CN115630849B - 基于复杂系统理论的货物集装箱堆场健康风险评估方法 - Google Patents

基于复杂系统理论的货物集装箱堆场健康风险评估方法 Download PDF

Info

Publication number
CN115630849B
CN115630849B CN202211653427.2A CN202211653427A CN115630849B CN 115630849 B CN115630849 B CN 115630849B CN 202211653427 A CN202211653427 A CN 202211653427A CN 115630849 B CN115630849 B CN 115630849B
Authority
CN
China
Prior art keywords
container yard
cargo container
yard
health risk
dangerous
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
CN202211653427.2A
Other languages
English (en)
Other versions
CN115630849A (zh
Inventor
崔迪
魏宏大
占小跳
张霞
邹林
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.)
China Waterborne Transport Research Institute
Original Assignee
China Waterborne Transport Research Institute
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 China Waterborne Transport Research Institute filed Critical China Waterborne Transport Research Institute
Priority to CN202211653427.2A priority Critical patent/CN115630849B/zh
Publication of CN115630849A publication Critical patent/CN115630849A/zh
Application granted granted Critical
Publication of CN115630849B publication Critical patent/CN115630849B/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
    • G06Q10/0635—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
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • 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

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及一种基于复杂系统理论的货物集装箱堆场健康风险评估方法，所述方法包括：基于复杂系统理论构建货物集装箱堆场健康风险评估模型；将实时采集的货物集装箱堆场第二数据集输入所述货物集装箱堆场健康风险评估模型以评估集装箱堆场健康风险等级；当所述健康风险等级达到预设阈值时，将预警信息发送至终端并对集装箱进行自适应调整。本申请能够智能化地对货物集装箱堆场健康风险进行评估，提高了评估准确度，从而能够确保货物集装箱堆场的安全性，减小了产生经济损失的可能性。

