CN116415879A - 一种基于标识解析的液体罐车监测方法及系统 - Google Patents
一种基于标识解析的液体罐车监测方法及系统 Download PDFInfo
- Publication number
- CN116415879A CN116415879A CN202310416775.6A CN202310416775A CN116415879A CN 116415879 A CN116415879 A CN 116415879A CN 202310416775 A CN202310416775 A CN 202310416775A CN 116415879 A CN116415879 A CN 116415879A
- Authority
- CN
- China
- Prior art keywords
- data
- tank truck
- liquid tank
- monitoring data
- liquid
- 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
- 239000007788 liquid Substances 0.000 title claims abstract description 283
- 238000012544 monitoring process Methods 0.000 title claims abstract description 209
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000004458 analytical method Methods 0.000 title claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 66
- 230000008569 process Effects 0.000 claims abstract description 32
- 230000002159 abnormal effect Effects 0.000 claims description 38
- 230000008859 change Effects 0.000 claims description 15
- 238000003062 neural network model Methods 0.000 claims description 10
- 238000012508 change request Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 5
- 238000012795 verification Methods 0.000 claims description 5
- 238000012790 confirmation Methods 0.000 claims description 3
- 238000004880 explosion Methods 0.000 claims description 3
- 239000000383 hazardous chemical Substances 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000002485 combustion reaction Methods 0.000 claims description 2
- 230000000977 initiatory effect Effects 0.000 claims description 2
- 238000011144 upstream manufacturing Methods 0.000 claims description 2
- 239000000126 substance Substances 0.000 description 15
- 230000005856 abnormality Effects 0.000 description 6
- 230000001105 regulatory effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0832—Special goods or special handling procedures, e.g. handling of hazardous or fragile goods
-
- 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
- G06Q10/083—Shipping
- G06Q10/0833—Tracking
