CN114358462A - 一种城市安全风险评估方法、系统及电子设备 - Google Patents
一种城市安全风险评估方法、系统及电子设备 Download PDFInfo
- Publication number
- CN114358462A CN114358462A CN202111329244.0A CN202111329244A CN114358462A CN 114358462 A CN114358462 A CN 114358462A CN 202111329244 A CN202111329244 A CN 202111329244A CN 114358462 A CN114358462 A CN 114358462A
- Authority
- CN
- China
- Prior art keywords
- risk
- level
- industry
- enterprise
- determining
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开一种城市安全风险评估方法、系统及电子设备,涉及城市安全风险评估技术领域。所述方法包括:根据灾害风险资料确定待评估城市主要风险类型;对待评估城市按行业及区域进行层级划分,对每个下辖行政级别地区的行业所属企业层级进行安全风险定量评估;根据得到的各行业所属企业层级的风险评估结果,由低层级向高层级依次确定出各个行业层级的风险评估结果;根据确定出的各个行业层级的风险评估结果评估各个下辖行政级别地区的安全风险状况;根据得到的各个下辖行政级别地区的安全风险状况确定待评估城市整体风险状况。可以在一定程度上提高城市安全风险评估效率及评估结果的可靠性。
Description
技术领域
本发明涉及城市安全风险评估技术领域,尤其涉及一种城市安全风险评估方法、系统及电子设备。
背景技术
近年来,随着我国工业化、城镇化和城乡一体化的快速发展,城市面临的安全风险也日趋突出。开展城市安全风险评估工作日益迫切,评估目标主要包括摸清全市重大事故风险底数、明确重大事故风险管控主体、落实重大事故风险管控措施。
城市安全风险评估工作在我国刚刚起步,尚需进一步探索和完善。现阶段,已有不少学者对城市安全风险评估方法进行了大量的研究,但仍存在一些问题,主要表现在:评估方法仍采用人工处理,个体主观性对评估结果影响较大,评估效率低下。
随着现代信息技术的发展,对于城市安全风险评估过程和评估成果的要求也在不断提高,尤其对于城市行业众多,危险性多元复杂的情况,亟需开发一套能够满足城市风险评估的综合分析系统。
发明内容
有鉴于此,本发明实施例提供一种城市安全风险评估方法、系统及电子设备,可以在一定程度上提高城市安全风险评估效率及评估结果的可靠性。
为达到上述发明目的,采用如下技术方案:
第一方面,本发明实施例提供一种城市安全风险评估方法,包括步骤:S10、搜集待评估城市灾害风险资料,根据所述灾害风险资料确定待评估城市主要风险类型;S20、根据所述待评估城市主要风险类型,对待评估城市的行业划分为层级单元,由高到低分别为:大类行业、中类行业、小类行业及所属企业,或者,分别为:大类行业、中类行业及所属企业;S30、确定待评估城市下辖行政级别地区的个数,对每个下辖行政级别地区,根据步骤S20中划分行业方式,对每个下辖行政级别地区的行业划分层级单元;S40、对每个下辖行政级别地区的行业所属企业层级进行安全风险定量评估,得到各行业所属企业层级的风险评估结果;S50、根据得到的各行业所属企业层级的风险评估结果,由低层级向高层级依次确定出各个行业层级的风险评估结果;S60、根据确定出的各个行业层级的风险评估结果评估各个下辖行政级别地区的安全风险状况;S70、根据得到的各个下辖行政级别地区的安全风险状况确定待评估城市整体风险状况。
可选地,步骤S40中,对每个下辖行政级别地区的行业所属企业层级进行安全风险定量评估包括:S411、构建企业安全风险清单库;所述企业安全风险清单库中预设有某一行业所属企业的安全风险清单,所述安全风险清单中包括:企业名称、风险点、危险因素类型及风险等级;S412、根据所述危险因素类型,构建风险定量评估危险因素集;所述危险因素集包括该行业所属企业的所述安全风险清单中的各类危险因素;S413、构建风险等级评语集;所述风险等级评语集包括:重大、较大、一般及低四种等级;S414、统计所述企业安全风险清单库中各类危险因素对应每一类风险等级的数量;S415、对同一类危险因素,根据不同风险等级,对其数量分别赋予不同的第一权重,得到每一类危险因素的总数量;其中,对应所述四种风险等级,第一权重依次减小;S416、根据得到的每一类危险因素的总数量计算得到各类危险因素在企业安全风险评估中的权重,基于所述权重构建第二权重集;S417、将步骤S411至S416存储至评估模型中;S418、获取待评估企业的所有类型的危险因素,统计出该企业中各类危险因素对应于各风险等级的数量nij,得到矩阵:其中,i表示第i种危险因素,i∈[1,m],j表示第j种风险等级,j∈[1,4];
S419、对所述矩阵归一化处理,得到矩阵:
S420、根据步骤S416中构建的第二权重集及所述归一化处理得到的矩阵 P',计算所述待评估企业的风险等级归属性向量;S421、根据得到所述风险等级归属性向量确定所述待评估企业的风险等级;S422、遍历获取各个行业内所有企业的所有类型的危险因素,重复步骤S418~S421,得到各所属企业风险等级归属性向量,并确定出风险等级。
可选地,在得到各所属企业风险等级归属性向量,并确定出风险等级之后,所述方法还包括:S423、将所有计算结果存入建立好的企业安全风险数据库。
可选地,所述步骤S50中,根据得到的各行业所属企业层级的风险评估结果,由低层级向高层级依次确定出各个行业层级的风险评估结果包括:S511、从小类行业中选取第一行业,并读取第一行业安全风险评估所需数据;所述数据包括第一行业名称、所属企业名称、所属企业风险等级归属性向量及其风险等级,其中,风险等级归属性向量是由多个风险等级归属性指标构成的;S512、构建风险评估因素集;所述风险评估因素集以所属企业为因素集;S513、构建行业风险等级评语集;所述行业风险等级评语集包括:重大、较大、一般及低四种等级;S514、构建所属企业相对于小类行业中所选第一行业的权重集;所述权重集中的每个权重表征每一个所属企业在小类行业中所选第一行业安全风险评估中的权重;
S517、对所述矩阵R进行归一化处理,得到矩阵
S518、根据步骤S514中构建的权重集及S517中所述归一化处理得到的矩阵R',计算所述第一行业的风险等级归属性向量;S519、根据得到的所述第一行业的风险等级归属性向量确定所述第一行业的风险等级;S520、重复上述步骤S511~S519,遍历计算得到下辖行政级别地区小类行业中所有行业的风险等级归属性向量,确定出各个下辖行政级别地区小类行业的风险等级。