Description

基于复杂系统理论的货物集装箱堆场健康风险评估方法
技术领域
本申请涉及集装箱堆场风险评估技术领域，特别是涉及一种基于复杂系统理论的货物集装箱堆场健康风险评估方法。
背景技术
随着港口码头的快速发展，集装箱由于其特有的优势越来越多的被采用用来运输货物，集装箱堆场是指在集装箱码头内或码头周边地区，用于交接和保管集装箱的场所，常包括集装箱编排场、码头前沿堆场等，也分为前方堆场、后方堆场和空箱堆场，主要办理整箱货运的交接、存储和保管，因此，堆场作业安全是港口安全生产环节中十分重要的环节。
作为集装箱堆场之中特别的类型即危化品集装箱堆场，由于设计安全原因，受到广泛关注。目前，有些码头的危化品在中转集散时，其过程由人工处置，人们大都根据货物属性及货主要求进行适应性堆码，从而在人工出现判断失误或疏忽时，危化品被搁置在了危险的环境中，进而导致货物因各种原因受损，直接造成经济所损失，且对集装箱堆放现场的工作人员带来了一定程度的安全威胁。
因此，急需提出一种能够提高健康风险评估准确度的基于复杂系统理论的货物集装箱堆场健康风险评估方法。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高健康风险评估准确度的基于复杂系统理论的货物集装箱堆场健康风险评估方法、系统和计算机设备。
一方面，提供一种基于复杂系统理论的货物集装箱堆场健康风险评估方法，所述方法包括：
步骤A：基于复杂系统理论构建货物集装箱堆场健康风险评估模型；
步骤B：将实时采集的货物集装箱堆场第二数据集输入所述货物集装箱堆场健康风险评估模型以评估集装箱堆场健康风险等级；
步骤C：当所述健康风险等级达到预设阈值时，将预警信息发送至终端并对集装箱进行自适应调整。
在其中一个实施例中，还包括：所述基于复杂系统理论构建货物集装箱堆场健康风险评估模型包括：建立危险货物集装箱堆场的可靠性指标；建立危险货物集装箱堆场的脆弱性指标；建立危险货物集装箱堆场的韧性指标。
在其中一个实施例中，还包括：所述建立危险货物集装箱堆场的可靠性指标包括：对危险货物集装箱堆场区域进行划分，定义划分的区域集合为
Figure DEST_PATH_IMAGE001
，n表示划分区域总数，定义计划可分配危险货物集装箱堆场区域数为S，历史危险货物集装箱堆场满载区域数为F，随机可分配危险货物集装箱堆场区域数为Q；当计划可分配危险货物集装箱堆场区域数S大于或等于历史危险货物集装箱堆场满载区域数F时，定义可靠性指标的计算公式为：
Figure 926102DEST_PATH_IMAGE002
当计划可分配危险货物集装箱堆场区域数S小于历史危险货物集装箱堆场满载区域数F时，定义可靠性指标的计算公式为：
Figure 946010DEST_PATH_IMAGE003
其中，
Figure 479760DEST_PATH_IMAGE004
表示可靠性指标体系，
Figure 534304DEST_PATH_IMAGE005
表示可靠性指标系数，
Figure 714880DEST_PATH_IMAGE006
表示环境变量，
Figure DEST_PATH_IMAGE007
表示
Figure 753244DEST_PATH_IMAGE008
个风险因素对应的堆场冗余值。
在其中一个实施例中，还包括：所述建立危险货物集装箱堆场的脆弱性指标包括：定义用于划分区域的线性网络结构为不同区域的隔离通道；基于各区域的货物属性获取不同区域的隔离通道的权重等级，并进行排序；计算权重等级大于预设等级的隔离通道两端交叉点的平均效率值，计算所述平均效率值的计算公式为：
Figure DEST_PATH_IMAGE009
其中，i=1,2,…N表示每个群落结构内部有N个交叉点，在线性网络结构共有h个群落结构，在t+1时间步时，
Figure 90684DEST_PATH_IMAGE010
表示第m个群落结构中的交叉点i在t+1时间步的状态变量，与平均效率值线性相关，耦合矩阵
Figure DEST_PATH_IMAGE011
表示第m个群落结构中的交叉点i与第S个群落结构中的交叉点j的连接状态，耦合系数
Figure 16046DEST_PATH_IMAGE012
分别表示群落结构内部和群落结构之间耦合关系的强弱情况，
Figure DEST_PATH_IMAGE013
，表示采用Logistic函数定义线性网络结构中的局部混沌现象；
当所述平均效率值小于预设值时，对所述隔离通道的安全距离进行调整直至所述平均效率值大于或等于预设值。
在其中一个实施例中，还包括：所述建立危险货物集装箱堆场的韧性指标包括：基于货物属性获取不同划分区域货物之间的关联度，根据所述关联度获取目标划分区域的堆场危险发生阈值；定义目标划分区域的状态函数
Figure 679108DEST_PATH_IMAGE014
为：
Figure DEST_PATH_IMAGE015
其中，
Figure 686991DEST_PATH_IMAGE016
表示实时获取的货物关联度，