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种基于标识解析的液体罐车监测方法及系统,方法包括:主动标识解析设备根据液体罐车的基础数据,为液体罐车生成唯一标识;主动标识解析设备安装于液体罐车;获取液体罐车在运输过程中的监测数据,将监测数据发送至液体罐车的车载处理设备;车载处理设备将唯一标识与监测数据进行关联,将关联监测数据发送至数据监控中心服务器;数据监控中心服务器将关联监测数据进行上链,根据关联监测数据,确定液体罐车的危险等级;若危险等级大于预设等级,则根据关联监测数据,生成液体罐车的预警信息,将预警信息发送至车载处理设备,并将预警信息进行上链。能够提高监测的高效性与准确性。
Description
技术领域
本申请涉及交通技术领域,尤其涉及一种基于标识解析的液体罐车监测方法及系统。
背景技术
危险化工液体罐车运输,是指易燃易爆物、危险易产生化学反应、放射性等液体形式的罐车运输作业,在装载或运输过程中经常因为管理不善导致人身安全及财产安全受到威胁。
目前,在企业生产危险化工液体后需要通过罐车等方式来实现危险品的运输,由于危险化工液体的安全特殊性以及不易操作性,危险品突发事故频频发生,人员安全受到威胁,财产受到巨大损失,普遍存在危险化工物品在管理及使用不规范、管理范围受限制、无法实现实时监控的问题,从而导致液体罐车在执行液体运输任务时,对液体罐车的监测准确性与高效性低。
发明内容
本申请实施例提供一种基于标识解析的液体罐车监测方法及系统,用于解决液体罐车在执行运输任务时,对液体罐车的监测准确性与高效性低的问题。
本申请实施例采用下述技术方案:
一方面,本申请实施例提供了一种基于标识解析的液体罐车监测方法,该方法包括:主动标识解析设备根据液体罐车的基础数据,为液体罐车生成唯一标识;所述基础数据包括液体罐车的标准信息以及装载液体的标准信息;所述主动标识解析设备安装于所述液体罐车;获取液体罐车在运输过程中的监测数据,将所述监测数据发送至所述液体罐车的车载处理设备;所述监测数据包括所述液体罐车的运输轨迹数据、所述液体罐车的内部物理环境数据以及液体在装卸过程中的人员操作数据中的至少一种;所述车载处理设备将所述唯一标识与所述监测数据进行关联,将关联监测数据发送至数据监控中心服务器;所述数据监控中心服务器将所述关联监测数据进行上链,根据所述关联监测数据,确定所述液体罐车的危险等级;其中,所述危险等级越高,所述液体罐车发生危险的概率越高;若所述危险等级大于预设等级,则根据所述关联监测数据,生成所述液体罐车的预警信息,将所述预警信息发送至所述车载处理设备,并将所述预警信息进行上链。
一个示例中,所述将关联监测数据发送至数据监控中心服务器,具体包括:所述车载处理设备根据预设规则对所述关联监测数据分析,确定所述关联监测数据是否存在异常;若是,则对所述关联监测数据进行异常标记,并实时将异常标记的关联监测数据发送至所述数据监控中心服务器;若否,则在预设周期内,将所述关联监测数据发送至所述数据监控中心服务器。
一个示例中,车载处理设备根据预设规则对所述关联监测数据分析,确定所述关联监测数据存在异常,具体包括:若所述关联监测数据为液体罐车的运输轨迹数据,则所述车载处理设备将所述关联监测数据与预先输入的运输路线进行比对,得到路线差值;若所述路线差值大于第一预设差值阈值,则确定所述关联监测数据存在异常;若所述关联监测数据为液体罐车的内部物理环境数据,则所述车载处理设备将所述关联监测数据与对应的环境阈值进行比对,得到环境差值;若所述环境差值大于第二预设差值阈值,则确定所述关联监测数据存在异常;若所述关联监测数据为所述液体在装卸过程中的人员操作数据,则所述车载处理设备在所述关联监测数据中,获取作业人员在装卸过程中的视频图像,根据所述视频图像判断所述作业人员的操作步骤是否满足液体种类的装卸操作要求,在不满足时,则确定所述关联监测数据存在异常。
一个示例中,所述根据所述关联监测数据,确定所述液体罐车的危险等级,具体包括:若所述关联监测数据具有异常标记,则根据所述关联监测数据的异常类型,确定所述液体罐车的危险等级;若所述关联监测数据不具有异常标记,则确定液体罐车的内部物理环境数据所对应的关联监测数据,作为第一待分析关联监测数据;将所述车载处理设备在上周期上传的液体罐车的内部环境数据,作为第二待分析关联监测数据;将所述第一待分析关联监测数据与所述第二待分析关联监测数据进行比对,生成相同物理环境数据类型之间的数值变化曲线;所述物理环境数据类型包括温度数据类型、湿度数据类型、压强数据类型中的至少一种;根据所述数值变化曲线,预测所述液体罐车的潜在危险类型;所述潜在危险类型包括燃烧、爆炸、泄露中的至少一种;根据所述潜在危险类型,确定所述液体罐车的危险等级。
一个示例中,所述根据所述数值变化曲线,预测所述液体罐车的潜在危险数据,具体包括:获取装载样本液体的样本液体罐车在运输过程中,所生成的相同物理环境数据类型之间的样本数值变化曲线;所述样本液体罐车与所述液体罐车之间的种类相同,所述样本液体与所述液体之间的种类相同;将所述样本数值变化曲线作为输入,将样本数值变化曲线对应的潜在危险类型作为标签,对初始神经网络模型进行有监督训练,得到潜在危险预测神经网络模型;将所述数值变化曲线输入所述潜在危险预测神经网络模型,得到所述液体罐车的潜在危险类型。
