CN114841589B - 电力成员违章画像和安全画像的安全隐患信息码生成方法 - Google Patents

电力成员违章画像和安全画像的安全隐患信息码生成方法 Download PDF

Info

Publication number
CN114841589B
CN114841589B CN202210534241.9A CN202210534241A CN114841589B CN 114841589 B CN114841589 B CN 114841589B CN 202210534241 A CN202210534241 A CN 202210534241A CN 114841589 B CN114841589 B CN 114841589B
Authority
CN
China
Prior art keywords
violation
training
portrait
safety hazard
information
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.)
Active
Application number
CN202210534241.9A
Other languages
English (en)
Other versions
CN114841589A (zh
Inventor
贺伟军
潘巍巍
曾长轩
唐越
李凯
李勋
叶劲松
柴晓峰
李世东
吴易科
卢正通
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.)
Zhoushan Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Zhoushan Power Supply Co of State Grid Zhejiang Electric Power 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 Zhoushan Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical Zhoushan Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Priority to CN202210534241.9A priority Critical patent/CN114841589B/zh
Publication of CN114841589A publication Critical patent/CN114841589A/zh
Priority to PCT/CN2022/117533 priority patent/WO2023221343A1/zh
Application granted granted Critical
Publication of CN114841589B publication Critical patent/CN114841589B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06398—Performance of employee with respect to a job function
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/445—Program loading or initiating
    • G06F9/44521—Dynamic linking or loading; Link editing at or after load time, e.g. Java class loading
    • G06F9/44526—Plug-ins; Add-ons
    • 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
    • G06Q10/10—Office automation; Time management
    • G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
    • G06Q10/1093—Calendar-based scheduling for persons or groups
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance
    • G06Q50/2057—Career enhancement or continuing education service
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Abstract

本发明提供一种电力成员违章画像和安全画像的安全隐患信息码生成方法，采集终端根据班组中所有电力成员的违章事件次数、违章操作属性进行计算得到违章画像，根据班组中所有电力成员的安全事件次数、安全隐患属性进行计算得到安全画像，根据违章画像、安全画像生成与班组相对应的融合安全隐患信息码；服务器根据融合安全隐患信息码确定初始培训路径中培训节点的数量以及每个培训节点的培训时长生成实际培训路径；服务器根据每个培训节点的培训时长对实际培训路径中的培训节点进行划分，得到违章培训子路径和安全培训子路径。本发明可以根据班组中电力成员的不同来确定相应的培训路径，使得培训的过程具有针对性。