可选地,所述方法还包括:S530、重复上述确定各个小类行业的风险等级归属性向量及风险等级的步骤S511~S520,计算确定出各个中类行业的风险等级归属性向量及风险等级;其中,读取的中类行业评估所需的数据中包括待评估行业名称、所属小类行业名称、所属小类行业的风险等级归属性向量及其风险等级;
以及,重复上述确定各个小类行业的风险等级归属性向量及风险等级的步骤S511~S520,计算确定出各个大类行业的风险等级归属性向量及风险等级;其中,读取的大类行业评估所需的数据中包括待评估行业名称、所属中类行业名称、所属中类行业的风险等级归属性向量及其风险等级。
可选地,所述步骤S518中,计算所述第一行业的风险等级归属性向量包括:根据公式C=W·R’计算出所述第一行业的风险等级归属性向量;其中,C为第一行业的风险等级归属性向量;W为下一层级所属企业相对于小类行业中所选第一行业的权重集,且所述W为一个行向量。
可选地,步骤S60中,根据确定出的各个行业层级的风险评估结果评估各个下辖行政级别地区的安全风险状况包括:根据计算确定出的各个下辖行政级别地区中各个大类行业的风险等级归属性向量及风险等级,重复步骤 S511~S520,得到各个下辖行政级别地区的风险等级归属性向量及风险等级;根据得到各个下辖行政级别地区的风险等级归属性向量及风险等级,评估对应的行政级别地区的安全风险状况。
可选地,所述步骤S70中,根据得到的各个下辖行政级别地区的安全风险状况确定待评估城市整体风险状况包括:根据得到的各下辖行政级别地区风险归属性向量及风险等级综合评估确定待评估城市的安全风险状况。
可选地,在步骤S70之后,所述方法还包括:根据得到的各下辖行政级别地区风险归属性向量及风险等级,构建各下辖行政级别地区安全风险四色图并输出显示;其中,四色图是以四种不同的颜色分别对应代表四种风险等级。
第二方面,本发明还实施例提供一种城市安全风险评估系统,包括:风险辨识单元,用于搜集待评估城市灾害风险资料,根据所述灾害风险资料确定待评估城市主要风险类型;第一层级划分单元,用于根据所述待评估城市主要风险类型,对待评估城市的行业划分为层级单元,由高到低分别为:大类行业、中类行业、小类行业及所属企业,或者,分别为:大类行业、中类行业及所属企业;第二层级划分单元,用于确定待评估城市下辖行政级别地区的个数,对每个下辖行政级别地区,根据第一层级划分单元划分行业的方式,对每个下辖行政级别地区的行业划分层级单元;企业风险确定单元,用于对每个下辖行政级别地区的行业所属企业层级进行安全风险定量评估,得到各行业所属企业层级的风险评估结果;行业风险确定单元,用于根据得到的各行业所属企业层级的风险评估结果,由低层级向高层级依次确定出各个行业层级的风险评估结果;区域风险确定单元,用于根据确定出的各个行业层级的风险评估结果评估各个下辖行政级别地区的安全风险状况;城市风险确定单元,用于根据得到的各个下辖行政级别地区的安全风险状况确定待评估城市整体风险状况。
第三方面,本发明实施例还提供一种电子设备,所述电子设备,包括:一个或者多个处理器;存储器;所述存储器中存储有一个或者多个可执行程序,所述一个或者多个处理器读取存储器中存储的可执行程序代码,来运行与可执行程序代码对应的程序,以用于执行第一方面任一所述的方法。
第四方面,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现第一方面任一所述的方法。
本发明实施例提供的城市安全风险评估方法、系统及电子设备,通过在对待评估城市进行行业及区域层级划分的基础上,由低到高逐层对企业、行业及区域进行风险评估,得到城市整体安全风险评估结果。基于该评估方法得到的城市整体风险评估结果不受人为评估因素影响,相比于采用人工对行业安全风险进行评估的方案,可以在一定程度上提高城市安全风险评估效率及评估结果的可靠性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本发明的一些实施例,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它的附图。
图1为本发明城市安全风险评估方法一实施例的流程示意图;
图2为本发明中第一层级划分单元对待评估城市按照行业层级划分结果示意图;
图3为本发明中第二层级划分单元对待评估城市按区域层级划分结果示意图;
图4为本发明城市安全风险评估系统一实施例结构示意框图;
图5为本发明电子设备的一个实施例结构示意图;
图6为本发明一实施例泉港区行业层级划分结果示意图;
图7为本发明一实施例泉港区区域层级划分示意图;
图8为本发明一实施例泉港区各行业安全风险比较图。
具体实施方式
下面结合附图对本发明实施例进行详细描述。应当明确,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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
图1为本发明城市安全风险评估方法一实施例的流程示意图;图2为本发明中第一层级划分单元对待评估城市按照行业层级划分结果示意图;图3为本发明中第二层级划分单元对待评估城市按区域层级划分结果示意图;参看图1 至图3所示,本实施例的方法可应用于城市安全风险评估场景中,可以提高城市安全风险评估的效率及结果的可靠性。
在一些实施例中,所述城市安全风险评估方法,包括步骤:S10、搜集待评估城市灾害风险资料,根据所述灾害风险资料确定待评估城市主要风险类型;
一般来说,城市人口多、工商业和财富集中,致使面对灾害风险时,脆弱性突出,容易造成重大人员及财产损失。此外,城市功能整体性强,一个功能失效,常会波及整个系统的功能。
本步骤中,主要是确定城市主要风险类型,找出引起风险的主要因素,并对其后果做出定性估计,为行业安全风险程度评估提供参考。
具体的,S10中,搜集待评估城市灾害风险资料包括:(1)城市灾害基础资料调查。(2)灾害风险源调查。(3)事故风险调查。(4)潜在风险调查等搜集方式。
S20、根据所述待评估城市主要风险类型,对待评估城市的行业划分为层级单元,由高到低分别为:大类行业、中类行业、小类行业及所属企业,或者,分别为:大类行业、中类行业及所属企业;
本步骤中,在城市主要风险类型识别的基础上,城市整体风险评价可以从行业和区域两个维度对评估单元进行层级划分。
可以理解的是,定义城市风险类型的重要依据是城市行业构成。不同行业对应的危险源、隐患及事故后果均不同。按照行业对整个城市进行层级划分,目的是为了更加准确的评估各行业对于城市风险的影响程度。
具体划分标准参考《国民经济行业分类标准》(GB/T 4754-2017),将整个城市依次划分为“大类行业”、“中类行业”、“小类行业”及所属企业四个层级单元,按照行业维度层级划分结果如图2所示。
