CN116611621B - 多角色实时数据交互及监督的交通运输安全管理系统 - Google Patents
多角色实时数据交互及监督的交通运输安全管理系统 Download PDFInfo
- Publication number
- CN116611621B CN116611621B CN202310877360.9A CN202310877360A CN116611621B CN 116611621 B CN116611621 B CN 116611621B CN 202310877360 A CN202310877360 A CN 202310877360A CN 116611621 B CN116611621 B CN 116611621B
- Authority
- CN
- China
- Prior art keywords
- module
- management
- data
- vehicle
- score
- 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
Links
- 230000003993 interaction Effects 0.000 title claims abstract description 34
- 238000012549 training Methods 0.000 claims abstract description 43
- 238000004519 manufacturing process Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000012544 monitoring process Methods 0.000 claims abstract description 8
- 238000007726 management method Methods 0.000 claims description 100
- 230000006399 behavior Effects 0.000 claims description 27
- 238000012360 testing method Methods 0.000 claims description 13
- 230000008451 emotion Effects 0.000 claims description 10
- 238000000034 method Methods 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 8
- 230000001815 facial effect Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 229940060587 alpha e Drugs 0.000 claims description 3
- 230000036772 blood pressure Effects 0.000 claims description 3
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000036387 respiratory rate Effects 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims 1
- 238000012937 correction Methods 0.000 claims 1
- 238000012216 screening Methods 0.000 claims 1
- 206010039203 Road traffic accident Diseases 0.000 abstract description 5
- 238000011161 development Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 241001282135 Poromitra oscitans Species 0.000 description 1
- 206010048232 Yawning Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G06Q50/40—
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了多角色实时数据交互及监督的交通运输安全管理系统,涉及交通运输安全领域,包括车载端、云端服务器及管理端;车载端包括数据采集模块、行车日志模块、车载交互模块及事故上报模块;云端服务器包括数据处理模块、智能监测模块、心理测评模块、风险识别模块;管理端包括生产管理模块、应急管理模块、安全教育模块、培训考核模块、档案管理模块及管理交互模块。本发明从多角色协同管理、信息共享的角度设置安全管理系统,可以实现企业对驾驶员培训及考核情况、安全教育情况信息的实时更新,实现监管部门对企业进行评分,重点督查评分较低企业,为交通运输安全提供了实时监督保障,有效地降低交通事故的风险概率。
