CN113487212A - 一种风险监测方法及装置 - Google Patents
一种风险监测方法及装置 Download PDFInfo
- Publication number
- CN113487212A CN113487212A CN202110818457.3A CN202110818457A CN113487212A CN 113487212 A CN113487212 A CN 113487212A CN 202110818457 A CN202110818457 A CN 202110818457A CN 113487212 A CN113487212 A CN 113487212A
- Authority
- CN
- China
- Prior art keywords
- risk
- monitoring
- early warning
- determining
- monitoring point
- 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
Images
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Geometry (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Computer Graphics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及风险监测方法及装置，其中方法包括：获取各个监测点采集的监测数据；对各个监测点的监测数据进行计算，确定各个监测点对应的各个预警数据；根据各个预警数据以及对应的预设阈值，判断监测点是否异常；当监测点异常时，利用风险项与监测点的关联关系，确定发生异常的监测点对应的风险项；基于预设标准确定风险项的风险预警级别，以根据不同的预警级别确定风险项的管控措施。本发明通过确定各个监测点对应的各个预警数据，基于预设标准确定风险项的风险预警级别；实现了智能的风险辨识，辨识出来的风险项进行风险的排查、执行风险的管控措施排除风险，尽量避免风险升级成为隐患，实现了数据互联互通的管理模式。
Description
技术领域
本发明涉及数据处理技术领域，具体涉及一种风险监测方法及装置。
背景技术
随着云服务、大数据、人工智能等新技术的发展以及应用，对于安全风险分级动态管控与隐患排查综合治理逐渐进行双重管理机制，实施风险分级预警管控，将风险危害降至最低，从而落实安全风险预防预控，防止和减少安全生产事故。然而已有的风险监控及安全管理方案多是采用传统的电子记录模式，只是实现了对风险清单项的电子化记录登记，以及相应管控措施等的管理，不能协助工作人员进行风险辨识。
发明内容
有鉴于此，本发明实施例提供了一种风险监测方法及装置，解决了现有的风险监控存在的只实现电子化登记，不能协助工作人员进行风险辨识的问题。
根据第一方面，本发明实施例提供了一种风险监测方法，包括：
获取各个监测点采集的监测数据；
对各个监测点的监测数据进行计算，确定各个监测点对应的各个预警数据；
根据各个预警数据以及对应的预设阈值，判断监测点是否异常；
当所述监测点异常时，利用风险项与监测点的关联关系，确定发生异常的监测点对应的风险项；
基于预设标准确定所述风险项的风险预警级别，以根据不同的预警级别确定所述风险项的管控措施。
本发明实施例提供的风险监测方法，通过对监测数据的计算，确定各个监测点对应的各个预警数据，然后利用风险项与监测点的关联关系，确定发生异常的监测点对应的风险项，最后基于预设标准确定所述风险项的风险预警级别；实现了智能的风险辨识，辨识出来的风险项进行风险的排查、执行风险的管控措施排除风险，尽量避免风险升级成为隐患。并且实现了每个风险项与其下各个风险监测点的关联，实现了数据互联互通的管理模式。
结合第一方面，在第一方面第一实施方式中，所述根据各个预警数据以及对应的预设阈值，判断监测点是否异常，包括：
对所述风险项进行功能分类，确定监测分类项目；
建立所述监测点与所述监测分类项目的关联关系，利用所述监测点与所述监测分类项目的关联关系和所述监测点，分别确定各个监测点对应的监测分类项目，以确定不同的预设阈值；
分别判断当前监测点的各个预警数据是否超过对应的预设阈值；
当各个预警数据均超过对应的预设阈值时，将当前监测点标记为异常点。
本发明实施例提供的风险监测方法，根据监测点采集设备的不同分为人工采集、半自动采集、自动采集，使用监测点进行检测的益处在于数据不经任何人工修饰，而且能全天不间断进行测量，可以确保监测工作的高效、连续和准确。
结合第一方面，在第一方面第二实施方式中，所述基于预设标准确定所述风险项的风险预警级别，以根据不同的预警级别确定所述风险项的管控措施，包括：
获取所述风险项对应的监测数据；
利用预设标准对所述风险项对应的监测数据分别进行预警分值计算；