S30、确定待评估城市下辖行政级别地区的个数,对每个下辖行政级别地区,根据步骤S20中划分行业方式,对每个下辖行政级别地区的行业划分层级单元;
在城市整体风险评估过程中,除了重点行业外,还需要关注重点区域的安全风险等级,因此,本实施例中为了提高评估的精细化,依托统一的城市管理及数字化平台,将城市管理辖区按照一定的标准划分为单元网格,全面覆盖辖区内企业及相关公共设施。根据辖区行业特点及危险有害因素的分布情况,可以将整个城市划分为“区(县)”单元,如有需要还可以进一步划分为“乡(镇)”单元。按照区域维度层级划分结果如图3所示。
S40、对每个下辖行政级别地区的行业所属企业层级进行安全风险定量评估,得到各行业所属企业层级的风险评估结果;
本步骤中,对在划分的下辖行政级别地区区域中,先进行所属企业风险评估,再以所属企业为基础,按照行业层级由下至上依次进行辖区内各行业的风险评估,直至得到该区域风险评估结果。
具体的,步骤S40中,对每个下辖行政级别地区的行业所属企业层级进行安全风险定量评估包括:
S411、构建企业安全风险清单库;所述企业安全风险清单库中预设有某一行业所属企业的安全风险清单,所述安全风险清单中包括:企业名称、风险点、危险因素类型及风险等级;
示例性地,本实施例中的企业可以是属于小类行业内的企业,建立该行业所属企业安全风险清单库。具体的,可以通过与对应监管部门对接的信息管理平台,收集并统计本行业所有企业的安全风险清单,形成企业安全风险清单库。安全风险清单包括:“企业名称”、“风险点”、“危险因素类型”、“风险等级”等,其中危险因素类型可以根据《企业伤亡事故分类》(GB6441)进行分类。
S412、根据所述危险因素类型,构建风险定量评估危险因素集;所述危险因素集包括该行业所属企业的所述安全风险清单中的各类危险因素;
示例性地,以所属企业安全风险清单库中的各类危险因素作为因素集U,表示为U={u1,u2,…um},m为危险因素的种类个数。
S413、构建企业风险等级评语集;所述风险等级评语集包括:重大、较大、一般及低四种等级;
示例性地,以划分的上述四类风险等级作为风险等级评语集V,即“重大”、“较大”、“一般”、“低”,表示为V={v1,v2,v3,v4}。
S414、统计所述企业安全风险清单库中各类危险因素对应每一类风险等级的数量;
示例性地,统计上述选取行业所属企业安全风险清单库中各类危险因素ui对应每一类风险等级vj的数量,标记为Nij。
S415、对同一类危险因素,根据不同风险等级,对其数量分别赋予不同的第一权重,得到每一类危险因素的总数量;其中,对应所述四种风险等级,第一权重依次减小;
在一些实施例中,从高到低对应所述四种风险等级,所述第一权重分别为: 0.5、0.3、0.15和0.05。
示例性地,对于同一危险因素,根据不同风险等级,对其数量分别赋予0.5、 0.3、0.15和0.05的权重,则得到任意一类危险因素的总数量Ni可以表示为 Ni=0.5Ni1+0.3Ni2+0.15Ni3+0.05Ni4,i表示第i种危险因素,i∈[1,m]。
S416、根据得到的每一类危险因素的总数量计算得到各类危险因素在企业安全风险评估中的权重,基于所述权重构建第二权重集;
示例性地,第二权重集标记为A1,为一个一维行向量;用于量化表征各类危险因素ui在企业安全风险评估中的权重,表示为A1={a1,a2,…am},m为危险因素的种类个数(前已述及),所述权重根据公式计算得到,其中,i∈[1,m],ai∈[0,1]。
S417、将步骤S411至S416存储至评估模型中;
可以理解的是,前述步骤S10至S60是构建评估模型的一个实施例,在得到可以用于量化评估企业安全风险的评估模型之后,可以自动方便地基于该评估模型快速量化评估出企业安全风险。
S418、获取待评估企业的所有类型的危险因素,统计出该企业中各类危险因素对应于各风险等级的数量nij,得到矩阵:
示例性地,参看图2所示,在获取待评估企业的所有类型的危险因素之后,建立该企业危险因素数量矩阵,统计该企业中各危险因素ui对应于各风险等级 vj的数量nij,得到上述矩阵P。
S419、对所述矩阵归一化处理,得到矩阵:
S420、根据步骤S416中构建的第二权重集及所述归一化处理得到的矩阵 P',计算所述待评估企业的风险等级归属性向量;
本实施例中,对所选待评估企业安全风险进行多因素模糊综合评价,计算出所选企业的风险等级归属性向量B1。
在一些实施例中,计算所述待评估企业的风险等级归属性向量包括:根据公式B1=A1·P’计算出所述待评估企业的风险等级归属性向量;其中,B1为待评估企业的风险等级归属性向量;A1为第二权重集,且所述A1为一个行向量;B1= A1·P’={b1,b2,b3,b4}。
S421、根据得到所述风险等级归属性向量确定所述待评估企业的风险等级;
所述步骤S421包括:取向量B1中数值最大的元素bi作为该企业的风险归属性指标;将向量B1中数值最大的元素所对应的风险等级评语集指标确定为企业的风险等级。S422、遍历获取各个行业内所有企业的所有类型的危险因素,重复步骤S418~S421,得到各所属企业风险等级归属性向量,并确定出风险等级。
在一些实施例中,在得到各所属企业风险等级归属性向量,并确定出风险等级之后,所述方法还包括:S423、将所有计算结果存入建立好的企业安全风险数据库。
可选地,在S423之后,所述方法还包括:根据所述计算结果及确定出的风险等级,构建企业安全风险四色图;其中,四色图是以四种不同的颜色分别代表四种风险等级。
S50、根据得到的各行业所属企业层级的风险评估结果,由低层级向高层级依次确定出各个行业层级的风险评估结果;
所述步骤S50中,根据得到的各行业所属企业层级的风险评估结果,由低层级向高层级依次确定出各个行业层级的风险评估结果包括:S511、从小类行业中选取第一行业,并读取第一行业安全风险评估所需数据;所述数据包括第一行业名称、所属企业名称、所属企业风险等级归属性向量及其风险等级,其中,风险等级归属性向量是由多个风险等级归属性指标构成的。S512、构建风险评估因素集;所述风险评估因素集以所属企业为因素集;所述风险评估因素集U表示为U={u1,u2,…um},m为所属企业的个数。可以理解的是,在进行中类行业风险评估时,该处的m为下一层级行业,即小类行业的个数。
S513、构建行业风险等级评语集;所述行业风险等级评语集包括:重大、较大、一般及低四种等级;
示例性地,以划分的上述四类风险等级作为风险等级评语集V',即“重大”、“较大”、“一般”、“低”,表示为V'={v1',v2',v3',v4'}。
S514、构建所属企业相对于小类行业中所选第一行业的权重集;所述权重集中的每个权重表征每一个所属企业在小类行业中所选第一行业安全风险评估中的权重;
S515、计算权重向量;这里指的是计算前述权重集W的权重向量。