一个示例中,所述获取液体罐车在运输过程中的监测数据,将所述监测数据发送至所述液体罐车的车载处理设备之前,所述方法还包括:所述车载处理设备确定对液体进行装卸的预设作业人员名单以及预设作业人员的身份信息;获取将要进行装卸液体的作业人员的装卸请求,根据所述预设作业人员的身份信息,对所述作业人员进行身份验证;在验证通过后,允许所述作业人员进行装卸操作。
一个示例中,所述获取液体罐车在运输过程中的监测数据,将所述监测数据发送至所述液体罐车的车载处理设备之前,所述方法还包括:在所述液体罐车未开始运输时,所述车载处理设备获取所述液体罐车的预设运输人员以及所述预设运输人员的身份信息;获取所述预设运输人员的临时变更请求,将所述临时变更请求发送至所述数据监控中心服务器;所述数据监控中心服务器根据所述液体罐车的种类、所述液体罐车中装载液体的种类以及所述液体罐车的运输时间,生成所述液体罐车的调度信息;在运输人员数据库中,确定在所述液体罐车的运输时间内不具备运输任务的调度运输人员,将所述调度信息发送至所述调度运输人员;接收所述调度运输人员的确认信息,将所述调度运输人员的身份信息发送至所述车载处理设备,以对所述预设运输人员进行替换。
一个示例中,所述数据监控中心服务器将所述关联的监测数据进行上链,具体包括:所述数据监控中心服务器根据预先设定的数据结构,对所述关联监测数据进行数据拼装;确定所述液体罐车在预设历史时间段内的历史事故信息,将拼装的关联监测数据与所述历史事故信息进行集成;向区块链平台发起将集成的监测数据进行上链的请求;通过预先构建的智能合约,确定所述集成的监测数据所对应的数据属性,以在所述数据属性为隐私属性时,则将所述集成的监测数据上链至私有链,或在所述数据属性为公有属性时,则将所述集成的监测数据上链至联盟链。
一个示例中,所述液体为危险化工液体,所述装载液体的标准信息包括液体的名称、液体的种类、液体的基本属性、液体的物理环境要求标准、液体的生命周期数据、液体的生产上下游信息中的至少一种;所述液体罐车的标准信息包括液体罐车的名称、液体罐车的种类、液体罐车的主动标识解析设备的型号与部件组成中的至少一种。
另一方面,本申请实施例提供了一种基于标识解析的液体罐车监测系统,所述系统包括:主动标识解析设备根据液体罐车的基础数据,为液体罐车生成唯一标识;所述基础数据包括液体罐车的标准信息以及装载液体的标准信息;所述主动标识解析设备安装于所述液体罐车上;获取液体罐车在运输过程中的监测数据,将所述监测数据发送至所述液体罐车的车载处理设备;所述监测数据包括所述液体罐车的运输轨迹数据、所述液体罐车的内部物理环境数据以及液体在装卸过程中的人员操作数据中的至少一种;所述车载处理设备将所述唯一标识与所述监测数据进行关联,将关联监测数据发送至数据监控中心服务器;所述数据监控中心服务器将所述关联监测数据进行上链,根据所述关联监测数据,确定所述液体罐车的危险等级;其中,所述危险等级越高,所述液体罐车发生危险的概率越高;若所述危险等级大于预设等级,则根据所述关联监测数据,生成所述液体罐车的预警信息,将所述预警信息发送至所述车载处理设备,并将所述预警信息进行上链。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果:
基于标识解析的技术特性,对每一辆液体罐车都配置有主动标识解析设备,能够为液体罐车生成唯一标识,以使数据监控中心服务器将关联监测数据进行上链,实现每次运输作业时液体的全生命周期的信息记录,支持跨地域、跨环境、多种客户端信息查询,为安全运输的监管与溯源提供了可靠的数据支撑,同时,通过主动标识解析设备及时将监测数据发送至车载处理设备,以便车载处理设备与数据监控中心服务器及时对监测数据进行分析,及时发现事故,并进行提早预警,提高了液体罐车监测的准确性与高效性。
附图说明
为了更清楚地说明本申请的技术方案,下面将结合附图来对本申请的部分实施例进行详细说明,附图中:
图1为本申请实施例提供的一种基于标识解析的液体罐车监测方法的流程示意图;
图2为本申请实施例提供的一种基于标识解析的液体罐车监测系统的框架示意图。
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,下面将结合具体实施例及相应的附图对本申请的技术方案进行清楚、完整地描述。显然,所描述的实施例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。
下面参照附图来对本申请的一些实施例进行详细说明。
图1为本申请实施例提供的一种基于标识解析的液体罐车监测方法的流程示意图。该流程中的某些输入参数或者中间结果允许人工干预调节,以帮助提高准确性。
需要说明的是,本申请实施例中的液体可以是指危险化工液体,也可以是指非危险化工液体,以下皆以指危险化工液体进行解释说明。
图1中的流程可以包括以下步骤:
S101:主动标识解析设备根据液体罐车的基础数据,为液体罐车生成唯一标识。