Figure DEST_PATH_IMAGE017
表示堆场危险发生阈值，当
Figure 828122DEST_PATH_IMAGE018
为0时，定义目标划分区域无堆场危险，当
Figure 857258DEST_PATH_IMAGE018
为1时，定义目标划分区域有堆场危险；
计算目标划分区域有堆场危险时，目标区域抵御危险的韧性能力C，包括：
Figure 628905DEST_PATH_IMAGE019
其中，
Figure 127014DEST_PATH_IMAGE020
表示目标集装箱进场时间，
Figure 540678DEST_PATH_IMAGE021
表示目标集装箱出场时间，
Figure 158741DEST_PATH_IMAGE022
表示t时刻有堆场危险时的危险波及范围；
若持续时间
Figure DEST_PATH_IMAGE023
小于第一预设值，则目标划分区域的堆场危险忽略不计，无需计算目标区域抵御危险的韧性能力C。
在其中一个实施例中，还包括：还包括：基于熵权多属性决策模型评估可靠性指标体系Z、韧性能力C以及状态变量
Figure 632447DEST_PATH_IMAGE024
在最终结果中的权重占比；基于所述权重占比生成第一结果集；根据所述第一结果集以及第一数据集构建货物集装箱堆场健康风险等级三维模型；将所述货物集装箱堆场健康风险等级三维模型上传至显示终端并进行显示。
在其中一个实施例中，还包括：基于各区域的货物属性获取不同区域的隔离通道的权重等级，并进行排序包括：所述货物属性包括：货物抗压能力、货物间反应条件、货物引燃条件、货物进出场时间；基于专家法则对目标区域货物属性进行赋值并累加，得到目标区域货物权值；取隔离通道相邻两边的权值平均值作为隔离通道的权重值，并基于权重值划分原则定义隔离通道的权重等级；将权重等级按照从大到小的方式进行排序。
在其中一个实施例中，还包括：基于货物属性获取不同划分区域货物之间的关联度，根据所述关联度获取目标划分区域的堆场危险发生阈值包括：基于货物属性获取不同划分区域下货物的关联因素；对所述关联因素进行综合评价，得到多个关联度评分集合；对所述多个关联度评分集合进行多源信息融合，得到所述关联因素的联合密度函数；根据所述联合密度函数计算不同划分区域下货物关联后的交互程度；根据交互程度评估关联度等级；当所述关联度等级小于预设标准时，定义关联度等级对应的值为所述堆场危险发生阈值。
另一方面，提供了一种基于复杂系统理论的货物集装箱堆场健康风险评估系统，所述系统包括：
模型构建模块，用于基于复杂系统理论构建货物集装箱堆场健康风险评估模型；
风险评估模块，用于将实时采集的货物集装箱堆场第二数据集输入所述货物集装箱堆场健康风险评估模型以评估集装箱堆场健康风险等级；
自适应调整模块，用于当所述健康风险等级达到预设阈值时，将预警信息发送至终端并对集装箱进行自适应调整。
再一方面，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
步骤A：基于复杂系统理论构建货物集装箱堆场健康风险评估模型；
步骤B：将实时采集的货物集装箱堆场第二数据集输入所述货物集装箱堆场健康风险评估模型以评估集装箱堆场健康风险等级；
步骤C：当所述健康风险等级达到预设阈值时，将预警信息发送至终端并对集装箱进行自适应调整。
上述基于复杂系统理论的货物集装箱堆场健康风险评估方法，所述方法包括：基于复杂系统理论构建货物集装箱堆场健康风险评估模型；将实时采集的货物集装箱堆场第二数据集输入所述货物集装箱堆场健康风险评估模型以评估集装箱堆场健康风险等级；当所述健康风险等级达到预设阈值时，将预警信息发送至终端并对集装箱进行自适应调整，本申请能够智能化地对货物集装箱堆场健康风险进行评估，提高了评估准确度，从而能够确保货物集装箱堆场的安全性，减小了产生经济损失的可能性。
附图说明
图1为一个实施例中基于复杂系统理论的货物集装箱堆场健康风险评估方法的流程示意图；
图2为一个实施例中基于复杂系统理论的货物集装箱堆场健康风险评估系统的结构框图；
图3为一个实施例中计算机设备的内部结构图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
应当理解，在本申请的描述中，除非上下文明确要求，否则整个说明书和权利要求书中的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义；也就是说，是“包括但不限于”的含义。
还应当理解，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。
需要注意的是，术语“S1”、“S2”等仅用于步骤的描述目的，并非特别指称次序或顺位的意思，亦非用以限定本申请，其仅仅是为了方便描述本申请的方法，而不能理解为指示步骤的先后顺序。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本申请要求的保护范围之内。
实施例1
