CN115879848B - 一种运输车安全监测方法及装置 - Google Patents

一种运输车安全监测方法及装置 Download PDF

Info

Publication number
CN115879848B
CN115879848B CN202310133626.9A CN202310133626A CN115879848B CN 115879848 B CN115879848 B CN 115879848B CN 202310133626 A CN202310133626 A CN 202310133626A CN 115879848 B CN115879848 B CN 115879848B
Authority
CN
China
Prior art keywords
safety
transportation
route
transport
transport vehicle
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
CN202310133626.9A
Other languages
English (en)
Other versions
CN115879848A (zh
Inventor
司福强
李海港
李俊亮
丁珣
张望
黄国胜
王继军
张平
韩超
马浩
詹秀峰
荣正官
罗颖欣
李忠义
薛朗
刘硕
孙英皓
朱培培
董晓红
周明
伏松平
谢育国
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 Railway Construction Electrification Bureau Group Co Ltd
Third Engineering Co Ltd of China Railway Construction Electrification Bureau Group Co Ltd
Original Assignee
China Railway Construction Electrification Bureau Group Co Ltd
Third Engineering Co Ltd of China Railway Construction Electrification Bureau Group 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 China Railway Construction Electrification Bureau Group Co Ltd, Third Engineering Co Ltd of China Railway Construction Electrification Bureau Group Co Ltd filed Critical China Railway Construction Electrification Bureau Group Co Ltd
Priority to CN202310133626.9A priority Critical patent/CN115879848B/zh
Publication of CN115879848A publication Critical patent/CN115879848A/zh
Application granted granted Critical
Publication of CN115879848B publication Critical patent/CN115879848B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Traffic Control Systems (AREA)

Abstract

本发明涉及安全监测领域，揭露一种运输车安全监测方法及装置，包括：识别历史运输车的业务场景，根据业务场景，提取运输车的运输安全指标和影响安全因子，并根据运输安全指标，构建影响安全因子中安全因子之间的关联关系；查询历史运输车的运输路线，提取运输路线的线路特征，根据线路特征，确定运输路线的安全权重，根据线路特征和安全权重，构建历史运输车的运输路网；实时获取待监测运输车对应于影响安全因子的因子数据并归一化因子数据，得到归一因子数据，根据归一因子数据、关联关系及运输路网，计算监测运输车的安全指标得分；根据安全指标得分和归一因子数据，生成待监测运输车的运输安全监测报告。本发明可以提高运输车运行的安全系数。