Description

电力成员违章画像和安全画像的安全隐患信息码生成方法
技术领域
本发明涉及数据处理技术领域，尤其涉及一种基于电力成员违章画像和安全画像的安全隐患信息码生成方法。
背景技术
班组是企业管理中最基层的团队代表，企业的生产以及各项工作都是由无数个班组来完成的，班组的管理工作尤为重要，在电力企业中，班组管理活动也影响着企业的综合管理水平。
不同的班组会具有不同的电力成员，不同的电力成员的技能水平、素质水平会存在一定的差别，所以对于不同的班组的电力成员的不同则需要采取不同的培训路径。在确定培训路径之前，需要根据不同的班组的不同画像来进行培训路径的选择，当前的技术方案中，并无法根据班组中电力成员的不同来确定相应的培训路径，使得培训的过程不具有针对性。
发明内容
本发明实施例提供一种电力成员违章画像和安全画像的安全隐患信息码生成方法，可以根据班组中电力成员的不同来确定相应的培训路径，使得培训的过程具有针对性。
为解决上述问题，本发明提供以下技术方案：
本发明实施例提供的电力成员违章画像和安全画像的安全隐患信息码生成方法，包括：
采集终端获取班组中所有电力成员的违章操作信息和安全隐患信息，提取所述违章操作信息中每个电力成员的违章事件次数、违章操作属性，以及所述安全隐患信息中的安全事件次数、安全隐患属性；
采集终端根据班组中所有电力成员的违章事件次数、违章操作属性进行计算得到违章画像，根据班组中所有电力成员的安全事件次数、安全隐患属性进行计算得到安全画像，根据所述违章画像、安全画像生成与所述班组相对应的融合安全隐患信息码；
服务器基于班组在预设时间段内的工作排班表生成相对应的初始培训路径，根据所述融合安全隐患信息码确定初始培训路径中培训节点的数量以及每个培训节点的培训时长生成实际培训路径，根据所述培训节点和培训时长生成相对应的培训总时长；
服务器根据所述违章画像、安全画像对所述培训总时长进行划分得到违章课程时长和安全课程时长，根据每个培训节点的培训时长对所述实际培训路径中的培训节点进行划分，得到违章培训子路径和安全培训子路径，为所述违章培训子路径和安全培训子路径分别添加相应的违章类型课程和安全类型课程。
进一步地，所述根据班组中所有电力成员的违章事件次数、违章操作属性进行计算得到违章画像，根据班组中所有电力成员的安全事件次数、安全隐患属性进行计算得到安全画像，根据所述违章画像、安全画像生成与所述班组相对应的融合安全隐患信息码具体包括：
获取班组中电力成员的数量、以及每个班组中不同的电力成员的人员属性，所述人员属性包括学历信息、职级信息，对所述学历信息、职级信息进行量化处理得到学历量化值和职级量化值；
根据所述电力成员的数量、每个电力成员的学历量化值和职级量化值进行综合计算得到成员子画像；
对所述违章操作属性和安全隐患属性分别按照事件等级进行量化处理得到违章事件量化值和安全事件量化值；
根据所述违章事件次数、违章事件量化值进行计算得到违章子画像，根据所述安全事件次数、安全事件量化值进行计算得到安全子画像；
根据所述成员子画像、违章子画像得到违章画像，根据所述成员子画像、安全子画像得到安全画像，基于所述违章画像和安全画像生成相对应的融合安全隐患信息码。
进一步地，所述根据所述成员子画像、违章子画像得到违章画像，根据所述成员子画像、安全子画像得到安全画像，基于所述违章画像和安全画像生成相对应的融合安全隐患信息码具体包括：
通过以下公式计算违章画像和安全画像，
Figure DEST_PATH_IMAGE001
其中，
Figure 395288DEST_PATH_IMAGE002
为违章画像，
Figure 582687DEST_PATH_IMAGE003
为成员权重值，
Figure 754911DEST_PATH_IMAGE004
为
Figure 2353DEST_PATH_IMAGE005
个电力成员的学历量化值，
Figure 230334DEST_PATH_IMAGE006
为
Figure 221424DEST_PATH_IMAGE005
个电力成员的职级量化值，
Figure 248155DEST_PATH_IMAGE007
为电力成员的上限值，
Figure 666498DEST_PATH_IMAGE008
为电力成员的数量值，
Figure 910004DEST_PATH_IMAGE009
为第一常数值，
Figure 439205DEST_PATH_IMAGE010
为第二常数值，
Figure 320442DEST_PATH_IMAGE011
为第一违章权重值，
Figure 909687DEST_PATH_IMAGE012
为违章事件次数，
Figure 486162DEST_PATH_IMAGE013
为第二违章权重值，
Figure 304207DEST_PATH_IMAGE014
为第
Figure 56262DEST_PATH_IMAGE015
个违章事件的违章量化值，
Figure 65676DEST_PATH_IMAGE016
为违章事件的上限值，
Figure 270392DEST_PATH_IMAGE017
为安全画像，
Figure 889199DEST_PATH_IMAGE018
为第三常数值，
Figure 495761DEST_PATH_IMAGE019
为第一安全章权重值，
Figure 676075DEST_PATH_IMAGE020
为安全事件次数，
Figure 368088DEST_PATH_IMAGE021
为第二安全权重值，
Figure 793515DEST_PATH_IMAGE022
为第
Figure 254583DEST_PATH_IMAGE023
个安全事件的安全量化值，
Figure 215586DEST_PATH_IMAGE024
为安全事件的上限值；
对所述违章画像和安全画像进行融合计算得到融合安全隐患信息，通过以下公式计算融合安全隐患信息，
Figure 644162DEST_PATH_IMAGE025
其中，
Figure 122548DEST_PATH_IMAGE026
为融合安全隐患信息，
Figure 209363DEST_PATH_IMAGE027
为第一融合权重，
Figure 747792DEST_PATH_IMAGE028
为第二融合权重；
对所述融合安全隐患信息进行编码处理，生成相对应的融合安全隐患信息码。
进一步地，所述服务器基于班组在预设时间段内的工作排班表生成相对应的初始培训路径，根据所述融合安全隐患信息码确定初始培训路径中培训节点的数量以及每个培训节点的培训时长生成实际培训路径，根据所述培训节点和培训时长生成相对应的培训总时长具体包括：
基于单位时间对班组在预设时间段内的工作排班表进行分解得到多个节点，将满足预设时间要求的多个节点连接生成相对应的初始培训路径；
提取所述融合安全隐患信息码中的融合安全隐患信息，将所述融合安全隐患信息与预设安全隐患信息比对得到融合偏移值；
基于所述融合偏移值分别对预设数量和预设时长进行偏移处理，确定初始培训路径中培训节点的数量以及每个培训节点的培训时长；
通过以下公式计算培训节点的数量、培训节点的培训时长以及培训总时长，
Figure 539030DEST_PATH_IMAGE029
其中，
Figure 680162DEST_PATH_IMAGE030
为培训节点的数量，
Figure 335396DEST_PATH_IMAGE031
为预设数量，
Figure 44726DEST_PATH_IMAGE032
为预设安全隐患信息，
Figure 916736DEST_PATH_IMAGE033
为培训节点的培训时长，
Figure 736925DEST_PATH_IMAGE034
为预设时长，
Figure 509315DEST_PATH_IMAGE035
为培训总时长。
进一步地，所述服务器根据所述违章画像、安全画像对所述培训总时长进行划分得到违章课程时长和安全课程时长，根据每个培训节点的培训时长对所述实际培训路径中的培训节点进行划分，得到违章培训子路径和安全培训子路径具体包括：
将违章画像和安全画像分别与融合安全隐患信息做比得到之间的违章比例信息和安全比例信息，根据所述违章比例信息和安全比例信息与培训总时长相乘得到违章课程时长和安全课程时长；