基于各个预警分值确定所述风险项的风险预警级别；
根据不同的预警级别与管控措施的对应关系以及所述风险项的风险预警级别，确定所述风险项的管控措施。
结合第一方面第二实施方式，在第一方面第三实施方式中，当所述预设标准为单指标时，所述基于各个预警分值确定所述风险项的风险预警级别，包括：
确定单指标标准的各风险预警级别与判断阈值之间的第一关系；
当任意一个预警分值超过对应的判断阈值时，基于所述第一关系确定所述风险项的风险预警级别。
结合第一方面第二实施方式，在第一方面第四实施方式中，当所述预设标准为多指标时，所述基于各个预警分值确定所述风险项的风险预警级别，包括：
确定多指标标准的各风险预警级别与判断阈值之间的第二关系；
当所有预警分值都超过对应的判断阈值时，基于所述第二关系确定所述风险项的风险预警级别。
结合第一方面、第一方面第一实施方式至第四实施方式中的任意一项实施方式，在第一方面第五实施方式中，所述方法还包括：
获取所述风险项以及所述监测点的坐标；
根据所述坐标，在三维地图上显示所述风险项以及所述监测点；
根据不同的查看指令显示所述风险项以及所述监测点对应的基本信息和预警信息。
本发明实施例提供的风险监测方法，结合配置的风险源和关键部位监测点内容，立体直观的在三维地图上展示风险源和监测点，实现了对风险项和监测点与项目现场环境相结合的模式，结合3D地图、BIM模型等手段将风险项、监测点标识出来，提供更加形象的风险监测及管控模式。
根据第二方面，本发明实施例提供了一种风险监测装置，包括：
第一处理模块，用于获取各个监测点采集的监测数据；
第二处理模块，用于对各个监测点的监测数据进行计算，确定各个监测点对应的各个预警数据；
第三处理模块，用于根据各个预警数据以及对应的预设阈值，判断监测点是否异常；
第四处理模块，用于当所述监测点异常时，利用风险项与监测点的关联关系，确定发生异常的监测点对应的风险项；
第五处理模块，用于基于预设标准确定所述风险项的风险预警级别，以根据不同的预警级别确定所述风险项的管控措施。
根据第三方面，本发明实施例提供了一种电子设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行第一方面或者第一方面的任意一种实施方式中所述的风险监测方法。
根据第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行第一方面或者第一方面的任意一种实施方式中所述的风险监测方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的风险监测方法的流程图；
图2是本发明实施例提供的风险监测方法的另一流程图；
图3是本发明实施例提供的风险项与风险监测点的对应关系示意图；
图4是本发明实施例提供的风险监测方法的另一具体流程图；
图5是本发明实施例提供的风险监测装置的结构图；
图6是本发明实施例提供的电子设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。
本发明实施例提供的风险监测方法，可以应用于建筑施工过程中的风险项的监测，也可以应用于其他环境下风险项的监测，例如影响自然灾害的环境等等。在本发明中对风险监测方法的具体应用场景并不作任何限制，在下文的描述中，以对建筑施工过程中的风险项的监测为例进行详细描述。
市面上已有的技术方案还多是采用了传统的系统应用模式，只是实现了对风险清单项的电子化记录登记，以及对相应管控措施的管理。此类技术应用模式过于简单，不能更好的帮助施工人员智能化进行风险辨识。因此，根据本发明实施例，提供了一种风险监测方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种风险监测方法，可用于电子设备，例如电脑、手机、平板电脑等。图1是根据本发明实施例的风险监测方法的流程图，如图1所示，该流程包括如下步骤：
S11，获取各个监测点采集的监测数据。
其中，监测数据可以是电子设备直接从外界获取到的，也可以是利用电子设备中的数据采集装置采集得到的，在此对电子设备获取监测数据的方式并不做任何限制，只需保证电子设备能够获取到监测数据即可。进一步地，各个监测点(即关键部位监测点)是设置在风险项的地理位置周围，各个监测点可以是传感器，通过传感器将监测数据上传至服务器。还可以是在风险项周围设置多个监测点，然后在每个监测点位置处安装数据采集设备进行监测数据的采集。本实施例对具体设置方式不做任何限制。
其中，监测点的数据采集可以是收到监测设备也可以是自动监测设备进行的，如果是手动监测设备，则需要以日报形式上传监测数据，通过excel表方式上传，只上传“本次测量值”即可；如果是自动监测设备，则通过自动化设备厂商接口进行数据传输，用户无需上传日报，会将监测数据实时进行上传。
S12，对各个监测点的监测数据进行计算，确定各个监测点对应的各个预警数据。
