CN114048346A - 一种基于gis的安全生产一体化管控平台及方法 - Google Patents
一种基于gis的安全生产一体化管控平台及方法 Download PDFInfo
- Publication number
- CN114048346A CN114048346A CN202111175864.3A CN202111175864A CN114048346A CN 114048346 A CN114048346 A CN 114048346A CN 202111175864 A CN202111175864 A CN 202111175864A CN 114048346 A CN114048346 A CN 114048346A
- Authority
- CN
- China
- Prior art keywords
- acquiring
- feature
- preset
- value
- monitoring
- 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.)
- Granted
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 200
- 238000000034 method Methods 0.000 title claims abstract description 89
- 238000012544 monitoring process Methods 0.000 claims abstract description 225
- 238000004458 analytical method Methods 0.000 claims description 126
- 230000006399 behavior Effects 0.000 claims description 91
- 238000012790 confirmation Methods 0.000 claims description 78
- 230000000007 visual effect Effects 0.000 claims description 36
- 238000013058 risk prediction model Methods 0.000 claims description 14
- 238000007726 management method Methods 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 8
- 230000010354 integration Effects 0.000 claims 1
- 230000000875 corresponding effect Effects 0.000 description 225
- 238000012358 sourcing Methods 0.000 description 26
- 238000012216 screening Methods 0.000 description 16
- 238000007689 inspection Methods 0.000 description 13
- 230000009286 beneficial effect Effects 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 10
- 230000007774 longterm Effects 0.000 description 8
- 238000010801 machine learning Methods 0.000 description 8
- 238000013021 overheating Methods 0.000 description 6
- 241000282412 Homo Species 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012300 Sequence Analysis Methods 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- G06Q50/265—Personal security, identity or safety
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Library & Information Science (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Operations Research (AREA)
- Computer Security & Cryptography (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明提供一种基于GIS的安全生产一体化管控平台及方法,其中,平台包括:输入模块,用于获取生产现场的监控信息,将监控信息输入对应于生产现场的GIS模型中,形成GIS图像;显示模块,用于获取用户输入的操作指令,定位GIS图像中对应于操作指令的目标区域,并进行输出显示;监控模块,用于获取生产现场中的至少一个第一风险点,基于监控信息,对第一风险点进行安全生产监控。本发明的基于GIS的安全生产一体化管控平台,将监控信息输入生产现场的GIS模型中,形成GIS图像,用户可以输入操作指令直接查看现场情况,提升了便捷性,也更直观;同时,对生产现场的风险点进行安全生产监控,降低了人力成本。
Description
技术领域
本发明涉及生产管理技术领域,特别涉及一种基于GIS的安全生产一体化管控平台及方法。
背景技术
目前,一些油田、石化生产企业,为了保障生产过程中的安全,大多设置多个巡检人员,对生产人员的行为以及机器的运作进行监督;但是,这样做人力成本较高,同时,巡检人员的监督能力有限,不能面面俱到;另外,当巡检人员需要远程确定某现场的生产情况时,需要联系相应现场负责人或自行调取监控信息,比较麻烦也不够直观。
发明内容
本发明目的之一在于提供了一种基于GIS的安全生产一体化管控平台及方法,将监控信息输入生产现场的GIS模型中,形成GIS图像,用户可以输入操作指令直接查看现场情况,提升了便捷性,也更直观;同时,对生产现场的风险点进行安全生产监控,十分全面,无需设置多个巡检人员,降低了人力成本,也避免了巡检人员监督能力有限,不能面面俱到的问题。
本发明实施例提供的一种基于GIS的安全生产一体化管控平台,包括:
输入模块,用于获取生产现场的监控信息,将监控信息输入对应于生产现场的GIS模型中,形成GIS图像;
显示模块,用于获取用户输入的操作指令,定位GIS图像中对应于操作指令的目标区域,并进行输出显示;
监控模块,用于获取生产现场中的至少一个第一风险点,基于监控信息,对第一风险点进行安全生产监控。
优选的,输入模型执行如下操作:
提取监控信息中的多个第一信息项;
获取第一信息项对应于生产现场中的第一监控位置;
基于预设的监控位置-GIS模型位置库,确定第一监控位置对应的GIS模型位置;
将第一信息项映射于对应GIS模型位置;
当第一信息项均映射完毕后,完成输入。
优选的,显示模块执行如下操作:
对操作指令进行解析,获取用户想要查看的第二监控位置;
基于预设的监控位置-GIS模型区域库,确定第二监控位置对应的GIS模型区域;
将GIS模型区域作为目标区域,并进行输出显示。
优选的,监控模块执行如下操作:
获取安全生产大数据;
提取安全生产大数据中的多个第一数据项;
获取第一数据项的第一来源,同时,确定第一来源的来源类型,来源类型包括:本地和非本地;
当第一来源的来源类型为本地时,获取第一来源产生对应第一数据项的产生过程;
对产生过程进行过程分析,获得过程序列;
从过程序列的终点向起点开始进行遍历;
对过程序列中遍历到的第一过程进行特征分析,获得至少一个第一特征;
获取预设的影响特征库,将第一特征与影响特征库中的影响特征进行特征匹配;
若匹配符合,基于预设的影响特征-影响值库,确定匹配符合的影响特征对应的影响值;
遍历结束后,汇总影响值,获得影响值和;
若影响值和大于等于预设的第一阈值,剔除对应第一数据项;
当第一来源的来源类型为非本地时,获取第一来源对应的至少一个第一来源方;
当第一来源方的数目为1时,获取第一来源方的第一信用值,若第一信用值小于等于预设的第二阈值,剔除对应第一数据项;
当第一来源方的数目大于1时,获取各个第一来源方对于对应第一数据项的贡献占比,将最大贡献占比对应的第一来源方作为第二来源方,其余第一来源方作为第三来源方;
获取第二来源方的第二信用值,同时,获取第二来源方对第三来源方进行担保的程度值;
若第二信用值小于等于预设的第三阈值和/或存在程度值小于等于预设的第四阈值,剔除对应第一数据项;
当第一数据项中需要剔除的第一数据项均剔除后,将剩余第一数据项作为第二数据项;
整合第二数据项,获得待分析数据;
获取预设的事件分析模型,将待分析数据输入事件分析模型,获取至少一个安全生产风险事件;
获取发生安全生产风险事件的第二风险点的第一属性信息;
获取对应于生产现场的位置点集,位置点集包括:多个第一位置点;
确定第一位置点中对应于第二风险点的第二位置点;
获取第二位置点的第二属性信息;
提取第一属性信息中的多个第一属性项,同时,提取第二属性信息中的多个第二属性项;
对第一属性项进行特征分析,获取至少一个第二特征;
对第二属性项进行特征分析,获取至少一个第三特征;
将第二特征和第三特征进行特征匹配,若匹配符合,将匹配符合的第二特征作为第四特征;
基于对应安全生产风险事件,对第四特征进行关键性分析,获取关键值;
当第二特征和第三特征特征匹配结束后,汇总关键值,获取关键值和;
若关键值和大于等于预设的第五阈值,将对应第二位置点作为第一风险点,完成获取。