Description

一种运输车安全监测方法及装置
技术领域
本发明涉及安全监测领域，尤其涉及一种运输车安全监测方法及装置。
背景技术
运输车可以理解为在铁路建设中，地上地下工程中使用的，运输各种物料的车辆，如油罐车、危化品运输车、混凝土搅拌运输车及普通货车等。运输车安全监测是指对运输车的位置、运输货物的状态以及车辆行驶行为和司机驾驶行为状况等的监测。
目前传统的安全监测方法对各种运输安全因子只是进行单一独立的监测，缺乏对运输安全因子之间建立联系，因而难以从总体上把控运输车的运行状况，导致运输车的设备运行效率和运行安全系数不高。
发明内容
本发明提供一种运输车安全监测方法及装置，其主要目的在于提高运输车运行的安全系数。
为实现上述目的，本发明提供的一种运输车安全监测方法，包括：
识别历史运输车的业务场景，根据所述业务场景，提取所述运输车的运输安全指标和影响安全因子，并根据所述运输安全指标，构建所述影响安全因子中安全因子之间的关联关系；
查询所述历史运输车的运输路线，提取所述运输路线的线路特征，根据所述线路特征，确定所述运输路线的安全权重，根据所述线路特征和所述安全权重，构建所述历史运输车的运输路网；实时获取待监测运输车对应于所述影响安全因子的因子数据，对所述因子数据进行归一化，得到归一因子数据，根据所述归一因子数据、所述关联关系及所述运输路网，计算所述监测运输车的安全指标得分；
根据所述安全指标得分和所述归一因子数据，生成所述待监测运输车的运输安全监测报告。
可选地，所述根据所述业务场景，提取所述运输车的运输安全指标和影响安全因子，包括：
根据所述业务场景，分析所述运输车的业务需求和业务目标；
根据所述业务需求、所述业务目标及预先构建的指标构建原则，确定所述运输车的运输安全指标；
分析所述运输安全指标的构成因素，识别所述构成因素中的影响安全因子。
可选地，所述根据所述运输安全指标，构建所述影响安全因子中安全因子之间的关联关系，包括：
根据所述运输安全指标，构建所述影响安全因子的树状层次结构，根据所述树状层次结构，确定所述影响安全因子的定量化标度；
根据所述定量化标度，构建所述影响安全因子的判断矩阵，根据所述判断矩阵，计算所述影响安全因子的权重系数；
根据所述树状层次结构和所述权重系数，构建所述影响安全因子中安全因子之间的关联关系。
可选地，所述根据所述判断矩阵，计算所述影响安全因子的权重系数，包括：
将所述判断矩阵按列规范化，得到规范化矩阵，将所述规范化矩阵进行权重向量求和，得到权重向量；
根据所述权重向量，利用下述公式计算所述规范化矩阵的最大特征值：
Figure SMS_2
Figure SMS_4
其中，/>
Figure SMS_7
表示判断矩阵的最大特征值，/>
Figure SMS_1
表示判断矩阵的规范化矩阵，/>
Figure SMS_6
表示权重向量,/>
Figure SMS_9
表示规范化矩阵与权重向量乘积的第/>
Figure SMS_10
个向量分量，/>
Figure SMS_3
表示权重向量的第/>
Figure SMS_5
个向量分量，/>
Figure SMS_8
表示判断矩阵的行列数量；
根据所述最大特征值，计算所述规范化矩阵的一致性比率，在所述一致性比率小于预设阈值时，将所述权重向量中的每个分量作为所述影响安全因子的权重系数。
可选地，所述根据所述最大特征值，计算所述规范化矩阵的一致性比率，包括：
利用下述公式计算所述规范化矩阵的一致性指标：
Figure SMS_11
其中，/>
Figure SMS_12
表示规范化矩阵的一致性指标，/>
Figure SMS_13
表示规范化矩阵的最大特征值，/>
Figure SMS_14
表示规范化矩阵的行列数量。
根据所述一致性指标，利用下述公式计算所述规范化矩阵的一致性比率：
Figure SMS_15
其中，/>
Figure SMS_16
表示规范化矩阵的一致性比率，/>
Figure SMS_17
表示规范化矩阵的一致性指标，/>
Figure SMS_18
表示随机一致性指标。
可选地，所述根据所述最大特征值，计算所述判断矩阵的一致性比率，包括：
可以利用下述公式计算所述判断矩阵的一致性指标：
Figure SMS_19
其中，/>
Figure SMS_20
表示判断矩阵的一致性指标，/>
Figure SMS_21
表示判断矩阵的最大特征值，/>
Figure SMS_22
表示判断矩阵的行数或列数。
根据所述一致性指标，可以利用下述公式计算所述判断矩阵的一致性比率：
Figure SMS_23
其中，/>
Figure SMS_24
表示判断矩阵的一致性比率，/>
Figure SMS_25
表示判断矩阵的一致性指标，/>
Figure SMS_26
表示随机一致性指标，可通过查询预设的/>
Figure SMS_27
统计表得到。
可选地，所述根据所述线路特征，确定所述运输路线的安全权重，包括：
利用下述公式计算所述运输路线的安全权重：
Figure SMS_30
其中，/>
Figure SMS_32
表示第/>
Figure SMS_34
条运输路线的安全权重，/>
Figure SMS_29
表示第/>
Figure SMS_31
条线运输路线对应线路特征中的路线类型，/>
Figure SMS_33
表示第/>
Figure SMS_35
条线运输路线对应线路特征中的时空特性，/>
Figure SMS_28
表示运输路线的序号。
可选地，所述根据所述线路特征和所述安全权重，构建所述历史运输车的运输路网，包括：
获取所述线路特征对应的所述运输路线的起始点和目的点，将所述起始点和所述目的点作为路线节点；
连接所述起始点和所述目的点，得到初始路线路径，配置所述初始路线路径的所述线路特征和所述安全权重，得到目标路线路径；