需要说明的是,主动标识解析设备由通用集成电路卡(UICC)、芯片、模组等部件组成,预先在液体罐车中进行安装,主动标识解析设备能够主动向标识解析节点进行请求,从而通过标识解析节点为液体罐车生成唯一标识。
其中,基础数据包括液体罐车的标准信息以及装载液体的标准信息。比如,装载液体的标准信息包括液体的名称、液体的种类、液体的基本属性、液体的物理环境要求标准、液体的生命周期数据。又比如,液体罐车的标准信息包括液体罐车的名称、液体罐车的种类、液体罐车的主动标识解析设备的型号与部件组成。
S102:获取液体罐车在运输过程中的监测数据,将所述监测数据发送至所述液体罐车的车载处理设备。
比如,监测数据包括液体罐车的运输轨迹数据、液体罐车的内部物理环境数据以及液体在装卸过程中的人员操作数据。
其中,罐车的运输轨迹数据通过车载处理设备连接北斗卫星定位网络进行获取,液体罐车的内部环境数据通过预先安装在液体罐车的物联网传感器进行获取,比如,温度传感器、湿度传感器、气体密度监测传感器、漏水监测传感器、热敏传感器以及压强传感器等。液体在装卸过程中的人员操作数据通过装卸地点的图像设备进行获取,图像设备安装于装卸地点的预设位置,从而能够拍摄每辆液体罐车在该装卸地点进行装卸,装卸过程中产生的人员操作图像。
也就是说,主动标识解析设备能够实时获取到液体罐车中物联网传感器的数据。
需要说明的是,由于液体的特殊性质,比如,易燃、易泄露,因此在液体运输的过程中,通常在起点将液体装于液体罐车,到达终点才将液体进行卸掉。即,在运输的路上,不再对液体进行装卸操作。
S103:所述车载处理设备将所述唯一标识与所述监测数据进行关联,将关联监测数据发送至数据监控中心服务器。
在本申请的一些实施例中,车载处理设备如果实时将关联监测数据发送至数据监控中心服务器,可能面临流量压力,因此,将不必要的监测数据进行延时发送。
具体地,车载处理设备根据预设规则对关联监测数据分析,确定关联监测数据是否存在异常。
若是,则对关联监测数据进行异常标记,并实时将异常标记的关联监测数据发送至数据监控中心服务器。也就是说,在监测数据出现异常时,此时应该及时通知数据监控中心服务器,以便采取对应的措施,及时防止事故的发生。
若否,则在预设周期内,将关联监测数据发送至数据监控中心服务器。
进一步地,在根据预设规则对关联监测数据分析时,考虑到不同类型的监测数据采用不同的分析规则。
具体地,若关联监测数据为液体罐车的运输轨迹数据,则车载处理设备将关联监测数据与预先输入的运输路线进行比对,得到路线差值;若路线差值大于第一预设差值阈值,则确定关联监测数据存在异常。反之,若路线差值小于或等于第一预设差值阈值,则确定关联监测数据不存在异常。
若关联监测数据为液体罐车的内部物理环境数据,则车载处理设备将关联监测数据与对应的环境阈值进行比对,得到环境差值。也就是说,不同的传感器产生的数据具有不同的判断环境阈值。
若环境差值大于第二预设差值阈值,则确定关联监测数据存在异常。反之,若环境差值小于或等于第二预设差值阈值,则确定关联监测数据不存在异常。
需要说明的是,液体在装卸的过程中,液体罐车的物理内部环境数据同时也在发生较大变化,因此,此时液体罐车的物理内部环境数据可以根据装卸过程的不同,为液体罐车生成每个传感器数据分别对应的环境阈值,从而能够确定装卸过程中的监测数据是否存在异常。
而液体在运输路途上,物理内部环境数据将不会产生巨大变化,因此,在运输路途上,为液体罐车生成每个传感器数据分别对应的环境阈值,从而能够确定运输途中的监测数据是否存在异常。
需要说明的是,不同的传感器产生的数据具有不同的判断标准,对相关数据进行分类可以更快的对数据上传与下发进行异步操作,不会产生数据阻塞,减少单位处理数据量,提高处理效率。
若关联监测数据为液体在装卸过程中的人员操作数据,则车载处理设备在关联监测数据中,获取作业人员在装卸过程中的视频图像,根据视频图像判断作业人员的操作步骤是否满足液体种类的装卸操作要求,在不满足时,则确定关联监测数据存在异常。反之,在满足时,则确定关联监测数据不存在异常。
S104:所述数据监控中心服务器将所述关联监测数据进行上链,根据所述关联监测数据,确定所述液体罐车的危险等级。
其中,危险等级越高,液体罐车发生危险的概率越高。
在本申请的一些实施例中,对于危险化工等相关物品的运输需要向有关的监管部门完成报备,但传统的方式无法实现运输过程中的数据追溯,为了监管部门能够对液体罐车的监测数据进行溯源,数据监控中心服务器将关联监测数据进行上链,能够作为液体运输操作过程中安全监控的数据来源。
监管部门在追溯安全生产中的问题、还原事故现场等场景中,能够防止敏感数据被窜改。其中,向区块链存储数据是通过写在区块链上的代码,即智能合约来完成的,一旦某个事件触发了合约中的条款,代码即自动执行,不需要人为操控。
具体地,数据监控中心服务器根据预先设定的数据结构,对关联监测数据进行数据拼装。然后,确定液体罐车在预设历史时间段内的历史事故信息,将拼装的关联监测数据与历史事故信息进行集成。然后,向区块链平台发起将集成的监测数据进行上链的请求。最后,通过预先构建的智能合约,确定集成的监测数据所对应的数据属性,以在数据属性为隐私属性时,则将集成的监测数据上链至私有链,或在数据属性为公有属性时,则将集成的监测数据上链至联盟链。