选择违章课程时长和安全课程时长中较多的时长作为计算时长，将计算时长除以每个培训节点的培训时长得到计算时长相对应的培训节点的数量，对计算时长相对应的培训节点的数量取整处理后，将所有培训节点归类为违章课程节点和安全课程节点；
将违章课程节点相连接得到违章培训子路径，将安全课程节点相连接得到安全培训子路径；
通过以下公式计算违章课程时长、安全课程时长以及计算时长相对应的培训节点的数量，
Figure 389547DEST_PATH_IMAGE036
其中，
Figure 14432DEST_PATH_IMAGE037
为违章课程时长，
Figure 638311DEST_PATH_IMAGE038
为安全课程时长，
Figure 533717DEST_PATH_IMAGE039
为计算时长相对应的培训节点的数量。
进一步地，还包括：
获取所述违章类型课程和安全类型课程中的课程视频，对所述课程视频的视频帧进行分解归类为多个子类型课程；
确定与所述违章操作属性和/或安全隐患属性相对应的子类型课程的视频帧，将所确定的视频帧作为待插入视频帧；
选择与所述违章操作属性和/或安全隐患属性相对应至少一个题目帧，将所述题目帧按照预设的帧间隔插入所述待插入视频帧内得到更新后的课程视频。
进一步地，所述选择与所述违章操作属性和/或安全隐患属性相对应至少一个题目帧，将所述题目帧按照预设的帧间隔插入所述待插入视频帧内得到更新后的课程视频具体包括：
获取班组中所有电力成员分别对应的违章操作属性和/或安全隐患属性，根据违章操作属性和/或安全隐患属性的种类对所有电力成员进行划分得到多个电力成员集合，对每个电力成员集合内的电力成员随机排序；
根据电力成员集合所对应的违章操作属性和/或安全隐患属性的种类确定相应的题目帧存储单元，遍历选取题目帧存储单元内的题目帧，依次插入至相应电力成员的待插入视频帧内；
对每个待插入视频帧内所插入的题目帧进行比对，若判断存在相同的题目帧，则对题目帧中的题目进行第一变换处理得到变换题目帧；
在判断所有的待插入视频帧所插入的题目帧都不完全相同后，得到更新后的课程视频。
进一步地，所述对每个待插入视频帧内所插入的题目帧进行比对，若判断存在相同的题目帧，则对题目帧中的题目和/或答案进行第一变换处理得到变换题目帧具体包括：
若相同的题目帧为选择题，则将选择题中答案的第一选项与第二选项进行位置变换，得到变换题目帧；
若相同的题目帧为判断题，则对判断题中的题目进行反向逻辑处理，得到变换题目帧。
进一步地，所述选择与所述违章操作属性和/或安全隐患属性相对应至少一个题目帧，将所述题目帧按照预设的帧间隔插入所述待插入视频帧内得到更新后的课程视频具体包括：
在所述题目帧处设置调取指令，在题目帧被做题端显示时所调取指令被触发，预先设置的第一插件基于所述调取指令控制做题端处的拾音器开启；
基于所述拾音器采集做题端处电力成员的音频信息，对所述音频信息进行处理得到文字信息；
若所述文字信息与所述题目帧中的题目和/或答案的文字相对应，则在所述做题端处输出第一提醒信息；
若在输出第一提醒信息的提醒预设时间后，再次获得的文字信息与所述题目帧中的题目和/或答案的文字相对应，则对所述题目帧进行第一标记后发送至服务器。
进一步地，所述若所述文字信息与所述题目帧中的题目和/或答案的文字相对应，则输出第一提醒信息具体包括：
对所述文字信息进行分词处理得到多个关键词；
获取所述题目和/或答案的文字；
若所述关键词与所述题目和/或答案中相同的文字大于预设文字数量，则输出第一提醒信息。
本发明具有以下有益效果：
1、本方案通过班组中的电力成员的违章操作信息和安全隐患信息综合，得到针对班组的违章画像和安全画像，然后融合得到融合安全隐患信息码，来得到班组对应的准确数据；此外，本方案的服务器会依据融合安全隐患信息码确定初始培训路径中培训节点的数量以及每个培训节点的培训时长生成实际培训路径，根据班组中电力成员的不同来确定相应的培训路径，使得培训的过程具有针对性；
2、本方案在确定违章画像和安全画像时，会结合人员属性得到成员子画像，然后结合违章子画像得到违章画像，结合安全子画像得到安全画像，可以使得违章画像和安全画像更加贴合对应的班组，从而可以使得培训的过程更具有针对性；此外，本方案为了得到相应的培训路径，会结合工作排班表来得到培训节点以及培训时长，且在确定培训节点数量时，设计了对培训节点取整的方案，可以使得到的培训节点符合要求；
3、本方案为了针对性的对电力成员进行培训，会按照类型对电力成员划分，得到多个电力成员集合，进行针对性培训；此外，本方案设置了题目帧来对成员的培训内容进行监督；另外，本方案为了防止成员在答题目时作弊，本方案设置了题目变换、第一插件检测等方式进行监督。
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他的附图。
图1是本发明实施例提供的一种场景示意图；
图2是本发明实施例提供的一种电力成员违章画像和安全画像的安全隐患信息码生成方法的流程示意图。
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明白，下面结合实施例和附图，对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
首先，对本方案的场景进行阐述：
参见图1，本方案设置有采集终端、服务器、做题端以及第一插件，多端之间搭建了一个交互场景，其中，采集终端用于采集信息，服务器用于对采集的数据进行处理，做题端供电力成员在培训中进行答题操作，第一插件与做题端连接，用于根据相应的指令进行动作。
图2是本发明实施例提供的一种电力成员违章画像和安全画像的安全隐患信息码生成方法的流程示意图，图2所示方法的执行主体可以是软件和/或硬件装置，本实施例对此不做限制。该方法包括步骤S1至步骤S4，具体如下：
S1，采集终端获取班组中所有电力成员的违章操作信息和安全隐患信息，提取所述违章操作信息中每个电力成员的违章事件次数、违章操作属性，以及所述安全隐患信息中的安全事件次数、安全隐患属性。
本方案设置有采集终端，可以接收班组中电力成员的违章操作信息和安全隐患信息，之后可以提取违章操作信息中的违章事件次数、违章操作属性，以及安全隐患信息中的安全事件次数、安全隐患属性。
其中，违章操作信息可以是电力成员在对电力设备进行操作（例如维修、检修、更换零部件）时，所进行的不符合规定的操作，例如，可以是该电力成员在维修时未带绝缘手套、未按照维修路径去维修等操作；安全隐患信息可以是电力成员对电力设备进行操作（例如维修、检修、更换零部件）后，电力设备存在安全隐患，例如可以是电线未包裹绝缘胶带、更换的零件型号错误等安全隐患。
违章事件次数可以是电力成员在一段时间内违章的次数，违章操作属性可以是对应违章操作信息的严重程度；同理，安全事件次数可以是电力成员在一段时间内造成安全隐患的次数，安全隐患属性可以是对应安全隐患信息的严重程度。
S2，采集终端根据班组中所有电力成员的违章事件次数、违章操作属性进行计算得到违章画像，根据班组中所有电力成员的安全事件次数、安全隐患属性进行计算得到安全画像，根据所述违章画像、安全画像生成与所述班组相对应的融合安全隐患信息码。
本方案在得到违章事件次数、违章操作属性之后，会根据违章事件次数、违章操作属性进行计算得到对应的违章画像；同理，本方案在得到安全事件次数、安全隐患属性之后，会根据安全事件次数、安全隐患属性进行计算得到对应的安全画像；最后利用违章画像、安全画像生成与所述班组相对应的融合安全隐患信息码。
可以理解的是，融合安全隐患信息码可以是条形码或者二维码，融合安全隐患信息码上没有班组的隐私信息，可以确保班组数据的隐私性；此外，融合安全隐患信息码是可以被服务器读取的，服务器对融合安全隐患信息码解析后，可以得到其中的违章画像和安全画像。
本方案利用违章画像和安全画像两个维度的数据，可以较为准确的来对班组的安全隐患情况进行判断。
在一些实施例中，步骤S2（所述根据班组中所有电力成员的违章事件次数、违章操作属性进行计算得到违章画像，根据班组中所有电力成员的安全事件次数、安全隐患属性进行计算得到安全画像，根据所述违章画像、安全画像生成与所述班组相对应的融合安全隐患信息码）包括步骤S21至步骤S25，具体如下：
S21，获取班组中电力成员的数量、以及每个班组中不同的电力成员的人员属性，所述人员属性包括学历信息、职级信息，对所述学历信息、职级信息进行量化处理得到学历量化值和职级量化值。