根据所述路线节点和所述目标路线路径，构建所述历史运输车的运输路网。
可选地，所述根据所述归一因子数据、所述关联关系及所述运输路网，计算所述监测运输车的安全指标得分，包括：
利用下述公式计算所述监测运输车的安全指标得分：
Figure SMS_39
其中，/>
Figure SMS_43
表示监测运输车的安全指标得分，/>
Figure SMS_46
表示关联关系中第/>
Figure SMS_37
个影响安全因子的权重系数，/>
Figure SMS_41
表示运输路网中第/>
Figure SMS_44
条运输路线的安全权重，/>
Figure SMS_47
表示第/>
Figure SMS_36
个归一因子数据，/>
Figure SMS_40
表示影响安全因子的序号，/>
Figure SMS_42
表示影响安全因子的数量，/>
Figure SMS_45
表示运输路网中运输路线的序号，/>
Figure SMS_38
表示运输路网中运输路线的数量。
可选地，所述根据所述安全指标得分和所述归一因子数据，生成所述待监测运输车的运输安全监测报告，包括：
获取所述安全指标得分对应的运输安全指标，分析所述运输安全指标的安全影响程度；
根据所述安全影响，配置所述安全指标得分对应的运输安全指标的指标权重；
根据所述指标权重和所述安全指标得分，构建所述待监测运输车的综合安全指标；
根据所述综合安全指标、所述安全指标得分及所述归一因子数据，生成待监测运输车的运输安全监测报告。
为了解决上述问题，本发明还提供一种运输车安全监测装置，所述装置包括：
关联关系构建模块，用于识别历史运输车的业务场景，根据所述业务场景，提取所述运输车的运输安全指标和影响安全因子，并根据所述运输安全指标，构建所述影响安全因子中安全因子之间的关联关系；
运输路网构建模块，用于查询所述历史运输车的运输路线，提取所述运输路线的线路特征，根据所述线路特征，确定所述运输路线的安全权重，根据所述线路特征和所述安全权重，构建所述历史运输车的运输路网；安全指标得分计算模块，用于实时获取待监测运输车对应于所述影响安全因子的因子数据，对所述因子数据进行归一化，得到归一因子数据，根据所述归一因子数据、所述关联关系及所述运输路网，计算所述监测运输车的安全指标得分；
安全监测报告生成模块，用于根据所述安全指标得分和所述归一因子数据，生成所述待监测运输车的运输安全监测报告。
可以看出，本发明实施例识别历史运输车的业务场景可以确定运输车的安全监测环境，提取所述运输车的运输安全指标和影响安全因子可以为后续衡量评价运输安全的依据，根据所述运输安全指标，构建所述影响安全因子中安全因子之间的关联关系可以深层解析安全因子之间对于同一运输安全指标的影响程度；其次，本发明实施例通过查询所述历史运输车的运输路线可以得到运输车的备选运输路线，提取所述运输路线的线路特征以为后续更准确的根据运输路线配置相应的安全权重，根据所述线路特征，确定所述运输路线的安全权重可以得到运输车在不同运输路线的安全性；进一步地，本发明实施例通过实时获取待监测运输车对应于所述影响安全因子的因子数据可以得到待监测运输车的影响安全因子的实时状态，以为后续综合评判待监测运输车的综合状态，对所述因子数据进行归一化可以得到归一因子数据，以统一因子数据的量纲，实现不同影响安全因子之间的比较计算，根据所述归一因子数据、所述关联关系及所述运输路网，计算所述监测运输车的安全指标得分可以得到监测运输车的在各个安全指标的状态，以全面监测运输车的安全性，根据所述安全指标得分和所述归一因子数据可以生成待监测运输车的最终运输安全监测报告，以多维度的综合评价待监测运输车的安全性，从而可以提高待监测运输车的安全监控准确性。因此，本发明实施例提出的一种运输车安全监测方法及装置，可以提高运输车运行的安全系数。
附图说明
图1为本发明一实施例提供的运输车安全监测方法的流程示意图；
图2为本发明一实施例提供的运输车安全监测装置的功能模块图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例提供一种运输车安全监测方法。所述运输车安全监测方法的执行主体包括但不限于服务端、终端等能够被配置为执行本发明实施例提供的该方法的电子设备中的至少一种。换言之，所述运输车安全监测方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的运输车安全监测方法的流程示意图。在本发明实施例中，所述运输车安全监测方法包括：
S1、识别历史运输车的业务场景，根据所述业务场景，提取所述运输车的运输安全指标和影响安全因子，并根据所述运输安全指标，构建所述影响安全因子中安全因子之间的关联关系。
本发明实施例中，所述业务场景是指业务环境中可能发生的一组情况的概述场景，所述概述场景可以理解为基于构成业务当前状况的事件和因素的组合，及对未来可能发生的事件的一些预测，其可以通过分析历史运输车的业务需求识别。
进一步地，本发明实施例通过根据所述业务场景，提取所述运输车的运输安全指标和影响安全因子可以为后续衡量评价运输安全的依据。其中，所述运输安全指标是指在运输过程中使运输对象达到完好无损，平安实现位移的满足程度的参数或方法。所述影响安全因子是为了提高安全性而在考虑某个特定目标时增加的变量。
进一步地，作为本发明的一个可选实施例，所述根据所述业务场景，提取所述运输车的运输安全指标和影响安全因子，包括：根据所述业务场景，分析所述运输车的业务需求和业务目标；根据所述业务需求、所述业务目标及预先构建的指标构建原则，确定所述运输车的运输安全指标；分析所述运输安全指标的构成因素，识别所述构成因素中的影响安全因子。
其中，所述指标构建原则是指在构建指标体系时，为了使指标体系科学化、规范化，应遵循的原则，如科学性原则、系统优化原则、通用可比原则、实用性原则及目标导向原则等。