也就是说,在智能合约中预先设置上传的条件,从而将不同数据属性上传至对应链上。
在本申请的一些实施例中,为了保证及时发现事故,数据监控中心服务器在预设周期内,将对上传的所有的监测数据进行数据分析。其中,在车载处理设备上传异常标记的监测数据时,将对异常标记的监测数据进行实时分析。
具体地,若关联监测数据具有异常标记,则根据关联监测数据的异常类型,确定液体罐车的危险等级。比如,异常类型为压强过大,则在异常类型与危险等级的映射表中,查找到液体的种类,然后查找该液体种类在该异常类型下,对应的危险等级。可以理解的是,既具有压强过大的异常监测数据,又具有温度过高的异常监测数据,则对应的危险等级比仅具有压强过大的监测数据时的危险等级要高。
也就是说,在车载处理设备上传实时的异常标记监测数据时,数据监控中心将实时根据关联监测数据的异常类型,确定液体罐车的危险等级。
能够针对作业人员在安全作业中不规范及危险化工液体的罐车运输因环境影响而出现异常的情况系统进行实时上报与告警。
进一步地,若在预设周期内的监测数据不具有异常标记,则对无异常标记的监测数据进行分析。
具体地,若关联监测数据不具有异常标记,则确定液体罐车的内部物理环境数据所对应的关联监测数据,作为第一待分析关联监测数据。
然后,将车载处理设备在上周期上传的液体罐车的内部环境数据,作为第二待分析关联监测数据。
然后,将第一待分析关联监测数据与第二待分析关联监测数据进行比对,生成相同物理环境数据类型之间的数值变化曲线。比如,物理环境数据类型包括温度数据类型、湿度数据类型、压强数据类型。然后,根据数值变化曲线,预测液体罐车的潜在危险类型。比如,潜在危险类型包括燃烧、爆炸、泄露。最后,根据潜在危险类型,确定液体罐车的危险等级。
进一步地,在根据数值变化曲线,预测液体罐车的潜在危险数据时,需要预先构建神经网络模型。
具体地,获取装载样本液体的样本液体罐车在运输过程中,所生成的相同物理环境数据类型之间的样本数值变化曲线。样本液体罐车与液体罐车之间的种类相同,所述样本液体与所述液体之间的种类相同。
然后,将样本数值变化曲线作为输入,将样本数值变化曲线对应的潜在危险类型作为标签,对初始神经网络模型进行有监督训练,得到潜在危险预测神经网络模型。
因此,将数值变化曲线输入潜在危险预测神经网络模型,得到液体罐车的潜在危险类型。
S105:若所述危险等级大于预设等级,则根据所述关联监测数据,生成所述液体罐车的预警信息,将所述预警信息发送至所述车载处理设备,并将所述预警信息进行上链。
其中,数据监控中心服务器以数据监控大屏应用方式进行数据预警提示,发现异常数据自动给车载处理设备及运输人员推送预警消息及应急处理方。其中,数据监控大屏应用是指整合多种系统的业务系统数据,实时处理,可多端形式展示数据大屏可视化的应用。
在本申请的一些实施例中,液体罐车需要运输人员进行运输,但是,运输人员可能出现临时无法执行运输任务的情况,在实际的危化化工液体的运输场景中,经常会出现车等人、人等车、或者人车信息不能同步的情况,导致实际运输中效率低下的问题,因此,针对信息不同步的问题,数据监控中心服务器对人车进行合理的调度,能够提高运输效率。
具体地,在液体罐车未开始运输时,车载处理设备获取液体罐车的预设运输人员以及预设运输人员的身份信息。
需要说明的是,可以通过用户输入获取液体罐车的预设运输人员以及预设运输人员的身份信息,也可以通过数据监控中心服务器进行下发得到。
然后,获取预设运输人员的临时变更请求,将临时变更请求发送至数据监控中心服务器。
然后,数据监控中心服务器根据液体罐车的种类、液体罐车中装载液体的种类以及液体罐车的运输时间,生成液体罐车的调度信息。
然后,在运输人员数据库中,确定在液体罐车的运输时间内不具备运输任务的调度运输人员,将调度信息发送至调度运输人员。
最后,接收调度运输人员的确认信息,将调度运输人员的身份信息发送至车载处理设备,以对预设运输人员进行替换。
需要说明的是,为了防止有人冒充运输人员,需要对运输人员进行身份验证,验证通过才允许执行运输任务。
在本申请的一些实施例中,由于液体的危险性质,不同种类的液体,需要具有相应能力装卸的作业人员,因此,需要对液体进行装卸的作业人员进行验证身份,使得危险化工液体的罐车运输管理更加的规范及安全。
具体地,车载处理设备确定对液体进行装卸的预设作业人员名单以及预设作业人员的身份信息。然后,获取将要进行装卸液体的作业人员的装卸请求,根据预设作业人员的身份信息,对作业人员进行身份验证。最后,在验证通过后,允许作业人员进行装卸操作。
需要说明的是,虽然本申请实施例是参照图1来对步骤S101至步骤S105依次进行介绍说明的,但这并不代表步骤S101至步骤S105必须按照严格的先后顺序执行。本申请实施例之所以按照图1中所示的顺序对步骤S101至步骤S105依次进行介绍说明,是为了方便本领域技术人员理解本申请实施例的技术方案。换句话说,在本申请实施例中,步骤S101至步骤S105之间的先后顺序可以根据实际需要进行适当调整。