优选的,监控模块执行如下操作:
提取监控信息中对应于第一风险点的至少一个第二信息项;
获取预设的风险预测模型,将第二信息项输入风险预测模型,获取预测结果;
当预测结果包含至少一个风险类型时,将对应第二信息项作为第三信息项;
获取第三信息项的监控对象,同时,确定监控对象的对象类型,对象类型包括:人和机器;
当第三信息项的监控对象的对象类型为人时,基于预设的风险类型-风险操作行为库,确定风险类型对应的至少一个风险操作行为;
获取监控对象的第一身份;
基于预设的身份-操作行为库,确定第一身份对应的多个第一操作行为;
获取预设的可能性分析模型,将风险操作行为和第一操作行为输入可能性分析模型,由可能性分析模型分析监控对象产生风险操作行为的可能性,获取第一可能值;
基于预设的身份-经验值库,确定第一身份对应的第一经验值;
若存在第一可能值大于等于预设的第六阈值和/或第一经验值小于等于预设的第七阈值;
判定监控对象的身边是否存在至少一个第一监视人;
若否,立即发出相应预警;
若是,获取第一监视人的第二身份;
基于身份-操作行为库,确定第二身份对应的多个第二操作行为;
将风险操作行为和第二操作行为输入可能性分析模型,由可能性分析模型分析第一监视人产生风险操作行为的可能性,获取第二可能值;
基于身份-经验值库,确定第二身份对应的第二经验值;
尝试确定第一监视人中第二可能值小于第六阈值且第二经验值大于第七阈值对应的第二监视人;
若确定失败,立即发出相应预警;
若确定成功,实时获取第二监视人的面部位置和面向方向,同时,获取监控对象进行操作的操作位置;
获取预设的可视分析模型,将面部位置、面向方向和操作位置输入可视分析模型,获取可视分析结果;
当可视分析结果为非可视时,立即发出相应预警;
当第三信息项的监控对象的对象类型为机器时,基于预设的风险类型-冲突特征库,确定风险类型对应的至少一个冲突特征,同时,基于预设的风险类型-确认特征库,确定风险类型对应的指数一个确认特征;
继续获取新的监控信息,从新的监控信息中提取对应于监控对象的第四信息项;
对第四信息项进行特征分析,获取至少一个第五特征;
将第五特征与冲突特征进行匹配,若匹配符合,基于预设的冲突特征-冲突值库,确定匹配符合的冲突特征对应的冲突值;
将第五特征与确认特征进行匹配,若匹配符合,基于预设的确认特征-确认值库,确定匹配符合的确认特征对应的确认值;
汇总冲突值,获得冲突值和;
汇总确认值,获得确认值和;
若冲突值和小于等于预设的第八阈值且确认值和大于等于预设的第九阈值,立即发出相应预警。
本发明实施例提供的一种基于GIS的安全生产一体化管控方法,包括:
步骤S1:获取生产现场的监控信息,将监控信息输入对应于生产现场的GIS模型中,形成GIS图像;
步骤S2:获取用户输入的操作指令,定位GIS图像中对应于操作指令的目标区域,并进行输出显示;
步骤S3:获取生产现场中的至少一个第一风险点,基于监控信息,对第一风险点进行安全生产监控。
优选的,步骤S1中,将监控信息输入对应于生产现场的GIS模型中,包括:
提取监控信息中的多个第一信息项;
获取第一信息项对应于生产现场中的第一监控位置;
基于预设的监控位置-GIS模型位置库,确定第一监控位置对应的GIS模型位置;
将第一信息项映射于对应GIS模型位置;
当第一信息项均映射完毕后,完成输入。
优选的,步骤S2中,定位GIS图像中对应于操作指令的目标区域,并进行输出显示,包括:
对操作指令进行解析,获取用户想要查看的第二监控位置;
基于预设的监控位置-GIS模型区域库,确定第二监控位置对应的GIS模型区域;
将GIS模型区域作为目标区域,并进行输出显示。
优选的,步骤S3中,获取生产现场中的至少一个第一风险点,包括:
获取安全生产大数据;
提取安全生产大数据中的多个第一数据项;
获取第一数据项的第一来源,同时,确定第一来源的来源类型,来源类型包括:本地和非本地;
当第一来源的来源类型为本地时,获取第一来源产生对应第一数据项的产生过程;
对产生过程进行过程分析,获得过程序列;
从过程序列的终点向起点开始进行遍历;
对过程序列中遍历到的第一过程进行特征分析,获得至少一个第一特征;
获取预设的影响特征库,将第一特征与影响特征库中的影响特征进行特征匹配;
若匹配符合,基于预设的影响特征-影响值库,确定匹配符合的影响特征对应的影响值;
遍历结束后,汇总影响值,获得影响值和;
若影响值和大于等于预设的第一阈值,剔除对应第一数据项;
当第一来源的来源类型为非本地时,获取第一来源对应的至少一个第一来源方;
当第一来源方的数目为1时,获取第一来源方的第一信用值,若第一信用值小于等于预设的第二阈值,剔除对应第一数据项;
当第一来源方的数目大于1时,获取各个第一来源方对于对应第一数据项的贡献占比,将最大贡献占比对应的第一来源方作为第二来源方,其余第一来源方作为第三来源方;
获取第二来源方的第二信用值,同时,获取第二来源方对第三来源方进行担保的程度值;
若第二信用值小于等于预设的第三阈值和/或存在程度值小于等于预设的第四阈值,剔除对应第一数据项;
当第一数据项中需要剔除的第一数据项均剔除后,将剩余第一数据项作为第二数据项;
整合第二数据项,获得待分析数据;
获取预设的事件分析模型,将待分析数据输入事件分析模型,获取至少一个安全生产风险事件;
获取发生安全生产风险事件的第二风险点的第一属性信息;
获取对应于生产现场的位置点集,位置点集包括:多个第一位置点;
确定第一位置点中对应于第二风险点的第二位置点;
获取第二位置点的第二属性信息;
提取第一属性信息中的多个第一属性项,同时,提取第二属性信息中的多个第二属性项;
对第一属性项进行特征分析,获取至少一个第二特征;
对第二属性项进行特征分析,获取至少一个第三特征;
将第二特征和第三特征进行特征匹配,若匹配符合,将匹配符合的第二特征作为第四特征;
基于对应安全生产风险事件,对第四特征进行关键性分析,获取关键值;
当第二特征和第三特征特征匹配结束后,汇总关键值,获取关键值和;
若关键值和大于等于预设的第五阈值,将对应第二位置点作为第一风险点,完成获取。
优选的,步骤S3中,基于监控信息,对第一风险点进行安全生产监控,包括:
提取监控信息中对应于第一风险点的至少一个第二信息项;
获取预设的风险预测模型,将第二信息项输入风险预测模型,获取预测结果;
当预测结果包含至少一个风险类型时,将对应第二信息项作为第三信息项;
获取第三信息项的监控对象,同时,确定监控对象的对象类型,对象类型包括:人和机器;
当第三信息项的监控对象的对象类型为人时,基于预设的风险类型-风险操作行为库,确定风险类型对应的至少一个风险操作行为;
获取监控对象的第一身份;
基于预设的身份-操作行为库,确定第一身份对应的多个第一操作行为;
获取预设的可能性分析模型,将风险操作行为和第一操作行为输入可能性分析模型,由可能性分析模型分析监控对象产生风险操作行为的可能性,获取第一可能值;
基于预设的身份-经验值库,确定第一身份对应的第一经验值;
若存在第一可能值大于等于预设的第六阈值和/或第一经验值小于等于预设的第七阈值;
判定监控对象的身边是否存在至少一个第一监视人;
若否,立即发出相应预警;
若是,获取第一监视人的第二身份;
基于身份-操作行为库,确定第二身份对应的多个第二操作行为;
将风险操作行为和第二操作行为输入可能性分析模型,由可能性分析模型分析第一监视人产生风险操作行为的可能性,获取第二可能值;
基于身份-经验值库,确定第二身份对应的第二经验值;
尝试确定第一监视人中第二可能值小于第六阈值且第二经验值大于第七阈值对应的第二监视人;
若确定失败,立即发出相应预警;
若确定成功,实时获取第二监视人的面部位置和面向方向,同时,获取监控对象进行操作的操作位置;
获取预设的可视分析模型,将面部位置、面向方向和操作位置输入可视分析模型,获取可视分析结果;
当可视分析结果为非可视时,立即发出相应预警;
当第三信息项的监控对象的对象类型为机器时,基于预设的风险类型-冲突特征库,确定风险类型对应的至少一个冲突特征,同时,基于预设的风险类型-确认特征库,确定风险类型对应的指数一个确认特征;
继续获取新的监控信息,从新的监控信息中提取对应于监控对象的第四信息项;
对第四信息项进行特征分析,获取至少一个第五特征;
将第五特征与冲突特征进行匹配,若匹配符合,基于预设的冲突特征-冲突值库,确定匹配符合的冲突特征对应的冲突值;
将第五特征与确认特征进行匹配,若匹配符合,基于预设的确认特征-确认值库,确定匹配符合的确认特征对应的确认值;
汇总冲突值,获得冲突值和;
汇总确认值,获得确认值和;
若冲突值和小于等于预设的第八阈值且确认值和大于等于预设的第九阈值,立即发出相应预警。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种基于GIS的安全生产一体化管控平台的示意图;
图2为本发明实施例中一种基于GIS的安全生产一体化管控方法的示意图;
图3为本发明实施例中又一基于GIS的安全生产一体化管控方法的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明实施例提供了一种基于GIS的安全生产一体化管控平台,如图1所示,包括:
输入模块1,用于获取生产现场的监控信息,将监控信息输入对应于生产现场的GIS模型中,形成GIS图像;
显示模块2,用于获取用户输入的操作指令,定位GIS图像中对应于操作指令的目标区域,并进行输出显示;
监控模块3,用于获取生产现场中的至少一个第一风险点,基于监控信息,对第一风险点进行安全生产监控。
上述技术方案的工作原理及有益效果为:
获取生产现场的监控信息(例如:基于图像识别技术,采集的生产人员的行为信息、机器的行为信息等);将监控信息输入对应于生产现场的GIS模型中(事先基于GIS技术,按照生产现场的布局,构建的GIS模型),形成GIS图像(三维图像,悬浮显示不同位置点的监控信息等);获取生产现场中的至少一个第一风险点(例如:某高温炉设备),基于监控信息,对第一风险点进行安全生产监控(例如:监控生产人员对高温炉设备的操作是否合规等);