Description
技术领域
本发明涉及交通运输技术领域,具体来说,涉及多角色实时数据交互及监督的交通运输安全管理系统。
背景技术
交通运输是国民经济发展中重要的组成部分,而其中的道路运输业扮演着至关重要的角色,它不仅服务范围广泛,运量大,从业人员众多,而且具有灵活方便、适用性广泛、公开开放等优点。此外,道路运输业还直接促进了汽车工业等相关产业的繁荣发展。随着社会经济的迅速发展,交通运输变得越来越重要,各行各业都在广泛使用车辆运输。而在交通运输过程中,保证运输安全则显得尤为重要。
交通运输安全管理系统是一种采用现代信息技术、通信技术和传感技术为基础,对交通运输过程中的安全风险进行实时监测、预警和控制的综合性管理系统。其主要目的是确保交通运输的安全、高效和可持续发展。而随着交通运输需求的不断增长,交通安全问题变得越来越重要。为此,各国纷纷开始研究并开发交通运输安全管理系统,以提高交通运输安全水平,降低交通事故发生率,确保人民生命财产安全。
现有技术中,存在针对交通运输安全管理系统,但也存在一定的技术问题:
公开号为CN113435804A的中国专利公开了一种运输车队安全管理系统,包括服务器、管理端、员工手机端,管理端、员工手机端与服务器通信连接;服务器包括员工信息数据库、车辆信息数据库、车辆检查信息数据库、车辆报修信息数据库;管理端包括员工管理页面、车辆管理页面、摄像头;员工手机端包括车辆检查微信小程序页面、车辆报修微信小程序页面;增加了实时反馈运输安全信息,便于管理者精准掌握业务风险隐患。但没有进行多角色管理考虑,忽略了监管部门作用,没有解决信息滞后带来的风险。
因此,本发明提出了一种多角色实时数据交互及监督的交通运输安全管理系统。
发明内容
针对现有技术的不足,本发明提供了多角色实时数据交互及监督的交通运输安全管理系统,具体技术方案如下:
一种多角色实时数据交互及监督的交通运输安全管理系统,包括车载端、云端服务器及管理端;
其中,所述车载端包括数据采集模块、行车日志模块、车载交互模块及事故上报模块;
所述云端服务器包括数据处理模块、智能监测模块、心理测评模块、风险识别模块;
所述管理端包括生产管理模块、应急管理模块、安全教育模块、培训考核模块、档案管理模块及管理交互模块,其中,生产管理模块和应急管理模块为企业管理端,安全教育模块、培训考核模块和档案管理模块为监管部门管理端;
所述生产管理模块包括工作计划模块和车辆管理模块,所述工作计划模块用于对企生产任务及人员进行管理,所述车辆管理模块用于对企业的车辆进行运营管理、调度管理及保险与维修管理;
所述应急管理模块包括风险预案模块和风险响应模块,所述风险预案模块用于结合行业专家给出不同风险级别的应急预案,所述风险响应模块用于将应急预案发送至应急队伍进行救援快速响应;
所述安全教育模块用于结合交通行业的政策及制度对从业人员进行安全教育培训;培训考核模块用于对从业人员进行从业技能培训及考核;档案管理模块用于结合考核得分对企业进行建档及评分管理;
所述管理交互模块用于实现与车载端之间的数据传输及共享。
进一步地,所述培训考核模块包括培训评分模块及考核评分模块,用于计算培训人员的综合得分;
所述培训评分模块利用支持向量机对学习状态进行识别并评分,利用卷积网络对学习情绪进行识别并评分;所述考核评分模块利用题库对学习成果进行测试并评分;
综合得分的计算公式为:;
式中,Ssta为学习态度的得分,Semo为学习情绪的得分,Stest为测试得分;α为学习态度权重系数,α∈[0.5,0.9];β为学习情绪权重系数,α+β=1;γ为测试得分权重系数,γ∈[0.7,0.9]。
进一步地,所述数据采集模块包括状态采集模块及视觉识别模块,所述状态采集模块用于采集驾驶员血压、心率、呼吸频率等身体指标,所述视觉识别模块采集驾驶员面部特征及肢体动作;所述行车日志模块用于采集车辆行驶过程中的车辆状态数据,包括:车速、加速度、刹车频率、转向幅度、摆动及车道偏离等。
进一步地,所述数据处理模块包括数据预处理模块及模型训练模块;所述数据预处理模块用于对所述数据采集模块及所述行车日志模块采集到的数据进行数据处理;所述模型训练模块采用卷积神经网络模型对采集得到数据进行训练,得到驾驶行为评分模型。
进一步地,所述数据预处理模块对数据的处理步骤包括:
S1、将身体指标、面部特征、肢体动作及车辆状态数据进行归类并做归一化处理,形成数据集{Si}、{Mi}、{Zi}、{Ci},i∈[1,2,3,…T],即i为一个单位时间间隔;