通过图1的方法,基于标识解析的技术特性,对每一辆液体罐车都配置有主动标识解析设备,能够为液体罐车生成唯一标识,以使数据监控中心服务器将关联监测数据进行上链,实现每次运输作业时液体的全生命周期的信息记录,支持跨地域、跨环境、多种客户端信息查询,为安全运输的监管与溯源提供了可靠的数据支撑,同时,通过主动标识解析设备及时将监测数据发送至车载处理设备,以便车载处理设备与数据监控中心服务器及时对监测数据进行分析,及时发现事故,并进行提早预警,提高了液体罐车监测的准确性与高效性。
基于同样的思路,本申请的一些实施例还提供了上述方法对应的系统。
图2为本申请实施例提供的一种基于标识解析的液体罐车监测系统的框架示意图。
在图2中,系统包括主动标识解析设备、车载处理设备、数据监控中心服务器。
数据监控中心是整个监测系统的中枢系统,连接了每个接入系统的运载车辆与运输人员,实现中心数据实时计算,分发车载处理设备与上报区块链中心、完成不同危险化工液体种类的监测模型生成与异常数据预警,指挥液体罐车运输在监控中心的可视化调度。从而通过各模块之间建立信息共享可远程实时监控安全运输,实现提早预警、发生事故及时应急处理,使得危险化工液体罐车的运输安全得到保障。
具体地,主动标识解析设备根据液体罐车的基础数据,为液体罐车生成唯一标识;所述基础数据包括液体罐车的标准信息以及装载液体的标准信息;所述主动标识解析设备安装于所述液体罐车;
获取液体罐车在运输过程中的监测数据,将所述监测数据发送至所述液体罐车的车载处理设备;所述监测数据包括所述液体罐车的运输轨迹数据、所述液体罐车的内部物理环境数据以及液体在装卸过程中的人员操作数据中的至少一种;
所述车载处理设备将所述唯一标识与所述监测数据进行关联,将关联监测数据发送至数据监控中心服务器;
所述数据监控中心服务器将所述关联监测数据进行上链,根据所述关联监测数据,确定所述液体罐车的危险等级;其中,所述危险等级越高,所述液体罐车发生危险的概率越高;
若所述危险等级大于预设等级,则根据所述关联监测数据,生成所述液体罐车的预警信息,将所述预警信息发送至所述车载处理设备,并将所述预警信息进行上链。
能够有效的加强在危险化工液体罐车的运输中更加安全及规范、加强相关部门的追溯监管、提高预防与第一时间处理的事故的能力,保障危险物化工液体运输过程周期的安全。
需要说明的是,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、商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、商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、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请技术原理之内所作的任何修改、等同替换、改进等,均应落入本申请的保护范围之内。
Claims (10)
1.一种基于标识解析的液体罐车监测方法,其特征在于,所述方法包括:
主动标识解析设备根据液体罐车的基础数据,为液体罐车生成唯一标识;所述基础数据包括液体罐车的标准信息以及装载液体的标准信息;所述主动标识解析设备安装于所述液体罐车;
获取液体罐车在运输过程中的监测数据,将所述监测数据发送至所述液体罐车的车载处理设备;所述监测数据包括所述液体罐车的运输轨迹数据、所述液体罐车的内部物理环境数据以及液体在装卸过程中的人员操作数据中的至少一种;
所述车载处理设备将所述唯一标识与所述监测数据进行关联,将关联监测数据发送至数据监控中心服务器;
所述数据监控中心服务器将所述关联监测数据进行上链,根据所述关联监测数据,确定所述液体罐车的危险等级;其中,所述危险等级越高,所述液体罐车发生危险的概率越高;
若所述危险等级大于预设等级,则根据所述关联监测数据,生成所述液体罐车的预警信息,将所述预警信息发送至所述车载处理设备,并将所述预警信息进行上链。
2.根据权利要求1所述的方法,其特征在于,所述将关联监测数据发送至数据监控中心服务器,具体包括:
所述车载处理设备根据预设规则对所述关联监测数据分析,确定所述关联监测数据是否存在异常;
若是,则对所述关联监测数据进行异常标记,并实时将异常标记的关联监测数据发送至所述数据监控中心服务器;
若否,则在预设周期内,将所述关联监测数据发送至所述数据监控中心服务器。
3.根据权利要求2所述的方法,其特征在于,车载处理设备根据预设规则对所述关联监测数据分析,确定所述关联监测数据存在异常,具体包括:
若所述关联监测数据为液体罐车的运输轨迹数据,则所述车载处理设备将所述关联监测数据与预先输入的运输路线进行比对,得到路线差值;
若所述路线差值大于第一预设差值阈值,则确定所述关联监测数据存在异常;
若所述关联监测数据为液体罐车的内部物理环境数据,则所述车载处理设备将所述关联监测数据与对应的环境阈值进行比对,得到环境差值;
若所述环境差值大于第二预设差值阈值,则确定所述关联监测数据存在异常;