进一步地，本发明实施例通过根据所述运输安全指标，构建所述影响安全因子中安全因子之间的关联关系可以深层解析安全因子之间对于同一运输安全指标的影响程度。
进一步地，作为本发明的一个可选实施例，所述根据所述运输安全指标，构建所述影响安全因子中安全因子之间的关联关系，包括：根据所述运输安全指标，构建所述影响安全因子的树状层次结构，根据所述树状层次结构，确定所述影响安全因子的定量化标度；根据所述定量化标度，构建所述影响安全因子的判断矩阵，根据所述判断矩阵，计算所述影响安全因子的权重系数；根据所述树状层次结构和所述权重系数，构建所述影响安全因子中安全因子之间的关联关系。
进一步地，作为本发明的一个可选实施例，所述根据所述定量化标度，构建所述影响安全因子的判断矩阵，包括：根据所述定量化标度，确定所述影响安全因子中安全因子之间的标度值，根据所述标度值，构建所述影响安全因子的判断矩阵。
进一步地，作为本发明的一个可选实施例，所述根据所述判断矩阵，计算所述影响安全因子的权重系数，包括：
将所述判断矩阵按列规范化，得到规范化矩阵，将所述规范化矩阵进行权重向量求和，得到权重向量；
根据所述权重向量，利用下述公式计算所述规范化矩阵的最大特征值：
Figure SMS_50
Figure SMS_51
其中，/>
Figure SMS_54
表示判断矩阵的最大特征值，/>
Figure SMS_49
表示判断矩阵的规范化矩阵，/>
Figure SMS_53
表示权重向量,/>
Figure SMS_55
表示规范化矩阵与权重向量乘积的第/>
Figure SMS_57
个向量分量，/>
Figure SMS_48
表示权重向量的第/>
Figure SMS_52
个向量分量，/>
Figure SMS_56
表示判断矩阵的行列数量；
根据所述最大特征值，计算所述规范化矩阵的一致性比率，在所述一致性比率小于预设阈值时，将所述权重向量中的每个分量作为所述影响安全因子的权重系数。
其中，所述预设阈值是指一个效应能够产生的临界值，可设定为0.1。
可选的，所述根据所述最大特征值，计算所述规范化矩阵的一致性比率，包括：
可以利用下述公式计算所述规范化矩阵的一致性指标：
Figure SMS_58
其中，/>
Figure SMS_59
表示规范化矩阵的一致性指标，/>
Figure SMS_60
表示规范化矩阵的最大特征值，/>
Figure SMS_61
表示规范化矩阵的行列数量。
根据所述一致性指标，利用下述公式计算所述规范化矩阵的一致性比率：
Figure SMS_62
其中，/>
Figure SMS_63
表示规范化矩阵的一致性比率，/>
Figure SMS_64
表示规范化矩阵的一致性指标，/>
Figure SMS_65
表示随机一致性指标，可通过查询预设的/>
Figure SMS_66
统计表得到。
S2、查询所述历史运输车的运输路线，提取所述运输路线的线路特征，根据所述线路特征，确定所述运输路线的安全权重，根据所述线路特征和所述安全权重，构建所述历史运输车的运输路网。
本发明实施例通过查询所述历史运输车的运输路线可以得到运输车的备选运输路线，所述历史运输车的运输路线可以通过查询预构建的历史运输车数据库得到。其中，所述历史运输车数据库是指应用工业海量数据采集的有效手段，存储记录历史运输车在多维度运输状态的数据集合。
进一步地，本发明实施例通过提取所述运输路线的线路特征以为后续更准确的根据运输路线配置相应的安全权重。其中，所述运输路线是供运输工具定向移动的通道，是运输工具赖以运行的物质基础，其包括铁路、公路、航线和管道等运输线路类型。
进一步地，作为本发明的一个可选实施例，所述提取所述运输路线的线路特征，包括：识别所述运输路线的路线类型，根据所述路线类型，分析所述运输路线的时空特性；根据所述路线类型和所述时空特性，确定所述运输路线的线路特征。其中，包括所述时空特性是指运输路线在时间和空间上特点和性质，其包括运输时间的季节气候、运输时间段、运输路线的空间地形及事故易发地段等特性。
进一步地，本发明实施例通过根据所述线路特征，确定所述运输路线的安全权重可以得到运输车在不同运输路线的安全性。其中，所述安全权重是指由运输路线的特性对运输安全性的衡量参数。
进一步地，作为本发明的一个可选实施例，所述根据所述线路特征，确定所述运输路线的安全权重，包括：
利用下述公式计算所述运输路线的安全权重：
Figure SMS_68
其中，/>
Figure SMS_70
表示第/>
Figure SMS_72
条运输路线的安全权重，/>
Figure SMS_69
表示第/>
Figure SMS_71
条线运输路线对应线路特征中的路线类型，/>
Figure SMS_73
表示第/>
Figure SMS_74
条线运输路线对应线路特征中的时空特性，/>
Figure SMS_67
表示运输路线的序号。
进一步地，本发明实施例通过根据所述线路特征和所述安全权重，构建所述历史运输车的运输路网可以确定运输车的安全监测路线范围，以实现后续运输车的线路精准监控。
进一步地，作为本发明的一个可选实施例，所述根据所述线路特征和所述安全权重，构建所述历史运输车的运输路网，包括：获取所述线路特征对应的所述运输路线的起始点和目的点，将所述起始点和所述目的点作为路线节点；连接所述起始点和所述目的点，得到初始路线路径；配置所述初始路线路径的所述线路特征和所述安全权重，得到目标路线路径；根据所述路线节点和所述目标路线路径，构建所述历史运输车的运输路网。
S3、实时获取待监测运输车对应于所述影响安全因子的因子数据，对所述因子数据进行归一化，得到归一因子数据，根据所述归一因子数据、所述关联关系及所述运输路网，计算所述监测运输车的安全指标得分。