在后续的风险监测过程中，系统收集到监测点测量数据以后，系统会按照预先设置好的算法自动进行分析计算，然后在系统中展示计算好的预警数据，每个监测点都会计算相应的至少预警数据，例如，监测点获取到本次测量值后，系统会根据本次测量值、以及初始值计算出本次变化量、本次累计变化量以及变化速率等预警数据，其中初始值是在初始化时需要填写的数据，如果是计算本次变化量，则利用本次测量值-上次测量值(当第一次计算时，本次变化量为本此测量值-初始值，即与本次累计变化量相同)，计算变化率的表达式为：本次变化量/(本次测量时间-上次测量时间)，需要说明的是，计算变化率表达式中的分母(本次测量时间-上次测量时间)为日历天数，若2月27日测一次，3月2日测一次，分母为4；若为同一天测两次，则分母为1。
S13，根据各个预警数据以及对应的预设阈值，判断监测点是否异常。
电子设备在上述S12中计算确定各个预警数据之后，确定每个预警数据对应的预设阈值，利用各个预警数据以及对应的预设阈值，判断对应的监测点是否异常。例如，对于施工工程的地下水的水质进行监测，确定出本次累计变化量为30，水质监测的预设阈值为20，即可利用本次累计变化量与水质监测的预设阈值进行比较，以确定当前的监测点是否为异常点。
需要说明的是，本实施例仅仅以某一个监测的风险项为例进行说明，具体地，以实际项目出发，预设阈值也是根据实际需求进行设置的，本实施例仅以此为例。
S14，当监测点异常时，利用风险项与监测点的关联关系，确定发生异常的监测点对应的风险项。
电子设备在上述S13中监测到异常点之后，可以利用风险项与监测点的关联关系，确定发生异常的监测点对应的风险项，也就是确定出异常的监测点之后，需要进一步确定这个异常的监测点正在进行监测的风险项。其中，风险项是根据施工方案、施工图纸以及周边环境勘察等情况，由设计方、施工方、监理方等各参与施工单位共同评定出来的。
风险项内容一般包括：风险类型、风险名称、风险等级、风险项管控级别、风险实施状态、风险潜在事故类型、风险位置、风险描述、风险管控措施、风险排查时间、排查责任人、是否生成隐患、隐患是否消除、以及此风险项周边监测点的监测情况报告等内容。各个层级组织辨识出各个风险项之后，对辨识出来的风险项进行风险评价、风险管控措施的制定等工作。
对于风险的类型一般是由标准规范定义，企业依据规范及工程特性进行风险类型划分，风险类型一般有一级分类、二级分类、三级分类及以下分类，根据工程特性，一般企业会在国家规定的类别进行再次分类，上级公司统一定义的，轨道工程一级分类按照风险的布置区域进行划分的。一般分为工程周边环境风险、工程自身及施工作业风险等内容。
S15，基于预设标准确定风险项的风险预警级别，以根据不同的预警级别确定风险项的管控措施。
辨识确认出风险项之后，需要对其进行风险评价，确定风险预警级别，然后对风险项进行风险管控措施的制定等工作。其中，风险预警级别可以分为：低风险、一般风险、较大风险、重大风险。
关于该步骤具体将在下文中进行详细描述。
本实施例提供的风险监测方法，通过对监测数据的计算，确定各个监测点对应的各个预警数据，然后利用风险项与监测点的关联关系，确定发生异常的监测点对应的风险项，最后基于预设标准确定风险项的风险预警级别；实现了智能的风险辨识，辨识出来的风险项进行风险的排查、执行风险的管控措施排除风险，尽量避免风险升级成为隐患。并且实现了每个风险项与其下各个风险监测点的关联，实现了数据互联互通的管理模式。
在本实施例中提供了一种风险监测方法，图2是根据本发明实施例的风险监测方法的流程图，如图2所示，该流程包括如下步骤：
S21，获取各个监测点采集的监测数据。
详细请参见图1所示实施例的S11，在此不再赘述。
S22，对各个监测点的监测数据进行计算，确定各个监测点对应的各个预警数据。
详细请参见图1所示实施例的S12，在此不再赘述。
S23，根据各个预警数据以及对应的预设阈值，判断监测点是否异常。
具体地，上述S23包括如下步骤：
S231，对风险项进行功能分类，确定监测分类项目。
每个风险项与风险监测点都有对应关系，什么风险对应的监测内容是预先设置好的。系统通过配置关系将风险项与风险监测点建立了对应关系如图3所示，具体设计如下：风险监测点(即关键部位监测点)，在风险项的地理位置周围布上了很多监测点，监测点也可以认为是传感器，通过传感器将监测数据上传至服务器实施存储和计算，通过计算结果的比对(实时计算出的累计变化量和变化速率，与该监测点的控制值(即上限值)进行比对)来评估出此处是否还有风险，风险是否已解决等问题。风险源(风险项)可同时挂接多个监测分类项目，每个监测分类项目可以关联多个监测点。同时还能对各个监测点进行统计，确定监测中、监测结果正常以及异常监测点的个数。
S232，建立监测点与监测分类项目的关联关系，利用监测点与监测分类项目的关联关系和监测点，分别确定各个监测点对应的监测分类项目，以确定不同的预设阈值。