若所述关联监测数据为所述液体在装卸过程中的人员操作数据,则所述车载处理设备在所述关联监测数据中,获取作业人员在装卸过程中的视频图像,根据所述视频图像判断所述作业人员的操作步骤是否满足液体种类的装卸操作要求,在不满足时,则确定所述关联监测数据存在异常。
4.根据权利要求2所述的方法,其特征在于,所述根据所述关联监测数据,确定所述液体罐车的危险等级,具体包括:
若所述关联监测数据具有异常标记,则根据所述关联监测数据的异常类型,确定所述液体罐车的危险等级;
若所述关联监测数据不具有异常标记,则确定液体罐车的内部物理环境数据所对应的关联监测数据,作为第一待分析关联监测数据;
将所述车载处理设备在上周期上传的液体罐车的内部环境数据,作为第二待分析关联监测数据;
将所述第一待分析关联监测数据与所述第二待分析关联监测数据进行比对,生成相同物理环境数据类型之间的数值变化曲线;所述物理环境数据类型包括温度数据类型、湿度数据类型、压强数据类型中的至少一种;
根据所述数值变化曲线,预测所述液体罐车的潜在危险类型;所述潜在危险类型包括燃烧、爆炸、泄露中的至少一种;
根据所述潜在危险类型,确定所述液体罐车的危险等级。
5.根据权利要求4所述的方法,其特征在于,所述根据所述数值变化曲线,预测所述液体罐车的潜在危险数据,具体包括:
获取装载样本液体的样本液体罐车在运输过程中,所生成的相同物理环境数据类型之间的样本数值变化曲线;所述样本液体罐车与所述液体罐车之间的种类相同,所述样本液体与所述液体之间的种类相同;
将所述样本数值变化曲线作为输入,将样本数值变化曲线对应的潜在危险类型作为标签,对初始神经网络模型进行有监督训练,得到潜在危险预测神经网络模型;
将所述数值变化曲线输入所述潜在危险预测神经网络模型,得到所述液体罐车的潜在危险类型。
6.根据权利要求1所述的方法,其特征在于,所述获取液体罐车在运输过程中的监测数据,将所述监测数据发送至所述液体罐车的车载处理设备之前,所述方法还包括:
所述车载处理设备确定对液体进行装卸的预设作业人员名单以及预设作业人员的身份信息;
获取将要进行装卸液体的作业人员的装卸请求,根据所述预设作业人员的身份信息,对所述作业人员进行身份验证;
在验证通过后,允许所述作业人员进行装卸操作。
7.根据权利要求1所述的方法,其特征在于,所述获取液体罐车在运输过程中的监测数据,将所述监测数据发送至所述液体罐车的车载处理设备之前,所述方法还包括:
在所述液体罐车未开始运输时,所述车载处理设备获取所述液体罐车的预设运输人员以及所述预设运输人员的身份信息;
获取所述预设运输人员的临时变更请求,将所述临时变更请求发送至所述数据监控中心服务器;
所述数据监控中心服务器根据所述液体罐车的种类、所述液体罐车中装载液体的种类以及所述液体罐车的运输时间,生成所述液体罐车的调度信息;
在运输人员数据库中,确定在所述液体罐车的运输时间内不具备运输任务的调度运输人员,将所述调度信息发送至所述调度运输人员;
接收所述调度运输人员的确认信息,将所述调度运输人员的身份信息发送至所述车载处理设备,以对所述预设运输人员进行替换。
8.根据权利要求1所述的方法,其特征在于,所述数据监控中心服务器将所述关联的监测数据进行上链,具体包括:
所述数据监控中心服务器根据预先设定的数据结构,对所述关联监测数据进行数据拼装;
确定所述液体罐车在预设历史时间段内的历史事故信息,将拼装的关联监测数据与所述历史事故信息进行集成;
向区块链平台发起将集成的监测数据进行上链的请求;
通过预先构建的智能合约,确定所述集成的监测数据所对应的数据属性,以在所述数据属性为隐私属性时,则将所述集成的监测数据上链至私有链,或在所述数据属性为公有属性时,则将所述集成的监测数据上链至联盟链。
9.根据权利要求1所述的方法,其特征在于,所述液体为危险化工液体,所述装载液体的标准信息包括液体的名称、液体的种类、液体的基本属性、液体的物理环境要求标准、液体的生命周期数据、液体的生产上下游信息中的至少一种;
所述液体罐车的标准信息包括液体罐车的名称、液体罐车的种类、液体罐车的主动标识解析设备的型号与部件组成中的至少一种。
10.一种基于标识解析的液体罐车监测系统,其特征在于,所述系统包括:
主动标识解析设备根据液体罐车的基础数据,为液体罐车生成唯一标识;所述基础数据包括液体罐车的标准信息以及装载液体的标准信息;所述主动标识解析设备安装于所述液体罐车上;
获取液体罐车在运输过程中的监测数据,将所述监测数据发送至所述液体罐车的车载处理设备;所述监测数据包括所述液体罐车的运输轨迹数据、所述液体罐车的内部物理环境数据以及液体在装卸过程中的人员操作数据中的至少一种;
所述车载处理设备将所述唯一标识与所述监测数据进行关联,将关联监测数据发送至数据监控中心服务器;
所述数据监控中心服务器将所述关联监测数据进行上链,根据所述关联监测数据,确定所述液体罐车的危险等级;其中,所述危险等级越高,所述液体罐车发生危险的概率越高;