本发明实施例将监控信息输入生产现场的GIS模型中,形成GIS图像,用户可以输入操作指令直接查看现场情况,提升了便捷性,也更直观;同时,对生产现场的风险点进行安全生产监控,十分全面,无需设置多个巡检人员,降低了人力成本,也避免了巡检人员监督能力有限,不能面面俱到的问题。
本发明实施例提供了一种基于GIS的安全生产一体化管控平台,输入模型执行如下操作:
提取监控信息中的多个第一信息项;
获取第一信息项对应于生产现场中的第一监控位置;
基于预设的监控位置-GIS模型位置库,确定第一监控位置对应的GIS模型位置;
将第一信息项映射于对应GIS模型位置;
当第一信息项均映射完毕后,完成输入。
上述技术方案的工作原理及有益效果为:
提取监控信息中的多个第一信息项,确定其对应第一监控位置(例如:某高温炉设备);基于预设的监控位置-GIS模型位置库(预先设置的包含不同监控位置对应的GIS模型位置的数据库),确定对应GIS模型位置(例如:高温炉设备在GIS模型中的位置),将第一信息项映射即可。
本发明实施例提供了一种基于GIS的安全生产一体化管控平台,显示模块2执行如下操作:
对操作指令进行解析,获取用户想要查看的第二监控位置;
基于预设的监控位置-GIS模型区域库,确定第二监控位置对应的GIS模型区域;
将GIS模型区域作为目标区域,并进行输出显示。
上述技术方案的工作原理及有益效果为:
对操作指令进行解析,获取用户想要查看的第二监控位置(例如:某油泵设备),基于预设的监控位置-GIS模型区域库(预先设置的包含不同监控位置对应的GIS模型区域的数据库),确定对应GIS模型区域,将其作为目标区域输出显示。
本发明实施例提供了一种基于GIS的安全生产一体化管控平台,监控模块3执行如下操作:
获取安全生产大数据;
提取安全生产大数据中的多个第一数据项;
获取第一数据项的第一来源,同时,确定第一来源的来源类型,来源类型包括:本地和非本地;
当第一来源的来源类型为本地时,获取第一来源产生对应第一数据项的产生过程;
对产生过程进行过程分析,获得过程序列;
从过程序列的终点向起点开始进行遍历;
对过程序列中遍历到的第一过程进行特征分析,获得至少一个第一特征;
获取预设的影响特征库,将第一特征与影响特征库中的影响特征进行特征匹配;
若匹配符合,基于预设的影响特征-影响值库,确定匹配符合的影响特征对应的影响值;
遍历结束后,汇总影响值,获得影响值和;
若影响值和大于等于预设的第一阈值,剔除对应第一数据项;
当第一来源的来源类型为非本地时,获取第一来源对应的至少一个第一来源方;
当第一来源方的数目为1时,获取第一来源方的第一信用值,若第一信用值小于等于预设的第二阈值,剔除对应第一数据项;
当第一来源方的数目大于1时,获取各个第一来源方对于对应第一数据项的贡献占比,将最大贡献占比对应的第一来源方作为第二来源方,其余第一来源方作为第三来源方;
获取第二来源方的第二信用值,同时,获取第二来源方对第三来源方进行担保的程度值;
若第二信用值小于等于预设的第三阈值和/或存在程度值小于等于预设的第四阈值,剔除对应第一数据项;
当第一数据项中需要剔除的第一数据项均剔除后,将剩余第一数据项作为第二数据项;
整合第二数据项,获得待分析数据;
获取预设的事件分析模型,将待分析数据输入事件分析模型,获取至少一个安全生产风险事件;
获取发生安全生产风险事件的第二风险点的第一属性信息;
获取对应于生产现场的位置点集,位置点集包括:多个第一位置点;
确定第一位置点中对应于第二风险点的第二位置点;
获取第二位置点的第二属性信息;
提取第一属性信息中的多个第一属性项,同时,提取第二属性信息中的多个第二属性项;
对第一属性项进行特征分析,获取至少一个第二特征;
对第二属性项进行特征分析,获取至少一个第三特征;
将第二特征和第三特征进行特征匹配,若匹配符合,将匹配符合的第二特征作为第四特征;
基于对应安全生产风险事件,对第四特征进行关键性分析,获取关键值;
当第二特征和第三特征特征匹配结束后,汇总关键值,获取关键值和;
若关键值和大于等于预设的第五阈值,将对应第二位置点作为第一风险点,完成获取。
上述技术方案的工作原理及有益效果为:
获取安全生产大数据(例如:不同生产现场发生的生产风险事件、事故事件等,事件的原因和解决办法等);提取安全生产大数据中的多个第一数据项;获取其第一来源,第一来源的来源类型分为本地(由生产场地自身的巡检人员等上传)和非本地(由其他生产场地巡检人员等分享);当来源类型为本地时,获取对应产生过程(生产场地自身的巡检人员得出该第一数据项的整个过程),对产生过程进行过程分析(过程拆分与时序分析),获得过程序列;得出第一数据项的过程一定是在过程序列的末端,因此,从过程序列的终点向起点进行遍历,提取遍历到的第一过程的第一特征,将第一特征与预设的影响特征库(预先设置的保护多个对得出结果有影响的特征的数据库)中的影响特征进行特征匹配,若匹配符合,说明得出第一数据项的过程不可靠,确定影响值,影响值越大,越不可靠,当汇总(求和计算)的影响值和大于等于预设的第一阈值(例如:500),应剔除对应第一数据项;当来源类型为非本地时,确定第一来源对应的第一来源方(例如:某生产公司);若第一来源方的数目为1,证明第一数据项全部由其提供,获取其第一信用值(可基于其历史上提供的数据的真实程度进行确定),若第一信用值较小,小于等于预设的第二阈值(例如:80)时,说明第一来源方的信用不够,剔除对应第一数据项;若第一来源方的数目大于1时,证明第一数据项由不同第一来源方共同提供,获取第一来源方对应于第一数据项的贡献占比(例如:第一数据项中50%的数据由某第一来源方提供,该第一来源方的贡献占比即为50%),获取贡献占比最大的第二来源方的第二信用值,同时,获取第二来源方对第三来源方进行担保的程度值(共同提供时,一定是贡献占比最大的来源方希望其他来源方作证据补充等,但是,在进行第一数据项的上传时,需要对其他来源方作担保,程度值越大,担保力度越大);若第二信用值小于等于预设的第三阈值(例如:83)和/或存在某程度值小于等于预设的第四阈值(例如:95),剔除对应第一数据项;整合剩余的第二数据项,获得待分析数据;将待分析数据输入预设的事件分析模型(预先设置的利用机器学习算法对大量人工进行事件分析的记录进行学习后生成的模型),获取安全生产风险事件;确定发生安全生产风险事件的第二风险点的第一属性信息(例如:设备设置高度、设备型号等);获取第二位置点的第二属性信息(例如:设备型号、设备已使用时间等),将第二特征和第三特征进行匹配,将匹配符合的第二特征作为第四特征;对第四特征进行关键性分析(分析该特征是否属于可能造成安全生产风险事件关键特征),获取关键值,关键值越大,该特征越关键;若汇总的关键值和大于等于预设的第五阈值(例如:200),说明我方自身生产现场可能也发生该安全生产风险事件,将对应第二位置点作为第一风险点;
本发明实施例在获取安全生产大数据后,基于第一数据项的第一来源的来源类型的不同,进行不同验证,保证获取的数据的准确性,提升获取精度;在获取安全生产风险事件后,没有直接将发生取安全生产风险事件的第二风险点作为第一风险点,而是进行特征匹配和关键性分析,将适配我方生产现场的安全生产风险事件对应的第二位置点作为第一风险点,设置合理,更具有适用性。
本发明实施例提供了一种基于GIS的安全生产一体化管控平台,监控模块3执行如下操作:
获取预设的捕捉节点集,所述捕捉节点集包括:多个第一捕捉节点;
获取所述第一担保节点对应的至少一个担保方;
获取所述担保方的至少一个第一可靠值;
确定所述第一可靠值的数据类型,所述数据类型包括:短期和长期;
当所述第一可靠值的数据类型为短期时,将对应所述第一可靠值作为第二可靠值;
当所述第一可靠值的数据类型为长期时,将对应所述第一可靠值作为第三可靠值;
基于所述第二可靠值和所述第三可靠值计算筛选值,计算公式如下:
其中,γ为所述筛选值,αt,i为第一担保节点对应的第t个所述担保方对应的i个所述第二可靠值,nt为第一担保节点对应的第t个所述担保方对应的所述第二可靠值的总数目,l为第一担保节点对应的所述担保方的总数目,σ为预设的时间衰减因子,βt,i为第一担保节点对应的第t个所述担保方对应的i个所述第三可靠值,εt为第一担保节点对应的第t个所述担保方对应的所述第三可靠值的总数目;
若所述筛选值大于等于预设的筛选值阈值,将对应所述第一捕捉节点作为第二捕捉节点;
通过所述第二捕捉节点获取目标数据;
整合各获取的目标数据,获得安全生产大数据。
上述技术方案的工作原理及有益效果为:
捕捉节点具体为:网络节点,捕捉相关的安全生产数据(其他生产厂家不会直接将数据发送给我方,一个个发送,十分麻烦,我方可以进行捕捉);获取第一担保节点对应的担保方(例如:担保平台);获取担保方的第一可靠值,第一可靠值分为短期(代表最近一短时间内,担保方的可靠程度)和长期(代表长期一段时间内,担保方的可靠程度)两种;基于分类的第二可靠值和第三可靠值计算筛选值,当筛选值大于等于预设的筛选值阈值(例如:95),将对应第一捕捉节点作为第二捕捉节点,进行安全生产大数据的获取,极大程度上提升了获取的安全性;公式中,第二可靠值和第三可靠值与筛选值呈正相关。
本发明实施例提供了一种基于GIS的安全生产一体化管控平台,监控模块3执行如下操作:
提取监控信息中对应于第一风险点的至少一个第二信息项;
获取预设的风险预测模型,将第二信息项输入风险预测模型,获取预测结果;
当预测结果包含至少一个风险类型时,将对应第二信息项作为第三信息项;
获取第三信息项的监控对象,同时,确定监控对象的对象类型,对象类型包括:人和机器;
当第三信息项的监控对象的对象类型为人时,基于预设的风险类型-风险操作行为库,确定风险类型对应的至少一个风险操作行为;
获取监控对象的第一身份;
基于预设的身份-操作行为库,确定第一身份对应的多个第一操作行为;