在一些实施例中,所述权重向量的计算方法包括:首先,利用“1~9标度法”构建m阶判断矩阵A=(aij)m×m;参照所属下一层级行业或企业的风险等级,以“低”风险等级为基准,“重大”、“较大”、“一般”、“低”对应的标度值分别为“9”(绝对重要)、“7”(明显重要)、“5”(相当重要)、“1”(同等重要)。
其次,对所述判断矩阵A按列规范化,按行求和,再将得到的和向量正规化,即得到权重向量Wi;其中,对一已知向量建构与其同向之单位向量的程序称为向量正规化,在本实施例中,即将所述和向量转换为与其同向的单位向量,得到权重向量。
为了核验构建的所述判断矩阵的正确性,在得到所述权重向量之后,所述方法还包括:计算判断矩阵的最大特征根λmax;根据所述λmax对判断矩阵进行一致性检验;若一致性检验通过,则表明构建的m阶判断矩阵逻辑上正确。
S516、根据所述所属企业风险等级归属性向量建立所属企业的风险等级归属性矩阵R:
示例性地,根据步骤S511中读取到的下一层级行业或企业的风险等级归属性向量,统计所属下一层级行业或企业的风险等级归属性向量Bi={bi1,bi2,bi3,bi4},i∈[1,m],表示任意第i个所属下一层级行业或企业的,合并后得到矩阵R=(bij)m×4,j∈[1,4]。
S517、对所述矩阵R进行归一化处理,得到矩阵
S518、根据步骤S514中构建的权重集及S517中所述归一化处理得到的矩阵R',计算所述第一行业的风险等级归属性向量;
示例性地,第一行业的风险等级归属性向量标记为C。
在一些实施例中,所述计算所述第一行业的风险等级归属性向量包括:根据公式C=W·R’计算出所述第一行业的风险等级归属性向量;其中,W为下一层级所属企业相对于本层级所选第一行业的权重集,且所述W为一个行向量。
S519、根据得到的所述第一行业的风险等级归属性向量确定所述第一行业的风险等级;
在一些实施例中,所述步骤S519包括:取第一行业的风险等级归属性向量 C中数值最大的元素作为所述第一行业的风险归属性指标;将第一行业的风险等级归属性向量C中数值最大的元素所对应的行业风险等级评语集指标确定为企业的风险等级。
S520、重复上述步骤S511~S519,遍历计算得到下辖行政级别地区小类行业中所有行业的风险等级归属性向量,确定出各个下辖行政级别地区小类行业的风险等级。
所述方法还包括:S530、重复上述确定各个小类行业的风险等级归属性向量及风险等级的步骤S511~S520,计算确定出各个中类行业的风险等级归属性向量及风险等级;其中,读取的中类行业评估所需的数据中包括待评估行业名称、所属小类行业名称、所属小类行业的风险等级归属性向量及其风险等级;
以及,重复上述确定各个小类行业的风险等级归属性向量及风险等级的步骤S511~S520,计算确定出各个大类行业的风险等级归属性向量及风险等级;其中,读取的大类行业评估所需的数据中包括待评估行业名称、所属中类行业名称、所属中类行业的风险等级归属性向量及其风险等级。
本发明实施例中的城市安全风险评估方案,在需要进行评估时,仅需要自动获取下一层行业或企业的风险等级归属性指标矩阵,即可自动计算得到评估结果,且评估结果不受人为评估因素影响,相比于采用人工对行业安全风险进行评估的方案,可以提高城市安全风险评估效率及评估结果的一致性,从而为更高层级的评估提供可靠的数据支持。
具体的,基于城市安全风险评估结果及风险排序,建立城市各行业安全风险比较图,呈现城市不同行业整体风险等级情况,更好地为行业主管部门制定行业管控策略提供必要的支持。
其中,行业风险大小采用风险指数进行表征,风险指数计算方式如下:风险指数=100×c1+80×c2+60×c3+40×c4;c1,c2,c3,c4分别为前述得到的行业风险等级归属性向量C={c1,c2,c3,c4}对应于重大风险、较大风险、一般风险和低风险的向量元素。
本实施例中,在得到行业风险等级归属性向量C之后,通过上述方案,可以定量评估出行业安全风险程度,为后续更高层次的安全风险评估提供数据基础。
本实施例中,由低层级向高层级确定各个中类行业及大类行业的风险等级归属性向量及风险等级的方法与前述确定小类行业的风险等级归属性向量及风险等级的方法步骤类似,在此就不再详细赘述。
S60、根据确定出的各个行业层级的风险评估结果评估各个下辖行政级别地区的安全风险状况;
步骤S60中,根据确定出的各个行业层级的风险评估结果评估各个下辖行政级别地区的安全风险状况包括:根据计算确定出的各个下辖行政级别地区中各个大类行业的风险等级归属性向量及风险等级,重复步骤S511~S520,得到各个下辖行政级别地区的风险等级归属性向量及风险等级;根据得到各个下辖行政级别地区的风险等级归属性向量及风险等级,评估对应的行政级别地区的安全风险状况。
S70、根据得到的各个下辖行政级别地区的安全风险状况确定待评估城市整体风险状况。
所述步骤S70中,根据得到的各个下辖行政级别地区的安全风险状况确定待评估城市整体风险状况包括:
根据得到的各下辖行政级别地区风险归属性向量及风险等级综合评估确定待评估城市的安全风险状况。
作为一可选实施例,在步骤S70之后,所述方法还包括:根据得到的各下辖行政级别地区风险归属性向量及风险等级,构建各下辖行政级别地区安全风险四色图并输出显示;其中,四色图是以四种不同的颜色分别对应代表四种风险等级。
本发明实施例中,根据层次分析法,在计算得到低层级单元(所属企业) 风险评估结果后,由下至上,依次计算出各个行业层级的风险评估结果,直至得到城市整体风险评估结果,可以实现对城市整体风险的自动评估,相比于传统的人工评估方式,可以有效提高评估效率及可靠性。
本发明实施例提供的城市安全风险评估方法,通过在对待评估城市进行行业及区域层级划分的基础上,由低到高逐层对企业、行业及区域进行风险评估,得到城市整体安全风险评估结果,基于该评估方法得到的城市整体风险评估结果不受人为评估因素影响,相比于采用人工对行业安全风险进行评估的方案,可以在一定程度上提高城市安全风险评估效率及评估结果的可靠性。
为帮助理解本发明实施例提供的技术方案及其技术效果,根据本申请提出的城市安全风险评估方法,以对泉州市泉港区的安全风险定量评估为例说明如下:
1、城市风险识别:根据搜集待评估城市灾害风险资料确定:泉港区的规划定位为石化港口城市,通过城市风险识别,得到的城市主要安全风险主要集中在以下三个方面:
(1)重大危险源集中。泉港区辖区面积较小,且以化工为主要产业,按照《危险化学品重大重大危险源辨识》(GB18218-2018)标准,截至2019年11月,区内共辨识出99处重大危险源。(2)重大危险源周边脆弱性目标较多。因历史原因,化工园区与周边居民点紧邻,周边居民、学校等脆弱性目标较多,安全风险大。(3)危险有害因素多。除化工行业外,泉港区工贸行业企业种类较多,《企业职工伤亡事故分类标准》(GB6441)中的二十类事故伤害类型均存在。
2、层级划分:(1)泉港区行业层级划分:根据泉港区城市风险类别及安全生产工作特点,按行业依次划分为“大类行业B”、“中类行业C”、“小类行业D”及所属企业E四个层级单元,如图5所示,由于所属企业数量众多,文中未全列出。