若所述危险等级大于预设等级,则根据所述关联监测数据,生成所述液体罐车的预警信息,将所述预警信息发送至所述车载处理设备,并将所述预警信息进行上链。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310416775.6A CN116415879A (zh) | 2023-04-13 | 2023-04-13 | 一种基于标识解析的液体罐车监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310416775.6A CN116415879A (zh) | 2023-04-13 | 2023-04-13 | 一种基于标识解析的液体罐车监测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116415879A true CN116415879A (zh) | 2023-07-11 |
Family
ID=87052839
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310416775.6A Pending CN116415879A (zh) | 2023-04-13 | 2023-04-13 | 一种基于标识解析的液体罐车监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116415879A (zh) |
-
2023
- 2023-04-13 CN CN202310416775.6A patent/CN116415879A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107885170B (zh) | 安全生产管控装置、系统及安全生产管控的方法 | |
US20060047543A1 (en) | Electronic emergency response management system with automated rule-based alert notifications and response deployment | |
CN105160514A (zh) | 治安综合管理系统和治安综合管理的方法 | |
CN104866982A (zh) | 一种互联网+危险废弃物管理的系统和方法 | |
CN103274272A (zh) | 一种电梯综合管理系统及电梯综合管理方法 | |
CN111028473B (zh) | 校园安全监控联动识别系统 | |
US20170146975A1 (en) | Operator and manufacturing quality traceability | |
CN111611991A (zh) | 故障处理方法和装置、电子设备、计算机可读存储介质 | |
CN108520373A (zh) | 一种车辆运输货物的监管方法和系统 | |
CN105389989A (zh) | 一种运输安全在线监控系统 | |
CN114254061A (zh) | 化工企业安全生产信息化管理平台及系统、工作方法 | |
CN113935645A (zh) | 基于标识解析技术的高风险作业管控系统及方法 | |
CN109859085A (zh) | 安全预警方法及相关产品 | |
CN112435465A (zh) | 重点车辆管理系统及方法 | |
CN115083167A (zh) | 车辆泄漏事故的预警方法、系统、终端设备及介质 | |
CN114331055A (zh) | 企业安全生产风险预警方法、装置、设备和存储介质 | |
CN114257607B (zh) | 一种智能化危险化学品全生命周期管理系统 | |
CN111898934A (zh) | 一种危化品道路运输信息化安全监管系统 | |
CN116415879A (zh) | 一种基于标识解析的液体罐车监测方法及系统 | |
WO2023236440A1 (zh) | 一种基于云平台的危险品汽车运输安全监控客户端 | |
CN113343754A (zh) | 基于视频图像分析的危货监管系统及危货监管方法 | |
Tomasoni et al. | ICT based system to monitor hazmat road transportation and a rapid mapping technique for accident scenarios | |
US20210101618A1 (en) | System and method for connected vehicle risk detection | |
WO2017132940A1 (zh) | 一种监控方法、装置及系统 | |
Zorin et al. | Reliability and risk assessment of machine building items according to diagnostics results |
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 |