由于班组内个电力成员的信息是不同的，为了对班组进行准确判断，本方案考虑了班组中的多维数据。
S22，根据所述电力成员的数量、每个电力成员的学历量化值和职级量化值进行综合计算得到成员子画像。
本方案会获取到班组中电力成员的数量、以及每个班组中不同的电力成员的学历信息、职级信息，进行综合处理得到与班组相关的成员子画像。
需要说明的是，为了对学历信息、职级信息进行处理，需要将学历信息、职级信息量化，得到对应的学历量化值和职级量化值。可以理解的是，本方案中学历信息越高，那么对应的学历量化值也可以越高；同理，职级信息越高，那么对应的职级量化值也可以越高。
S23，对所述违章操作属性和安全隐患属性分别按照事件等级进行量化处理得到违章事件量化值和安全事件量化值。
与步骤S22同理，本方案为了对违章操作属性和安全隐患属性进行处理，需要先将违章操作属性和安全隐患属性进行量化，得到违章事件量化值和安全事件量化值；可以理解的是，本方案中违章操作属性越高，说明其违章越严重，那么对应的违章操作属性也可以越高；同理，安全隐患属性越高，说明其安全隐患越严重，那么对应的安全事件量化值也可以越高。
S24，根据所述违章事件次数、违章事件量化值进行计算得到违章子画像，根据所述安全事件次数、安全事件量化值进行计算得到安全子画像。
本方案在得到违章事件次数、违章事件量化值之后，会对违章事件次数、违章事件量化值进行计算得到违章子画像；同理，本方案在得到安全事件次数、安全事件量化值之后，会对安全事件次数、安全事件量化值进行计算得到安全子画像。
S25，根据所述成员子画像、违章子画像得到违章画像，根据所述成员子画像、安全子画像得到安全画像，基于所述违章画像和安全画像生成相对应的融合安全隐患信息码。
最后，本方案会对综合成员子画像、违章子画像得到违章画像，同理，会综合成员子画像、安全子画像得到安全画像。
本方案会在违章和安全隐患两个维度上，结合班组情况（成员子画像），可以更加准确的计算出贴合班组实际情况的画像。
在一些实施例中，步骤S25（根据所述成员子画像、违章子画像得到违章画像，根据所述成员子画像、安全子画像得到安全画像，基于所述违章画像和安全画像生成相对应的融合安全隐患信息码）具体如下：
通过以下公式计算违章画像和安全画像，
Figure 443904DEST_PATH_IMAGE040
其中，
Figure 306818DEST_PATH_IMAGE002
为违章画像，
Figure 718077DEST_PATH_IMAGE003
为成员权重值，
Figure 982836DEST_PATH_IMAGE004
为
Figure 687093DEST_PATH_IMAGE005
个电力成员的学历量化值，
Figure 771724DEST_PATH_IMAGE006
为
Figure 986674DEST_PATH_IMAGE005
个电力成员的职级量化值，
Figure 105939DEST_PATH_IMAGE007
为电力成员的上限值，
Figure 249607DEST_PATH_IMAGE008
为电力成员的数量值，
Figure 821534DEST_PATH_IMAGE009
为第一常数值，
Figure 574595DEST_PATH_IMAGE010
为第二常数值，
Figure 548367DEST_PATH_IMAGE011
为第一违章权重值，
Figure 860006DEST_PATH_IMAGE012
为违章事件次数，
Figure 919229DEST_PATH_IMAGE013
为第二违章权重值，
Figure 210402DEST_PATH_IMAGE014
为第
Figure 304260DEST_PATH_IMAGE015
个违章事件的违章量化值，
Figure 789730DEST_PATH_IMAGE016
为违章事件的上限值，
Figure 195304DEST_PATH_IMAGE017
为安全画像，
Figure 40900DEST_PATH_IMAGE018
为第三常数值，
Figure 972953DEST_PATH_IMAGE019
为第一安全章权重值，
Figure 878592DEST_PATH_IMAGE020
为安全事件次数，
Figure 660210DEST_PATH_IMAGE021
为第二安全权重值，
Figure 575076DEST_PATH_IMAGE022
为第
Figure 627215DEST_PATH_IMAGE023
个安全事件的安全量化值，
Figure 703755DEST_PATH_IMAGE024
为安全事件的上限值；
对所述违章画像和安全画像进行融合计算得到融合安全隐患信息，通过以下公式计算融合安全隐患信息，
Figure 975599DEST_PATH_IMAGE041
其中，
Figure 428577DEST_PATH_IMAGE026
为融合安全隐患信息，
Figure 335222DEST_PATH_IMAGE027
为第一融合权重，
Figure 317084DEST_PATH_IMAGE028
为第二融合权重；
对所述融合安全隐患信息进行编码处理，生成相对应的融合安全隐患信息码。
上述计算公式的基本构思是：
本方案会先利用第
Figure 73294DEST_PATH_IMAGE042
个电力成员的学历量化值
Figure 64384DEST_PATH_IMAGE043
和第
Figure 91115DEST_PATH_IMAGE044
个电力成员的职级量化值
Figure 509458DEST_PATH_IMAGE045
计算出成员子画像
Figure 490315DEST_PATH_IMAGE046
，然后利用成员权重值
Figure 19516DEST_PATH_IMAGE047
来对成员子画像进行调整，成员权重值
Figure 900753DEST_PATH_IMAGE047
可以是人为设置的。
在得到成员子画像后，本方案会利用违章事件次数
Figure 755577DEST_PATH_IMAGE048
和第
Figure 220800DEST_PATH_IMAGE049
个违章事件的违章量化值
Figure 288113DEST_PATH_IMAGE050
计算出违章影响系数，然后综合上述得到的成员子画像
Figure 289436DEST_PATH_IMAGE051
，得到对应的违章画像
Figure 49581DEST_PATH_IMAGE052
；同理，本方案会利用安全事件次数
Figure 5030DEST_PATH_IMAGE053
和第
Figure 141613DEST_PATH_IMAGE054
个安全事件的安全量化值
Figure 997443DEST_PATH_IMAGE055
的和计算出安全影响系数，然后综合上述得到的成员子画像
Figure 787544DEST_PATH_IMAGE051
，得到对应的安全画像
Figure 479557DEST_PATH_IMAGE056
；此外，本方案还设置有第一违章权重值
Figure 902055DEST_PATH_IMAGE057
和第二违章权重值，第一违章权重值
Figure 97544DEST_PATH_IMAGE057
和第二违章权重值
Figure 714339DEST_PATH_IMAGE058
可以是人为设置的，用于对相应的数据进行调整，使得最终的结果较为精准。
本方案还考虑到电力成员的数量值
Figure 893647DEST_PATH_IMAGE059
也会对成员子画像产生影响，
Figure 591607DEST_PATH_IMAGE060
的含义是电力成员的数量值
Figure 172761DEST_PATH_IMAGE059
越大，不确定性因素会越多，会对得到的违章画像
Figure 694878DEST_PATH_IMAGE052
和安全画像
Figure 361483DEST_PATH_IMAGE056
进行偏小的调整。
需要说明的是，本方案中的违章画像
Figure 149221DEST_PATH_IMAGE052
越大，该班组的违章维度的综合评分就会越高，同理，安全画像
Figure 319302DEST_PATH_IMAGE056
越大，该班组的安全维度的综合评分就会越高。
可以理解的是，在得到违章画像
Figure 277900DEST_PATH_IMAGE052
和安全画像
Figure 166221DEST_PATH_IMAGE056
后，本方案会对违章画像
Figure 845464DEST_PATH_IMAGE052
和安全画像
Figure 886364DEST_PATH_IMAGE056
进行融合，即（
Figure 766595DEST_PATH_IMAGE061
），最后得到融合安全隐患信息；其中，第一融合权重
Figure 391480DEST_PATH_IMAGE027
和第二融合权重
Figure 749780DEST_PATH_IMAGE028
可以是人为设置的。
S3，服务器基于班组在预设时间段内的工作排班表生成相对应的初始培训路径，根据所述融合安全隐患信息码确定初始培训路径中培训节点的数量以及每个培训节点的培训时长生成实际培训路径，根据所述培训节点和培训时长生成相对应的培训总时长。
在一些实施例中，步骤S3（所述服务器基于班组在预设时间段内的工作排班表生成相对应的初始培训路径，根据所述融合安全隐患信息码确定初始培训路径中培训节点的数量以及每个培训节点的培训时长生成实际培训路径，根据所述培训节点和培训时长生成相对应的培训总时长）包括步骤S31至步骤S33，具体如下：
S31，基于单位时间对班组在预设时间段内的工作排班表进行分解得到多个节点，将满足预设时间要求的多个节点连接生成相对应的初始培训路径。
本方案为了得到培训路径，来对班组内的成员进行对应的培训，会先利用预设时间段内的工作排班表生成相对应的初始培训路径。
可以理解的是，工作排班表可以是班组的工作安排时间，例如在周一，班组A需要在上午的8-9点去维修，班组B需要在下午的1-2点去维修，本方案的工作排班表可以是预先填写好输入到服务器内的。
单位时间例如可以是一个预设时长，例如可以是2小时，然后利用单位时间对班组在预设时间段内的工作排班表进行分解得到多个节点。
示例性的，工作排班表上指示：周一，班组A需要在上午去维修，下午休息，那么班组A所空闲的时间为周一的下午4个小时；周二，班组A需要在上午11-12点休息，其余时间工作，那么班组A所空闲的时间为周一的上午1个小时；此时，可以利用单位时间（例如2小时）来对空闲时间进行分解，得到多个节点。
具体示例性的，可以利用2小时的单位时间来对周一进行分解，可以得到2个培训节点，同理，可以利用2小时的单位时间来对周二进行分解，可以得到0.5个培训节点。然后可以将满足预设时间要求的多个节点连接生成相对应的初始培训路径，即可以将周一的两个培训节点连接起来生成初始培训路径。
可以理解的是，本方案先用单位时间来筛选出工作排班表中符合培训要求的培训节点，且可以将单位时间设置的稍微高一些，在实际应用中可以将单位时间设置为2小时，如果单位时间太少，会导致培训的效果不是很好，设置为2小时可使得培训效果较好。
S32，提取所述融合安全隐患信息码中的融合安全隐患信息，将所述融合安全隐患信息与预设安全隐患信息比对得到融合偏移值。
S33，基于所述融合偏移值分别对预设数量和预设时长进行偏移处理，确定初始培训路径中培训节点的数量以及每个培训节点的培训时长。
在得到初始路径后，本方案需要从初始培训路径中确定培训节点的数量以及每个培训节点的培训时长。
首先，在确定培训节点的数量以及每个培训节点的培训时长时，会结合融合安全隐患信息与预设安全隐患信息的比对得到融合偏移值，利用融合偏移值来对预设数量和预设时长进行偏移处理。
其中，预设数量可以是预设的培训的次数，预设时长可以预设的培训的时长，本方案利用融合偏移值来对预设数量和预设时长进行偏移，可以得到更加贴合班组的培训数据。
通过以下公式计算培训节点的数量、培训节点的培训时长以及培训总时长，
Figure 907836DEST_PATH_IMAGE029
其中，
Figure 958969DEST_PATH_IMAGE030
为培训节点的数量，为预设数量，
Figure 71150DEST_PATH_IMAGE032
为预设安全隐患信息，
Figure 967562DEST_PATH_IMAGE033
为培训节点的培训时长，
Figure 717474DEST_PATH_IMAGE034
为预设时长，
Figure 673929DEST_PATH_IMAGE035
为培训总时长。
上述计算公式的基本构思为：
首先利用预设安全隐患信息
Figure 538986DEST_PATH_IMAGE032
和融合安全隐患信息
Figure 504668DEST_PATH_IMAGE062
计算出融合偏移值
Figure 637315DEST_PATH_IMAGE063
，来对预设数量
Figure 764671DEST_PATH_IMAGE031
进行偏移得到培训节点的数量
Figure 257969DEST_PATH_IMAGE030
；同理，利用融合偏移值
Figure 512496DEST_PATH_IMAGE064
来对预设时长
Figure 283005DEST_PATH_IMAGE034
进行偏移得到培训节点的培训时长
Figure 830530DEST_PATH_IMAGE033
，最后利用培训节点的数量
Figure 44081DEST_PATH_IMAGE030
和培训时长
Figure 351565DEST_PATH_IMAGE033
计算出培训总时长
Figure 429111DEST_PATH_IMAGE035
。
本方案计算出的培训时长
Figure 695008DEST_PATH_IMAGE033
以及培训节点的数量
Figure 992259DEST_PATH_IMAGE030
参考了班组数据进行偏移，可以更加贴合的得到班组的培训数据。
S4，服务器根据所述违章画像、安全画像对所述培训总时长进行划分得到违章课程时长和安全课程时长，根据每个培训节点的培训时长对所述实际培训路径中的培训节点进行划分，得到违章培训子路径和安全培训子路径，为所述违章培训子路径和安全培训子路径分别添加相应的违章类型课程和安全类型课程。
本方案以违章画像和安全画像为基础，来对培训总时长进行划分，得到对应的违章课程时长和对应的安全课程时长。
可以理解的是，如果违章画像越小，说明其违章维度的评分越低，此时，可以将对应的违章课程时长设置的相对长一些；同理，如果安全画像越小，说明其安全维度的评分越低，此时，可以将对应的安全课程时长设置的相对长一些。
本方案还会根据每个培训节点的培训时长对实际培训路径中的培训节点进行划分，得到违章培训子路径和安全培训子路径，具体参见步骤S42和S43。
本方案在得到违章培训子路径和安全培训子路径之后，还会在违章培训子路径和安全培训子路径上分别添加相应的违章类型课程和安全类型课程，来对班组进行相应的培训。
在一些实施例中，步骤S4（所述服务器根据所述违章画像、安全画像对所述培训总时长进行划分得到违章课程时长和安全课程时长，根据每个培训节点的培训时长对所述实际培训路径中的培训节点进行划分，得到违章培训子路径和安全培训子路径）包括步骤S41至步骤S43，具体如下：
S41，将违章画像和安全画像分别与融合安全隐患信息做比得到之间的违章比例信息和安全比例信息，根据所述违章比例信息和安全比例信息与培训总时长相乘得到违章课程时长和安全课程时长。
本方案会计算出违章比例信息
Figure 103435DEST_PATH_IMAGE065
，以及安全比例信息
Figure 35487DEST_PATH_IMAGE066
，利用比例信息来对培训总时长
Figure 941126DEST_PATH_IMAGE035
进行分解，来得到对应的违章课程时长和安全课程时长。
S42，选择违章课程时长和安全课程时长中较多的时长作为计算时长，将计算时长除以每个培训节点的培训时长得到计算时长相对应的培训节点的数量，对计算时长相对应的培训节点的数量取整处理后，将所有培训节点归类为违章课程节点和安全课程节点。
S43，将违章课程节点相连接得到违章培训子路径，将安全课程节点相连接得到安全培训子路径；
通过以下公式计算违章课程时长、安全课程时长以及计算时长相对应的培训节点的数量，
Figure 722744DEST_PATH_IMAGE036
其中，
Figure 372031DEST_PATH_IMAGE037
为违章课程时长，
Figure 158591DEST_PATH_IMAGE038
为安全课程时长，
Figure 235131DEST_PATH_IMAGE039
为计算时长相对应的培训节点的数量。
上述计算公式的基本构思为：
本方案考虑到在计算时长相对应的培训节点的数量时，可能会出现不是整数的情况，因此本方案会选择违章课程时长和安全课程时长中较多的时长作为计算时长，例如，违章课程时长比安全课程时长长，则计算时长为违章课程时长；安全课程时长比违章课程时长长，则计算时长为安全课程时长。
然后，本方案会计算先利用计算时长和培训节点的培训时长
Figure 615297DEST_PATH_IMAGE033
计算，得到对应的培训节点的数量
Figure 553428DEST_PATH_IMAGE039
，然后将剩余的培训节点的数量分配给另外一个课程即可。
上述实施例制定好培训路径后，需要为其匹配相应的课程数据，因此，在上述实施例的基础上，本方案还包括步骤a1至a3，具体如下：
a1，获取所述违章类型课程和安全类型课程中的课程视频，对所述课程视频的视频帧进行分解归类为多个子类型课程。
本方案为了针对性的对班组的电力成员进行培训，需要先获取到违章类型课程和安全类型课程中的课程视频，利用课程视频来对班组的电力成员进行培训。
可以理解的是，违章类型课程内会有针对不同违章类型的多个子类型视频，例如可以是针对绝缘手套的佩戴的子类型视频、针对维修路径的子类型视频；同理，安全类型课程内也会有针对不同安全隐患类型的多个子类型视频，例如可以是针对电线未包裹绝缘胶带的子类型视频、更换的零件型号错误的子类型视频。本方案会依据内容来对课程视频的视频帧进行分解归类。
a2，确定与所述违章操作属性和/或安全隐患属性相对应的子类型课程的视频帧，将所确定的视频帧作为待插入视频帧。
本方案在得到子类型课程后，可以确定与所述违章操作属性和/或安全隐患属性相对应的子类型课程，然后将其作为待插入视频帧。
a3，选择与所述违章操作属性和/或安全隐患属性相对应至少一个题目帧，将所述题目帧按照预设的帧间隔插入所述待插入视频帧内得到更新后的课程视频。
本方案还考虑到为了检查班组成员的培训情况，本方案会设置题目帧，题目帧可以是一些与培训相关题目的视频，然后将对应的题目帧按照预设的帧间隔插入所述待插入视频帧内得到更新后的课程视频。
可以理解的是，本方案通过上述方式，可以将题目插入到对应的课程视频内，能够让用户培训时就可以直接检验培训效果。
为了将题目帧插入到待插入视频帧内，在一些实施例中，步骤a3（选择与所述违章操作属性和/或安全隐患属性相对应至少一个题目帧，将所述题目帧按照预设的帧间隔插入所述待插入视频帧内得到更新后的课程视频）包括步骤a31至a34：
a31，获取班组中所有电力成员分别对应的违章操作属性和/或安全隐患属性，根据违章操作属性和/或安全隐患属性的种类对所有电力成员进行划分得到多个电力成员集合，对每个电力成员集合内的电力成员随机排序。
其中，每个电力成员集合内的违章操作属性和/或安全隐患属性的种类相同，例如，其中一个电力成员集合内的违章操作属性的种类可以都是未佩戴绝缘手套，另一个电力成员集合内的违章操作属性的种类可以都是未按照预设维修路径去维修，然后对每个电力成员集合内的电力成员随机排序。
a32，根据电力成员集合所对应的违章操作属性和/或安全隐患属性的种类确定相应的题目帧存储单元，遍历选取题目帧存储单元内的题目帧，依次插入至相应电力成员的待插入视频帧内。
本方案设置有多个题目帧存储单元，每个题目帧存储单元内所存储的题目帧可以是不同的，后续可以以电力成员集合所对应的违章操作属性和/或安全隐患属性的种类为基准，将遍历选取题目帧存储单元内的题目帧，依次插入至相应电力成员的待插入视频帧内。
a33，对每个待插入视频帧内所插入的题目帧进行比对，若判断存在相同的题目帧，则对题目帧中的题目进行第一变换处理得到变换题目帧。
本方案在成员进行答题时，考虑到成员之间可能会存在抄袭的情况，为了克服这个缺陷，本方案会对每个待插入视频帧内所插入的题目帧进行比对，如果说有相同的题目，本方案会对题目帧中的题目进行变换，得到变换题目帧，使得题目产生变化，成员之间无法进行抄袭，提高培训效果。
在一些实施例中，所述对每个待插入视频帧内所插入的题目帧进行比对，若判断存在相同的题目帧，则对题目帧中的题目和/或答案进行第一变换处理得到变换题目帧具体包括：
若相同的题目帧为选择题，则将选择题中答案的第一选项与第二选项进行位置变换，得到变换题目帧；若相同的题目帧为判断题，则对判断题中的题目进行反向逻辑处理，得到变换题目帧。
可以理解的是，本方案依据题目帧的类型生成了对应的题目帧变换方案。
针对选择题，本方案会变换选择题中答案的第一选项和第二选项的位置，如果成员之间存在抄袭现象，其中的成员肯定会有错误的答案出现。例如，可以将选项A的答案变换为选项B的答案，将选项B的答案变换为选项A的答案，可以有效的防止成员之间抄袭。
针对判断题，本方案会对判断题中的题目进行反向逻辑处理，得到变换题目帧。例如，初始题目中的问题可以是“下面内容正确吗”，进行反向逻辑处理变换后的问题可以是“下面内容错误吗”，可以有效的防止用户之间抄袭。
a34，在判断所有的待插入视频帧所插入的题目帧都不完全相同后，得到更新后的课程视频。
在上述实施例的基础上步骤a3（选择与所述违章操作属性和/或安全隐患属性相对应至少一个题目帧，将所述题目帧按照预设的帧间隔插入所述待插入视频帧内得到更新后的课程视频）的具体实现方式可以是：
所述选择与所述违章操作属性和/或安全隐患属性相对应至少一个题目帧，将所述题目帧按照预设的帧间隔插入所述待插入视频帧内得到更新后的课程视频具体包括：
在所述题目帧处设置调取指令，在题目帧被做题端显示时所调取指令被触发，预先设置的第一插件基于所述调取指令控制做题端处的拾音器开启。
基于所述拾音器采集做题端处电力成员的音频信息，对所述音频信息进行处理得到文字信息。
若所述文字信息与所述题目帧中的题目和/或答案的文字相对应，则在所述做题端处输出第一提醒信息。
本方案在确定待插入视频帧所插入的题目帧都不完全相同后，会得到更新后的课程视频。
此外，本方案会在所述题目帧处设置调取指令，来进一步防止成员之间抄袭。
本方案在做题端设置有第一插件，第一插件可以相应第一调取指令控制做题端的拾音器开启，采集做题端周围的音频信息；服务器会对音频信息进行处理得到文字信息，然后对文字信息进行分析，看文字信息与题目帧中的题目和/或答案的文字是否相对应，如果对应则在做题端处输出第一提醒信息，来提醒成员不要作弊。本方案可以结合上一实施例中的题目帧的变化有效的防止成员作弊。
在一些实施例中，所述若所述文字信息与所述题目帧中的题目和/或答案的文字相对应，则输出第一提醒信息，具体包括：
对所述文字信息进行分词处理得到多个关键词；获取所述题目和/或答案的文字；若所述关键词与所述题目和/或答案中相同的文字大于预设文字数量，则输出第一提醒信息。
本方案在获取到文字信息后，会对文字信息进行分词处理，得到多个关键词，然后提取题目和/或答案的文字，对两者之间的关键词与所述题目和/或答案中相同的文字大于预设文字数量，则输出第一提醒信息。
可以理解的是，如果相同的文字大于预设文字数量，可以说明成员之间有作弊的可能存在，本方案采用相同文字数量得到比对结果，可以快速精准的得到比对结果。
若在输出第一提醒信息的提醒预设时间后，再次获得的文字信息与所述题目帧中的题目和/或答案的文字相对应，则对所述题目帧进行第一标记后发送至服务器。
可以理解的是，本方案在对成员进行提醒后，成员再次触发提醒信息，会将该题目帧进行标记，发送至服务器进行存储，后续管理人员可以对响应的成员进行处罚。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在可读取的存储介质中，如计算机的软盘，硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
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所述权利要求的保护范围为准。

Claims (10)

1.电力成员违章画像和安全画像的安全隐患信息码生成方法，其特征在于，包括：
采集终端获取班组中所有电力成员的违章操作信息和安全隐患信息，提取所述违章操作信息中每个电力成员的违章事件次数、违章操作属性，以及所述安全隐患信息中的安全事件次数、安全隐患属性；
采集终端根据班组中所有电力成员的违章事件次数、违章操作属性进行计算得到违章画像，根据班组中所有电力成员的安全事件次数、安全隐患属性进行计算得到安全画像，根据所述违章画像、安全画像生成与所述班组相对应的融合安全隐患信息码；
服务器基于班组在预设时间段内的工作排班表生成相对应的初始培训路径，根据所述融合安全隐患信息码确定初始培训路径中培训节点的数量以及每个培训节点的培训时长生成实际培训路径，根据所述培训节点和培训时长生成相对应的培训总时长；
服务器根据所述违章画像、安全画像对所述培训总时长进行划分得到违章课程时长和安全课程时长，根据每个培训节点的培训时长对所述实际培训路径中的培训节点进行划分，得到违章培训子路径和安全培训子路径，为所述违章培训子路径和安全培训子路径分别添加相应的违章类型课程和安全类型课程。
2.根据权利要求1所述的电力成员违章画像和安全画像的安全隐患信息码生成方法，其特征在于，
所述根据班组中所有电力成员的违章事件次数、违章操作属性进行计算得到违章画像，根据班组中所有电力成员的安全事件次数、安全隐患属性进行计算得到安全画像，根据所述违章画像、安全画像生成与所述班组相对应的融合安全隐患信息码具体包括：
获取班组中电力成员的数量、以及每个班组中不同的电力成员的人员属性，所述人员属性包括学历信息、职级信息，对所述学历信息、职级信息进行量化处理得到学历量化值和职级量化值；
根据所述电力成员的数量、每个电力成员的学历量化值和职级量化值进行综合计算得到成员子画像；
对所述违章操作属性和安全隐患属性分别按照事件等级进行量化处理得到违章事件量化值和安全事件量化值；
根据所述违章事件次数、违章事件量化值进行计算得到违章子画像，根据所述安全事件次数、安全事件量化值进行计算得到安全子画像；
根据所述成员子画像、违章子画像得到违章画像，根据所述成员子画像、安全子画像得到安全画像，基于所述违章画像和安全画像生成相对应的融合安全隐患信息码。
3.根据权利要求2所述的电力成员违章画像和安全画像的安全隐患信息码生成方法，其特征在于，
所述根据所述成员子画像、违章子画像得到违章画像，根据所述成员子画像、安全子画像得到安全画像，基于所述违章画像和安全画像生成相对应的融合安全隐患信息码具体包括：
通过以下公式计算违章画像和安全画像，
Figure 129982DEST_PATH_IMAGE002
其中，
Figure DEST_PATH_IMAGE003
为违章画像，
Figure 66976DEST_PATH_IMAGE004
为成员权重值，
Figure DEST_PATH_IMAGE005
为
Figure 586819DEST_PATH_IMAGE006
个电力成员的学历量化值，
Figure DEST_PATH_IMAGE007
为
Figure 289939DEST_PATH_IMAGE006
个电力成员的职级量化值，
Figure 174719DEST_PATH_IMAGE008
为电力成员的上限值，
Figure DEST_PATH_IMAGE009
为电力成员的数量值，
Figure 566386DEST_PATH_IMAGE010
为第一常数值，
Figure DEST_PATH_IMAGE011
为第二常数值，
Figure 594647DEST_PATH_IMAGE012
为第一违章权重值，
Figure DEST_PATH_IMAGE013
为违章事件次数，
Figure 919318DEST_PATH_IMAGE014
为第二违章权重值，
Figure DEST_PATH_IMAGE015
为第
Figure 535851DEST_PATH_IMAGE016
个违章事件的违章量化值，
Figure DEST_PATH_IMAGE017
为违章事件的上限值，
Figure 414814DEST_PATH_IMAGE018
为安全画像，
Figure DEST_PATH_IMAGE019
为第三常数值，
Figure 246766DEST_PATH_IMAGE020
为第一安全章权重值，
Figure DEST_PATH_IMAGE021
为安全事件次数，
Figure 691523DEST_PATH_IMAGE022
为第二安全权重值，
Figure DEST_PATH_IMAGE023
为第
Figure 502394DEST_PATH_IMAGE024
个安全事件的安全量化值，
Figure DEST_PATH_IMAGE025
为安全事件的上限值；
对所述违章画像和安全画像进行融合计算得到融合安全隐患信息，通过以下公式计算融合安全隐患信息，
Figure DEST_PATH_IMAGE027
其中，
Figure 698014DEST_PATH_IMAGE028
为融合安全隐患信息，
Figure DEST_PATH_IMAGE029
为第一融合权重，
Figure 832192DEST_PATH_IMAGE030
为第二融合权重；
对所述融合安全隐患信息进行编码处理，生成相对应的融合安全隐患信息码。
4.根据权利要求3所述的电力成员违章画像和安全画像的安全隐患信息码生成方法，其特征在于，
所述服务器基于班组在预设时间段内的工作排班表生成相对应的初始培训路径，根据所述融合安全隐患信息码确定初始培训路径中培训节点的数量以及每个培训节点的培训时长生成实际培训路径，根据所述培训节点和培训时长生成相对应的培训总时长具体包括：
基于单位时间对班组在预设时间段内的工作排班表进行分解得到多个节点，将满足预设时间要求的多个节点连接生成相对应的初始培训路径；
提取所述融合安全隐患信息码中的融合安全隐患信息，将所述融合安全隐患信息与预设安全隐患信息比对得到融合偏移值；
基于所述融合偏移值分别对预设数量和预设时长进行偏移处理，确定初始培训路径中培训节点的数量以及每个培训节点的培训时长；
通过以下公式计算培训节点的数量、培训节点的培训时长以及培训总时长，
Figure 537980DEST_PATH_IMAGE032
其中，
Figure DEST_PATH_IMAGE033
为培训节点的数量，
Figure 27474DEST_PATH_IMAGE034
为预设数量，
Figure DEST_PATH_IMAGE035
为预设安全隐患信息，
Figure 179232DEST_PATH_IMAGE036
为培训节点的培训时长，
Figure DEST_PATH_IMAGE037
为预设时长，
Figure 382680DEST_PATH_IMAGE038
为培训总时长。
5.根据权利要求4所述的电力成员违章画像和安全画像的安全隐患信息码生成方法，其特征在于，
所述服务器根据所述违章画像、安全画像对所述培训总时长进行划分得到违章课程时长和安全课程时长，根据每个培训节点的培训时长对所述实际培训路径中的培训节点进行划分，得到违章培训子路径和安全培训子路径具体包括：
将违章画像和安全画像分别与融合安全隐患信息做比得到之间的违章比例信息和安全比例信息，根据所述违章比例信息和安全比例信息与培训总时长相乘得到违章课程时长和安全课程时长；
选择违章课程时长和安全课程时长中较多的时长作为计算时长，将计算时长除以每个培训节点的培训时长得到计算时长相对应的培训节点的数量，对计算时长相对应的培训节点的数量取整处理后，将所有培训节点归类为违章课程节点和安全课程节点；
将违章课程节点相连接得到违章培训子路径，将安全课程节点相连接得到安全培训子路径；
通过以下公式计算违章课程时长、安全课程时长以及计算时长相对应的培训节点的数量，
Figure DEST_PATH_IMAGE039
其中，
Figure 503827DEST_PATH_IMAGE040
为违章课程时长，
Figure DEST_PATH_IMAGE041
为安全课程时长，
Figure 400107DEST_PATH_IMAGE042
为计算时长相对应的培训节点的数量。
6.根据权利要求1所述的电力成员违章画像和安全画像的安全隐患信息码生成方法，其特征在于，还包括：
获取所述违章类型课程和安全类型课程中的课程视频，对所述课程视频的视频帧进行分解归类为多个子类型课程；
确定与所述违章操作属性和/或安全隐患属性相对应的子类型课程的视频帧，将所确定的视频帧作为待插入视频帧；
选择与所述违章操作属性和/或安全隐患属性相对应至少一个题目帧，将所述题目帧按照预设的帧间隔插入所述待插入视频帧内得到更新后的课程视频。
7.根据权利要求6所述的电力成员违章画像和安全画像的安全隐患信息码生成方法，其特征在于，
所述选择与所述违章操作属性和/或安全隐患属性相对应至少一个题目帧，将所述题目帧按照预设的帧间隔插入所述待插入视频帧内得到更新后的课程视频具体包括：
获取班组中所有电力成员分别对应的违章操作属性和/或安全隐患属性，根据违章操作属性和/或安全隐患属性的种类对所有电力成员进行划分得到多个电力成员集合，对每个电力成员集合内的电力成员随机排序；
根据电力成员集合所对应的违章操作属性和/或安全隐患属性的种类确定相应的题目帧存储单元，遍历选取题目帧存储单元内的题目帧，依次插入至相应电力成员的待插入视频帧内；
对每个待插入视频帧内所插入的题目帧进行比对，若判断存在相同的题目帧，则对题目帧中的题目进行第一变换处理得到变换题目帧；
在判断所有的待插入视频帧所插入的题目帧都不完全相同后，得到更新后的课程视频。
8.根据权利要求7所述的电力成员违章画像和安全画像的安全隐患信息码生成方法，其特征在于，
所述对每个待插入视频帧内所插入的题目帧进行比对，若判断存在相同的题目帧，则对题目帧中的题目和/或答案进行第一变换处理得到变换题目帧具体包括：
若相同的题目帧为选择题，则将选择题中答案的第一选项与第二选项进行位置变换，得到变换题目帧；
若相同的题目帧为判断题，则对判断题中的题目进行反向逻辑处理，得到变换题目帧。
9.根据权利要求6所述的电力成员违章画像和安全画像的安全隐患信息码生成方法，其特征在于，
所述选择与所述违章操作属性和/或安全隐患属性相对应至少一个题目帧，将所述题目帧按照预设的帧间隔插入所述待插入视频帧内得到更新后的课程视频具体包括：
在所述题目帧处设置调取指令，在题目帧被做题端显示时所调取指令被触发，预先设置的第一插件基于所述调取指令控制做题端处的拾音器开启；
基于所述拾音器采集做题端处电力成员的音频信息，对所述音频信息进行处理得到文字信息；
若所述文字信息与所述题目帧中的题目和/或答案的文字相对应，则在所述做题端处输出第一提醒信息；
若在输出第一提醒信息的提醒预设时间后，再次获得的文字信息与所述题目帧中的题目和/或答案的文字相对应，则对所述题目帧进行第一标记后发送至服务器。
10.根据权利要求9所述的电力成员违章画像和安全画像的安全隐患信息码生成方法，其特征在于，
所述若所述文字信息与所述题目帧中的题目和/或答案的文字相对应，则输出第一提醒信息具体包括：
对所述文字信息进行分词处理得到多个关键词；
获取所述题目和/或答案的文字；
若所述关键词与所述题目和/或答案中相同的文字大于预设文字数量，则输出第一提醒信息。
CN202210534241.9A 2022-05-17 2022-05-17 电力成员违章画像和安全画像的安全隐患信息码生成方法 Active CN114841589B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210534241.9A CN114841589B (zh) 2022-05-17 2022-05-17 电力成员违章画像和安全画像的安全隐患信息码生成方法
PCT/CN2022/117533 WO2023221343A1 (zh) 2022-05-17 2022-09-07 电力成员违章画像和安全画像的安全隐患信息码生成方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210534241.9A CN114841589B (zh) 2022-05-17 2022-05-17 电力成员违章画像和安全画像的安全隐患信息码生成方法

Publications (2)

Publication Number Publication Date
CN114841589A CN114841589A (zh) 2022-08-02
CN114841589B true CN114841589B (zh) 2022-12-06

Family

ID=82569204

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210534241.9A Active CN114841589B (zh) 2022-05-17 2022-05-17 电力成员违章画像和安全画像的安全隐患信息码生成方法

Country Status (2)

Country Link
CN (1) CN114841589B (zh)
WO (1) WO2023221343A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114841589B (zh) * 2022-05-17 2022-12-06 国网浙江省电力有限公司舟山供电公司 电力成员违章画像和安全画像的安全隐患信息码生成方法
CN115115474A (zh) * 2022-08-29 2022-09-27 广东电网有限责任公司佛山供电局 一种电力作业违章数据分析方法和系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009114795A2 (en) * 2008-03-14 2009-09-17 Medical Care Corporation Non-natural pattern identification for cognitive assessment
CN110377804A (zh) * 2019-06-20 2019-10-25 平安科技（深圳）有限公司 培训课程数据的推送方法、装置、系统及存储介质
CN110648075A (zh) * 2019-09-27 2020-01-03 重庆大学 驾驶安全评估方法及装置
CN111210326A (zh) * 2019-12-27 2020-05-29 大象慧云信息技术有限公司 一种用于构建用户画像的方法及系统
CN111710208A (zh) * 2020-07-16 2020-09-25 南京工程学院 一种基于学习者画像的电力网络安全智慧教学系统
CN112000562A (zh) * 2020-08-25 2020-11-27 上海聚水潭网络科技有限公司 一种企业安全意识培训系统
CN112467555A (zh) * 2020-11-03 2021-03-09 国网浙江省电力有限公司岱山县供电公司 组合式配网低电压排故培训装置及训练方法
CN113468999A (zh) * 2021-06-23 2021-10-01 浙江省能源集团有限公司 一种基于深度学习的施工现场违章智能识别装置
CN113902237A (zh) * 2021-06-01 2022-01-07 贵州电网有限责任公司 一种现场作业风险管控系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4363797B2 (ja) * 2001-04-27 2009-11-11 株式会社リコー カリキュラム作成システム、該システムの機能を実現するためのプログラム及び記録媒体
US8506302B2 (en) * 2011-06-06 2013-08-13 Instructional Technologies, Inc. System, method and apparatus for automatic generation of remedial training
CN110472834B (zh) * 2019-07-22 2024-01-30 平安科技（深圳）有限公司 一种推送课程的方法、装置、存储介质和服务器
CN113408880A (zh) * 2021-06-08 2021-09-17 北京捷通华声科技股份有限公司 试卷生成方法、装置以及智能考试系统
CN114841589B (zh) * 2022-05-17 2022-12-06 国网浙江省电力有限公司舟山供电公司 电力成员违章画像和安全画像的安全隐患信息码生成方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009114795A2 (en) * 2008-03-14 2009-09-17 Medical Care Corporation Non-natural pattern identification for cognitive assessment
CN110377804A (zh) * 2019-06-20 2019-10-25 平安科技（深圳）有限公司 培训课程数据的推送方法、装置、系统及存储介质
CN110648075A (zh) * 2019-09-27 2020-01-03 重庆大学 驾驶安全评估方法及装置
CN111210326A (zh) * 2019-12-27 2020-05-29 大象慧云信息技术有限公司 一种用于构建用户画像的方法及系统
CN111710208A (zh) * 2020-07-16 2020-09-25 南京工程学院 一种基于学习者画像的电力网络安全智慧教学系统
CN112000562A (zh) * 2020-08-25 2020-11-27 上海聚水潭网络科技有限公司 一种企业安全意识培训系统
CN112467555A (zh) * 2020-11-03 2021-03-09 国网浙江省电力有限公司岱山县供电公司 组合式配网低电压排故培训装置及训练方法
CN113902237A (zh) * 2021-06-01 2022-01-07 贵州电网有限责任公司 一种现场作业风险管控系统
CN113468999A (zh) * 2021-06-23 2021-10-01 浙江省能源集团有限公司 一种基于深度学习的施工现场违章智能识别装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
对于UEBA数据安全内控风险管理的研究;刘进等;《网络空间安全》;20210625;第12卷(第Z3期);第43-48+55页 *

Also Published As

Publication number Publication date
CN114841589A (zh) 2022-08-02
WO2023221343A1 (zh) 2023-11-23

Similar Documents

Publication Publication Date Title
CN114841589B (zh) 电力成员违章画像和安全画像的安全隐患信息码生成方法
CN111402439B (zh) 一种基于人脸识别的在线培训到课率统计管理方法及系统
CN108805768A (zh) 一种安全在线教育云平台系统
National Research Council et al. Public response to alerts and warnings on mobile devices: Summary of a workshop on current knowledge and research gaps
CN107103802A (zh) 基于在线教育的实时人眼甄别系统和方法
CN112862643A (zh) 一种多媒体远程教育平台系统
KR20020055306A (ko) 스포츠경기의 심판 판정과 코칭스테프의 경기운영에 관한인터넷을 이용한 공정성평가 시스템
CN107133892A (zh) 一种网络钢琴课的实时评价方法及系统
Vigsø et al. The dynamics of sensemaking and information seeking in a crisis situation
CN106846201A (zh) 一种基于网络教育的学时管理方法
CN109035096A (zh) 一种基于网络的多人协同学习的系统及其工作方法
CN108764533B (zh) 基于虹膜识别的预测迟到概率的学校考勤系统及方法
CN116777685A (zh) 景区引导系统、方法、装置及管理服务器
JP2004354467A (ja) 在宅教育システム
CN110706137A (zh) 一种教室管理方法及装置
CN113271478B (zh) 学习视频推荐方法、信息交互方法和装置
CN115619599A (zh) 一种高效的区域巡课方法
CN113256038B (zh) 一种数据处理方法、设备以及计算机可读存储介质
JP2007094210A (ja) 教育システム、方法およびプログラム
US20110231234A1 (en) Effective attention disposing system
Neutuch Virtual Recruitment.
CN111311134A (zh) 一种智慧教育云平台
CN117750090B (zh) 基于电子卡片的沉浸式虚拟培训方法、装置以及存储介质
KR102597441B1 (ko) 피보호자 채팅어플리케이션 케어 시스템 및 이를 이용한 방법
Radić et al. Croatian police in digital space–a model proposal for communication with the public via social media

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