本发明实施例通过实时获取待监测运输车对应于所述影响安全因子的因子数据可以得到待监测运输车的影响安全因子的实时状态，以为后续综合评判待监测运输车的综合状态，所述影响安全因子的因子数据可以通过数据脚本获取，所述数据脚本可以通过JS脚本语言进行编译。
进一步地，本发明实施例通过对所述因子数据进行归一化可以得到归一因子数据，以统一因子数据的量纲，实现不同影响安全因子之间的比较计算，所述归一因子数据可以通过归一算法得到。其中，所述归一算法有两种形式，一种是把数变为(0,1)之间的小数，一种是把有量纲表达式变为无量纲表达式。
进一步地，本发明实施例通过根据所述归一因子数据、所述关联关系及所述运输路网，计算所述监测运输车的安全指标得分可以得到监测运输车的在各个安全指标的状态，以全面监测运输车的安全性。
进一步地，作为本发明的一个可选实施例，所述根据所述归一因子数据、所述关联关系及所述运输路网，计算所述监测运输车的安全指标得分，包括：
利用下述公式计算所述监测运输车的安全指标得分：
Figure SMS_77
其中，/>
Figure SMS_81
表示监测运输车的安全指标得分，/>
Figure SMS_84
表示关联关系中第/>
Figure SMS_78
个影响安全因子的权重系数，/>
Figure SMS_80
表示运输路网中第/>
Figure SMS_83
条运输路线的安全权重，/>
Figure SMS_86
表示第/>
Figure SMS_75
个归一因子数据，/>
Figure SMS_79
表示影响安全因子的序号，/>
Figure SMS_82
表示影响安全因子的数量，/>
Figure SMS_85
表示运输路网中运输路线的序号，/>
Figure SMS_76
表示运输路网中运输路线的数量。
S4、根据所述安全指标得分和所述归一因子数据，生成所述待监测运输车的运输安全监测报告。
本发明实施例通过根据所述安全指标得分和所述归一因子数据可以生成待监测运输车的最终运输安全监测报告，以多维度的综合评价待监测运输车的安全性，从而可以提高待监测运输车的安全监控准确性。
进一步地，作为本发明的一个可选实施例，所述根据所述安全指标得分和所述归一因子数据，生成待监测运输车的运输安全监测报告，包括：获取所述安全指标得分对应的运输安全指标，分析所述运输安全指标的安全影响程度；根据所述安全影响，配置所述安全指标得分对应的运输安全指标的指标权重；根据所述指标权重和所述安全指标得分，构建所述待监测运输车的综合安全指标；根据所述综合安全指标、所述安全指标得分及所述归一因子数据，生成待监测运输车的运输安全监测报告。
可以看出，本发明实施例识别历史运输车的业务场景可以确定运输车的安全监测环境，提取所述运输车的运输安全指标和影响安全因子可以为后续衡量评价运输安全的依据，根据所述运输安全指标，构建所述影响安全因子中安全因子之间的关联关系可以深层解析安全因子之间对于同一运输安全指标的影响程度；其次，本发明实施例通过查询所述历史运输车的运输路线可以得到运输车的备选运输路线，提取所述运输路线的线路特征以为后续更准确的根据运输路线配置相应的安全权重，根据所述线路特征，确定所述运输路线的安全权重可以得到运输车在不同运输路线的安全性；进一步地，本发明实施例通过实时获取待监测运输车对应于所述影响安全因子的因子数据可以得到待监测运输车的影响安全因子的实时状态，以为后续综合评判待监测运输车的综合状态，对所述因子数据进行归一化可以得到归一因子数据，以统一因子数据的量纲，实现不同影响安全因子之间的比较计算，根据所述归一因子数据、所述关联关系及所述运输路网，计算所述监测运输车的安全指标得分可以得到监测运输车的在各个安全指标的状态，以全面监测运输车的安全性，根据所述安全指标得分和所述归一因子数据可以生成待监测运输车的最终运输安全监测报告，以多维度的综合评价待监测运输车的安全性，从而可以提高待监测运输车的安全监控准确性。因此，本发明实施例提出的一种运输车安全监测方法，可以提高运输车运行的安全系数。
如图2所示，是本发明运输车安全监测装置的功能模块图。
本发明所述运输车安全监测装置100可以安装于电子设备中。根据实现的功能，所述运输车安全监测装置可以包括关联关系构建模块101、运输路网构建模块102、安全指标得分计算模块103以及安全监测报告生成模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备的处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述关联关系构建模块101，用于识别历史运输车的业务场景，根据所述业务场景，提取所述运输车的运输安全指标和影响安全因子，并根据所述运输安全指标，构建所述影响安全因子中安全因子之间的关联关系；
所述运输路网构建模块102，用于查询所述历史运输车的运输路线，提取所述运输路线的线路特征，根据所述线路特征，确定所述运输路线的安全权重，根据所述线路特征和所述安全权重，构建所述历史运输车的运输路网；所述安全指标得分计算模块103，用于实时获取待监测运输车对应于所述影响安全因子的因子数据，对所述因子数据进行归一化，得到归一因子数据，根据所述归一因子数据、所述关联关系及所述运输路网，计算所述监测运输车的安全指标得分；
所述安全监测报告生成模块104，用于根据所述安全指标得分和所述归一因子数据，生成所述待监测运输车的运输安全监测报告。
详细地，本发明实施例中所述运输车安全监测装置100中的所述各模块在使用时采用与上述的图1中所述的运输车安全监测方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能（Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (7)