(2)泉港区区域层级划分:根据泉港区管辖范围,按区域依划分为六个镇,一个街道,每个镇(街道)又根据行业分布依次划分为“大类行业B”、“中类行业C”及所属企业E三个层级单元,考虑到镇(街道)辖区范围内企业数量有限,因此无需再划分“小类行业D”,如图7所示,由于所属企业数量众多,文中未全列出。
3、企业安全风险评估:根据本实施例中提出的企业安全风险评估步骤,对泉港区各行业所属企业进行安全风险定量评估。
(1)建立某一行业所属企业安全风险清单库:以一般化工行业为例,通过泉港区应急管理局智慧安监系统导出安全风险点信息,整理得到本行业安全风险清单,其中危险因素类型主要包括火灾(爆炸)、车辆伤害、触电、高处坠落、容器爆炸、中毒和窒息等。
(2)构建因素集U:U={u1,u2,…u12},u1=火灾(爆炸),u2=车辆伤害,u3=触电,u4=高处坠落,u5=机械伤害,u6=其他伤害,u7=起重伤害,u8=容器爆炸, u9=中毒和窒息,u10=灼烫,u11=物体打击,u12=淹溺。
(3)构建评语集V:V={v1,v2,v3,v4},v1=重大风险,v2=较大风险,v3=一般风险,v4=低风险。
(4)构建权重集A:A={a1,a2,…a12},统计一般化工行业所属企业安全风险清单库中各类危险因素ui对应每一类风险等级vj的数量Nij,并计算Ni,进而计算ui的权重ai,如下表1所示。
表1
(5)建立行业内所选企业危险因素数量矩阵并归一化:选择本行业所属企业泉港源盛工贸有限公司,统计得到各危险因素ui对应不同风险等级vj的数量 nij,用矩阵P表示,归一化后用矩阵P’表示
(6)所选企业安全风险多因素模糊综合评价:计算泉港源盛工贸有限公司风险等级归属性向量B,根据前述计算得到的权重向量A及矩阵P’,可得 B=A·P’={b1,b2,b3,b4}={0.092,0.352,0.293,0.264},根据计算结果可知,该企业重大风险等级对应的归属性指标为0.092,较大风险对应的归属性指标为0.352,一般风险对应的归属性指标为0.293,低风险对应的归属性指标为0.264。选取风险等级归属性指标最大的元素所对应的风险等级评语集指标确定为企业的风险等级,因此,该企业风险归属性指标为0.352,风险等级为较大风险。
(7)按照上述方法分别对各个行业的每一个企业进行计算。
(8)数据存储
将所有计算结果存入建立好的企业安全风险数据库。
(9)建立企业安全风险四色图
基于数据库存储结果,建立企业安全风险四色图。
4、行业安全风险计算
根据本文中提出的行业安全风险评估步骤,对泉港区各层级行业进行安全风险定量评估。
(1)确定行业计算层级并选择计算行业
根据图6中泉港区行业层级划分结果,确定当前计算行业层级为小类行业 D,选取一般化工行业D3,读取本行业安全风险计算所需的所有数据,主要为所属下层企业的风险评估结果。
(2)构建因素集U
U={u1,u2,…u6},u1=泉州德立化工有限公司,u2=泉州市泉港源盛工贸有限公司,u3=泉州市泉港华福密胺有限公司,u4=中平神马(福建)科技发展有限公司,u5=福建路桥翔通建材有限公司,u6=福建立亚化学有限公司。
(3)构建评语集V
V'={v1',v2',v3',v4'},v1'=重大风险,v2'=较大风险,v3'=一般风险,v4'=低风险。
(4)构建权重集W
W={w1,w2,w3,w4,w5,w6},其中wi为本行业各所属企业ui隶属于各风险等级 vi的程度。
(5)构建判断矩阵A
判断矩阵是对各因素ui的重要程度,即风险等级进行两两比较得到的,本文以“低”风险等级为基准,“重大”、“较大”、“一般”、“低”对应的标度值分别为“9”、“7”、“5”、“1”。本行业所属企业风险等级评估结果如下表2所示。
表2
(6)计算权重向量W:1)对A按列规范化,即对判断矩阵A每一列正规化:2)对按列归一化的判断矩阵,再按行求和将得到的和向量正规化,即得到权重向量计算得到的权重向量为W={0.113,0.307,0.047,0.113,0.307, 0.113}。
(7)建立本行业各所属企业风险等级归属性指标矩阵并归一化:统计一般化工行业各所属企业的风险等级归属性向量Bi={bi1,bi2,bi3,bi4},i∈[1,6],如表7.2 所示,建立各企业风险等级归属性指标矩阵,用R表示,归一化后用矩阵R’表示;
(8)所选行业安全风险多因素模糊综合评价:计算一般化工行业风险等级归属性向量C,根据前述计算得到的权重向量W及矩阵R’,可得 C=W·R’={c1,c2,c3,c4}={0.190,0.330,0.309,0.172},根据计算结果可知,该行业重大风险等级对应的归属性指标为0.190,较大风险对应的归属性指标为0.330,一般风险对应的归属性指标为0.309,低风险对应的归属性指标为0.172。因此,该行业风险归属性指标为0.330,风险等级为较大风险。
(9)按照上述方法分别对各层级每一个行业进行遍历计算:由下向上依次计算小类行业D-中类行业C-大类行业B-泉港区安全风险水平A,各个层级及所属行业评估指标,限于篇幅,本文不再赘述,最终得到泉港区风险归属性向量 C={0.154,0.398,0.293,0.155},根据计算结果可知,泉港区重大风险等级对应的归属性指标为0.154,较大风险对应的归属性指标为0.398,一般风险对应的归属性指标为0.293,低风险对应的归属性指标为0.155。因此,泉港区风险归属性指标为0.398,风险等级为较大风险。
(10)数据存储:将所有计算结果存入建立好的行业安全风险数据库。
(11)建立行业安全风险比较图:基于数据库存储结果,计算得到各小类行业的风险指数,对风险指数进行排序,建立行业安全风险比较图,如图8所示。
在得到行业风险评估结果之后,对泉港区各辖区内各层级行业进行安全风险定量评估,其评估步骤类似于行业风险评估示例,在此就不再赘述。按照上述方法分别对各层级每一个区域进行评估:即依次对南埔镇、涂岭镇、后龙镇、界山镇、前黄镇、山腰街道及峰尾镇进行风险评估,得到各区域风险归属性向量及风险等级。评估结果如下表3所示。
表3将所有计算结果存入建立好的区域安全风险数据库,建立区域安全风险四色图,基于数据库存储结果,建立泉港区各乡镇安全风险四色图,根据各乡镇安全风险四色图就可以确定待评估城市整体风险状况。
本实施例提供的城市安全风险评估方法,在对评估对象进行层级划分的基础上,可以对城市所有企业进行安全风险定量评估,通过四色图的形式表征各企业的安全风险情况,从而可以确定全市重大危险源及重点风险企业的分布,并在平台间实现数据共享。
进一步地,可以对城市所有行业进行安全风险定量评估,明确风险管控主体,便于市级层面和有关部门重点管控;更进一步地,可以对城市所有区域进行安全风险定量评估,运用四种颜色展示各区域风险评估等级,有助于落实重大事故风险管控责任归属。