根据确定的监测点、监测分类项目以及风险项，可以确定对应的关联关系，其中不同的监测点会对应划分到对应的监测项目内容，例如JGC201-234、JGC001-113两个监测点对应于构筑物沉降，DBCC对应于地表沉降，ZCL对应于支撑轴力等等，然后进一步可以根据监测点确定监测分类项目，利用不同的监测分类项目确定不同的预设阈值。
S233，分别判断当前监测点的各个预警数据是否超过对应的预设阈值。
本实施例中，当前监测点的每个预警数据分别对应各自的预设阈值，例如：本次变化量对应了变化量的阈值、本次累计变化量对应了累计变化量的阈值以及变化速率对应了变化速率的阈值，并且是根据监测的预警数据本身的性质确定的预设阈值。
S234，当各个预警数据均超过对应的预设阈值时，将当前监测点标记为异常点。
本实施例中，可能存在某一个数据监测过程中由于误差或者其他因素影响导致监测不准确，因此当设置的各个预警数据均超过其各自对应的预设阈值时，将当前监测点标记为异常点。如当本次变化量、本次累计变化量以及变化速率最终计算的都大于各自对应的预设阈值才判定当前监测点为异常点。则需要对异常点进行进一步计算与预警。
S24，当监测点异常时，利用风险项与监测点的关联关系，确定发生异常的监测点对应的风险项。
详细请参见图1所示实施例的S14，在此不再赘述。
S25，基于预设标准确定风险项的风险预警级别，以根据不同的预警级别确定风险项的管控措施。
详细请参见图1所示实施例的S15，在此不再赘述。
本实施例提供的风险监测方法，根据监测点采集设备的不同分为人工采集、半自动采集、自动采集，使用监测点进行检测的益处在于数据不经任何人工修饰，而且能全天不间断进行测量，可以确保监测工作的高效、连续和准确。
在本实施例中提供了一种风险监测方法，图4是根据本发明实施例的风险监测方法的流程图，如图4所示，该流程包括如下步骤：
S31，获取各个监测点采集的监测数据。
详细请参见图2所示实施例的S21，在此不再赘述。
S32，对各个监测点的监测数据进行计算，确定各个监测点对应的各个预警数据。
详细请参见图2所示实施例的S22，在此不再赘述。
S33，根据各个预警数据以及对应的预设阈值，判断监测点是否异常。
详细请参见图2所示实施例的S23，在此不再赘述。
S34，当监测点异常时，利用风险项与监测点的关联关系，确定发生异常的监测点对应的风险项。
详细请参见图2所示实施例的S24，在此不再赘述。
S35，基于预设标准确定风险项的风险预警级别，以根据不同的预警级别确定风险项的管控措施。
具体地，上述S35包括如下步骤：
S351，获取风险项对应的监测数据。在确定了风险项之后，获取风险项对应的所有的监测数据以便于后续的计算。
S352，利用预设标准对风险项对应的监测数据分别进行预警分值计算。
本实施例中，可以利用LECD评价方法进行风险评定的预警分值的计算，评定规则：L——事故或危害事件发生的可能性，E——暴露于危害事件环境的频率，C——事故或危害事件的可能结果。用户分别录入LEC的不同状态值，系统会自动根据D＝L*E*C的计算出预警分值D，以最终确定风险级别为低风险、一般风险、较大风险、重大风险。
S353，基于各个预警分值确定风险项的风险预警级别。
在本实施例的一些可选实施方式中，当预设标准为单指标时，上述S342可以包括如下步骤：
(1)确定单指标标准的各风险预警级别与判断阈值之间的第一关系。
对于风险项的监测的风险预警级别的确定过程中，可以确定单指标标准的各风险预警级别与判断阈值之间的第一关系，这是可以根据实际需求进行相应调整的，例如：将预警分值达到判断阈值的80％的风险项确定为一般风险、预警分值达到判断阈值的100％的风险项确定为较大风险等等关系。
(2)当任意一个预警分值超过对应的判断阈值时，基于第一关系确定风险项的风险预警级别。当预设标准为单指标时，只要某一个预警数据的预警分值超过对应的判断阈值时，则可以根据这个预测的风险预警级别进行整个风险项的级别预测。
在本实施例的一些可选实施方式中，当预设标准为多指标时，上述S342可以包括如下步骤：
a.确定多指标标准的各风险预警级别与判断阈值之间的第二关系。具体地，多指标可以与多个预警数据保持个数一致，然后设置对应的第二关系，以上述三个预警数据为例：本次变化量、本次累计变化量以及变化速率，当每个计算的对应的分值超过判断阈值的70％对应于一般风险、超过80％对应于较大风险等等对应关系，其中，具体的关系可以根据实际需求进行调整。
b.当所有预警分值都超过对应的判断阈值时，基于第二关系确定风险项的风险预警级别。
S354，根据不同的预警级别与管控措施的对应关系以及风险项的风险预警级别，确定风险项的管控措施。在施工前期对于明确出来的风险项，设计方、施工方、监理方、第三方依据相关规定和专业经验，制定出来风险管控措施，风险管控措施是依据每个风险项制定出来的。
在一具体实施例中，在确定风险项以及其对应的预警级别之后，本实施例提供的方法，还包括如下步骤：
S36，获取风险项以及监测点的坐标。