获取预设的可能性分析模型,将风险操作行为和第一操作行为输入可能性分析模型,由可能性分析模型分析监控对象产生风险操作行为的可能性,获取第一可能值;
基于预设的身份-经验值库,确定第一身份对应的第一经验值;
若存在第一可能值大于等于预设的第六阈值和/或第一经验值小于等于预设的第七阈值;
判定监控对象的身边是否存在至少一个第一监视人;
若否,立即发出相应预警;
若是,获取第一监视人的第二身份;
基于身份-操作行为库,确定第二身份对应的多个第二操作行为;
将风险操作行为和第二操作行为输入可能性分析模型,由可能性分析模型分析第一监视人产生风险操作行为的可能性,获取第二可能值;
基于身份-经验值库,确定第二身份对应的第二经验值;
尝试确定第一监视人中第二可能值小于第六阈值且第二经验值大于第七阈值对应的第二监视人;
若确定失败,立即发出相应预警;
若确定成功,实时获取第二监视人的面部位置和面向方向,同时,获取监控对象进行操作的操作位置;
获取预设的可视分析模型,将面部位置、面向方向和操作位置输入可视分析模型,获取可视分析结果;
当可视分析结果为非可视时,立即发出相应预警;
当第三信息项的监控对象的对象类型为机器时,基于预设的风险类型-冲突特征库,确定风险类型对应的至少一个冲突特征,同时,基于预设的风险类型-确认特征库,确定风险类型对应的指数一个确认特征;
继续获取新的监控信息,从新的监控信息中提取对应于监控对象的第四信息项;
对第四信息项进行特征分析,获取至少一个第五特征;
将第五特征与冲突特征进行匹配,若匹配符合,基于预设的冲突特征-冲突值库,确定匹配符合的冲突特征对应的冲突值;
将第五特征与确认特征进行匹配,若匹配符合,基于预设的确认特征-确认值库,确定匹配符合的确认特征对应的确认值;
汇总冲突值,获得冲突值和;
汇总确认值,获得确认值和;
若冲突值和小于等于预设的第八阈值且确认值和大于等于预设的第九阈值,立即发出相应预警。
上述技术方案的工作原理及有益效果为:
将第二信息项输入预设的风险预测模型(预先设置的利用机器学习算法对大量人工进行风险预测的记录进行学习后生成的模型),获取预测结果;当预测结果包含至少一个风险类型(例如:高温炉设备过热)时,确定第三信息项的监控对象的对象类型,对象类型分为人(设备的操作人)和机器(生产机器);当第三信息项的监控对象的对象类型为人时,基于预设的风险类型-风险操作行为库,确定风险类型对应的至少一个风险操作行为(例如:高温炉设备降温功率设置过低);获取监控对象的第一身份(可基于图像识别技术获取);基于预设的身份-操作行为库(预先设置的包含不同身份对应的操作行为记录的数据库),确定第一身份对应的第一操作行为;将风险操作行为和第一操作行为输入可能性分析模型(利用机器学习算法对大量人工进行可能性分析的记录进行学习后生成的模型),获取第一可能值,第一可能值越大,监控对象犯错的可能性越大;基于预设的身份-经验值库(预先设置的包含不同身份对应的经验值的数据库),确定第一身份对应的第一经验值;若第一可能值大于等于预设的第六阈值(例如:45)和/或第一经验值小于等于预设的第七阈值(例如:75),说明监控对象犯错的可能性很高,判定监控对象的身边是否存在至少一个第一监视人(基于图像识别技术实现,即判断监控对象身边近距离是否有人常驻),若否,直接预警,若是,获取第一监视人的第二身份,确定其犯错的可能性对应的第二可能值以及其对应的第二经验值;若第二可能值小于第六阈值且第二经验值大于第七阈值,说明其具有监视指导资格,将其作为第二监视人;若不存在满足要求的第二监视人,直接预警;获取第二监视人的面部位置和面向方向(也是可以基于图像识别技术实现),获取监控对象进行操作的操作为(例如:手部位置等);获取预设的可视分析模型(预先设置的利用机器学习算法对大量人工进行可视分析的记录进行学习后生成的模型),将面部位置、面向方向和操作位置输入该模型进行分析(例如:分析距离是否够近、面向方向是否朝向手部位置等),获取可视分析结果;当确定非可视时,直接预警;当监控对象为机器时,基于预设的风险类型-冲突特征库(预先设置的保护不同风险类型对应的冲突特征,例如:风险类型为高温炉过热,冲突特征为高温炉温度呈下降趋势),确定风险类型对应的冲突特征;将第五特征与其进行匹配,确定冲突值,冲突值越大,预测的风险类型不能够坐实的程度越大;基于预设的风险类型-确认特征库(预先设置的保护不同风险类型对应的确认特征的数据库,例如:风险类型为高温炉过热,确认特征为高温炉温度仍上升),将第五特征与其进行匹配,确定确认值,确认值越大,预测的风险类型坐实的可能性越大;当汇总(求和计算)的冲突值和小于等于预设的第八阈值(例如:100)且汇总(求和计算)的确认值和大于等于预设的第九阈值(例如:300),立即进行预警;
本发明实施例基于监控信息对第一风险点进行安全生产监控时,提取第三信息项,针对监控对象的不同对象类型,进行不同验证,当监控对象为人时,若操作人员可能犯错,查看其身边是否有正在知道的第二监视人,若否,进行预警,若是,不进行预警,更符合实际应用场景,较人性化和智能化,减小误判;当监控对象为机器时,不单只基于预测模型的预测结果决定是否预警,设置冲突特征和确认特征,针对不同的情况决定是否预警,使得预警更加准确。
本发明实施例提供了一种基于GIS的安全生产一体化管控方法,如图2所示,包括:
步骤S1:获取生产现场的监控信息,将监控信息输入对应于生产现场的GIS模型中,形成GIS图像;
步骤S2:获取用户输入的操作指令,定位GIS图像中对应于操作指令的目标区域,并进行输出显示;
步骤S3:获取生产现场中的至少一个第一风险点,基于监控信息,对第一风险点进行安全生产监控。
上述技术方案的工作原理及有益效果为:
获取生产现场的监控信息(例如:基于图像识别技术,采集的生产人员的行为信息、机器的行为信息等);将监控信息输入对应于生产现场的GIS模型中(事先基于GIS技术,按照生产现场的布局,构建的GIS模型),形成GIS图像(三维图像,悬浮显示不同位置点的监控信息等);获取生产现场中的至少一个第一风险点(例如:某高温炉设备),基于监控信息,对第一风险点进行安全生产监控(例如:监控生产人员对高温炉设备的操作是否合规等);
本发明实施例将监控信息输入生产现场的GIS模型中,形成GIS图像,用户可以输入操作指令直接查看现场情况,提升了便捷性,也更直观;同时,对生产现场的风险点进行安全生产监控,十分全面,无需设置多个巡检人员,降低了人力成本,也避免了巡检人员监督能力有限,不能面面俱到的问题。
本发明实施例提供了一种基于GIS的安全生产一体化管控方法,如图3所示,步骤S1中,将监控信息输入对应于生产现场的GIS模型中,包括:
步骤S101:提取监控信息中的多个第一信息项;
步骤S102:获取第一信息项对应于生产现场中的第一监控位置;
步骤S103:基于预设的监控位置-GIS模型位置库,确定第一监控位置对应的GIS模型位置;
步骤S104:将第一信息项映射于对应GIS模型位置;
步骤S105:当第一信息项均映射完毕后,完成输入。
上述技术方案的工作原理及有益效果为:
提取监控信息中的多个第一信息项,确定其对应第一监控位置(例如:某高温炉设备);基于预设的监控位置-GIS模型位置库(预先设置的包含不同监控位置对应的GIS模型位置的数据库),确定对应GIS模型位置(例如:高温炉设备在GIS模型中的位置),将第一信息项映射即可。
本发明实施例提供了一种基于GIS的安全生产一体化管控方法,步骤S2中,定位GIS图像中对应于操作指令的目标区域,并进行输出显示,包括:
对操作指令进行解析,获取用户想要查看的第二监控位置;
基于预设的监控位置-GIS模型区域库,确定第二监控位置对应的GIS模型区域;
将GIS模型区域作为目标区域,并进行输出显示。
上述技术方案的工作原理及有益效果为:
对操作指令进行解析,获取用户想要查看的第二监控位置(例如:某油泵设备),基于预设的监控位置-GIS模型区域库(预先设置的包含不同监控位置对应的GIS模型区域的数据库),确定对应GIS模型区域,将其作为目标区域输出显示。
本发明实施例提供了一种基于GIS的安全生产一体化管控方法,步骤S3中,获取生产现场中的至少一个第一风险点,包括:
获取安全生产大数据;
提取安全生产大数据中的多个第一数据项;
获取第一数据项的第一来源,同时,确定第一来源的来源类型,来源类型包括:本地和非本地;
当第一来源的来源类型为本地时,获取第一来源产生对应第一数据项的产生过程;
对产生过程进行过程分析,获得过程序列;
从过程序列的终点向起点开始进行遍历;
对过程序列中遍历到的第一过程进行特征分析,获得至少一个第一特征;
获取预设的影响特征库,将第一特征与影响特征库中的影响特征进行特征匹配;
若匹配符合,基于预设的影响特征-影响值库,确定匹配符合的影响特征对应的影响值;
遍历结束后,汇总影响值,获得影响值和;
若影响值和大于等于预设的第一阈值,剔除对应第一数据项;
当第一来源的来源类型为非本地时,获取第一来源对应的至少一个第一来源方;
当第一来源方的数目为1时,获取第一来源方的第一信用值,若第一信用值小于等于预设的第二阈值,剔除对应第一数据项;
当第一来源方的数目大于1时,获取各个第一来源方对于对应第一数据项的贡献占比,将最大贡献占比对应的第一来源方作为第二来源方,其余第一来源方作为第三来源方;
获取第二来源方的第二信用值,同时,获取第二来源方对第三来源方进行担保的程度值;
若第二信用值小于等于预设的第三阈值和/或存在程度值小于等于预设的第四阈值,剔除对应第一数据项;
当第一数据项中需要剔除的第一数据项均剔除后,将剩余第一数据项作为第二数据项;
整合第二数据项,获得待分析数据;
获取预设的事件分析模型,将待分析数据输入事件分析模型,获取至少一个安全生产风险事件;
获取发生安全生产风险事件的第二风险点的第一属性信息;
获取对应于生产现场的位置点集,位置点集包括:多个第一位置点;
确定第一位置点中对应于第二风险点的第二位置点;
获取第二位置点的第二属性信息;
提取第一属性信息中的多个第一属性项,同时,提取第二属性信息中的多个第二属性项;