1.一种运输车安全监测方法，其特征在于，所述方法包括：
识别历史运输车的业务场景，根据所述业务场景，提取所述运输车的运输安全指标和影响安全因子，并根据所述运输安全指标，构建所述影响安全因子中安全因子之间的关联关系；
查询所述历史运输车的运输路线，提取所述运输路线的线路特征，根据所述线路特征，确定所述运输路线的安全权重，根据所述线路特征和所述安全权重，构建所述历史运输车的运输路网；
所述根据所述线路特征，确定所述运输路线的安全权重，包括：
利用下述公式计算所述运输路线的安全权重：
Figure QLYQS_2
其中，/>
Figure QLYQS_5
表示第/>
Figure QLYQS_7
条运输路线的安全权重，/>
Figure QLYQS_3
表示第/>
Figure QLYQS_4
条运输路线对应线路特征中的路线类型，/>
Figure QLYQS_6
表示第/>
Figure QLYQS_8
条运输路线对应线路特征中的时空特性，/>
Figure QLYQS_1
表示运输路线的序号；
所述提取所述运输路线的线路特征，包括：识别所述运输路线的路线类型，根据所述路线类型，分析所述运输路线的时空特性；根据所述路线类型和所述时空特性，确定所述运输路线的线路特征；其中，包括所述时空特性是指运输路线在时间和空间上特点和性质，其包括运输时间的季节气候、运输时间段、运输路线的空间地形及事故易发地段等特性；
实时获取待监测运输车对应于所述影响安全因子的因子数据，对所述因子数据进行归一化，得到归一因子数据，根据所述归一因子数据、所述关联关系及所述运输路网，计算所述监测运输车的安全指标得分；
所述根据所述归一因子数据、所述关联关系及所述运输路网，计算所述监测运输车的安全指标得分，包括：
利用下述公式计算所述监测运输车的安全指标得分：
Figure QLYQS_10
其中，/>
Figure QLYQS_13
表示监测运输车的安全指标得分，/>
Figure QLYQS_16
表示关联关系中第/>
Figure QLYQS_12
个影响安全因子的权重系数，/>
Figure QLYQS_14
表示运输路网中第/>
Figure QLYQS_18
条运输路线的安全权重，/>
Figure QLYQS_19
表示第/>
Figure QLYQS_9
个归一因子数据，/>
Figure QLYQS_15
表示影响安全因子的序号，/>
Figure QLYQS_17
表示影响安全因子的数量，/>
Figure QLYQS_20
表示运输路网中运输路线的序号，表示运输路网中运/>
Figure QLYQS_11
表示运输路网中运输路线的数量；
根据所述安全指标得分和所述归一因子数据，生成所述待监测运输车的运输安全监测报告；
所述根据所述安全指标得分和所述归一因子数据，生成所述待监测运输车的运输安全监测报告，包括：
获取所述安全指标得分对应的运输安全指标，分析所述运输安全指标的安全影响程度；
根据所述安全影响，配置所述安全指标得分对应的运输安全指标的指标权重；
根据所述指标权重和所述安全指标得分，构建所述待监测运输车的综合安全指标；
根据所述综合安全指标、所述安全指标得分及所述归一因子数据，生成待监测运输车的运输安全监测报告。
2.如权利要求1所述的运输车安全监测方法，其特征在于，所述根据所述业务场景，提取所述运输车的运输安全指标和影响安全因子，包括：
根据所述业务场景，分析所述运输车的业务需求和业务目标；
根据所述业务需求、所述业务目标及预先构建的指标构建原则，确定所述运输车的运输安全指标；
分析所述运输安全指标的构成因素，识别所述构成因素中的影响安全因子。
3.如权利要求1所述的运输车安全监测方法，其特征在于，所述根据所述运输安全指标，构建所述影响安全因子中安全因子之间的关联关系，包括：
根据所述运输安全指标，构建所述影响安全因子的树状层次结构，根据所述树状层次结构，确定所述影响安全因子的定量化标度；
根据所述定量化标度，构建所述影响安全因子的判断矩阵，根据所述判断矩阵，计算所述影响安全因子的权重系数；
根据所述树状层次结构和所述权重系数，构建所述影响安全因子中安全因子之间的关联关系。
4.如权利要求3所述的运输车安全监测方法，其特征在于，所述根据所述判断矩阵，计算所述影响安全因子的权重系数，包括：
将所述判断矩阵按列规范化，得到规范化矩阵，将所述规范化矩阵进行权重向量求和，得到权重向量；
根据所述权重向量，利用下述公式计算所述规范化矩阵的最大特征值：
Figure QLYQS_21
；
Figure QLYQS_22
其中，/>
Figure QLYQS_25
表示判断矩阵的最大特征值，/>
Figure QLYQS_28
表示判断矩阵的规范化矩阵，/>
Figure QLYQS_24
表示权重向量,/>
Figure QLYQS_27
表示规范化矩阵与权重向量乘积的第/>
Figure QLYQS_29
个向量分量，/>
Figure QLYQS_30
表示权重向量的第/>
Figure QLYQS_23
个向量分量，/>
Figure QLYQS_26
表示判断矩阵的行列数量；
根据所述最大特征值，计算所述规范化矩阵的一致性比率，在所述一致性比率小于预设阈值时，将所述权重向量中的每个分量作为所述影响安全因子的权重系数。