在一个实施例中，如图1所示，提供了一种基于复杂系统理论的货物集装箱堆场健康风险评估方法，包括以下步骤：
S1：基于复杂系统理论构建货物集装箱堆场健康风险评估模型。
需要说明的是，所述基于复杂系统理论构建货物集装箱堆场健康风险评估模型包括：
建立危险货物集装箱堆场的可靠性指标；
建立危险货物集装箱堆场的脆弱性指标；
建立危险货物集装箱堆场的韧性指标。
具体的，所述建立危险货物集装箱堆场的可靠性指标包括：
对危险货物集装箱堆场区域进行划分，定义划分的区域集合为
Figure 352273DEST_PATH_IMAGE025
，n表示划分区域总数，定义计划可分配危险货物集装箱堆场区域数为S，历史危险货物集装箱堆场满载区域数为F，随机可分配危险货物集装箱堆场区域数为Q；
当计划可分配危险货物集装箱堆场区域数S大于或等于历史危险货物集装箱堆场满载区域数F时，定义可靠性指标的计算公式为：
Figure 304048DEST_PATH_IMAGE002
当计划可分配危险货物集装箱堆场区域数S小于历史危险货物集装箱堆场满载区域数F时，定义可靠性指标的计算公式为：
Figure 42197DEST_PATH_IMAGE003
其中，
Figure DEST_PATH_IMAGE026
表示可靠性指标体系，
Figure 217964DEST_PATH_IMAGE027
表示可靠性指标系数，
Figure DEST_PATH_IMAGE028
表示环境变量，
Figure 690664DEST_PATH_IMAGE029
表示
Figure 180552DEST_PATH_IMAGE030
个风险因素对应的堆场冗余值。
进一步的，所述建立危险货物集装箱堆场的脆弱性指标包括：
定义用于划分区域的线性网络结构为不同区域的隔离通道；
基于各区域的货物属性获取不同区域的隔离通道的权重等级，并进行排序，具体为：
所述货物属性包括：货物抗压能力、货物间反应条件、货物引燃条件、货物进出场时间；
基于专家法则对目标区域货物属性进行赋值并累加，得到目标区域货物权值；
取隔离通道相邻两边的权值平均值作为隔离通道的权重值，并基于权重值划分原则定义隔离通道的权重等级，示例性的，当权重值为
Figure 38786DEST_PATH_IMAGE031
时为第一等级，权重值为
Figure DEST_PATH_IMAGE032
时，为第二等级，以此类推；
将权重等级按照从大到小的方式进行排序；
计算权重等级大于预设等级的隔离通道两端交叉点的平均效率值，计算所述平均效率值的计算公式为：
Figure 139116DEST_PATH_IMAGE009
其中，i=1,2,…N表示每个群落结构内部有N个交叉点，在线性网络结构共有h个群落结构，在t+1时间步时，
Figure 551643DEST_PATH_IMAGE033
表示第m个群落结构中的交叉点i在t+1时间步的状态变量，与平均效率值线性相关，耦合矩阵
Figure DEST_PATH_IMAGE034
表示第m个群落结构中的交叉点i与第S个群落结构中的交叉点j的连接状态，耦合系数
Figure 376379DEST_PATH_IMAGE012
分别表示群落结构内部和群落结构之间耦合关系的强弱情况，
Figure 89120DEST_PATH_IMAGE013
，表示采用Logistic函数定义线性网络结构中的局部混沌现象；
当所述平均效率值小于预设值时，对所述隔离通道的安全距离进行调整直至所述平均效率值大于或等于预设值。
更进一步的，所述建立危险货物集装箱堆场的韧性指标包括：
基于货物属性获取不同划分区域货物之间的关联度，根据所述关联度获取目标划分区域的堆场危险发生阈值，具体为：
基于货物属性获取不同划分区域下货物的关联因素，其中，关联因素可以是货物种类、货物抗压能力等；
利用模糊综合评价策略对所述关联因素进行综合评价，得到多个关联度评分集合；
对所述多个关联度评分集合进行多源信息融合，得到所述关联因素的联合密度函数；
根据所述联合密度函数计算不同划分区域下货物关联后的交互程度；
根据交互程度评估关联度等级，此处的交互程度与关联度等级形成的映射关系已预存于数据库中，因此，直接调取数据库中内容即可直接得到关联度等级；
当所述关联度等级小于预设标准时，定义关联度等级对应的值为所述堆场危险发生阈值；
定义目标划分区域的状态函数
Figure 826263DEST_PATH_IMAGE035
为：
Figure 522824DEST_PATH_IMAGE015
其中，
Figure DEST_PATH_IMAGE036
表示实时获取的货物关联度，
Figure 885672DEST_PATH_IMAGE037
表示堆场危险发生阈值，当
Figure DEST_PATH_IMAGE038
为0时，定义目标划分区域无堆场危险，当
Figure 469231DEST_PATH_IMAGE039
为1时，定义目标划分区域有堆场危险；
计算目标划分区域有堆场危险时，目标区域抵御危险的韧性能力C，包括：