对第一属性项进行特征分析,获取至少一个第二特征;
对第二属性项进行特征分析,获取至少一个第三特征;
将第二特征和第三特征进行特征匹配,若匹配符合,将匹配符合的第二特征作为第四特征;
基于对应安全生产风险事件,对第四特征进行关键性分析,获取关键值;
当第二特征和第三特征特征匹配结束后,汇总关键值,获取关键值和;
若关键值和大于等于预设的第五阈值,将对应第二位置点作为第一风险点,完成获取。
上述技术方案的工作原理及有益效果为:
获取安全生产大数据(例如:不同生产现场发生的生产风险事件、事故事件等,事件的原因和解决办法等);提取安全生产大数据中的多个第一数据项;获取其第一来源,第一来源的来源类型分为本地(由生产场地自身的巡检人员等上传)和非本地(由其他生产场地巡检人员等分享);当来源类型为本地时,获取对应产生过程(生产场地自身的巡检人员得出该第一数据项的整个过程),对产生过程进行过程分析(过程拆分与时序分析),获得过程序列;得出第一数据项的过程一定是在过程序列的末端,因此,从过程序列的终点向起点进行遍历,提取遍历到的第一过程的第一特征,将第一特征与预设的影响特征库(预先设置的保护多个对得出结果有影响的特征的数据库)中的影响特征进行特征匹配,若匹配符合,说明得出第一数据项的过程不可靠,确定影响值,影响值越大,越不可靠,当汇总(求和计算)的影响值和大于等于预设的第一阈值(例如:500),应剔除对应第一数据项;当来源类型为非本地时,确定第一来源对应的第一来源方(例如:某生产公司);若第一来源方的数目为1,证明第一数据项全部由其提供,获取其第一信用值(可基于其历史上提供的数据的真实程度进行确定),若第一信用值较小,小于等于预设的第二阈值(例如:80)时,说明第一来源方的信用不够,剔除对应第一数据项;若第一来源方的数目大于1时,证明第一数据项由不同第一来源方共同提供,获取第一来源方对应于第一数据项的贡献占比(例如:第一数据项中50%的数据由某第一来源方提供,该第一来源方的贡献占比即为50%),获取贡献占比最大的第二来源方的第二信用值,同时,获取第二来源方对第三来源方进行担保的程度值(共同提供时,一定是贡献占比最大的来源方希望其他来源方作证据补充等,但是,在进行第一数据项的上传时,需要对其他来源方作担保,程度值越大,担保力度越大);若第二信用值小于等于预设的第三阈值(例如:83)和/或存在某程度值小于等于预设的第四阈值(例如:95),剔除对应第一数据项;整合剩余的第二数据项,获得待分析数据;将待分析数据输入预设的事件分析模型(预先设置的利用机器学习算法对大量人工进行事件分析的记录进行学习后生成的模型),获取安全生产风险事件;确定发生安全生产风险事件的第二风险点的第一属性信息(例如:设备设置高度、设备型号等);获取第二位置点的第二属性信息(例如:设备型号、设备已使用时间等),将第二特征和第三特征进行匹配,将匹配符合的第二特征作为第四特征;对第四特征进行关键性分析(分析该特征是否属于可能造成安全生产风险事件关键特征),获取关键值,关键值越大,该特征越关键;若汇总的关键值和大于等于预设的第五阈值(例如:200),说明我方自身生产现场可能也发生该安全生产风险事件,将对应第二位置点作为第一风险点;
本发明实施例在获取安全生产大数据后,基于第一数据项的第一来源的来源类型的不同,进行不同验证,保证获取的数据的准确性,提升获取精度;在获取安全生产风险事件后,没有直接将发生取安全生产风险事件的第二风险点作为第一风险点,而是进行特征匹配和关键性分析,将适配我方生产现场的安全生产风险事件对应的第二位置点作为第一风险点,设置合理,更具有适用性。
本发明实施例提供了一种基于GIS的安全生产一体化管控方法,所述获取安全生产大数据,包括:
获取预设的捕捉节点集,所述捕捉节点集包括:多个第一捕捉节点;
获取所述第一担保节点对应的至少一个担保方;
获取所述担保方的至少一个第一可靠值;
确定所述第一可靠值的数据类型,所述数据类型包括:短期和长期;
当所述第一可靠值的数据类型为短期时,将对应所述第一可靠值作为第二可靠值;
当所述第一可靠值的数据类型为长期时,将对应所述第一可靠值作为第三可靠值;
基于所述第二可靠值和所述第三可靠值计算筛选值,计算公式如下:
其中,γ为所述筛选值,αt,i为第一担保节点对应的第t个所述担保方对应的i个所述第二可靠值,nt为第一担保节点对应的第t个所述担保方对应的所述第二可靠值的总数目,l为第一担保节点对应的所述担保方的总数目,σ为预设的时间衰减因子,βt,i为第一担保节点对应的第t个所述担保方对应的i个所述第三可靠值,εt为第一担保节点对应的第t个所述担保方对应的所述第三可靠值的总数目;
若所述筛选值大于等于预设的筛选值阈值,将对应所述第一捕捉节点作为第二捕捉节点;
通过所述第二捕捉节点获取目标数据;
整合各获取的目标数据,获得安全生产大数据。
上述技术方案的工作原理及有益效果为:
捕捉节点具体为:网络节点,捕捉相关的安全生产数据(其他生产厂家不会直接将数据发送给我方,一个个发送,十分麻烦,我方可以进行捕捉);获取第一担保节点对应的担保方(例如:担保平台);获取担保方的第一可靠值,第一可靠值分为短期(代表最近一短时间内,担保方的可靠程度)和长期(代表长期一段时间内,担保方的可靠程度)两种;基于分类的第二可靠值和第三可靠值计算筛选值,当筛选值大于等于预设的筛选值阈值(例如:95),将对应第一捕捉节点作为第二捕捉节点,进行安全生产大数据的获取,极大程度上提升了获取的安全性;公式中,第二可靠值和第三可靠值与筛选值呈正相关。
本发明实施例提供了一种基于GIS的安全生产一体化管控方法,步骤S3中,基于监控信息,对第一风险点进行安全生产监控,包括:
提取监控信息中对应于第一风险点的至少一个第二信息项;
获取预设的风险预测模型,将第二信息项输入风险预测模型,获取预测结果;
当预测结果包含至少一个风险类型时,将对应第二信息项作为第三信息项;
获取第三信息项的监控对象,同时,确定监控对象的对象类型,对象类型包括:人和机器;
当第三信息项的监控对象的对象类型为人时,基于预设的风险类型-风险操作行为库,确定风险类型对应的至少一个风险操作行为;
获取监控对象的第一身份;
基于预设的身份-操作行为库,确定第一身份对应的多个第一操作行为;
获取预设的可能性分析模型,将风险操作行为和第一操作行为输入可能性分析模型,由可能性分析模型分析监控对象产生风险操作行为的可能性,获取第一可能值;
基于预设的身份-经验值库,确定第一身份对应的第一经验值;
若存在第一可能值大于等于预设的第六阈值和/或第一经验值小于等于预设的第七阈值;
判定监控对象的身边是否存在至少一个第一监视人;
若否,立即发出相应预警;
若是,获取第一监视人的第二身份;
基于身份-操作行为库,确定第二身份对应的多个第二操作行为;
将风险操作行为和第二操作行为输入可能性分析模型,由可能性分析模型分析第一监视人产生风险操作行为的可能性,获取第二可能值;
基于身份-经验值库,确定第二身份对应的第二经验值;
尝试确定第一监视人中第二可能值小于第六阈值且第二经验值大于第七阈值对应的第二监视人;
若确定失败,立即发出相应预警;
若确定成功,实时获取第二监视人的面部位置和面向方向,同时,获取监控对象进行操作的操作位置;
获取预设的可视分析模型,将面部位置、面向方向和操作位置输入可视分析模型,获取可视分析结果;
当可视分析结果为非可视时,立即发出相应预警;
当第三信息项的监控对象的对象类型为机器时,基于预设的风险类型-冲突特征库,确定风险类型对应的至少一个冲突特征,同时,基于预设的风险类型-确认特征库,确定风险类型对应的指数一个确认特征;
继续获取新的监控信息,从新的监控信息中提取对应于监控对象的第四信息项;
对第四信息项进行特征分析,获取至少一个第五特征;
将第五特征与冲突特征进行匹配,若匹配符合,基于预设的冲突特征-冲突值库,确定匹配符合的冲突特征对应的冲突值;
将第五特征与确认特征进行匹配,若匹配符合,基于预设的确认特征-确认值库,确定匹配符合的确认特征对应的确认值;
汇总冲突值,获得冲突值和;
汇总确认值,获得确认值和;
若冲突值和小于等于预设的第八阈值且确认值和大于等于预设的第九阈值,立即发出相应预警。
上述技术方案的工作原理及有益效果为:
将第二信息项输入预设的风险预测模型(预先设置的利用机器学习算法对大量人工进行风险预测的记录进行学习后生成的模型),获取预测结果;当预测结果包含至少一个风险类型(例如:高温炉设备过热)时,确定第三信息项的监控对象的对象类型,对象类型分为人(设备的操作人)和机器(生产机器);当第三信息项的监控对象的对象类型为人时,基于预设的风险类型-风险操作行为库,确定风险类型对应的至少一个风险操作行为(例如:高温炉设备降温功率设置过低);获取监控对象的第一身份(可基于图像识别技术获取);基于预设的身份-操作行为库(预先设置的包含不同身份对应的操作行为记录的数据库),确定第一身份对应的第一操作行为;将风险操作行为和第一操作行为输入可能性分析模型(利用机器学习算法对大量人工进行可能性分析的记录进行学习后生成的模型),获取第一可能值,第一可能值越大,监控对象犯错的可能性越大;基于预设的身份-经验值库(预先设置的包含不同身份对应的经验值的数据库),确定第一身份对应的第一经验值;若第一可能值大于等于预设的第六阈值(例如:45)和/或第一经验值小于等于预设的第七阈值(例如:75),说明监控对象犯错的可能性很高,判定监控对象的身边是否存在至少一个第一监视人(基于图像识别技术实现,即判断监控对象身边近距离是否有人常驻),若否,直接预警,若是,获取第一监视人的第二身份,确定其犯错的可能性对应的第二可能值以及其对应的第二经验值;若第二可能值小于第六阈值且第二经验值大于第七阈值,说明其具有监视指导资格,将其作为第二监视人;若不存在满足要求的第二监视人,直接预警;获取第二监视人的面部位置和面向方向(也是可以基于图像识别技术实现),获取监控对象进行操作的操作为(例如:手部位置等);获取预设的可视分析模型(预先设置的利用机器学习算法对大量人工进行可视分析的记录进行学习后生成的模型),将面部位置、面向方向和操作位置输入该模型进行分析(例如:分析距离是否够近、面向方向是否朝向手部位置等),获取可视分析结果;当确定非可视时,直接预警;当监控对象为机器时,基于预设的风险类型-冲突特征库(预先设置的保护不同风险类型对应的冲突特征,例如:风险类型为高温炉过热,冲突特征为高温炉温度呈下降趋势),确定风险类型对应的冲突特征;将第五特征与其进行匹配,确定冲突值,冲突值越大,预测的风险类型不能够坐实的程度越大;基于预设的风险类型-确认特征库(预先设置的保护不同风险类型对应的确认特征的数据库,例如:风险类型为高温炉过热,确认特征为高温炉温度仍上升),将第五特征与其进行匹配,确定确认值,确认值越大,预测的风险类型坐实的可能性越大;当汇总(求和计算)的冲突值和小于等于预设的第八阈值(例如:100)且汇总(求和计算)的确认值和大于等于预设的第九阈值(例如:300),立即进行预警;