5.如权利要求4所述的运输车安全监测方法，其特征在于，所述根据所述最大特征值，计算所述规范化矩阵的一致性比率，包括：
利用下述公式计算所述规范化矩阵的一致性指标：
Figure QLYQS_31
其中，/>
Figure QLYQS_32
表示规范化矩阵的一致性指标，/>
Figure QLYQS_33
表示规范化矩阵的最大特征值，/>
Figure QLYQS_34
表示规范化矩阵的行列数量；
根据所述一致性指标，利用下述公式计算所述规范化矩阵的一致性比率：
Figure QLYQS_35
其中，/>
Figure QLYQS_36
表示规范化矩阵的一致性比率，/>
Figure QLYQS_37
表示规范化矩阵的一致性指标，/>
Figure QLYQS_38
表示随机一致性指标。
6.如权利要求1所述的运输车安全监测方法，其特征在于，所述根据所述线路特征和所述安全权重，构建所述历史运输车的运输路网，包括：
获取所述线路特征对应的所述运输路线的起始点和目的点，将所述起始点和所述目的点作为路线节点；
连接所述起始点和所述目的点，得到初始路线路径，配置所述初始路线路径的所述线路特征和所述安全权重，得到目标路线路径；
根据所述路线节点和所述目标路线路径，构建所述历史运输车的运输路网。
7.一种运输车安全监测装置，其特征在于，所述装置包括：
关联关系构建模块，用于识别历史运输车的业务场景，根据所述业务场景，提取所述运输车的运输安全指标和影响安全因子，并根据所述运输安全指标，构建所述影响安全因子中安全因子之间的关联关系；
运输路网构建模块，用于查询所述历史运输车的运输路线，提取所述运输路线的线路特征，根据所述线路特征，确定所述运输路线的安全权重，根据所述线路特征和所述安全权重，构建所述历史运输车的运输路网；
所述根据所述线路特征，确定所述运输路线的安全权重，包括：
利用下述公式计算所述运输路线的安全权重：
Figure QLYQS_39
其中，/>
Figure QLYQS_42
表示第/>
Figure QLYQS_44
条运输路线的安全权重，/>
Figure QLYQS_41
表示第/>
Figure QLYQS_43
条运输路线对应线路特征中的路线类型，/>
Figure QLYQS_45
表示第/>
Figure QLYQS_46
条运输路线对应线路特征中的时空特性，/>
Figure QLYQS_40
表示运输路线的序号；
所述提取所述运输路线的线路特征，包括：识别所述运输路线的路线类型，根据所述路线类型，分析所述运输路线的时空特性；根据所述路线类型和所述时空特性，确定所述运输路线的线路特征；其中，包括所述时空特性是指运输路线在时间和空间上特点和性质，其包括运输时间的季节气候、运输时间段、运输路线的空间地形及事故易发地段等特性；
安全指标得分计算模块，用于实时获取待监测运输车对应于所述影响安全因子的因子数据，对所述因子数据进行归一化，得到归一因子数据，根据所述归一因子数据、所述关联关系及所述运输路网，计算所述监测运输车的安全指标得分；
所述根据所述归一因子数据、所述关联关系及所述运输路网，计算所述监测运输车的安全指标得分，包括：
利用下述公式计算所述监测运输车的安全指标得分：
Figure QLYQS_48
其中，/>
Figure QLYQS_53
表示监测运输车的安全指标得分，/>
Figure QLYQS_55
表示关联关系中第/>
Figure QLYQS_50
个影响安全因子的权重系数，/>
Figure QLYQS_52
表示运输路网中第/>
Figure QLYQS_56
条运输路线的安全权重，/>
Figure QLYQS_58
表示第/>
Figure QLYQS_49
个归一因子数据，/>
Figure QLYQS_51
表示影响安全因子的序号，/>
Figure QLYQS_54
表示影响安全因子的数量，/>
Figure QLYQS_57
表示运输路网中运输路线的序号，/>
Figure QLYQS_47
表示运输路网中运输路线的数量；
安全监测报告生成模块，用于根据所述安全指标得分和所述归一因子数据，生成所述待监测运输车的运输安全监测报告；
所述根据所述安全指标得分和所述归一因子数据，生成所述待监测运输车的运输安全监测报告，包括：
获取所述安全指标得分对应的运输安全指标，分析所述运输安全指标的安全影响程度；
根据所述安全影响，配置所述安全指标得分对应的运输安全指标的指标权重；
根据所述指标权重和所述安全指标得分，构建所述待监测运输车的综合安全指标；
根据所述综合安全指标、所述安全指标得分及所述归一因子数据，生成待监测运输车的运输安全监测报告。
CN202310133626.9A 2023-02-20 2023-02-20 一种运输车安全监测方法及装置 Active CN115879848B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310133626.9A CN115879848B (zh) 2023-02-20 2023-02-20 一种运输车安全监测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310133626.9A CN115879848B (zh) 2023-02-20 2023-02-20 一种运输车安全监测方法及装置