Figure 360964DEST_PATH_IMAGE019
其中，
Figure DEST_PATH_IMAGE040
表示目标集装箱进场时间，
Figure 279241DEST_PATH_IMAGE041
表示目标集装箱出场时间，
Figure 930934DEST_PATH_IMAGE022
表示t时刻有堆场危险时的危险波及范围；
若持续时间
Figure 352688DEST_PATH_IMAGE023
小于第一预设值，则目标划分区域的堆场危险忽略不计，无需计算目标区域抵御危险的韧性能力C。
基于熵权多属性决策模型评估可靠性指标体系Z、韧性能力C以及状态变量
Figure 415322DEST_PATH_IMAGE042
在最终结果中的权重占比；
基于所述权重占比生成第一结果集，其中，第一结果集为各划分区域的健康风险等级；
根据所述第一结果集以及第一数据集构建货物集装箱堆场健康风险等级三维模型，其中，第一数据集可以是货物定位、货物属性等其他相关数据；
将所述货物集装箱堆场健康风险等级三维模型上传至显示终端并进行显示。
S2：将实时采集的货物集装箱堆场第二数据集输入所述货物集装箱堆场健康风险评估模型以评估集装箱堆场健康风险等级。
需要说明的是，所述的货物集装箱堆场第二数据集为上述货物集装箱堆场健康风险评估模型运行过程中所需要的变量值。
S3：当所述健康风险等级达到预设阈值时，将预警信息发送至终端并对集装箱进行自适应调整。
需要说明的是，当终端接收到预警信息时，在显示终端查看货物集装箱堆场健康风险等级，根据不同区域的风险等级对集装箱堆场区域进行重新分配。
上述基于复杂系统理论的货物集装箱堆场健康风险评估方法中，所述方法包括：基于复杂系统理论构建货物集装箱堆场健康风险评估模型；将实时采集的货物集装箱堆场第二数据集输入所述货物集装箱堆场健康风险评估模型以评估集装箱堆场健康风险等级；当所述健康风险等级达到预设阈值时，将预警信息发送至终端并对集装箱进行自适应调整，本申请能够智能化地对货物集装箱堆场健康风险进行评估，提高了评估准确度，从而能够确保货物集装箱堆场的安全性，减小了产生经济损失的可能性。
应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
实施例2
在一个实施例中，如图2所示，提供了一种基于复杂系统理论的货物集装箱堆场健康风险评估系统，包括：模型构建模块、风险评估模块和自适应调整模块，其中：
模型构建模块，用于基于复杂系统理论构建货物集装箱堆场健康风险评估模型；
风险评估模块，用于将实时采集的货物集装箱堆场第二数据集输入所述货物集装箱堆场健康风险评估模型以评估集装箱堆场健康风险等级；
自适应调整模块，用于当所述健康风险等级达到预设阈值时，将预警信息发送至终端并对集装箱进行自适应调整。
关于基于复杂系统理论的货物集装箱堆场健康风险评估系统的具体限定可以参见上文中对于基于复杂系统理论的货物集装箱堆场健康风险评估方法的限定，在此不再赘述。上述基于复杂系统理论的货物集装箱堆场健康风险评估系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
实施例3
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于复杂系统理论的货物集装箱堆场健康风险评估方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
S1：基于复杂系统理论构建货物集装箱堆场健康风险评估模型；
S2：将实时采集的货物集装箱堆场第二数据集输入所述货物集装箱堆场健康风险评估模型以评估集装箱堆场健康风险等级；
S3：当所述健康风险等级达到预设阈值时，将预警信息发送至终端并对集装箱进行自适应调整。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
建立危险货物集装箱堆场的可靠性指标；
建立危险货物集装箱堆场的脆弱性指标；
建立危险货物集装箱堆场的韧性指标。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
对危险货物集装箱堆场区域进行划分，定义划分的区域集合为
Figure 555316DEST_PATH_IMAGE043
，n表示划分区域总数，定义计划可分配危险货物集装箱堆场区域数为S，历史危险货物集装箱堆场满载区域数为F，随机可分配危险货物集装箱堆场区域数为Q；
当计划可分配危险货物集装箱堆场区域数S大于或等于历史危险货物集装箱堆场满载区域数F时，定义可靠性指标的计算公式为：
Figure 728808DEST_PATH_IMAGE002
当计划可分配危险货物集装箱堆场区域数S小于历史危险货物集装箱堆场满载区域数F时，定义可靠性指标的计算公式为：
Figure 270648DEST_PATH_IMAGE044
其中，
Figure 517565DEST_PATH_IMAGE045
表示可靠性指标体系，
Figure 144856DEST_PATH_IMAGE046
表示可靠性指标系数，
Figure 122039DEST_PATH_IMAGE006
表示环境变量，
Figure 518385DEST_PATH_IMAGE047
表示
Figure DEST_PATH_IMAGE048
个风险因素对应的堆场冗余值。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
定义用于划分区域的线性网络结构为不同区域的隔离通道；
基于各区域的货物属性获取不同区域的隔离通道的权重等级，并进行排序；
计算权重等级大于预设等级的隔离通道两端交叉点的平均效率值，计算所述平均效率值的计算公式为：
Figure 204713DEST_PATH_IMAGE009
其中，i=1,2,…N表示每个群落结构内部有N个交叉点，在线性网络结构共有h个群落结构，在t+1时间步时，
Figure 663507DEST_PATH_IMAGE033
表示第m个群落结构中的交叉点i在t+1时间步的状态变量，与平均效率值线性相关，耦合矩阵
Figure 709960DEST_PATH_IMAGE049
表示第m个群落结构中的交叉点i与第S个群落结构中的交叉点j的连接状态，耦合系数
Figure 960813DEST_PATH_IMAGE012
分别表示群落结构内部和群落结构之间耦合关系的强弱情况，
Figure 801730DEST_PATH_IMAGE013
，表示采用Logistic函数定义线性网络结构中的局部混沌现象；
当所述平均效率值小于预设值时，对所述隔离通道的安全距离进行调整直至所述平均效率值大于或等于预设值。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
基于货物属性获取不同划分区域货物之间的关联度，根据所述关联度获取目标划分区域的堆场危险发生阈值；
定义目标划分区域的状态函数
Figure DEST_PATH_IMAGE050
为：
Figure 154345DEST_PATH_IMAGE015
其中，
Figure 473331DEST_PATH_IMAGE051
表示实时获取的货物关联度，
Figure 844270DEST_PATH_IMAGE052
表示堆场危险发生阈值，当
Figure 590509DEST_PATH_IMAGE053
为0时，定义目标划分区域无堆场危险，当
Figure 687210DEST_PATH_IMAGE054
为1时，定义目标划分区域有堆场危险；
计算目标划分区域有堆场危险时，目标区域抵御危险的韧性能力C，包括：
Figure 809887DEST_PATH_IMAGE019
其中，
Figure 35332DEST_PATH_IMAGE040
表示目标集装箱进场时间，
Figure 218052DEST_PATH_IMAGE055
表示目标集装箱出场时间，
Figure 263368DEST_PATH_IMAGE022
表示t时刻有堆场危险时的危险波及范围；
若持续时间
Figure 924156DEST_PATH_IMAGE023
小于第一预设值，则目标划分区域的堆场危险忽略不计，无需计算目标区域抵御危险的韧性能力C。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
基于熵权多属性决策模型评估可靠性指标体系Z、韧性能力C以及状态变量
Figure 20420DEST_PATH_IMAGE056
在最终结果中的权重占比；
基于所述权重占比生成第一结果集；
根据所述第一结果集以及第一数据集构建货物集装箱堆场健康风险等级三维模型；
将所述货物集装箱堆场健康风险等级三维模型上传至显示终端并进行显示。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
所述货物属性包括：货物抗压能力、货物间反应条件、货物引燃条件、货物进出场时间；
基于专家法则对目标区域货物属性进行赋值并累加，得到目标区域货物权值；
取隔离通道相邻两边的权值平均值作为隔离通道的权重值，并基于权重值划分原则定义隔离通道的权重等级；
将权重等级按照从大到小的方式进行排序。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
基于货物属性获取不同划分区域下货物的关联因素；
对所述关联因素进行综合评价，得到多个关联度评分集合；
对所述多个关联度评分集合进行多源信息融合，得到所述关联因素的联合密度函数；
根据所述联合密度函数计算不同划分区域下货物关联后的交互程度；
根据交互程度评估关联度等级；
当所述关联度等级小于预设标准时，定义关联度等级对应的值为所述堆场危险发生阈值。
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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (6)

1.一种基于复杂系统理论的货物集装箱堆场健康风险评估方法，其特征在于，所述方法包括：
基于复杂系统理论构建货物集装箱堆场健康风险评估模型；
将实时采集的货物集装箱堆场第二数据集输入所述货物集装箱堆场健康风险评估模型以评估集装箱堆场健康风险等级；
当所述健康风险等级达到预设阈值时，将预警信息发送至终端并对集装箱进行自适应调整；
其中，所述基于复杂系统理论构建货物集装箱堆场健康风险评估模型包括：
建立危险货物集装箱堆场的可靠性指标；
建立危险货物集装箱堆场的脆弱性指标；
建立危险货物集装箱堆场的韧性指标；
所述建立危险货物集装箱堆场的可靠性指标包括：
对危险货物集装箱堆场区域进行划分，定义划分的区域集合为
Figure QLYQS_1
，n表示划分区域总数，定义计划可分配危险货物集装箱堆场区域数为S，历史危险货物集装箱堆场满载区域数为F，随机可分配危险货物集装箱堆场区域数为Q；
当计划可分配危险货物集装箱堆场区域数S大于或等于历史危险货物集装箱堆场满载区域数F时，定义可靠性指标的计算公式为：
Figure QLYQS_2
当计划可分配危险货物集装箱堆场区域数S小于历史危险货物集装箱堆场满载区域数F时，定义可靠性指标的计算公式为：
Figure QLYQS_3
其中，
Figure QLYQS_4
表示可靠性指标体系，
Figure QLYQS_5
表示可靠性指标系数，
Figure QLYQS_6
表示环境变量，
Figure QLYQS_7
表示
Figure QLYQS_8
个风险因素对应的堆场冗余值；
所述建立危险货物集装箱堆场的脆弱性指标包括：
定义用于划分区域的线性网络结构为不同区域的隔离通道；
基于各区域的货物属性获取不同区域的隔离通道的权重等级，并进行排序；
计算权重等级大于预设等级的隔离通道两端交叉点的平均效率值；
当所述平均效率值小于预设值时，对所述隔离通道的安全距离进行调整直至所述平均效率值大于或等于预设值；
所述建立危险货物集装箱堆场的韧性指标包括：
基于货物属性获取不同划分区域货物之间的关联度，根据所述关联度获取目标划分区域的堆场危险发生阈值；
定义目标划分区域的状态函数
Figure QLYQS_9
为：
Figure QLYQS_10
其中，
Figure QLYQS_11
表示实时获取的货物关联度，
Figure QLYQS_12
表示堆场危险发生阈值，当
Figure QLYQS_13
为0时，定义目标划分区域无堆场危险，当
Figure QLYQS_14
为1时，定义目标划分区域有堆场危险；
计算目标划分区域有堆场危险时，目标区域抵御危险的韧性能力C，包括：
Figure QLYQS_15
其中，
Figure QLYQS_16
表示目标集装箱进场时间，
Figure QLYQS_17
表示目标集装箱出场时间，
Figure QLYQS_18
表示t时刻有堆场危险时的危险波及范围；
若持续时间
Figure QLYQS_19
小于第一预设值，则目标划分区域的堆场危险忽略不计，无需计算目标区域抵御危险的韧性能力C。
2.根据权利要求1所述的基于复杂系统理论的货物集装箱堆场健康风险评估方法，其特征在于，还包括：
基于熵权多属性决策模型评估可靠性指标体系Z、韧性能力C以及状态变量
Figure QLYQS_20
在最终结果中的权重占比；
基于所述权重占比生成第一结果集；
根据所述第一结果集以及第一数据集构建货物集装箱堆场健康风险等级三维模型；
将所述货物集装箱堆场健康风险等级三维模型上传至显示终端并进行显示。
3.根据权利要求2所述的基于复杂系统理论的货物集装箱堆场健康风险评估方法，其特征在于，基于各区域的货物属性获取不同区域的隔离通道的权重等级，并进行排序包括：
所述货物属性包括：货物抗压能力、货物间反应条件、货物引燃条件、货物进出场时间；
基于专家法则对目标区域货物属性进行赋值并累加，得到目标区域货物权值；
取隔离通道相邻两边的权值平均值作为隔离通道的权重值，并基于权重值划分原则定义隔离通道的权重等级；
将权重等级按照从大到小的方式进行排序。
4.根据权利要求3所述的基于复杂系统理论的货物集装箱堆场健康风险评估方法，其特征在于，基于货物属性获取不同划分区域货物之间的关联度，根据所述关联度获取目标划分区域的堆场危险发生阈值包括：
基于货物属性获取不同划分区域下货物的关联因素；
对所述关联因素进行综合评价，得到多个关联度评分集合；
对所述多个关联度评分集合进行多源信息融合，得到所述关联因素的联合密度函数；
根据所述联合密度函数计算不同划分区域下货物关联后的交互程度；
根据交互程度评估关联度等级；
当所述关联度等级小于预设标准时，定义关联度等级对应的值为所述堆场危险发生阈值。
5.一种应用于权利要求1~4任一所述的基于复杂系统理论的货物集装箱堆场健康风险评估方法的基于复杂系统理论的货物集装箱堆场健康风险评估系统，其特征在于，包括：
模型构建模块，用于基于复杂系统理论构建货物集装箱堆场健康风险评估模型；
风险评估模块，用于将实时采集的货物集装箱堆场第二数据集输入所述货物集装箱堆场健康风险评估模型以评估集装箱堆场健康风险等级；
自适应调整模块，用于当所述健康风险等级达到预设阈值时，将预警信息发送至终端并对集装箱进行自适应调整；
其中，其中，所述基于复杂系统理论构建货物集装箱堆场健康风险评估模型包括：
建立危险货物集装箱堆场的可靠性指标；
建立危险货物集装箱堆场的脆弱性指标；
建立危险货物集装箱堆场的韧性指标；
所述建立危险货物集装箱堆场的可靠性指标包括：
对危险货物集装箱堆场区域进行划分，定义划分的区域集合为
Figure QLYQS_21
，n表示划分区域总数，定义计划可分配危险货物集装箱堆场区域数为S，历史危险货物集装箱堆场满载区域数为F，随机可分配危险货物集装箱堆场区域数为Q；
当计划可分配危险货物集装箱堆场区域数S大于或等于历史危险货物集装箱堆场满载区域数F时，定义可靠性指标的计算公式为：
Figure QLYQS_22
当计划可分配危险货物集装箱堆场区域数S小于历史危险货物集装箱堆场满载区域数F时，定义可靠性指标的计算公式为：
Figure QLYQS_23
其中，
Figure QLYQS_24
表示可靠性指标体系，
Figure QLYQS_25
表示可靠性指标系数，
Figure QLYQS_26
表示环境变量，
Figure QLYQS_27
表示
Figure QLYQS_28
个风险因素对应的堆场冗余值；
所述建立危险货物集装箱堆场的脆弱性指标包括：
定义用于划分区域的线性网络结构为不同区域的隔离通道；
基于各区域的货物属性获取不同区域的隔离通道的权重等级，并进行排序；
计算权重等级大于预设等级的隔离通道两端交叉点的平均效率值；
当所述平均效率值小于预设值时，对所述隔离通道的安全距离进行调整直至所述平均效率值大于或等于预设值；
所述建立危险货物集装箱堆场的韧性指标包括：
基于货物属性获取不同划分区域货物之间的关联度，根据所述关联度获取目标划分区域的堆场危险发生阈值；
定义目标划分区域的状态函数
Figure QLYQS_29
为：
Figure QLYQS_30
其中，
Figure QLYQS_31
表示实时获取的货物关联度，
Figure QLYQS_32
表示堆场危险发生阈值，当
Figure QLYQS_33
为0时，定义目标划分区域无堆场危险，当
Figure QLYQS_34
为1时，定义目标划分区域有堆场危险；
计算目标划分区域有堆场危险时，目标区域抵御危险的韧性能力C，包括：
Figure QLYQS_35
其中，
Figure QLYQS_36
表示目标集装箱进场时间，
Figure QLYQS_37
表示目标集装箱出场时间，
Figure QLYQS_38
表示t时刻有堆场危险时的危险波及范围；
若持续时间
Figure QLYQS_39
小于第一预设值，则目标划分区域的堆场危险忽略不计，无需计算目标区域抵御危险的韧性能力C。
6.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述方法的步骤。
CN202211653427.2A 2022-12-22 2022-12-22 基于复杂系统理论的货物集装箱堆场健康风险评估方法 Active CN115630849B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211653427.2A CN115630849B (zh) 2022-12-22 2022-12-22 基于复杂系统理论的货物集装箱堆场健康风险评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211653427.2A CN115630849B (zh) 2022-12-22 2022-12-22 基于复杂系统理论的货物集装箱堆场健康风险评估方法

Publications (2)

Publication Number Publication Date
CN115630849A CN115630849A (zh) 2023-01-20
CN115630849B true CN115630849B (zh) 2023-03-28

Family

ID=84911027

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211653427.2A Active CN115630849B (zh) 2022-12-22 2022-12-22 基于复杂系统理论的货物集装箱堆场健康风险评估方法

Country Status (1)

Country Link
CN (1) CN115630849B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116501002B (zh) * 2023-06-27 2023-09-01 交通运输部水运科学研究所 智慧码头载运危险货物集装箱agv安全诱导配置方法
CN117273466B (zh) * 2023-11-15 2024-01-19 交通运输部水运科学研究所 基于petri网的危险货物集装箱堆场的风险性分析系统
CN117610939B (zh) * 2024-01-18 2024-05-07 天科院环境科技发展（天津）有限公司 一种港口危险货物集装箱堆场环境风险评估方法及系统
CN118246748B (zh) * 2024-05-28 2024-08-30 青岛国际旅行卫生保健中心(青岛海关口岸门诊部) 基于数据分析的集装箱病媒生物检测方法及系统
CN118428740B (zh) * 2024-07-02 2024-10-11 天津东方泰瑞科技有限公司 一种包装危险货物港内转运安全风险评估方法及系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110223022A (zh) * 2019-06-12 2019-09-10 交通运输部天津水运工程科学研究所 危险货物集装箱堆存预警方法及系统
CN110580574B (zh) * 2019-08-26 2024-02-20 交通运输部水运科学研究所 货箱堆存风险的获取方法、系统、装置、介质和计算设备
CN111177649A (zh) * 2019-12-11 2020-05-19 交通运输部水运科学研究所 一种基于大数据融合的船载包装货物运输风险评估方法
US12060165B2 (en) * 2020-04-14 2024-08-13 Goodrich Corporation Systems and methods for safely operating autonomous cargo handling systems

Also Published As

Publication number Publication date
CN115630849A (zh) 2023-01-20

Similar Documents

Publication Publication Date Title
CN115630849B (zh) 基于复杂系统理论的货物集装箱堆场健康风险评估方法
Elsayed Fuzzy inference system for the risk assessment of liquefied natural gas carriers during loading/offloading at terminals
Wang et al. An application of nonlinear fuzzy analytic hierarchy process in safety evaluation of coal mine
Rodrigues et al. An exact robust approach for the integrated berth allocation and quay crane scheduling problem under uncertain arrival times
Zhang et al. A general modeling method for opportunistic maintenance modeling of multi-unit systems
Jiskani et al. Improved Z-number based fuzzy fault tree approach to analyze health and safety risks in surface mines
CN115994689B (zh) 一种智慧码头港区危险货物安全运输的管理方法及装置
Faber et al. Risk assessment for structural design criteria of FPSO systems. Part I: Generic models and acceptance criteria
Chen et al. An extended CREAM model based on analytic network process under the type‐2 fuzzy environment for human reliability analysis in the high‐speed train operation
Rekik et al. A case based heuristic for container stacking in seaport terminals
Pamučar et al. Development of an integrated transport system in distribution centres: A FA'WOT analysis
Bolat et al. Weighting key factors for port congestion by AHP method
Omidvar et al. Fuzzy bow-tie analysis: concepts, review, and application
CN112508443A (zh) 一种电力行业现场作业风险管控系统
Georgiadis et al. A methodology for the reassessment of hull-girder ultimate strength of a VLCC tanker based on corrosion model updating
Ehsanifar et al. A new hybrid multi-criteria decision-making model to prioritize risks in the construction process under fuzzy environment (case study: the Valiasr Street underpass project)
Zahabi et al. A fuzzy system hazard analysis approach for human-in-the-loop systems
Dachkovskyi Methods of evaluation of efficiency of logistic operations
Tunçel et al. An extended fuzzy bow-tie approach with SLIM to assess risk for anchor dredging in cargo ships
CN116596425B (zh) 基于渗流分析石化港区槽罐车安全调度方法和系统
Simankina et al. Risk-based construction safety index as an integral indicator in the agricultural sector
Badreddine et al. A dynamic barriers implementation in Bayesian-based bow tie diagrams for risk analysis
Raziei et al. Postdisaster relief distribution network design under disruption risk: A tour covering location-routing approach
Virdi et al. Human error identification and risk prioritization in LPG unloading operations
Huynh et al. Data analytics for intermodal freight transportation applications

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