S2、将数据集{Si}、{Mi}、{Zi}两两组合形成输入数据集{Si,Mi}、{Si,Zi}、{Mi,Zi};
S3、将输入数据与数据集{Ci}一一对应,形成训练数据。
进一步地,所述智能监测模块基于所述驾驶行为评分模型对驾驶员进行实时监测,若得分低于阈值则进行告警提醒,不同的驾驶员对应不同的驾驶行为评分模型。
进一步地,所述心理测评模块用于对驾驶员进行心理测评,生成心理评分,并对驾驶行为评分模型给出的评分进行修正,计算公式为:
;
式中,F为修正后的评分,Fm为驾驶行为评分模型给出的评分,Fpsy为心理评分;q和p为权重系数,q+p=1;[Fpsy]为心理评分阈值,Fpsy>[Fpsy]表示心理评分高于阈值,行为不受控;Fpsy<-[Fpsy]表示心理评分低于阈值,心理状态良好,行为不受影响。
进一步地,所述车载交互模块包括通讯模块、问卷模块、学习模块、考勤模块以及告警模块;所述通讯模块用于与所述管理交互模块实现数据传输及共享,所述问卷模块用于收集心理测评所需数据,所述学习模块用于学习最新政策、法规以及安全教育,所述考勤模块用于对驾驶员进行考勤管理,所述告警模块用于对驾驶员驾驶行为存在的风险进行提醒,避免发生安全事故。
进一步地,所述事故上报模块用于在事故发生时上报事故类型及相关数据,进行数据实时定位同步至企业、监管部门管理端。
与现有技术相比,本发明提供了多角色实时数据交互及监督的交通运输安全管理系统,具备以下有益效果:
(1)本发明从多角色协同管理、信息共享的角度设置安全管理系统,通过管理端各模块的设置,可以实现企业对驾驶员/企业相关负责人培训及考核情况、安全教育情况生产过程中信息的实时更新,实现监管部门对企业进行评分,重点督查评分较低企业,安全生产为交通运输安全生产提供了实时监督保障,从而有效地降低交通事故的风险概率。
(2)本发明基于多种类型数据实时采集,通过神经网络模型训练评分模型,得到不同驾驶员的评分模型,提高了驾驶员状态的识别准确性,降低了告警系统出错率,提高了系统的使用率和接受度。
(3)本发明通过设置心理测评模块对评分模型进行修正,大大减小了驾驶员心理状态对驾驶行为的影响,有效地降低因为偶然因素导致交通事故的概率。
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是根据本发明实施例的多角色实时数据交互及监督的交通运输安全管理系统的结构框图;
具体实施方式
为进一步说明各实施例,本发明提供有附图,这些附图为本发明揭露内容的一部分,其主要用以说明实施例,并可配合说明书的相关描述来解释实施例的运作原理,配合参考这些内容,本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点,图中的组件并未按比例绘制,而类似的组件符号通常用来表示类似的组件。
根据本发明的实施例,提供了多角色实时数据交互及监督的交通运输安全管理系统。
现结合附图和具体实施方式对本发明进一步说明,如图1所示,一种多角色实时数据交互及监督的交通运输安全管理系统,包括车载端1、云端服务器2及管理端3;
其中,车载端包括数据采集模块11、行车日志模块12、车载交互模块13及事故上报模块14;
云端服务器2包括数据处理模块21、智能监测模块22、心理测评模块23、风险识别模块24;
管理端3包括生产管理模块31、应急管理模块32、安全教育模块33、培训考核模块34、档案管理模块35及管理交互模块36,其中,生产管理模块31和应急管理模块32为企业管理端,安全教育模块33、培训考核模块34和档案管理模块35为监管部门管理端;
生产管理模块31包括工作计划模块311和车辆管理模块312,所述工作计划模块311用于对企生产任务及人员进行管理,所述车辆管理模块312用于对企业的车辆进行运营管理、调度管理及保险与维修管理;
应急管理模块32包括风险预案模块321和风险响应模块322,所述风险预案模块321用于结合行业专家给出不同风险级别的应急预案,所述风险响应模块322用于将应急预案发送至应急队伍进行救援快速响应;
安全教育模块33用于结合交通行业的政策及制度对从业人员进行安全教育培训;培训考核模块34用于对从业人员进行从业技能培训及考核;档案管理模块35用于结合考核得分对企业进行建档及评分管理;
管理人员与驾驶人员学习培训模块,并符合交通部相关部门的标准达标,适用于全国道路运输行业人员的安全教育培训标准。
所述管理交互模块36用于实现与车载端之间的数据传输及共享。
具体的,所述培训考核模块34包括培训评分模块341及考核评分模块342,用于计算培训人员的综合得分;培训评分模块341利用支持向量机对学习状态进行识别并评分,利用卷积网络对学习情绪进行识别并评分;所述考核评分模块342利用题库对学习成果进行测试并评分;
综合得分的计算公式为:;
式中,Ssta为学习态度的得分,Semo为学习情绪的得分,Stest为测试得分;α为学习态度权重系数,α∈[0.5,0.9];β为学习情绪权重系数,α+β=1;γ为测试得分权重系数,γ∈[0.7,0.9]。
通过考核测试结合学习态度及学习情绪对培训人员学习情况作出综合得分,提高得分的指导效果,同时也对培训人员的学习情况有多维度的掌握,可以指导企业从多个方面加强人员管理。
具体的,所述数据采集模块11包括状态采集模块111及视觉识别模块112,所述状态采集模块111用于采集驾驶员血压、心率、呼吸频率等身体指标,所述视觉识别模块112采集驾驶员面部特征及肢体动作;所述行车日志模块12用于采集车辆行驶过程中的车辆状态数据,包括:车速、加速度、刹车频率、转向幅度、摆动及车道偏离等。驾驶员的面部特征眨眼频率、打哈欠、嘴巴紧闭、视觉移动等特征,肢体动作包括点头、身体前倾、打电话等。
此外,车载端还可以包括北斗卫星定位模块,考虑到监管部门实时监管企业车辆实时动态风险,辅助企业与管理部门一键下发预警信息提醒车载端及时纠正危险驾驶行为,从而降低安全风险事故,让管理更加便捷高效。
具体的,所述数据处理模块21包括数据预处理模块211及模型训练模块212;所述数据预处理模块211用于对所述数据采集模块及所述行车日志模块采集到的数据进行数据处理;所述模型训练模块212采用卷积神经网络模型对采集得到数据进行训练,得到驾驶行为评分模型。通过将不同驾驶员的身体状态信息与行驶状态作为训练数据,训练出不同的驾驶行为评分模型,可以避免因驾驶员驾驶习惯不同带来的误差,提高驾驶员对系统的接受度。
具体的,所述数据预处理模块211对数据的处理步骤包括:
S1、将身体指标、面部特征、肢体动作及车辆状态数据进行归类并做归一化处理,形成数据集{Si}、{Mi}、{Zi}、{Ci},i∈[1,2,3,…T],即i为一个单位时间间隔;
S2、将数据集{Si}、{Mi}、{Zi}两两组合形成输入数据集{Si,Mi}、{Si,Zi}、{Mi,Zi};
S3、将输入数据与数据集{Ci}一一对应,形成训练数据。
具体的,所述智能监测模块22基于所述驾驶行为评分模型对驾驶员进行实时监测,若得分低于阈值则进行告警提醒,不同的驾驶员对应不同的驾驶行为评分模型。
具体的,所述心理测评模块23用于对驾驶员进行心理测评,生成心理评分,并对驾驶行为评分模型给出的评分进行修正,计算公式为:
;
式中,F为修正后的评分,Fm为驾驶行为评分模型给出的评分,Fpsy为心理评分;q和p为权重系数,q+p=1;[Fpsy]为心理评分阈值,Fpsy>[Fpsy]表示心理评分高于阈值,行为不受控;Fpsy<-[Fpsy]表示心理评分低于阈值,心理状态良好,行为不受影响。
具体的,所述车载交互模块13包括通讯模块、问卷模块、学习模块、考勤模块以及告警模块;所述通讯模块用于与所述管理交互模块36实现数据传输及共享,所述问卷模块用于收集心理测评所需数据,所述学习模块用于学习最新政策、法规以及安全教育,所述考勤模块用于对驾驶员进行考勤管理,所述告警模块用于对驾驶员驾驶行为存在风险的进行提醒,避免发生安全事故。
具体的,所述事故上报模块14用于在事故发生时上报事故类型及相关数据,进行数据实时定位同步至企业、监管部门管理端。
本实施例基于多种类型数据实时采集,通过神经网络模型训练评分模型,得到不同驾驶员的评分模型,提高了驾驶员状态的识别准确性,降低了告警系统出错率,提高了系统的使用率和接受度。通过设置心理测评模块对评分模型进行修正,大大减小了驾驶员心理状态对驾驶行为的影响,有效地降低因为偶然因素导致交通事故的概率。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.多角色实时数据交互及监督的交通运输安全管理系统,其特征在于,该系统包括车载端(1)、云端服务器(2)及管理端(3);
其中,所述车载端(1)包括数据采集模块(11)、行车日志模块(12)、车载交互模块(13)及事故上报模块(14);
所述云端服务器(2)包括数据处理模块(21)、智能监测模块(22)、心理测评模块(23)、风险识别模块(24);
所述数据处理模块(21)包括数据预处理模块(211)及模型训练模块(212);所述数据预处理模块(211)用于对所述数据采集模块(11)及所述行车日志模块(12)采集到的数据进行清理、筛选和归一化处理;所述模型训练模块(212)采用卷积神经网络模型对采集得到数据进行训练,得到驾驶行为评分模型;
所述心理测评模块(23)用于对驾驶员进行心理测评,生成心理评分,并对驾驶行为评分模型给出的评分进行修正,计算公式为:
;
式中,F为修正后的评分,Fm为驾驶行为评分模型给出的评分,Fpsy为心理评分;q和p为权重系数,q+p=1;[Fpsy]为心理评分阈值,Fpsy>[Fpsy]表示心理评分高于阈值,行为不受控;Fpsy<﹣[Fpsy]表示心理评分低于阈值,心理状态良好,行为不受影响;