Publications (2)

Publication Number Publication Date
CN115879848A CN115879848A (zh) 2023-03-31
CN115879848B true CN115879848B (zh) 2023-06-06

Family

ID=85761328

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310133626.9A Active CN115879848B (zh) 2023-02-20 2023-02-20 一种运输车安全监测方法及装置

Country Status (1)

Country Link
CN (1) CN115879848B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117130265B (zh) * 2023-10-27 2024-01-02 江苏辰星药业股份有限公司 一种保健品运输环境自适应控制方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110033215A (zh) * 2019-03-11 2019-07-19 广东工业大学 一种物流车辆信息监控平台
CN111126904A (zh) * 2019-12-16 2020-05-08 西南交通大学 一种基于ArcGis的危险品运输管理方法
CN111667161A (zh) * 2020-05-27 2020-09-15 中国国家铁路集团有限公司 高速铁路运营安全指数的确定方法
CN113988476A (zh) * 2021-11-26 2022-01-28 苏交科集团股份有限公司 一种针对道路运输安全风险的动态评估预测方法
CN114819805A (zh) * 2022-03-31 2022-07-29 中国科学技术大学 车辆运输管理系统
CN115222265A (zh) * 2022-07-22 2022-10-21 中国铁道科学研究院集团有限公司 一种铁路全线路轨道状态确定方法及装置

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104680037A (zh) * 2015-03-27 2015-06-03 华北水利水电大学 一种水路运输安全监测评价方法
CN109409768B (zh) * 2018-11-12 2022-05-10 广东工业大学 物流运输车辆的预警方法
CN113554248A (zh) * 2020-04-23 2021-10-26 中国石油化工股份有限公司 危化品运输车辆的风险动态预警评估方法及装置
CN111950901A (zh) * 2020-08-12 2020-11-17 广州立信电子科技有限公司 一种基于远程监控的物流运输行驶安全监测管理系统
CN112419719B (zh) * 2020-11-18 2022-06-07 济南北方交通工程咨询监理有限公司 高速公路交通运营安全评价方法及系统
CN113160564A (zh) * 2021-04-01 2021-07-23 公安部道路交通安全研究中心 一种交通安全预警分析方法、装置及计算机设备
CN113611104B (zh) * 2021-07-06 2022-07-22 北京中交兴路车联网科技有限公司 货运车辆的风险识别方法、装置、存储介质及终端
CN114333317B (zh) * 2021-12-31 2023-06-02 杭州海康威视数字技术股份有限公司 一种交通事件的处理方法、装置、电子设备及存储介质
CN115373305A (zh) * 2022-07-20 2022-11-22 中国建筑土木建设有限公司 一种混凝土运输车状态监控的方法
CN115577011A (zh) * 2022-10-24 2023-01-06 云南电网有限责任公司电力科学研究院 一种输电线路监测方法及相关设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110033215A (zh) * 2019-03-11 2019-07-19 广东工业大学 一种物流车辆信息监控平台
CN111126904A (zh) * 2019-12-16 2020-05-08 西南交通大学 一种基于ArcGis的危险品运输管理方法
CN111667161A (zh) * 2020-05-27 2020-09-15 中国国家铁路集团有限公司 高速铁路运营安全指数的确定方法
CN113988476A (zh) * 2021-11-26 2022-01-28 苏交科集团股份有限公司 一种针对道路运输安全风险的动态评估预测方法
CN114819805A (zh) * 2022-03-31 2022-07-29 中国科学技术大学 车辆运输管理系统
CN115222265A (zh) * 2022-07-22 2022-10-21 中国铁道科学研究院集团有限公司 一种铁路全线路轨道状态确定方法及装置

Also Published As

Publication number Publication date
CN115879848A (zh) 2023-03-31

Similar Documents

Publication Publication Date Title
US7509235B2 (en) Method and system for forecasting reliability of assets
Kim et al. Factor selection for delay analysis using knowledge discovery in databases
CN115879848B (zh) 一种运输车安全监测方法及装置
CN111143097A (zh) 面向gnss定位服务的故障治理系统和方法
CN109002959A (zh) 一种基于大数据的危化品运输风险预测系统
CN108694516A (zh) 一种基于大数据的危化品运输风险预测方法
Triana et al. Enhance interval width of crime forecasting with ARIMA model-fuzzy alpha cut
Guzmáan et al. Fuzzy models and resolution methods for covering location problems: an annotated bibliography
Ponti et al. A Wasserstein distance based multiobjective evolutionary algorithm for the risk aware optimization of sensor placement
CN117235524A (zh) 自动估值模型的学习训练平台
CN114926042A (zh) 网点物流监控方法、装置、设备及存储介质
US10824956B1 (en) System and method for price estimation of reports before execution in analytics
CN113918718A (zh) 基于人工智能的车险用户分类方法、装置、设备及介质
Oh et al. Quantum mechanics-based missing value estimation framework for industrial data
CN112070307A (zh) 一种区域内能源负荷量的预测方法及装置
CN115809796A (zh) 基于用户画像的项目智能派工方法及系统
CN113837467B (zh) 点对点能源项目评估方法、装置、计算机设备和存储介质
CN115034686A (zh) 作业行为量化方法、装置、计算机设备和存储介质
CN114676021A (zh) 作业日志监控方法、装置、计算机设备和存储介质
Žunic et al. Improving unloading time prediction for Vehicle Routing Problem based on GPS data
Wang et al. Communication network time series prediction algorithm based on big data method
CN113779116A (zh) 对象排序方法、相关设备及介质
CN111967774A (zh) 软件质量风险预测方法及装置
CN115913989B (zh) 一种云管理平台的资源保护方法
Gonzalez-Prida et al. Inequality Indices Based on the Notion of Shannon-Entropy for the Assessments of Industrial Fleets

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