分类，对排险难易程度、逃生难易程度、施救难易程度分别进行权重赋值；
代入样本数据，分别计算总分；
按照不同的安检系统危险等级划分总分分数段，并将总分分数、等级结果和样本信息匹配，形成样本数据库；
不定期更新三种分类中各项因素的权重赋值；
重新计算当前权重赋值下的总分取值范围，重新划分总分分数段所对应的安检系统危险等级。
2.根据权利要求1所述的安检系统危险等级分类方法，其特征在于：所述将潜在违禁品作为第一分类，对违禁品检出率、违禁品转化为事故可能性大小、事故危险程度分别进行权重赋值，具体包括：
建立潜在违禁品为第一分类，所述违禁品检出率为一定时间内违禁品检出次数和总安检次数的比值，按照重要性的高低，对违禁品检出率、违禁品转化为事故可能性大小、事故危险程度分别进行权重赋值，赋值越大，则该因素的重要性程度越高。
3.根据权利要求1所述的安检系统危险等级分类方法，其特征在于：所述将潜在损失作为第二分类，对乘客流量、随行货品价值、交通工具价值、非物质损失分别进行权重赋值，具体包括：
建立潜在损失为第二分类，其中，所述随行货品价值包括乘客行李价值和货运物品价值，所述交通工具价值包括交通工具的购买费用、安装费用和保养费用，按照重要性的高低，对乘客流量、随行货品价值、交通工具价值、非物质损失分别进行权重赋值，赋值越大，则该因素的重要性程度越高。
4.根据权利要求1所述的安检系统危险等级分类方法，其特征在于：所述将危险处理难度作为第三分类，对排险难易程度、逃生难易程度、施救难易程度分别进行权重赋值，具体包括：
建立危险处理难度为第三分类，按照重要性的高低，对排险难易程度、逃生难易程度、施救难易程度分别进行权重赋值，赋值越大，则该因素的重要性程度越高。
5.根据权利要求1所述的安检系统危险等级分类方法，其特征在于：所述代入样本数据，分别计算总分，具体包括：
所述样本数据为具体数值，即以0-100为分数区间，分别对样本条件中违禁品检出率、违禁品转化为事故可能性大小、事故危险程度、乘客流量、随行货品价值、交通工具价值、非物质损失、排险难易程度、逃生难易程度和施救难易程度进行打分，上述因素的程度越大，分数就越高，然后将每个因素的分数和其对应的权重系数相乘，得到单个因素在权重调整后的中间值，依次算取中间值并将所有的中间值相加，最终得到总分。
6.根据权利要求1所述的安检系统危险等级分类方法，其特征在于：所述按照不同的安检系统危险等级划分总分分数段，并将总分分数、等级结果和样本信息匹配，形成样本数据库，具体包括：
根据各因素权重赋值，设定各因素分别均为0分和100分时，潜在总分能够取得的最低值和最高值，最高值和最低值之间的取值范围即为划分范围，将该划分范围分成5段，分别代表不同的危险等级，其中，处于最高分前10％的分数段为1级危险，程度最高，处于最低分前10％的分数段为5级危险，程度最低，中间的2、3、4级危险的程度逐渐降低，分别对应占取总分的10％、60％和10％，再根据样本数据的总分判断其所属的危险等级，若判断出的危险等级和预期不同，则对算法进行检验和修正，并根据修正后的算法重新计算总分和等级划分，最后将该样本数据的总分分数、判断出危险等级和样本各项因素分数及其权重系数信息进行组合匹配，形成样本数据库。
7.根据权利要求1所述的安检系统危险等级分类方法，其特征在于：所述不定期更新三种分类中各项因素的权重赋值，具体包括：
若原有的权重赋值不适用于当前的安检环境，使用者即时对各项因素的权重赋值进行调整，在权重调整后会自动更新算法，更新之前原有的权重赋值则作为历史记录保存。
8.根据权利要求1所述的安检系统危险等级分类方法，其特征在于：所述重新计算当前权重赋值下的总分取值范围，重新划分总分分数段所对应的安检系统危险等级，具体包括：
根据各因素更新后的权重赋值，分别设定各因素分别均为0分和100分时，潜在总分能够取得的最低值和最高值，仍然将从最高分到最低分的10％、10％、60％、10％、10％的分数段划分为1-5级危险，1级危险程度最高，5级危险程度最低。
9.一种安检系统危险等级分类装置，其特征在于：包括：
第一分类加权模块，用于将潜在违禁品作为第一分类，对违禁品检出率、违禁品转化为事故可能性大小、事故危险程度分别进行权重赋值；
第二分类加权模块，用于将潜在损失作为第二分类，对乘客流量、随行货品价值、交通工具价值、非物质损失分别进行权重赋值；
第三分类加权模块，用于将危险处理难度作为第三分类，对排险难易程度、逃生难易程度、施救难易程度分别进行权重赋值；
样本学习模块，用于代入样本数据，分别计算总分；
样本数据库模块，用于按照不同的安检系统危险等级划分总分分数段，并将总分分数、等级结果和样本信息匹配，形成样本数据库；
权重更新模块，用于不定期更新三种分类中各项因素的权重赋值；以及
等级分类标准更新模块，用于重新计算当前权重赋值下的总分取值范围，重新划分总分分数段所对应的安检系统危险等级。
10.一种可读存储介质，其特征在于：所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行权利要求1-8任一权利要求所述一种安检系统危险等级分类方法的步骤。
CN202011144963.0A 2020-10-23 2020-10-23 一种安检系统危险等级分类方法、装置和存储介质 Pending CN112308125A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011144963.0A CN112308125A (zh) 2020-10-23 2020-10-23 一种安检系统危险等级分类方法、装置和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011144963.0A CN112308125A (zh) 2020-10-23 2020-10-23 一种安检系统危险等级分类方法、装置和存储介质