本发明实施例基于监控信息对第一风险点进行安全生产监控时,提取第三信息项,针对监控对象的不同对象类型,进行不同验证,当监控对象为人时,若操作人员可能犯错,查看其身边是否有正在知道的第二监视人,若否,进行预警,若是,不进行预警,更符合实际应用场景,较人性化和智能化,减小误判;当监控对象为机器时,不单只基于预测模型的预测结果决定是否预警,设置冲突特征和确认特征,针对不同的情况决定是否预警,使得预警更加准确。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于GIS的安全生产一体化管控平台,其特征在于,包括:
输入模块,用于获取生产现场的监控信息,将所述监控信息输入对应于生产现场的GIS模型中,形成GIS图像;
显示模块,用于获取用户输入的操作指令,定位GIS图像中对应于所述操作指令的目标区域,并进行输出显示;
监控模块,用于获取生产现场中的至少一个第一风险点,基于所述监控信息,对所述第一风险点进行安全生产监控。
2.如权利要求1所述的一种基于GIS的安全生产一体化管控平台,其特征在于,所述输入模型执行如下操作:
提取所述监控信息中的多个第一信息项;
获取所述第一信息项对应于生产现场中的第一监控位置;
基于预设的监控位置-GIS模型位置库,确定所述第一监控位置对应的GIS模型位置;
将所述第一信息项映射于对应所述GIS模型位置;
当所述第一信息项均映射完毕后,完成输入。
3.如权利要求1所述的一种基于GIS的安全生产一体化管控平台,其特征在于,所述显示模块执行如下操作:
对所述操作指令进行解析,获取用户想要查看的第二监控位置;
基于预设的监控位置-GIS模型区域库,确定所述第二监控位置对应的GIS模型区域;
将所述GIS模型区域作为目标区域,并进行输出显示。
4.如权利要求1所述的一种基于GIS的安全生产一体化管控平台,其特征在于,所述监控模块执行如下操作:
获取安全生产大数据;
提取所述安全生产大数据中的多个第一数据项;
获取所述第一数据项的第一来源,同时,确定所述第一来源的来源类型,所述来源类型包括:本地和非本地;
当所述第一来源的来源类型为本地时,获取所述第一来源产生对应所述第一数据项的产生过程;
对所述产生过程进行过程分析,获得过程序列;
从所述过程序列的终点向起点开始进行遍历;
对所述过程序列中遍历到的第一过程进行特征分析,获得至少一个第一特征;
获取预设的影响特征库,将所述第一特征与所述影响特征库中的影响特征进行特征匹配;
若匹配符合,基于预设的影响特征-影响值库,确定匹配符合的影响特征对应的影响值;
遍历结束后,汇总所述影响值,获得影响值和;
若所述影响值和大于等于预设的第一阈值,剔除对应所述第一数据项;
当所述第一来源的来源类型为非本地时,获取所述所述第一来源对应的至少一个第一来源方;
当所述第一来源方的数目为1时,获取所述第一来源方的第一信用值,若所述第一信用值小于等于预设的第二阈值,剔除对应所述第一数据项;
当所述第一来源方的数目大于1时,获取各个所述第一来源方对于对应所述第一数据项的贡献占比,将最大所述贡献占比对应的所述第一来源方作为第二来源方,其余所述第一来源方作为第三来源方;
获取所述第二来源方的第二信用值,同时,获取所述第二来源方对所述第三来源方进行担保的程度值;
若所述第二信用值小于等于预设的第三阈值和/或存在所述程度值小于等于预设的第四阈值,剔除对应所述第一数据项;
当所述第一数据项中需要剔除的所述第一数据项均剔除后,将剩余所述第一数据项作为第二数据项;
整合所述第二数据项,获得待分析数据;
获取预设的事件分析模型,将所述待分析数据输入所述事件分析模型,获取至少一个安全生产风险事件;
获取发生所述安全生产风险事件的第二风险点的第一属性信息;
获取对应于生产现场的位置点集,所述位置点集包括:多个第一位置点;
确定所述第一位置点中对应于所述第二风险点的第二位置点;
获取所述第二位置点的第二属性信息;
提取所述第一属性信息中的多个第一属性项,同时,提取所述第二属性信息中的多个第二属性项;
对所述第一属性项进行特征分析,获取至少一个第二特征;
对所述第二属性项进行特征分析,获取至少一个第三特征;
将所述第二特征和所述第三特征进行特征匹配,若匹配符合,将匹配符合的所述第二特征作为第四特征;
基于对应所述安全生产风险事件,对所述第四特征进行关键性分析,获取关键值;
当所述第二特征和所述第三特征特征匹配结束后,汇总所述关键值,获取关键值和;
若所述关键值和大于等于预设的第五阈值,将对应所述第二位置点作为第一风险点,完成获取。
5.如权利要求1所述的一种基于GIS的安全生产一体化管控平台,其特征在于,所述监控模块执行如下操作:
提取所述监控信息中对应于所述第一风险点的至少一个第二信息项;
获取预设的风险预测模型,将所述第二信息项输入所述风险预测模型,获取预测结果;
当所述预测结果包含至少一个风险类型时,将对应所述第二信息项作为第三信息项;
获取所述第三信息项的监控对象,同时,确定所述监控对象的对象类型,所述对象类型包括:人和机器;
当所述第三信息项的监控对象的对象类型为人时,基于预设的风险类型-风险操作行为库,确定所述风险类型对应的至少一个风险操作行为;
获取所述监控对象的第一身份;
基于预设的身份-操作行为库,确定所述第一身份对应的多个第一操作行为;
获取预设的可能性分析模型,将所述风险操作行为和所述第一操作行为输入所述可能性分析模型,由所述可能性分析模型分析所述监控对象产生所述风险操作行为的可能性,获取第一可能值;
基于预设的身份-经验值库,确定所述第一身份对应的第一经验值;
若存在所述第一可能值大于等于预设的第六阈值和/或所述第一经验值小于等于预设的第七阈值;
判定所述监控对象的身边是否存在至少一个第一监视人;
若否,立即发出相应预警;
若是,获取所述第一监视人的第二身份;
基于所述身份-操作行为库,确定所述第二身份对应的多个第二操作行为;
将所述风险操作行为和所述第二操作行为输入所述可能性分析模型,由所述可能性分析模型分析所述第一监视人产生所述风险操作行为的可能性,获取第二可能值;
基于所述身份-经验值库,确定所述第二身份对应的第二经验值;
尝试确定所述第一监视人中所述第二可能值小于所述第六阈值且所述第二经验值大于所述第七阈值对应的第二监视人;
若确定失败,立即发出相应预警;
若确定成功,实时获取所述第二监视人的面部位置和面向方向,同时,获取所述监控对象进行操作的操作位置;
获取预设的可视分析模型,将所述面部位置、面向方向和操作位置输入所述可视分析模型,获取可视分析结果;
当所述可视分析结果为非可视时,立即发出相应预警;
当所述第三信息项的监控对象的对象类型为机器时,基于预设的风险类型-冲突特征库,确定所述风险类型对应的至少一个冲突特征,同时,基于预设的风险类型-确认特征库,确定所述风险类型对应的指数一个确认特征;
继续获取新的监控信息,从新的监控信息中提取对应于所述监控对象的第四信息项;
对所述第四信息项进行特征分析,获取至少一个第五特征;
将所述第五特征与所述冲突特征进行匹配,若匹配符合,基于预设的冲突特征-冲突值库,确定匹配符合的所述冲突特征对应的冲突值;
将所述第五特征与所述确认特征进行匹配,若匹配符合,基于预设的确认特征-确认值库,确定匹配符合的所述确认特征对应的确认值;
汇总所述冲突值,获得冲突值和;
汇总所述确认值,获得确认值和;
若所述冲突值和小于等于预设的第八阈值且所述确认值和大于等于预设的第九阈值,立即发出相应预警。
6.一种基于GIS的安全生产一体化管控方法,其特征在于,包括:
步骤S1:获取生产现场的监控信息,将所述监控信息输入对应于生产现场的GIS模型中,形成GIS图像;
步骤S2:获取用户输入的操作指令,定位GIS图像中对应于所述操作指令的目标区域,并进行输出显示;
步骤S3:获取生产现场中的至少一个第一风险点,基于所述监控信息,对所述第一风险点进行安全生产监控。
7.如权利要求6所述的一种基于GIS的安全生产一体化管控方法,其特征在于,所述步骤S1中,将所述监控信息输入对应于生产现场的GIS模型中,包括:
提取所述监控信息中的多个第一信息项;
获取所述第一信息项对应于生产现场中的第一监控位置;
基于预设的监控位置-GIS模型位置库,确定所述第一监控位置对应的GIS模型位置;
将所述第一信息项映射于对应所述GIS模型位置;
当所述第一信息项均映射完毕后,完成输入。
8.如权利要求6所述的一种基于GIS的安全生产一体化管控方法,其特征在于,所述步骤S2中,定位GIS图像中对应于所述操作指令的目标区域,并进行输出显示,包括:
对所述操作指令进行解析,获取用户想要查看的第二监控位置;
基于预设的监控位置-GIS模型区域库,确定所述第二监控位置对应的GIS模型区域;
将所述GIS模型区域作为目标区域,并进行输出显示。
9.如权利要求6所述的一种基于GIS的安全生产一体化管控方法,其特征在于,所述步骤S3中,获取生产现场中的至少一个第一风险点,包括:
获取安全生产大数据;