所述管理端(3)包括生产管理模块(31)、应急管理模块(32)、安全教育模块(33)、培训考核模块(34)、档案管理模块(35)及管理交互模块(36);
所述生产管理模块(31)包括工作计划模块(311)和车辆管理模块(312),所述工作计划模块(311)用于对企生产任务及人员进行管理,所述车辆管理模块(312)用于对企业的车辆进行运营管理、调度管理及保险与维修管理;
所述应急管理模块(32)包括风险预案模块(321)和风险响应模块(322),所述风险预案模块(321)用于结合行业专家给出不同风险级别的应急预案,所述风险响应模块(322)用于将应急预案发送至应急队伍进行救援快速响应;
所述安全教育模块(33)用于结合交通行业的政策及制度对从业人员进行安全教育培训;
培训考核模块(34)用于对从业人员进行从业技能培训及考核,包括培训评分模块(341)及考核评分模块(342),用于计算培训人员的综合得分;
所述培训评分模块(341)利用支持向量机对学习状态进行识别并评分,利用卷积网络对学习情绪进行识别并评分;所述考核评分模块(342)利用题库对学习成果进行测试并评分;
综合得分的计算公式为:
;
式中,Ssta为学习态度的得分,Semo为学习情绪的得分,Stest为测试得分;α为学习态度权重系数,α∈[0.5,0.9];β为学习情绪权重系数,α+β=1;γ为测试得分权重系数,γ∈[0.7,0.9];
档案管理模块(35)用于结合考核得分对企业进行建档及评分管理;
所述管理交互模块(36)用于实现与车载端之间的数据传输及共享;
所述数据采集模块(11)包括状态采集模块(111)及视觉识别模块(112)。
2.根据权利要求1所述的多角色实时数据交互及监督的交通运输安全管理系统,其特征在于,所述状态采集模块(111)用于采集驾驶员血压、心率、呼吸频率等身体指标,所述视觉识别模块(112)采集驾驶员面部特征及动作;所述行车日志模块(12)用于采集车辆行驶过程中的车辆状态数据。
3.根据权利要求2所述的多角色实时数据交互及监督的交通运输安全管理系统,其特征在于,所述数据预处理模块(211)对数据的处理步骤包括:
S1、将身体指标、面部特征、肢体动作及车辆状态数据进行归类并做归一化处理,形成数据集{Si}、{Mi}、{Zi}、{Ci},i∈[1,2,3,…,T],即i为一个单位时间间隔;
S2、将数据集{Si}、{Mi}、{Zi}两两组合形成输入数据集{Si,Mi}、{Si,Zi}、{Mi,Zi};
S3、将输入数据与数据集{Ci}一一对应,形成训练数据。
4.根据权利要求3所述的多角色实时数据交互及监督的交通运输安全管理系统,其特征在于,所述智能监测模块(22)基于所述驾驶行为评分模型对驾驶员进行实时监测,若得分低于阈值则进行告警提醒,不同的驾驶员对应不同的驾驶行为评分模型。
5.根据权利要求4所述的多角色实时数据交互及监督的交通运输安全管理系统,其特征在于,所述车载交互模块(13)包括通讯模块、问卷模块、学习模块、考勤模块以及告警模块;所述通讯模块用于与所述管理交互模块(36)实现数据传输及共享,所述问卷模块用于收集心理测评所需数据,所述学习模块用于学习最新政策、法规以及安全教育,所述考勤模块用于对驾驶员进行考勤管理,所述告警模块用于对驾驶员进行提醒,避免安全事故。
6.根据权利要求5所述的多角色实时数据交互及监督的交通运输安全管理系统,其特征在于,所述事故上报模块(14)用于在事故发生时上报事故类型及实时定位至企业、监管部门管理端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310877360.9A CN116611621B (zh) | 2023-07-18 | 2023-07-18 | 多角色实时数据交互及监督的交通运输安全管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310877360.9A CN116611621B (zh) | 2023-07-18 | 2023-07-18 | 多角色实时数据交互及监督的交通运输安全管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116611621A CN116611621A (zh) | 2023-08-18 |
CN116611621B true CN116611621B (zh) | 2023-11-07 |
Family
ID=87678550