各个风险项通过excel导入三维坐标，在地图上显示出风险项。风险项的三维坐标是三维模型的坐标，在前期确定的施工设计图中对风险项就有坐标数据。同时监测点通过导入初始化文件，将坐标位置导入到系统中，显示在三维地图上。监测点的三维坐标由三维图上标识的坐标，在前期确定的施工设计图中对监测点也会确定坐标数据。需要说明的是，本实施例仅举例说明通过导入数据的方式获取坐标信息，在实际应用中可以是通过信息采集装置获取坐标信息，本实施例并不以此为限。
S37，根据坐标，在三维地图上显示风险项以及监测点。
获取到各个风险项以及监测点的坐标之后，可以在三维地图上对其进行显示，每个组织对风险项不仅可以查看风险列表以及风险的详细内容，还可以分别在二维GIS图、三维模型和BIM模型上进行展示，对风险项的周边环境一目了然。
S38，根据不同的查看指令显示风险项以及监测点对应的基本信息和预警信息。
当鼠标滑到风险项图标处会浮现出显示卡片，展示内容包括(监测点基本信息)：风险排查状态、风险名称、风险管控等级、风险类型、负责人及电话。当接收到风险项详情查看指令(鼠标点击风险项图标)会显示出风险详情卡片，风险详情卡片内容一般包括(预警信息)：风险类型、风险名称、风险等级、风险项管控级别、风险实施状态、风险潜在事故类型、风险位置、风险描述、风险管控措施、风险排查时间、排查责任人、是否生成隐患、隐患是否消除、以及此风险项周边监测点的监测情况报告等内容。
在三维GIS上查看风险项时，点击风险项可以查看其关联的监测点情况，监测点分为种状态，界面中分别用三种颜色来显示。分别为：灰色——本日未监测(即本日没有监测数据)；绿色——本日监测正常(即本日监测数据没有超过监测点的控制值)；还有报警状态的监测点，显示为红、橙、黄、蓝，分别代表红色报警、橙色报警、黄色报警、蓝色报警，报警状态表示为本日监测异常(即本日监测数据超过监测点的控制值)。点击监测点，可以查看到详细信息。
本实施例提供的风险监测方法，结合配置的风险源和关键部位监测点内容，立体直观的在三维地图上展示风险源和监测点，实现了对风险项和监测点与项目现场环境相结合的模式，结合3D地图、BIM模型等手段将风险项、监测点标识出来，提供更加形象的风险监测及管控模式。
在本实施例中还提供了一种风险监测装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供一种风险监测装置，如图5所示，包括：第一处理模块1，用于获取各个监测点采集的监测数据；第二处理模块2，用于对各个监测点的监测数据进行计算，确定各个监测点对应的各个预警数据；第三处理模块3，用于根据各个预警数据以及对应的预设阈值，判断监测点是否异常；第四处理模块4，用于当监测点异常时，利用风险项与监测点的关联关系，确定发生异常的监测点对应的风险项；第五处理模块5，用于基于预设标准确定风险项的风险预警级别，以根据不同的预警级别确定风险项的管控措施。
本实施例中的风险监测装置是以功能单元的形式来呈现，这里的单元是指ASIC电路，执行一个或多个软件或固定程序的处理器和存储器，和/或其他可以提供上述功能的器件。
上述各个模块的更进一步的功能描述与上述对应实施例相同，在此不再赘述。
本发明实施例还提供一种电子设备，具有上述图5所示的风险监测装置。
请参阅图6，图6是本发明可选实施例提供的一种电子设备的结构示意图，如图6所示，该电子设备可以包括：至少一个处理器601，例如CPU(Central Processing Unit，中央处理器)，至少一个通信接口603，存储器604，至少一个通信总线602。其中，通信总线602用于实现这些组件之间的连接通信。其中，通信接口603可以包括显示屏(Display)、键盘(Keyboard)，可选通信接口603还可以包括标准的有线接口、无线接口。存储器604可以是高速RAM存储器(Random Access Memory，易挥发性随机存取存储器)，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。存储器604可选的还可以是至少一个位于远离前述处理器601的存储装置。其中处理器601可以结合图5所描述的装置，存储器604中存储应用程序，且处理器601调用存储器604中存储的程序代码，以用于执行上述任一方法步骤。
其中，通信总线602可以是外设部件互连标准(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture，简称EISA)总线等。通信总线602可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器604可以包括易失性存储器(英文：volatile memory)，例如随机存取存储器(英文：random-access memory，缩写：RAM)；存储器也可以包括非易失性存储器(英文：non-volatile memory)，例如快闪存储器(英文：flash memory)，硬盘(英文：hard diskdrive，缩写：HDD)或固态硬盘(英文：solid-state drive，缩写：SSD)；存储器604还可以包括上述种类的存储器的组合。