Publications (1)

Publication Number Publication Date
CN112308125A true CN112308125A (zh) 2021-02-02

Family

ID=74327317

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011144963.0A Pending CN112308125A (zh) 2020-10-23 2020-10-23 一种安检系统危险等级分类方法、装置和存储介质

Country Status (1)

Country Link
CN (1) CN112308125A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115409438A (zh) * 2022-11-03 2022-11-29 成都沃飞天驭科技有限公司 低空飞行风险控制方法、装置、飞行器及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115409438A (zh) * 2022-11-03 2022-11-29 成都沃飞天驭科技有限公司 低空飞行风险控制方法、装置、飞行器及存储介质

Similar Documents

Publication Publication Date Title
CN110490400A (zh) 一种基于态势感知的地铁运营安全评估方法
CN112308125A (zh) 一种安检系统危险等级分类方法、装置和存储介质
CN104268710B (zh) 轨道交通路网动态应急处置方案生成方法
CN115907374A (zh) 分拨中心车辆智能调度方法、装置、设备及存储介质
CN113887872A (zh) 一种基于态势评估技术的交通风险分级方法
Liu et al. Predicting interstate motor carrier crash rate level using classification models
Zhang et al. Evaluation of emergency evacuation capacity of urban metro stations based on combined weights and TOPSIS-GRA method in intuitive fuzzy environment
CN113657788A (zh) 一种企业安全生产标准化智能监管系统及方法
CN116882865B (zh) 一种基于生鲜配送的智能物流装车系统及装车方法
CN117783128A (zh) 一种建筑用索体检测系统
CN117670024A (zh) 一种光伏电站的风险等级评估方法及系统
CN111489061A (zh) 基于虚拟现实提高汽车产品安全性的交互控制方法
CN109747535B (zh) 一种基于大数据的视联网信息管理系统
Idris et al. Mid-life refurbishment maintenance strategy to sustain performance and reliability of train system
CN110414875B (zh) 产能数据处理方法、装置、电子设备及计算机可读介质
CN113689301B (zh) 赔付策略的构建方法、装置、设备及存储介质
CN114021969B (zh) 一种涉农企业安全生产风险指数分析系统
CN112232607B (zh) 一种地铁客流量预测方法及装置
CN114663021A (zh) 物流订单的分配方法、装置、设备及存储介质
CN109460868A (zh) 一种采用灰度预测的企业安全生产预警系统的构建方法
Mitra Analysis of truck accidents using structural equation models
Xu et al. Study on direct economic loss assessment method of road traffic accidents.
Li et al. Research on the road transport risk of domestic hazardous chemicals
Slepnev et al. Organizing the quality management system for the processes of prevention, localization and elimination of accidents at pipeline transport facilities (Russian)
CN112907122A (zh) 一种天然气加气站安全评价模型及评价方法

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