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310877360.9A Active CN116611621B (zh) | 2023-07-18 | 2023-07-18 | 多角色实时数据交互及监督的交通运输安全管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116611621B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117746630A (zh) * | 2023-12-20 | 2024-03-22 | 枣庄卡企安网络科技有限公司 | 一种基于大数据的行业安全生产监督管理系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130034427A (ko) * | 2011-09-28 | 2013-04-05 | 에스케이네트웍스서비스 주식회사 | 태양광 에너지를 이용한 종합 교통안전 관리 시스템 |
CN111524046A (zh) * | 2020-04-21 | 2020-08-11 | 重庆市交通运输协会 | 一种交通安全教育管理系统 |
CN111915180A (zh) * | 2020-07-28 | 2020-11-10 | 易网安全科技(吉林省)有限责任公司 | 一种交通运输安全生产管理系统 |
CN113435804A (zh) * | 2020-03-20 | 2021-09-24 | 书元供应链管理(上海)有限公司 | 运输车队安全管理系统及方法 |
CN114626746A (zh) * | 2022-03-29 | 2022-06-14 | 重庆时英教育科技有限公司 | 安全生产教育培训系统、方法及存储介质 |
CN115179960A (zh) * | 2022-07-08 | 2022-10-14 | 武汉理工大学 | 一种多源数据采集人车状态综合监测系统及方法 |
CN115662143A (zh) * | 2022-11-21 | 2023-01-31 | 吉林大学 | 一种公交企业运营安全态势动态预测系统及方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040158476A1 (en) * | 2003-02-06 | 2004-08-12 | I-Sim, Llc | Systems and methods for motor vehicle learning management |
US20180211561A1 (en) * | 2014-06-25 | 2018-07-26 | Ronnie Jones | Method and Process of Educating, Evaluating, and Certifying Commercial Drivers |
-
2023
- 2023-07-18 CN CN202310877360.9A patent/CN116611621B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130034427A (ko) * | 2011-09-28 | 2013-04-05 | 에스케이네트웍스서비스 주식회사 | 태양광 에너지를 이용한 종합 교통안전 관리 시스템 |
CN113435804A (zh) * | 2020-03-20 | 2021-09-24 | 书元供应链管理(上海)有限公司 | 运输车队安全管理系统及方法 |
CN111524046A (zh) * | 2020-04-21 | 2020-08-11 | 重庆市交通运输协会 | 一种交通安全教育管理系统 |
CN111915180A (zh) * | 2020-07-28 | 2020-11-10 | 易网安全科技(吉林省)有限责任公司 | 一种交通运输安全生产管理系统 |
CN114626746A (zh) * | 2022-03-29 | 2022-06-14 | 重庆时英教育科技有限公司 | 安全生产教育培训系统、方法及存储介质 |
CN115179960A (zh) * | 2022-07-08 | 2022-10-14 | 武汉理工大学 | 一种多源数据采集人车状态综合监测系统及方法 |
CN115662143A (zh) * | 2022-11-21 | 2023-01-31 | 吉林大学 | 一种公交企业运营安全态势动态预测系统及方法 |
Non-Patent Citations (3)
Title |
---|
Some functions of the Safety management system in the transportation area safety assurance;Ekaterina Sakrutina 等;《 2017 International Siberian Conference on Control and Communications (SIBCON)》;第5-7页 * |