本实施例方案实现了数据的自动处理、计算和存储,评估效率大大提高。
实施例二
图4为本发明城市安全风险评估预测系统一实施例结构示意框图;如图4 所示,所述系统包括:风险辨识单元210,用于搜集待评估城市灾害风险资料,根据所述灾害风险资料确定待评估城市主要风险类型;第一层级划分单元220,用于根据所述待评估城市主要风险类型,对待评估城市的行业划分为层级单元,由高到低分别为:大类行业、中类行业、小类行业及所属企业,或者,分别为:大类行业、中类行业及所属企业;第二层级划分单元230,用于确定待评估城市下辖行政级别地区的个数,对每个下辖行政级别地区,根据第一层级划分单元划分行业的方式,对每个下辖行政级别地区的行业划分层级单元;企业风险确定单元240,用于对每个下辖行政级别地区的行业所属企业层级进行安全风险定量评估,得到各行业所属企业层级的风险评估结果;行业风险确定单元250,用于根据得到的各行业所属企业层级的风险评估结果,由低层级向高层级依次确定出各个行业层级的风险评估结果;区域风险确定单元260,用于根据确定出的各个行业层级的风险评估结果评估各个下辖行政级别地区的安全风险状况;城市风险确定单元270,用于根据得到的各个下辖行政级别地区的安全风险状况确定待评估城市整体风险状况。
本实施例的系统可以用于执行图1所示方法实施例的技术方案,本实施例的系统,其实现原理和技术效果类似,此处不再多赘述,可相互参看。
相比于人工定性分析方案,本发明实施例提供的城市安全风险评估系统,能够实现数据的自动处理、计算和存储,评估效率大大提高,有力的提升了城市行业风险监管水平,可供城市主管部门更有针对性的管控高危行业风险。
对于本发明提供的城市安全风险评估系统的各实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例部分的说明即可。
图5为本发明电子设备一个实施例的结构示意图,其可以实现本发明实施例一任一所述的方法,如图5所示,作为一可选实施例,上述电子设备可以包括:壳体41、处理器42、存储器43、电路板44和电源电路45,其中,电路板 44安置在壳体41围成的空间内部,处理器42和存储器43设置在电路板44上;电源电路45,用于为上述电子设备的各个电路或器件供电;存储器43用于存储可执行程序代码;处理器42通过读取存储器43中存储的可执行程序代码来运行与可执行程序代码对应的程序,用于执行前述实施例一任一所述的城市安全风险评估方法。
处理器42对上述步骤的具体执行过程以及处理器42通过运行可执行程序代码来进一步执行的步骤,可以参见本发明城市安全风险评估方法实施例一的描述,在此不再赘述。
该电子设备以多种形式存在,包括但不限于:(1)移动通信设备:这类设备的特点是具备移动通信功能,并且以提供话音、数据通信为主要目标。这类终端包括:智能手机(例如iPhone)、多媒体手机、功能性手机,以及低端手机等。 (2)超移动个人计算机设备:这类设备属于个人计算机的范畴,有计算和处理功能,一般也具备移动上网特性。这类终端包括:PDA、MID和UMPC设备等,例如iPad。(3)便携式娱乐设备:这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放模块(例如iPod),掌上游戏机,电子书,以及智能玩具和便携式车载导航设备。(4)服务器:提供计算服务的设备,服务器的构成包括处理器、硬盘、内存、系统总线等,服务器和通用的计算机架构类似,但是由于需要提供高可靠的服务,因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。(5)其他具有数据交互功能的电子设备。
综上,本发明实施例提供的城市安全风险评估方法及系统,可以实现自动、快速、高效地量化评估企业的风险程度的目的,在一定程度上提高城市安全评估效率及结果的可靠性。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。为了描述的方便,描述以上系统是以功能分为各种单元/模块分别描述。当然,在实施本发明时可以把各单元/模块的功能在同一个或多个软件和/或硬件中实现。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质还可为磁碟、光盘、只读存储记忆体(Read-Only Memory, ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种城市安全风险评估方法,其特征在于,所述方法包括步骤:
S10、搜集待评估城市灾害风险资料,根据所述灾害风险资料确定待评估城市主要风险类型;
S20、根据所述待评估城市主要风险类型,对待评估城市的行业划分为层级单元,由高到低分别为:大类行业、中类行业、小类行业及所属企业,或者,分别为:大类行业、中类行业及所属企业;
S30、确定待评估城市下辖行政级别地区的个数,对每个下辖行政级别地区,根据步骤S20中划分行业方式,对每个下辖行政级别地区的行业划分层级单元;
S40、对每个下辖行政级别地区的行业所属企业层级进行安全风险定量评估,得到各行业所属企业层级的风险评估结果;
S50、根据得到的各行业所属企业层级的风险评估结果,由低层级向高层级依次确定出各个行业层级的风险评估结果;
S60、根据确定出的各个行业层级的风险评估结果评估各个下辖行政级别地区的安全风险状况;
S70、根据得到的各个下辖行政级别地区的安全风险状况确定待评估城市整体风险状况。
2.根据权利要求1所述的方法,其特征在于,步骤S40中,对每个下辖行政级别地区的行业所属企业层级进行安全风险定量评估包括:
S411、构建企业安全风险清单库;所述企业安全风险清单库中预设有某一行业所属企业的安全风险清单,所述安全风险清单中包括:企业名称、风险点、危险因素类型及风险等级;
S412、根据所述危险因素类型,构建风险定量评估危险因素集;所述危险因素集包括该行业所属企业的所述安全风险清单中的各类危险因素;
S413、构建风险等级评语集;所述风险等级评语集包括:重大、较大、一般及低四种等级;
S414、统计所述企业安全风险清单库中各类危险因素对应每一类风险等级的数量;
S415、对同一类危险因素,根据不同风险等级,对其数量分别赋予不同的第一权重,得到每一类危险因素的总数量;其中,对应所述四种风险等级,第一权重依次减小;
S416、根据得到的每一类危险因素的总数量计算得到各类危险因素在企业安全风险评估中的权重,基于所述权重构建第二权重集;
S417、将步骤S411至S416存储至评估模型中;
S418、获取待评估企业的所有类型的危险因素,统计出该企业中各类危险因素对应于各风险等级的数量nij,得到矩阵:
其中,i表示第i种危险因素,i∈[1,m],j表示第j种风险等级,j∈[1,4];
S419、对所述矩阵归一化处理,得到矩阵:
S420、根据步骤S416中构建的第二权重集及所述归一化处理得到的矩阵P',计算所述待评估企业的风险等级归属性向量;
S421、根据得到所述风险等级归属性向量确定所述待评估企业的风险等级;
S422、遍历获取各个行业内所有企业的所有类型的危险因素,重复步骤S418~S421,得到各所属企业风险等级归属性向量,并确定出风险等级。
3.根据权利要求2所述的方法,其特征在于,在得到各所属企业风险等级归属性向量,并确定出风险等级之后,所述方法还包括:S423、将所有计算结果存入建立好的企业安全风险数据库。
4.根据权利要求1所述的方法,其特征在于,所述步骤S50中,根据得到的各行业所属企业层级的风险评估结果,由低层级向高层级依次确定出各个行业层级的风险评估结果包括:
S511、从小类行业中选取第一行业,并读取第一行业安全风险评估所需数据;所述数据包括第一行业名称、所属企业名称、所属企业风险等级归属性向量及其风险等级,其中,风险等级归属性向量是由多个风险等级归属性指标构成的;
S512、构建风险评估因素集;所述风险评估因素集以所属企业为因素集;
S513、构建行业风险等级评语集;所述行业风险等级评语集包括:重大、较大、一般及低四种等级;
S514、构建所属企业相对于小类行业中所选第一行业的权重集;所述权重集中的每个权重表征每一个所属企业在小类行业中所选第一行业安全风险评估中的权重;
S515、计算权重向量;
S516、根据所述所属企业风险等级归属性向量建立所属企业的风险等级归属性矩阵R:
S517、对所述矩阵R进行归一化处理,得到矩阵
S518、根据步骤S514中构建的权重集及S517中所述归一化处理得到的矩阵R',计算所述第一行业的风险等级归属性向量;
S519、根据得到的所述第一行业的风险等级归属性向量确定所述第一行业的风险等级;
S520、重复上述步骤S511~S519,遍历计算得到下辖行政级别地区小类行业中所有行业的风险等级归属性向量,确定出各个下辖行政级别地区小类行业的风险等级。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:S530、重复上述确定各个小类行业的风险等级归属性向量及风险等级的步骤S511~S520,计算确定出各个中类行业的风险等级归属性向量及风险等级;其中,读取的中类行业评估所需的数据中包括待评估行业名称、所属小类行业名称、所属小类行业的风险等级归属性向量及其风险等级;
以及,重复上述确定各个小类行业的风险等级归属性向量及风险等级的步骤S511~S520,计算确定出各个大类行业的风险等级归属性向量及风险等级;其中,读取的大类行业评估所需的数据中包括待评估行业名称、所属中类行业名称、所属中类行业的风险等级归属性向量及其风险等级。
6.根据权利要求4或5所述的方法,其特征在于,所述步骤S518中,计算所述第一行业的风险等级归属性向量包括:根据公式C=W·R’计算出所述第一行业的风险等级归属性向量;其中,C为第一行业的风险等级归属性向量;W为下一层级所属企业相对于小类行业中所选第一行业的权重集,且所述W为一个行向量。
7.根据权利要求6所述的方法,其特征在于,步骤S60中,根据确定出的各个行业层级的风险评估结果评估各个下辖行政级别地区的安全风险状况包括:根据计算确定出的各个下辖行政级别地区中各个大类行业的风险等级归属性向量及风险等级,重复步骤S511~S520,得到各个下辖行政级别地区的风险等级归属性向量及风险等级;根据得到各个下辖行政级别地区的风险等级归属性向量及风险等级,评估对应的行政级别地区的安全风险状况。
8.根据权利要求7所述的方法,其特征在于,所述步骤S70中,根据得到的各个下辖行政级别地区的安全风险状况确定待评估城市整体风险状况包括:
根据得到的各下辖行政级别地区风险归属性向量及风险等级综合评估确定待评估城市的安全风险状况。
9.根据权利要求8所述的方法,其特征在于,在步骤S70之后,所述方法还包括:根据得到的各下辖行政级别地区风险归属性向量及风险等级,构建各下辖行政级别地区安全风险四色图并输出显示;其中,四色图是以四种不同的颜色分别对应代表四种风险等级。
10.一种城市安全风险评估系统,其特征在于,包括:
风险辨识单元,用于搜集待评估城市灾害风险资料,根据所述灾害风险资料确定待评估城市主要风险类型;
第一层级划分单元,用于根据所述待评估城市主要风险类型,对待评估城市的行业划分为层级单元,由高到低分别为:大类行业、中类行业、小类行业及所属企业,或者,分别为:大类行业、中类行业及所属企业;
第二层级划分单元,用于确定待评估城市下辖行政级别地区的个数,对每个下辖行政级别地区,根据第一层级划分单元划分行业的方式,对每个下辖行政级别地区的行业划分层级单元;
企业风险确定单元,用于对每个下辖行政级别地区的行业所属企业层级进行安全风险定量评估,得到各行业所属企业层级的风险评估结果;
行业风险确定单元,用于根据得到的各行业所属企业层级的风险评估结果,由低层级向高层级依次确定出各个行业层级的风险评估结果;
区域风险确定单元,用于根据确定出的各个行业层级的风险评估结果评估各个下辖行政级别地区的安全风险状况;
城市风险确定单元,用于根据得到的各个下辖行政级别地区的安全风险状况确定待评估城市整体风险状况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111329244.0A CN114358462A (zh) | 2021-11-10 | 2021-11-10 | 一种城市安全风险评估方法、系统及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111329244.0A CN114358462A (zh) | 2021-11-10 | 2021-11-10 | 一种城市安全风险评估方法、系统及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114358462A true CN114358462A (zh) | 2022-04-15 |
Family
ID=81095849
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111329244.0A Pending CN114358462A (zh) | 2021-11-10 | 2021-11-10 | 一种城市安全风险评估方法、系统及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114358462A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114925994A (zh) * | 2022-05-07 | 2022-08-19 | 厦门大学 | 一种基于深度学习的城中村风险评估和风险因素定位方法 |
-
2021
- 2021-11-10 CN CN202111329244.0A patent/CN114358462A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114925994A (zh) * | 2022-05-07 | 2022-08-19 | 厦门大学 | 一种基于深度学习的城中村风险评估和风险因素定位方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Asadzadeh et al. | An augmented approach for measurement of disaster resilience using connective factor analysis and analytic network process (F’ANP) model | |
Wang et al. | A major infrastructure risk-assessment framework: Application to a cross-sea route project in China | |
Mohai et al. | Reassessing racial and socioeconomic disparities in environmental justice research | |
Anelli et al. | Urban resilience against natural disasters: Mapping the risk with an innovative indicators-based assessment approach | |
Shadabfar et al. | Resilience-based design of infrastructure: Review of models, methodologies, and computational tools | |
Chen et al. | Resilience assessment of regional areas against earthquakes using multi-source information fusion | |
Assaad et al. | Determining critical combinations of safety fatality causes using spectral clustering and computational data mining algorithms | |
D'Urso et al. | Multicriteria fuzzy analysis for a GIS‐based management of earthquake scenarios | |
Mannakkara et al. | Post-disaster legislation for building back better | |
Omrany et al. | The uptake of City Information Modelling (CIM): A comprehensive review of current implementations, challenges and future outlook | |
KR20220084751A (ko) | 쇠퇴지역의 재난재해를 종합진단하는 시스템 및 방법 | |
Chen et al. | Building vulnerability assessment in seismic areas using ensemble learning: A Nepal case study | |
CN113191605A (zh) | 房屋风险评估方法及装置 | |
CN114358462A (zh) | 一种城市安全风险评估方法、系统及电子设备 | |
Lu et al. | Using cased based reasoning for automated safety risk management in construction industry | |
Lei et al. | Fire risk level prediction of timber heritage buildings based on entropy and XGBoost | |
Huang et al. | Concepts, models, and indicator systems for urban safety resilience: a literature review and an exploration in China | |
CN112836890A (zh) | 一种预测火灾风险的方法、装置、设备及存储介质 | |
Hooshangi et al. | Urban search and rescue (USAR) simulation in earthquake environments using queuing theory: estimating the appropriate number of rescue teams | |
CN112184495A (zh) | 存量低效土地监测系统及应用其的分析平台 | |
Meyers-Angulo et al. | Classifying buildings according to seismic vulnerability using Cluster-ANN techniques: application to the city of Murcia, Spain | |
CN115115244A (zh) | 矿业项目投资环境的评价方法、装置及计算机设备 | |
CN113298438A (zh) | 区域风险等级的评估方法、装置、计算机设备及存储介质 | |
Mohammadian et al. | Modeling important factors on occupational accident severity factor in the construction industry using a combination of artificial neural network and genetic algorithm | |
Hu et al. | Framework for prioritizing geospatial data processing tasks during extreme weather events |
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 |