提取所述安全生产大数据中的多个第一数据项;
获取所述第一数据项的第一来源,同时,确定所述第一来源的来源类型,所述来源类型包括:本地和非本地;
当所述第一来源的来源类型为本地时,获取所述第一来源产生对应所述第一数据项的产生过程;
对所述产生过程进行过程分析,获得过程序列;
从所述过程序列的终点向起点开始进行遍历;
对所述过程序列中遍历到的第一过程进行特征分析,获得至少一个第一特征;
获取预设的影响特征库,将所述第一特征与所述影响特征库中的影响特征进行特征匹配;
若匹配符合,基于预设的影响特征-影响值库,确定匹配符合的影响特征对应的影响值;
遍历结束后,汇总所述影响值,获得影响值和;
若所述影响值和大于等于预设的第一阈值,剔除对应所述第一数据项;
当所述第一来源的来源类型为非本地时,获取所述所述第一来源对应的至少一个第一来源方;
当所述第一来源方的数目为1时,获取所述第一来源方的第一信用值,若所述第一信用值小于等于预设的第二阈值,剔除对应所述第一数据项;
当所述第一来源方的数目大于1时,获取各个所述第一来源方对于对应所述第一数据项的贡献占比,将最大所述贡献占比对应的所述第一来源方作为第二来源方,其余所述第一来源方作为第三来源方;
获取所述第二来源方的第二信用值,同时,获取所述第二来源方对所述第三来源方进行担保的程度值;
若所述第二信用值小于等于预设的第三阈值和/或存在所述程度值小于等于预设的第四阈值,剔除对应所述第一数据项;
当所述第一数据项中需要剔除的所述第一数据项均剔除后,将剩余所述第一数据项作为第二数据项;
整合所述第二数据项,获得待分析数据;
获取预设的事件分析模型,将所述待分析数据输入所述事件分析模型,获取至少一个安全生产风险事件;
获取发生所述安全生产风险事件的第二风险点的第一属性信息;
获取对应于生产现场的位置点集,所述位置点集包括:多个第一位置点;
确定所述第一位置点中对应于所述第二风险点的第二位置点;
获取所述第二位置点的第二属性信息;
提取所述第一属性信息中的多个第一属性项,同时,提取所述第二属性信息中的多个第二属性项;
对所述第一属性项进行特征分析,获取至少一个第二特征;
对所述第二属性项进行特征分析,获取至少一个第三特征;
将所述第二特征和所述第三特征进行特征匹配,若匹配符合,将匹配符合的所述第二特征作为第四特征;
基于对应所述安全生产风险事件,对所述第四特征进行关键性分析,获取关键值;
当所述第二特征和所述第三特征特征匹配结束后,汇总所述关键值,获取关键值和;
若所述关键值和大于等于预设的第五阈值,将对应所述第二位置点作为第一风险点,完成获取。
10.如权利要求6所述的一种基于GIS的安全生产一体化管控方法,其特征在于,所述步骤S3中,基于所述监控信息,对所述第一风险点进行安全生产监控,包括:
提取所述监控信息中对应于所述第一风险点的至少一个第二信息项;
获取预设的风险预测模型,将所述第二信息项输入所述风险预测模型,获取预测结果;
当所述预测结果包含至少一个风险类型时,将对应所述第二信息项作为第三信息项;
获取所述第三信息项的监控对象,同时,确定所述监控对象的对象类型,所述对象类型包括:人和机器;
当所述第三信息项的监控对象的对象类型为人时,基于预设的风险类型-风险操作行为库,确定所述风险类型对应的至少一个风险操作行为;
获取所述监控对象的第一身份;
基于预设的身份-操作行为库,确定所述第一身份对应的多个第一操作行为;
获取预设的可能性分析模型,将所述风险操作行为和所述第一操作行为输入所述可能性分析模型,由所述可能性分析模型分析所述监控对象产生所述风险操作行为的可能性,获取第一可能值;
基于预设的身份-经验值库,确定所述第一身份对应的第一经验值;
若存在所述第一可能值大于等于预设的第六阈值和/或所述第一经验值小于等于预设的第七阈值;
判定所述监控对象的身边是否存在至少一个第一监视人;
若否,立即发出相应预警;
若是,获取所述第一监视人的第二身份;
基于所述身份-操作行为库,确定所述第二身份对应的多个第二操作行为;
将所述风险操作行为和所述第二操作行为输入所述可能性分析模型,由所述可能性分析模型分析所述第一监视人产生所述风险操作行为的可能性,获取第二可能值;
基于所述身份-经验值库,确定所述第二身份对应的第二经验值;
尝试确定所述第一监视人中所述第二可能值小于所述第六阈值且所述第二经验值大于所述第七阈值对应的第二监视人;
若确定失败,立即发出相应预警;
若确定成功,实时获取所述第二监视人的面部位置和面向方向,同时,获取所述监控对象进行操作的操作位置;
获取预设的可视分析模型,将所述面部位置、面向方向和操作位置输入所述可视分析模型,获取可视分析结果;
当所述可视分析结果为非可视时,立即发出相应预警;
当所述第三信息项的监控对象的对象类型为机器时,基于预设的风险类型-冲突特征库,确定所述风险类型对应的至少一个冲突特征,同时,基于预设的风险类型-确认特征库,确定所述风险类型对应的指数一个确认特征;
继续获取新的监控信息,从新的监控信息中提取对应于所述监控对象的第四信息项;
对所述第四信息项进行特征分析,获取至少一个第五特征;
将所述第五特征与所述冲突特征进行匹配,若匹配符合,基于预设的冲突特征-冲突值库,确定匹配符合的所述冲突特征对应的冲突值;
将所述第五特征与所述确认特征进行匹配,若匹配符合,基于预设的确认特征-确认值库,确定匹配符合的所述确认特征对应的确认值;
汇总所述冲突值,获得冲突值和;
汇总所述确认值,获得确认值和;
若所述冲突值和小于等于预设的第八阈值且所述确认值和大于等于预设的第九阈值,立即发出相应预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111175864.3A CN114048346B (zh) | 2021-10-09 | 2021-10-09 | 一种基于gis的安全生产一体化管控平台及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111175864.3A CN114048346B (zh) | 2021-10-09 | 2021-10-09 | 一种基于gis的安全生产一体化管控平台及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114048346A true CN114048346A (zh) | 2022-02-15 |
CN114048346B CN114048346B (zh) | 2022-07-26 |
Family
ID=80205074
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111175864.3A Active CN114048346B (zh) | 2021-10-09 | 2021-10-09 | 一种基于gis的安全生产一体化管控平台及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114048346B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115049213A (zh) * | 2022-05-17 | 2022-09-13 | 北京协合运维风电技术有限公司 | 一种风电场多维度智能分析系统及方法 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101621189A (zh) * | 2009-06-10 | 2010-01-06 | 山东科技大学 | 基于gis的接地线安全监控系统 |
CN104154424A (zh) * | 2014-08-25 | 2014-11-19 | 陈建锋 | 一种特气安全传输远程监控系统及方法 |
US20150123787A1 (en) * | 2013-11-01 | 2015-05-07 | Saskatchewan Telecommunications | Centrally managed lone worker monitoring system and method |
CN106327862A (zh) * | 2015-06-24 | 2017-01-11 | 宝山钢铁股份有限公司 | 基于gps和gis的厂区车辆行驶安全报警方法及系统 |
US20170109766A1 (en) * | 2001-12-31 | 2017-04-20 | Rdpa, Llc | Satellite positioning system enabled traffic determination |
CN106598000A (zh) * | 2016-07-01 | 2017-04-26 | 北京华科合创科技发展有限公司 | 一种生产调度与安全管控系统 |
CN109447048A (zh) * | 2018-12-25 | 2019-03-08 | 苏州闪驰数控系统集成有限公司 | 一种人工智能预警系统 |
CN110855950A (zh) * | 2019-11-28 | 2020-02-28 | 长沙品先信息技术有限公司 | 一种gis视频监控平台及基于gis的视频监控系统和方法 |
CN110929927A (zh) * | 2019-11-18 | 2020-03-27 | 国网甘肃省电力公司 | 一种应用配电网全域大数据的人工智能预测模型构方法 |
CN111462436A (zh) * | 2020-04-08 | 2020-07-28 | 广东拓仕达保安服务有限公司 | 一种互联网安防监控系统 |
CN111582657A (zh) * | 2020-04-16 | 2020-08-25 | 广东卓维网络有限公司 | 一种智能小区用电安全管理系统 |
CN111610759A (zh) * | 2020-04-24 | 2020-09-01 | 山东省邱集煤矿有限公司 | 一种煤矿生产安全智能管理系统 |