其中，处理器601可以是中央处理器(英文：central processing unit，缩写：CPU)，网络处理器(英文：network processor，缩写：NP)或者CPU和NP的组合。
其中，处理器601还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(英文：application-specific integrated circuit，缩写：ASIC)，可编程逻辑器件(英文：programmable logic device，缩写：PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(英文：complex programmable logic device，缩写：CPLD)，现场可编程逻辑门阵列(英文：field-programmable gate array，缩写：FPGA)，通用阵列逻辑(英文：generic arraylogic,缩写：GAL)或其任意组合。
可选地，存储器604还用于存储程序指令。处理器601可以调用程序指令，实现如本申请图1、2和4实施例中所示的风险监测方法。
本发明实施例还提供了一种非暂态计算机存储介质，计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的风险监测方法。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (9)
1.一种风险监测方法，其特征在于，包括：
获取各个监测点采集的监测数据；
对各个监测点的监测数据进行计算，确定各个监测点对应的各个预警数据；
根据各个预警数据以及对应的预设阈值，判断监测点是否异常；
当所述监测点异常时，利用风险项与监测点的关联关系，确定发生异常的监测点对应的风险项；
基于预设标准确定所述风险项的风险预警级别，以根据不同的预警级别确定所述风险项的管控措施。
2.根据权利要求1所述的方法，其特征在于，所述根据各个预警数据以及对应的预设阈值，判断监测点是否异常，包括：
对所述风险项进行功能分类，确定监测分类项目；
建立所述监测点与所述监测分类项目的关联关系，利用所述监测点与所述监测分类项目的关联关系和所述监测点，分别确定各个监测点对应的监测分类项目，以确定不同的预设阈值；
分别判断当前监测点的各个预警数据是否超过对应的预设阈值；
当各个预警数据均超过对应的预设阈值时，将当前监测点标记为异常点。
3.根据权利要求1所述的方法，其特征在于，所述基于预设标准确定所述风险项的风险预警级别，以根据不同的预警级别确定所述风险项的管控措施，包括：
获取所述风险项对应的监测数据；
利用预设标准对所述风险项对应的监测数据分别进行预警分值计算；
基于各个预警分值确定所述风险项的风险预警级别；
根据不同的预警级别与管控措施的对应关系以及所述风险项的风险预警级别，确定所述风险项的管控措施。
4.根据权利要求3所述的方法，其特征在于，当所述预设标准为单指标时，所述基于各个预警分值确定所述风险项的风险预警级别，包括：
确定单指标标准的各风险预警级别与判断阈值之间的第一关系；
当任意一个预警分值超过对应的判断阈值时，基于所述第一关系确定所述风险项的风险预警级别。
5.根据权利要求3所述的方法，其特征在于，当所述预设标准为多指标时，所述基于各个预警分值确定所述风险项的风险预警级别，包括：
确定多指标标准的各风险预警级别与判断阈值之间的第二关系；
当所有预警分值都超过对应的判断阈值时，基于所述第二关系确定所述风险项的风险预警级别。
6.根据权利要求1至5中的任意一项所述的方法，其特征在于，所述方法还包括：
获取所述风险项以及所述监测点的坐标；
根据所述坐标，在三维地图上显示所述风险项以及所述监测点；
根据不同的查看指令显示所述风险项以及所述监测点对应的基本信息和预警信息。
7.一种风险监测装置，其特征在于，包括：
第一处理模块，用于获取各个监测点采集的监测数据；
第二处理模块，用于对各个监测点的监测数据进行计算，确定各个监测点对应的各个预警数据；
第三处理模块，用于根据各个预警数据以及对应的预设阈值，判断监测点是否异常；
第四处理模块，用于当所述监测点异常时，利用风险项与监测点的关联关系，确定发生异常的监测点对应的风险项；
第五处理模块，用于基于预设标准确定所述风险项的风险预警级别，以根据不同的预警级别确定所述风险项的管控措施。
8.一种电子设备，其特征在于，包括：
存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1-6中任一项所述的风险监测方法。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使计算机执行权利要求1-6中任一项所述的风险监测方法。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2021106336656 | 2021-06-07 | ||
| CN202110633665 | 2021-06-07 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113487212A true CN113487212A (zh) | 2021-10-08 |
Family
ID=77942376
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110818457.3A Pending CN113487212A (zh) | 2021-06-07 | 2021-07-20 | 一种风险监测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113487212A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114693166A (zh) * | 2022-04-22 | 2022-07-01 | 北京中科三清环境技术有限公司 | 在线监测应急减排措施执行情况的方法、装置及电子设备 |
| CN114758296A (zh) * | 2022-04-19 | 2022-07-15 | 国网湖北省电力有限公司黄石供电公司 | 一种基于vr技术的电网设备远程监测方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170032255A1 (en) * | 2015-07-29 | 2017-02-02 | International Business Machines Corporation | Injury risk factor identification, prediction, and mitigation |
| CN109269556A (zh) * | 2018-09-06 | 2019-01-25 | 深圳市中电数通智慧安全科技股份有限公司 | 一种设备风险预警方法、装置、终端设备及存储介质 |
| US20190066479A1 (en) * | 2015-11-19 | 2019-02-28 | Halliburton Energy Services, Inc. | Method and system for monitoring and predicting gas leak |
| CN109583792A (zh) * | 2018-12-27 | 2019-04-05 | 深圳市城市公共安全技术研究院有限公司 | 在建工程静态-动态风险信息化管控方法及系统 |
| CN208903300U (zh) * | 2018-05-30 | 2019-05-24 | 中国建筑第六工程局有限公司 | 一种基于bim技术的施工风险自动监测系统 |
| CN111042143A (zh) * | 2019-12-03 | 2020-04-21 | 上海交通大学 | 一种基于大量监测数据分析的基坑工程预警方法和系统 |
| CN112254842A (zh) * | 2020-10-10 | 2021-01-22 | 广联达科技股份有限公司 | 一种大体积混凝土的温度监测方法、系统及电子设备 |
| CN112381309A (zh) * | 2020-11-23 | 2021-02-19 | 珠江水利委员会珠江水利科学研究院 | 水库大坝安全监测预警方法、装置、系统及存储介质 |
-
2021
- 2021-07-20 CN CN202110818457.3A patent/CN113487212A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170032255A1 (en) * | 2015-07-29 | 2017-02-02 | International Business Machines Corporation | Injury risk factor identification, prediction, and mitigation |
| US20190066479A1 (en) * | 2015-11-19 | 2019-02-28 | Halliburton Energy Services, Inc. | Method and system for monitoring and predicting gas leak |
| CN208903300U (zh) * | 2018-05-30 | 2019-05-24 | 中国建筑第六工程局有限公司 | 一种基于bim技术的施工风险自动监测系统 |
| CN109269556A (zh) * | 2018-09-06 | 2019-01-25 | 深圳市中电数通智慧安全科技股份有限公司 | 一种设备风险预警方法、装置、终端设备及存储介质 |
| CN109583792A (zh) * | 2018-12-27 | 2019-04-05 | 深圳市城市公共安全技术研究院有限公司 | 在建工程静态-动态风险信息化管控方法及系统 |
| CN111042143A (zh) * | 2019-12-03 | 2020-04-21 | 上海交通大学 | 一种基于大量监测数据分析的基坑工程预警方法和系统 |
| CN112254842A (zh) * | 2020-10-10 | 2021-01-22 | 广联达科技股份有限公司 | 一种大体积混凝土的温度监测方法、系统及电子设备 |
| CN112381309A (zh) * | 2020-11-23 | 2021-02-19 | 珠江水利委员会珠江水利科学研究院 | 水库大坝安全监测预警方法、装置、系统及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 赵仁峰: "《大坝安全的监测数据分析理论和评估方法》", vol. 1, 河海大学出版社, pages: 115 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114758296A (zh) * | 2022-04-19 | 2022-07-15 | 国网湖北省电力有限公司黄石供电公司 | 一种基于vr技术的电网设备远程监测方法及系统 |
| CN114693166A (zh) * | 2022-04-22 | 2022-07-01 | 北京中科三清环境技术有限公司 | 在线监测应急减排措施执行情况的方法、装置及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108564181B (zh) | 电力设备故障检测与维修方法及终端设备 | |
| CN111128399B (zh) | 一种基于人流密度的流行病疫情风险等级评估方法 | |
| CN113487212A (zh) | 一种风险监测方法及装置 | |
| CN110704873B (zh) | 一种防止敏感数据泄漏的方法及系统 | |
| CN111429579A (zh) | 一种以bim技术为载体的三维可视化自动监测系统平台 | |
| CN114266944B (zh) | 快速模型训练结果检验系统 | |
| CN109242722B (zh) | 台区线损在线监测方法、系统及终端设备 | |
| CN114611941A (zh) | 一种考虑空间危险性的滑坡灾害评价方法及系统 | |
| CN114879613A (zh) | 一种工业控制系统信息安全攻击风险评估方法及系统 | |
| CN112650608A (zh) | 异常根因定位方法以及相关装置、设备 | |
| CN113283824A (zh) | 智慧园区数据综合管理方法及系统 | |
| CN108182444A (zh) | 基于场景分类的视频质量诊断的方法及装置 | |
| CN108536567A (zh) | 服务器运行状态监控方法、设备及可读存储介质 | |
| CN112486841A (zh) | 埋点采集数据校验的方法及装置 | |
| CN117149565A (zh) | 云平台关键性能指标的状态检测方法、装置、设备及介质 | |
| CN111563111A (zh) | 告警方法、装置、电子设备及存储介质 | |
| CN117093943A (zh) | 一种用电量监测预警方法及装置 | |
| CN111080364A (zh) | 一种工程造价数据中心管理系统及装置 | |
| CN116433008A (zh) | 基于数据库的公路边坡的风险预警方法和系统 | |
| CN115358336A (zh) | 用电异常检测方法、装置及电子设备 | |
| CN112085369B (zh) | 规则模型的安全性检测方法、装置、设备及系统 | |
| CN115033456A (zh) | 一种内网前端性能监控方法、装置、计算机设备及存储介质 | |
| CN111861282A (zh) | 一种环评结果评估方法、装置和计算机可读存储介质 | |
| CN114513401A (zh) | 私有云的自动化运维修复方法、设备及计算机可读介质 | |
| CN113837408A (zh) | 基于设备全生命周期监管的交通设施运维管理系统 |
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 |