道路客运企业驾驶员心里测评标准与体系建立;张大巍 等;《交通企业管理》;第29卷;第20-22页 * |
长途客运、旅游包车运输驾驶员行车安全风险评估指标体系研究;尤冬梅;韩冰;胡娟娟;;交通运输部管理干部学院学报(第04期);第9-14页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116611621A (zh) | 2023-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | A hybrid human and organisational analysis method for railway accidents based on STAMP-HFACS and human information processing | |
CN116611621B (zh) | 多角色实时数据交互及监督的交通运输安全管理系统 | |
CN111599164B (zh) | 一种行车异常识别方法和系统 | |
Plant et al. | Why did the pilots shut down the wrong engine? Explaining errors in context using Schema Theory and the Perceptual Cycle Model | |
CN106651602A (zh) | 一种基于adas智能车载终端的车险管理服务系统 | |
CN110648075A (zh) | 驾驶安全评估方法及装置 | |
CN102163368A (zh) | 不安全驾驶行为的识别与监控系统及方法 | |
CN113449959A (zh) | 一种矿山人员行为治理系统及平台 | |
CN111489071A (zh) | 一种轨道交通车辆维保方法及系统 | |
Swartz et al. | The independence of independents: influences on commercial driver intentions to commit unsafe acts | |
CN111813841A (zh) | 基于多源数据融合的复杂环境智能安全管控系统 | |
CN113119860B (zh) | 一种基于云计算的司机智能辅助驾驶系统 | |
CN114298604A (zh) | 一种基于大数据动态监测分析的孵化器入住企业智能综合评价管理系统 | |
CN112002179B (zh) | 一种基于异地分布的轨道交通多工种联动控制方法及系统 | |
Campos-Ferreira et al. | Vehicle and driver monitoring system using on-board and remote sensors | |
Shao et al. | Integrating Ergonomics into Safety Management: A conceptual risk assessment model for tower controllers at multiple altitudes | |
Zhan et al. | An in-depth learn from incidents (LFI) approach based on HFACS-RAs | |
CN113379247B (zh) | 企业安全隐患追踪模型的建模方法及系统 | |
Griffith et al. | Sleep-deprivation effect on human performance: a meta-analysis approach | |
CN113053486A (zh) | 一种解决职业健康体检方案生成与结果处理的方法 | |
Samsonkin et al. | Development of the method of efficient monitoring of the main activity of a train driver | |
CN114048937A (zh) | 一种车站值班员应急处置能力评价方法及系统 | |
Mosier | Decision making in the air transport flight deck: process and product | |
CN116934024A (zh) | 一种基于行动策略生成的电力检修单兵装备工作方法 | |
CN117341715A (zh) | 一种基于联合自检的车辆行驶安全预警方法 |
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 |