CN111738568A (zh) * | 2020-06-03 | 2020-10-02 | 塔盾信息技术(上海)有限公司 | 一种基于场景识别驱动的人工智能风险管控系统 |
CN112019498A (zh) * | 2020-07-10 | 2020-12-01 | 贵州电网有限责任公司 | 基于gis系统的电网作业安全监控管理信息系统 |
AU2020103299A4 (en) * | 2020-11-06 | 2021-01-14 | Xia-ting FENG | An Innovative Geomechanical Design Methodology for Underground Mine Excavation Design |
CN113269522A (zh) * | 2021-05-19 | 2021-08-17 | 江苏星月测绘科技股份有限公司 | 一种基于bim技术的建筑智能化管理方法及系统 |
CN113282693A (zh) * | 2021-05-25 | 2021-08-20 | 江苏星月测绘科技股份有限公司 | 一种基于3dgis的全息数据管理方法及系统 |
CN113369979A (zh) * | 2021-06-12 | 2021-09-10 | 杭州职业技术学院 | 一种基于云计算的在线监测数控车床冷却系统 |
-
2021
- 2021-10-09 CN CN202111175864.3A patent/CN114048346B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170109766A1 (en) * | 2001-12-31 | 2017-04-20 | Rdpa, Llc | Satellite positioning system enabled traffic determination |
CN101621189A (zh) * | 2009-06-10 | 2010-01-06 | 山东科技大学 | 基于gis的接地线安全监控系统 |
US20150123787A1 (en) * | 2013-11-01 | 2015-05-07 | Saskatchewan Telecommunications | Centrally managed lone worker monitoring system and method |
CN104154424A (zh) * | 2014-08-25 | 2014-11-19 | 陈建锋 | 一种特气安全传输远程监控系统及方法 |
CN106327862A (zh) * | 2015-06-24 | 2017-01-11 | 宝山钢铁股份有限公司 | 基于gps和gis的厂区车辆行驶安全报警方法及系统 |
CN106598000A (zh) * | 2016-07-01 | 2017-04-26 | 北京华科合创科技发展有限公司 | 一种生产调度与安全管控系统 |
CN109447048A (zh) * | 2018-12-25 | 2019-03-08 | 苏州闪驰数控系统集成有限公司 | 一种人工智能预警系统 |
CN110929927A (zh) * | 2019-11-18 | 2020-03-27 | 国网甘肃省电力公司 | 一种应用配电网全域大数据的人工智能预测模型构方法 |
CN110855950A (zh) * | 2019-11-28 | 2020-02-28 | 长沙品先信息技术有限公司 | 一种gis视频监控平台及基于gis的视频监控系统和方法 |
CN111462436A (zh) * | 2020-04-08 | 2020-07-28 | 广东拓仕达保安服务有限公司 | 一种互联网安防监控系统 |
CN111582657A (zh) * | 2020-04-16 | 2020-08-25 | 广东卓维网络有限公司 | 一种智能小区用电安全管理系统 |
CN111610759A (zh) * | 2020-04-24 | 2020-09-01 | 山东省邱集煤矿有限公司 | 一种煤矿生产安全智能管理系统 |
CN111738568A (zh) * | 2020-06-03 | 2020-10-02 | 塔盾信息技术(上海)有限公司 | 一种基于场景识别驱动的人工智能风险管控系统 |
CN112019498A (zh) * | 2020-07-10 | 2020-12-01 | 贵州电网有限责任公司 | 基于gis系统的电网作业安全监控管理信息系统 |
AU2020103299A4 (en) * | 2020-11-06 | 2021-01-14 | Xia-ting FENG | An Innovative Geomechanical Design Methodology for Underground Mine Excavation Design |
CN113269522A (zh) * | 2021-05-19 | 2021-08-17 | 江苏星月测绘科技股份有限公司 | 一种基于bim技术的建筑智能化管理方法及系统 |
CN113282693A (zh) * | 2021-05-25 | 2021-08-20 | 江苏星月测绘科技股份有限公司 | 一种基于3dgis的全息数据管理方法及系统 |
CN113369979A (zh) * | 2021-06-12 | 2021-09-10 | 杭州职业技术学院 | 一种基于云计算的在线监测数控车床冷却系统 |
Non-Patent Citations (2)
Title |
---|
李浩: "《基于三维GIS的山东省矿产资源网格化监管系统的关键技术研究》", 《山东国土资源》 * |
李浩: "《基于三维GIS的山东省矿产资源网格化监管系统的关键技术研究》", 《山东国土资源》, vol. 36, no. 5, 15 May 2020 (2020-05-15), pages 44 - 48 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115049213A (zh) * | 2022-05-17 | 2022-09-13 | 北京协合运维风电技术有限公司 | 一种风电场多维度智能分析系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114048346B (zh) | 2022-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109656793A (zh) | 一种基于多源异构数据融合的信息系统性能立体监测方法 | |
CN112347916B (zh) | 基于视频图像分析的电力现场作业安全监控方法及装置 | |
CN108306756A (zh) | 一种基于电力数据网全息评估系统及其故障定位方法 | |
CN105681298A (zh) | 公共信息平台中的数据安全异常监测方法及系统 | |
CN112990656B (zh) | 一种it设备监测数据的健康评价系统及健康评价方法 | |
CN111881452A (zh) | 一种面向工控设备的安全测试系统及其工作方法 | |
CN112803585B (zh) | 低压联络柜的监控方法、装置、计算机设备和存储介质 | |
CN111950359A (zh) | 一种核电厂防止人因失误智能化系统及方法 | |
CN115883779B (zh) | 一种基于大数据的智慧园区信息安全管理系统 | |
CN113918526B (zh) | 日志处理方法、装置、计算机设备和存储介质 | |
CN110388315A (zh) | 基于多源信息融合的输油泵故障识别方法、装置及系统 | |
CN114048346B (zh) | 一种基于gis的安全生产一体化管控平台及方法 | |
CN115358155A (zh) | 一种电力大数据异常预警方法、装置、设备及可读存储介质 | |
CN117829291B (zh) | 一种全过程咨询知识集成管理系统及方法 | |
CN102929241B (zh) | 精对苯二甲酸装置安全运行指导系统及其应用 | |
CN112288317B (zh) | 一种基于多源异构数据治理的工业大数据分析平台和方法 | |
CN111651652B (zh) | 基于人工智能的情感倾向识别方法、装置、设备及介质 | |
CN116579601B (zh) | 矿山安全生产风险监测预警系统及方法 | |
RU2536657C1 (ru) | Система оценки безопасности и эффективности проектных решений по обеспечению безопасности опасного производственного объекта | |
CN116882695A (zh) | 自动巡检方法、装置、计算机设备及存储介质 | |
Imro'ah et al. | The Implementation of Control Charts as a Verification Tool in a Time Series Model for COVID-19 Vaccine Participants in Pontianak | |
CN115346170A (zh) | 一种燃气设施区域的智能监控方法及装置 | |
CN115063921A (zh) | 一种工地智能闸机系统及搭建方法 | |
CN114066181A (zh) | 一种热工设备智能状态评估系统 | |
CN113535458A (zh) | 异常误报的处理方法及装置、存储介质、终端 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |