CN117522180A - 化危品运输车辆风险管控方法及系统 - Google Patents
化危品运输车辆风险管控方法及系统 Download PDFInfo
- Publication number
- CN117522180A CN117522180A CN202310667999.4A CN202310667999A CN117522180A CN 117522180 A CN117522180 A CN 117522180A CN 202310667999 A CN202310667999 A CN 202310667999A CN 117522180 A CN117522180 A CN 117522180A
- Authority
- CN
- China
- Prior art keywords
- risk
- information
- vehicle
- transport vehicle
- factor group
- 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
- 239000000126 substance Substances 0.000 title claims abstract description 99
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000004364 calculation method Methods 0.000 claims abstract description 48
- 238000012545 processing Methods 0.000 claims description 47
- 238000012797 qualification Methods 0.000 claims description 34
- 238000001228 spectrum Methods 0.000 claims description 30
- 231100001261 hazardous Toxicity 0.000 claims description 15
- 238000012790 confirmation Methods 0.000 claims description 10
- 238000007726 management method Methods 0.000 abstract description 39
- 230000008569 process Effects 0.000 abstract description 17
- 238000004445 quantitative analysis Methods 0.000 abstract description 2
- 238000005260 corrosion Methods 0.000 description 18
- 230000007797 corrosion Effects 0.000 description 18
- 230000007613 environmental effect Effects 0.000 description 13
- 238000012544 monitoring process Methods 0.000 description 12
- 230000009471 action Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 239000000383 hazardous chemical Substances 0.000 description 6
- 239000000203 mixture Substances 0.000 description 5
- 230000002378 acidificating effect Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000001590 oxidative effect Effects 0.000 description 4
- 238000002360 preparation method Methods 0.000 description 4
- 230000002265 prevention Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000005303 weighing Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 239000003638 chemical reducing agent Substances 0.000 description 2
- 231100000481 chemical toxicant Toxicity 0.000 description 2
- 238000005094 computer simulation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000007731 hot pressing Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 150000007522 mineralic acids Chemical class 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 150000007524 organic acids Chemical class 0.000 description 2
- 239000007800 oxidant agent Substances 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 239000003440 toxic substance Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000010437 gem Substances 0.000 description 1
- 229910001751 gemstone Inorganic materials 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000012795 verification 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供一种化危品运输车辆风险管控方法及系统,用以解决风险对象判定效率低的技术问题。具体的,一种化危品车辆运输风险管控方法,包括:获取对应运输车辆对象的驾驶员信息因子组、车辆信息因子组、道路信息因子组、化危品信息因子组、环境复杂度因子组;将驾驶员信息因子组、车辆信息因子组、道路信息因子组、化危品信息因子组、环境复杂度因子组,组成数据样本;将数据样本通过预设风险模型计算风险发生概率值;当风险发生概率值不小于预设阈值时,判定运输车辆对象为风险对象。通过优化风险信息采集流程,建立风险模型,将风险信息集中于预设风险模型进行量化分析计算,自动监控运输车辆和判定风险对象,提高了判定风险对象的效率。
Description
技术领域
本申请涉及道路运输管控领域,尤其涉及一种化危品运输车辆风险管控方法及系统。
背景技术
随着信息技术日益发展,各种智能终端设备广泛应用于各个行业,化危品运输业同样应用了大量的信息技术,如中石油公司的单车信息管理系统、宝石花GPS监控系统、吊车视频监控系统等,加快了各类所需信息的获取和传递,提高了运输风险管控水平。
在实现现有技术的过程中,发明人发现:
监控模式落后,一个监控员需要同时监控上百台车,由于人工参与度过高,时常发生监控不到位的情况,导致不能及时管控风险而造成事故。
各个信息系统独立运行,获取信息不及时且不能形成有效的信息联动体系,不利于迅速区分风险来源和判定风险对象。
因此,需要提供一种化危品运输车辆风险管控方法及系统,用以解决风险车辆对象判定效率低的技术问题。
发明内容
本申请实施例提供一种化危品运输车辆风险管控方法及系统,用以解决风险车辆对象判定效率低的技术问题。
具体的,一种化危品运输车辆风险管控方法,包括以下步骤:
获取对应运输车辆对象的驾驶员信息因子组、车辆信息因子组、道路信息因子组、化危品信息因子组、环境复杂度因子组;
将驾驶员信息因子组、车辆信息因子组、道路信息因子组、化危品信息因子组、环境复杂度因子组,组成数据样本;
将数据样本通过预设风险模型计算风险发生概率值;
当风险发生概率值不小于预设阈值时,判定运输车辆对象为风险对象。
进一步的,获取对应运输车辆对象的化危品信息因子组;
将化危品信息因子组组成数据样本;
将数据样本通过预设风险模型计算风险发生概率值;
当风险发生概率值不小于预设阈值时,判定运输车辆对象为风险对象,具体包括:
提取定量化危品样本;
使用红外光谱仪对化危品样本进行红外线照射,得到光图谱结果;
将得到的光图谱结果与标准图谱集进行比对,确定化危品的物质种类;
通过所述确定的化危品物质种类,与运输车辆进行匹配,得到匹配结果;
当匹配结果不为唯一匹配时,设定其风险发生概率值为预设阈值;
将运输车辆判定为风险对象。
进一步的,获取对应运输车辆对象的驾驶员信息因子组;
将驾驶员信息因子组组成数据样本;
将数据样本通过预设风险模型计算风险发生概率值;
当风险发生概率值不小于预设阈值时,判定运输车辆对象为风险对象,具体包括:
扫描驾驶员面部信息;
通过面部信息从预设人脸数据库中确定驾驶员身份信息;
通过驾驶员身份信息从预设驾驶员信息库中确定驾驶资质信息;
通过确定的驾驶资质信息,与运输车辆进行匹配,得到匹配结果;
当匹配结果不为唯一匹配时,设定其风险发生概率值为预设阈值;
将运输车辆判定为风险对象。
进一步的,获取对应运输车辆对象的车辆信息因子组;
将车辆信息因子组组成数据样本;
将数据样本通过预设风险模型计算风险发生概率值;
当风险发生概率值不小于预设阈值时,判定运输车辆对象为风险对象,具体包括:
获取初始车辆的重量,设为第一重量;
装载货物后获取车辆的重量,设为第二重量;
通过第二重量减第一重量得到装载的货物重量;
将货物重量与运输车辆的标记载重进行对比;
当货物重量大于运输车辆的标记载重时,设定其风险发生概率值为预设阈值;
将运输车辆判定为风险对象。
进一步的,获取对应运输车辆对象的驾驶员信息因子组;
将驾驶员信息因子组组成数据样本;
将数据样本通过预设风险模型计算风险发生概率值;
当风险发生概率值不小于预设阈值时,判定运输车辆对象为风险对象,具体包括:
检测到运输车辆速度不为零时,开始计时,为第一时间段;
检测到速度为零时开始计时,为第二时间段;
当第二时间段大于20分钟时,将第一时间段清零;
当第一时间段大于4小时时,设定其风险发生概率值为预设阈值;
将运输车辆判定为风险对象。
进一步的,将运输车辆判定为风险对象,具体方法还包括:
将运输车辆判定为风险对象;
向风险对象发送预警信息;
当风险对象对应的驾驶员根据实际情况判断为误报警并输入密码确认时,将风险对象判定为无风险对象。
进一步的,将运输车辆判定为风险对象,具体方法还包括:
根据判定风险信息因子的预设权重,通过文字内容生成程序,生成预警信息和处理预案文本。
本申请实施例还提供一种化危品运输车辆风险管控系统。
具体的,一种化危品运输车辆风险管控系统,包括:
数据采集模块,用于获取对应运输车辆对象的驾驶员信息因子组、车辆信息因子组、道路信息因子组、化危品信息因子组、环境复杂度因子组;
数据处理模块,用于将驾驶员信息因子组、车辆信息因子组、道路信息因子组、化危品信息因子组、环境复杂度因子组,组成数据样本;
风险计算模块,用于将数据样本通过预设风险模型计算风险发生概率值;
风险判定模块,用于当风险发生概率值不小于预设阈值时,判定运输车辆对象为风险对象。
进一步的,所述风险判定模块还用于:
将运输车辆判定为风险对象;
向风险对象发送预警信息;
当风险对象对应的驾驶员根据实际情况判断为误报警并输入密码确认时,将风险对象判定为无风险对象。
进一步的,所述风险判定模块还用于:
根据判定风险信息因子的预设权重,通过文字内容生成工具,生成预警信息和处理预案文本。
通过本申请实施例提供的技术方案,至少具有以下有益效果:
通过优化风险信息采集流程,建立风险模型,将风险信息集中于预设风险模型进行量化分析计算,自动监控运输车辆和判定风险对象,提高了判定风险对象的效率。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例提供的一种化危品运输车辆风险管控方法的流程图;
图2为本申请实施例提供的一种化危品运输车辆风险管控系统的结构示意图。
图中附图标记表示为:
100 一种化危品运输车辆风险管控系统
11 数据采集模块
12 数据处理模块
13 风险计算模块
14 风险判定模块。
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,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、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,都属于本申请的保护范围。
本申请实施例提供一种化危品运输车辆风险管控方法,用于管控化危品运输车辆的风险。在本申请提供的一种具体实施方式中,所述化危品运输车辆风险管控方法可以用于化危品运输车辆对象违规操作的风险管控。具体的,请参照图1,本申请提供的一种化危品运输车辆风险管控方法,包括以下步骤:
S100:获取对应运输车辆对象的驾驶员信息因子组、车辆信息因子组、道路信息因子组、化危品信息因子组、环境复杂度因子组。
所述驾驶员信息因子组可以理解为包括驾驶员资质信息、驾驶员基本信息、驾驶证详细信息、身体健康信息、酒驾信息、连续驾驶时间信息等驾驶员风险参考信息的文件。在本申请提供的一种具体实施方式中,获取的驾驶员信息因子组为记录驾驶员最新状态信息的多媒体文件。所述驾驶员信息因子组可以通过车载通信终端、预设驾驶员信息数据库获取。这样,能够及时与驾驶员联系且可以从数据库调取驾驶员信息,从而得到记录驾驶员最新状态信息的多媒体文件。
所述车辆信息因子组可以理解为包括车辆资质信息、车辆服役时间信息、保养信息、车辆警示标识悬挂信息、车身反光标识信息、车辆载重信息、车辆车速信息等车辆风险参考信息的文件。在本申请提供的一种具体实施方式中,获取的车辆信息因子组为记录车辆最新状态信息的多媒体文件。所述车辆信息因子组可以通过车辆信息数据库,车载通信终端,工作人员拍照上传现场照片获取。这样,能够从车辆数据库调取车辆信息、与车辆联系且可以对车辆进行拍摄,快捷获取车辆的信息,从而得到记录车辆最新状态信息的多媒体文件。
所述道路信息因子组可以理解为包括禁止化危品运输车辆通行的道路信息、路径规划信息、道路禁停信息等道路风险参考信息的文件。在本申请提供的一种具体实施方式中,获取的道路信息因子组为记录道路最新状态信息的多媒体文件。所述道路信息因子组可以通过导航软件,交管部门公告获取。这样,能够通过导航软件内的信息整合推送功能和相关人员从交管部分公告主动查询,从而得到记录道路相关信息的多媒体文件。
所述化危品信息因子组可以理解为包括化危品类型信息、化危品规格信息、化危品性质信息等化危品风险参考信息的文件。在本申请提供的一种具体实施方式中,获取的化危品信息因子组为记录运输的化危品最新相关信息的多媒体文件。所述化危品信息因子组可以通过自带红外光谱仪和预设化危品数据库获取。这样,能够对化危品进行红外线照射和在预设化危品数据库中查询,从而得到记录运输化危品最新相关信息的多媒体文件。
所述环境复杂度因子组可以理解为包括自然灾害预警信息、政策信息、民俗信息的环境参考信息的文件。在本申请提供的一种具体实施方式中,获取的环境复杂度因子组为记录环境风险信息的多媒体文件。所述环境复杂度因子组可以通过天气预报,政府网站,网上资料获取。这样,能够实时获取环境的信息,从而得到记录环境相关信息的多媒体文件。
可以理解的是,以上最新信息由于各种原因无法获得时,时不变信息使用存储于数据库中的信息,时变信息则通过监控人员进行确认并人工输入。
S200:将驾驶员信息因子组、车辆信息因子组、道路信息因子组、化危品信息因子组、环境复杂度因子组,组成数据样本。
所述组成数据样本,就是将所收集到的信息进行归纳整理,形成分项记录各风险信息有无的表格。获取的文件本身为文本形式,则直接复制到表格规定填写位置。若获取的是图像信息,则使用OCR技术识别图像中的内容并填入表格。比如,获取到车身反光标识的照片,图像识别到有反光标识,将√填入统计表格中反光标识项的所在位置。反之则将×填入统计表格中反光标识项的所在位置。对信息的归纳整理,形成分项记录各风险信息有无的表格通过预设计编写的程序完成,这样就可以自动完成对收集到的信息进行归纳整理,形成分项记录各风险信息有无的表格。
S300:将数据样本通过预设风险模型计算风险发生概率值。
所述预设风险模型,是对各个风险信息进行赋值的函数。形成一种风险信息对应唯一数值的评分表,数值表示发生风险概率的高低。随着案例数据的积累,及时调整对各风险信息的赋值规则,使模型具有成长性。也可通过计算机模型训练使模型自动成长。赋值规则使用专家打分法进行设定,由预设赋值程序执行。这样能够实现对各个风险信息进行赋值,得到表示发生风险概率的数值,从而得到自动对各个风险信息进行赋值的风险模型。
所述计算风险发生概率值,就是将所采集到的风险因子赋值后进行加权求和,公式样式为Ax+By+Cz=N。可以理解的是,A、B、C为加权值,x、y、z为各风险因子评分后的数值,N为求和得出的风险评分,评分越高表示风险发生的概率越高。所述计算过程由预设计程序完成。这样能够对采集到的风险因子进行加权求和,从而得到风险发生的概率值。
S400:当风险发生概率值不小于预设阈值时,判定运输车辆对象为风险对象。
所述预设阈值指的是一个具体的数值,可以理解的是,此数值是一个评判基准,当算出的风险评分超过此数值时,说明此车辆存在需要管控重大风险。预设阈值的具体数值通过大量运输事故案例经风险模型进行模拟计算,再由行业专家确定得到。这样,能够大量分析运输事故案例,由行业专家进行审定,从而得到用于评判风险的预设阈值。
所述将此车辆对象判定为风险对象,可以理解的是,将车辆对象判定为风险对象,以采取后续管控措施,规避风险。通过预设计程序进行判断,并调配后续管控措施以规避风险。
化危品运输分为驾驶员、车辆、道路、货物、环境、货物装载、货物卸载、车辆修理、停车、行驶过程等方面的风险源,可见风险源十分繁杂。发明上述的一种风险管控方法,以预先设计的程序代替大部分人工部分,实时获取所需风险相关参考数据,并将其按照科学的方法,量化分析计算,识别运输全流程中存在风险的部分,从而提高了判定风险对象的效率。
进一步的,在本申请提供的一种优选实施方式中,获取对应运输车辆对象的化危品信息因子组;
将化危品信息因子组组成数据样本;
将数据样本通过预设风险模型计算风险发生概率值;
当风险发生概率值不小于预设阈值时,判定运输车辆对象为风险对象,具体包括:
提取定量化危品样本;
使用红外光谱仪对化危品样本进行红外线照射,得到光图谱结果;
将得到的光图谱结果与标准图谱集进行比对,确定化危品的物质种类;
通过所述确定的化危品物质种类,与运输车辆进行匹配,得到匹配结果;
当匹配结果不为唯一匹配时,设定其风险发生概率值为预设阈值;
将运输车辆判定为风险对象。
所述提取定量化危品样本可以理解为通过调试好的机械手臂在运输车罐体样本采集口处抽取一定量的内容物,并将内容物按照物质形态制作成便于仪器分析的样本,有压片法、浆糊法、薄膜法、热压膜法。抽取动作可以由自动抽取装置执行,也可由人工执行。制作样本依照物质的种类,设备不能自动完成的由工作人员进行制作。这样就得到了化危品的样本。
所述使用红外光谱仪对化危品样本进行红外线照射,得到光图谱结果。可以理解为,红外光谱仪是利用物质对不同波长的红外辐射的吸收特性,进行分子结构和化学组成分析的仪器,使用它可以精准分析物质成分。红外光谱仪的测定流程可由程序自动执行,如有实际困难也可由人工操作,这样就得到了光图谱结果。
所述将得到的光图谱结果与标准图谱集进行比对,确定化危品的物质种类。可以理解为,红外光谱仪内置标准图谱集,通过预设程序,在标准图谱集中寻找与光图谱结果相似度最高的图谱,确定图谱对应的物质。这样就确定了运输的货物的成分。
所述通过所述确定的化危品物质种类,与运输车辆进行匹配,得到匹配结果。可以理解为,化危品的运输车是专类专用的,不同货物不能混运,也不能用不兼容的车运送货物。举例来说,运送腐蚀类危险品,具有氧化性的腐蚀品不得接触可燃物和还原剂。有机腐蚀品严禁接触明火、高温或氧化剂。有机酸性腐蚀品不得与有氧化性的无机酸性腐蚀品配装。腐蚀品不得与普通货物配装。酸性腐蚀品不得与碱性腐蚀品配装。若存在上述违规行为,通过此步骤的车辆匹配结果,便可进行隐患排查。例如,此车记录上次运输的是碱性腐蚀品,而此次需要运输酸性腐蚀品,则车上有可能存在碱性腐蚀品残留。通过匹配得知不符合运输规范,则输出匹配结果为不匹配。匹配动作由预设程序执行。这样就可以得到货物与车辆的匹配结果。
所述当匹配结果不为唯一匹配时,设定其风险发生概率值为预设阈值,可以理解为,唯一结果就是匹配,其余有任何一项不符合均为不是唯一匹配。则设定其风险概率值为预设阈值,确保其能被判定为风险对象,从而增强风险防控的效果。由预设程序执行设定概率值的动作。这样就能确保货物与运输车辆不对应的情况不受其他干扰,而被判定为风险对象。
所述将运输车辆判定为风险对象。可以理解为,由于此车货物与运输车的本身运输条件不匹配,强行运输存在重大安全隐患,所以判定其为风险对象,以便有针对性地采取后续管控措施,防患于未然。
进一步地,在本申请提供的一种优选实施方式中,获取对应运输车辆对象的驾驶员信息因子组;
将驾驶员信息因子组组成数据样本;
将数据样本通过预设风险模型计算风险发生概率值;
当风险发生概率值不小于预设阈值时,判定运输车辆对象为风险对象,具体包括:
扫描驾驶员面部信息;
通过面部信息从预设人脸数据库中确定驾驶员身份信息;
通过驾驶员身份信息从预设驾驶员信息库中确定驾驶资质信息;
通过确定的驾驶资质信息,与运输车辆进行匹配,得到匹配结果;
当匹配结果不为唯一匹配时,设定其风险发生概率值为预设阈值;
将运输车辆判定为风险对象。
所述扫描驾驶员面部信息,可以理解为,驾驶员在执行任务前需要进行面部扫描,类似于火车站检票口的扫脸验票机或者人脸支付设备,通过面部识别系统快速确认执行此次运输任务的驾驶员的身份。
所述通过面部信息从预设人脸数据库中确定驾驶员身份信息,可以理解为,面部信息是区分不同人之间特征信息,通过这个特征信息在预设人脸数据库中找到唯一对应的驾驶员身份信息。而且,通过人脸确定此人的身份,获取对应的身份证号码,这样能避免因重名等原因出现认定偏差导致混淆不同司机的详细信息的问题。
所述通过驾驶员身份信息从预设驾驶员信息库中确定驾驶资质信息。可以理解的是,驾驶员信息库是预先要求驾驶员填写好表单录入数据库之中的,而表单除了包括驾驶员的姓名、年龄、身高、体重等基本信息外,还包括与行业高度相关的信息:从业资质、违法记录、接受培训的记录、考试记录。由于从业资质最为重要,所以是几个优先查验的风险点之一。驾驶员的资质具体是指道路运输从业资格证、押运员证、A2驾驶证或B2驾驶证等。
所述通过确定的驾驶资质信息,与运输车辆进行匹配,得到匹配结果。可以理解的是,与确定驾驶员资质信息类似,运输车辆同样有唯一编号,提取安排执行此次运输任务的车辆的编号,通过编号从预设车辆数据库中获取车辆详细信息的表单,核实其道路运输证、行驶证、槽罐质量检测合格证、剧毒化学品公路运输通行证、危险标志灯牌。根据运输的物质种类,查验提供的资质是否对应。例如,本次运输的是成品油,安排的是专用的油罐车,各类证件都可以在数据库中查到,驾驶员的各类信息皆符合规定,那么按照此步骤,驾驶资质信息与运输车辆进行匹配。
所述当匹配结果不为唯一匹配时,设定其风险发生概率值为预设阈值。可以理解的是,驾驶员的资质和车辆的资质都要进行核验,只有所有证件都通过核验,匹配结果才是唯一匹配。除此之外,输出结果不是唯一匹配。例如,安排的驾驶员证件齐全,可是存在三年内重大交通责任事故。在进行匹配时,三年内无重大以上交通责任事故项不通过,则输出部分匹配结果。部分匹配不是唯一匹配,将此种情况的评分通过使用预设条件判定程序设定为预设阈值,确保其能被判定为风险对象。
所述将运输车辆判定为风险对象,可以理解为此项功能的结果。上面的步骤已经将各项工作完成,此步骤为输出结果,判定出的风险对象以进行风险管控,以精心设计的计算机程序代替重复性的人工证件核对工作,筛查出不合规定的人员和车辆,有助于提高监控人员的工作效率,也可帮助业内人员车辆遵纪守法安全生产。
进一步地,在本申请提供的一种优选实施方式中,获取对应运输车辆对象的车辆信息因子组;
将车辆信息因子组组成数据样本;
将数据样本通过预设风险模型计算风险发生概率值;
当风险发生概率值不小于预设阈值时,判定运输车辆对象为风险对象,具体包括:
获取初始车辆的重量,设为第一重量;
装载货物后获取车辆的重量,设为第二重量;
通过第二重量减第一重量得到装载的货物重量;
将货物重量与运输车辆的标记载重进行对比;
当货物重量大于运输车辆的标记载重时,设定其风险发生概率值为预设阈值;
将运输车辆判定为风险对象。
所述获取初始车辆的重量,设为第一重量,可以理解的是,称重的第一步,就是获取车辆未装货的重量,也可以是零。将这个数值设为第一重量,便于和装载货物后的重量做区分。获取初始重量是根据车辆信息从车辆数据库中获取的车辆毛重。
所述装载货物后获取车辆的重量,设为第二重量,可以理解的是,车辆装载货物后增加的重量为货物的重量。获取装载货物后的重量可以通过车载重量传感器,也可以过磅称重。
所述通过第二重量减第一重量得到装载的货物重量,可以理解的是,根据上一步获得的第二重量是车辆毛重和货物重量的总和还是只有货物重量。如果已经获取了货物重量,则此步可以省略。如果由于数据库中的车辆毛重不准确或是其他原因导致必须测总重量,则用总重减初重可得到货物重量。此运算可由系统内运算程序执行。此步是一个保险步骤,就是为了防止自动测量不准确,而设定的备用方法。
所述将货物重量与运输车辆的标记载重进行对比。通过对比大小方可知车辆是否超载。对比步骤可由系统内程序执行。
所述当货物重量大于运输车辆的标记载重时,设定其风险发生概率值为预设阈值。可以理解的是,运输车辆都有标记的载重,超过这个数值,则会对多方面造成危害,包括破坏公路基础设施、车辆制动距离加长、增大爆胎发生概率、缩短车辆使用寿命,影响交通通畅等。设定其风险发生概率值为预设阈值,确保能将超载的车辆筛选出来,禁止其超载运输,以保护各方面的安全。
所述将运输车辆判定为风险对象,可以理解为此项功能的结果,将超载车辆及时筛查出来,以采取后续管控措施防止风险发生。
进一步地,在本申请提供的一种优选实施方式中,获取对应运输车辆对象的驾驶员信息因子组;
将驾驶员信息因子组组成数据样本;
将数据样本通过预设风险模型计算风险发生概率值;
当风险发生概率值不小于预设阈值时,判定运输车辆对象为风险对象,具体包括:
检测到运输车辆速度不为零时,开始计时,为第一时间段;
检测到速度为零时开始计时,为第二时间段;
当第二时间段大于20分钟时,将第一时间段清零;
当第一时间段大于4小时时,设定其风险发生概率值为预设阈值;
将运输车辆判定为风险对象。
所述检测到运输车辆速度不为零时,开始计时,为第一时间段。可以理解的是,内置车速传感器和计时器。当车速不为零意味着车辆开始行驶,而驾驶员也开始进入驾驶状态,驾驶过程中需要集中精神,意味着精神开始消耗。故以此为计时起点。当车速传感器检测到所测车辆速度不为零,由计时器开始计时,是确保驾驶员确实进入了驾驶状态,而非休息状态,确保计时开始的准确。
所述检测到速度为零时开始计时,为第二时间段。可以理解的是,当车速传感器检测到速度为零表示车辆已经停止,表示司机在休息,司机休息可以恢复精神,按照交通法规,休息后可以继续驾驶汽车。所以需要获取司机休息时间的数据,由计时器计时,设为第二时间段,便于与表示持续驾驶时间的第一时间段区分。
所述当第二时间段大于20分钟时,将第一时间段清零。可以理解的是,按照交通法规休息超过20分钟后可以连续驾驶4小时,所以表示休息时间的第二时间段大于二十分钟,则通过预设程序将表示连续驾驶时间的第一时间段清零。准备重新计时。
所述当第一时间段大于4小时时,设定其风险发生概率值为预设阈值。可以理解的是,交通法规规定连续驾驶超过四个小时,属于疲劳驾驶。疲劳驾驶意味着驾驶员的精神涣散,如果重度疲劳驾驶员会出现短暂的睡眠现象,这在公路上极度危险,所以确保驾驶员避免疲劳驾驶,通过预设条件判定程序设定将超过四小时连续驾驶时间的驾驶车辆风险概率值设定为预设阈值,确保概率值不会因为其他干扰而低于预设阈值,可靠地将疲劳驾驶的车辆对象判定为风险对象,可以最大限度地排除由疲劳驾驶引发的交通运输事故。
所述将运输车辆判定为风险对象。可以理解为此项功能的结果,将疲劳驾驶的风险车辆对象及时筛查出来,以采取后续管控措施防止风险发生。
进一步地,在本申请提供的一种优选实施方式中,将运输车辆判定为风险对象,方法还包括:
将运输车辆判定为风险对象;
向风险对象发送预警信息;
当风险对象对应的驾驶员根据实际情况判断为误报警并输入密码确认时,将风险对象判定为无风险对象。
所述将运输车辆判定为风险对象。可以理解的是,该方法最后会通过预设流程判断出一些风险对象,并准备对其采取措施。
所述向风险对象发送预警信息。可以理解的是,风险对象是指运输车辆和驾驶员,作为一个整体,向其发送预警信息以起到提醒的作用。发送预警信息发给车载通信终端,在车载通信终端上向驾驶员展示预警信息。
所述当风险对象对应的驾驶员根据实际情况判断为误报警并输入密码确认时,将风险对象判定为无风险对象。可以理解的是,在风险对象判定过程中会有预料不到的情况导致输出的结果与实际情况不符,所以需要设定一个便于人工确认的步骤,增强其实际使用时的灵活性。例如,由于系统问题,计时出现错误,导致一直提示驾驶员疲劳驾驶,实际情况是驾驶员已经进行了二十分钟以上的休息,则可由风险监控人员进行密码输入,会将已经判定为风险对象的车辆重新判定为无风险对象,进而取消对其的报警等防控措施。
进一步地,在本申请提供的一种优选实施方式中,将运输车辆判定为风险对象,方法还包括:
根据判定风险信息因子的预设权重,通过文字内容生成工具,生成预警信息和处理预案文本。
所述根据判定风险信息因子的预设权重。可以理解的是,不同风险信息因子虽然都会引起风险,但是有高低之分。也就是说引起风险的概率不同,事故发生后的危害也不同,所以生成预警信息和处理预案为目标的行为中,要对风险信息设置不同的权重。
所述文字内容生成工具。可以理解的是,聊天机器人程序现已达到可以实际应用的水平,它可以通过问题或者要求生成对应的多媒体内容,将这个技术应用于此风险管理方法之中,可以省掉设置文案模板数据库,匹配对应案件等繁杂程序,使生成预警信息和处理预案更加快捷。
所述生成预警信息和处理预案文本可以理解的是,就是将内容生成工具的输出结果进行总结,预警信息可以及时提醒驾驶员和监控人员,精准防控风险,处理预案文本是对事故发生的后续准备。如果通过前面的管控措施依然没能阻止事故发生,也可以通过处理预案文本的指导,让责任人或者事故处理人可以采取及时有效的措施,使损失尽量降低。
本申请还提供一种化危品运输车辆风险管控系统100,用于管控化危品运输车辆的风险。在本申请提供的一种具体实施方式中,所述化危品运输车辆风险管控系统可以用于车辆运输化危品全流程的风险管控。具体的,请参照图2,一种化危品运输车辆风险管控系统100,包括:
数据采集模块11,用于获取对应运输车辆对象的驾驶员信息因子组、车辆信息因子组、道路信息因子组、化危品信息因子组、环境复杂度因子组;
数据处理模块12,用于将驾驶员信息因子组、车辆信息因子组、道路信息因子组、化危品信息因子组、环境复杂度因子组,组成数据样本;
风险计算模块13,用于将数据样本通过预设风险模型计算风险发生概率值;
风险判定模块14,用于当风险发生概率值不小于预设阈值时,判定运输车辆对象为风险对象。
数据采集模块11,用于获取对应运输车辆对象的驾驶员信息因子组、车辆信息因子组、道路信息因子组、化危品信息因子组、环境复杂度因子组。
所述驾驶员信息因子组可以理解为包括驾驶员资质信息、驾驶员基本信息、驾驶证详细信息、身体健康信息、酒驾信息、连续驾驶时间信息等驾驶员风险参考信息的文件。在本申请提供的一种具体实施方式中,数据采集模块11获取的驾驶员信息因子组为记录驾驶员最新状态信息的多媒体文件。所述驾驶员信息因子组可以通过车载通信终端、预设驾驶员信息数据库获取。这样,能够及时与驾驶员联系且可以从数据库调取驾驶员信息,从而得到记录驾驶员最新状态信息的多媒体文件。
所述车辆信息因子组可以理解为包括车辆资质信息、车辆服役时间信息、保养信息、车辆警示标识悬挂信息、车身反光标识信息、车辆载重信息、车辆车速信息等车辆风险参考信息的文件。在本申请提供的一种具体实施方式中,数据采集模块11获取的车辆信息因子组为记录车辆最新状态信息的多媒体文件。所述车辆信息因子组可以通过车辆信息数据库,车载通信终端,工作人员拍照上传现场照片获取。这样,能够从车辆数据库调取车辆信息、与车辆联系且可以对车辆进行拍摄,快捷获取车辆的信息,从而得到记录车辆最新状态信息的多媒体文件。
所述道路信息因子组可以理解为包括禁止化危品运输车辆通行的道路信息、路径规划信息、道路禁停信息等道路风险参考信息的文件。在本申请提供的一种具体实施方式中,数据采集模块11获取的道路信息因子组为记录道路最新状态信息的多媒体文件。所述道路信息因子组可以通过导航软件,交管部门公告获取。这样,能够通过导航软件内的信息整合推送功能和相关人员从交管部分公告主动查询,从而得到记录道路相关信息的多媒体文件。
所述化危品信息因子组可以理解为包括化危品类型信息、化危品规格信息、化危品性质信息等化危品风险参考信息的文件。在本申请提供的一种具体实施方式中,数据采集模块11获取的化危品信息因子组为记录运输的化危品最新相关信息的多媒体文件。所述化危品信息因子组可以通过自带红外光谱仪和预设化危品数据库获取。这样,能够对化危品进行红外线照射和在预设化危品数据库中查询,从而得到记录运输化危品最新相关信息的多媒体文件。
所述环境复杂度因子组可以理解为包括自然灾害预警信息、政策信息、民俗信息的环境参考信息的文件。在本申请提供的一种具体实施方式中,获取的环境复杂度因子组为记录环境风险信息的多媒体文件。所述环境复杂度因子组可以通过天气预报,政府网站,网上资料获取。这样,能够实时获取环境的信息,从而得到记录环境相关信息的多媒体文件。
可以理解的是,以上最新信息由于各种原因无法获得时,时不变信息使用存储于数据库中的信息,时变信息则通过监控人员进行确认并人工输入。
数据处理模块12,用于将驾驶员信息因子组、车辆信息因子组、道路信息因子组、化危品信息因子组、环境复杂度因子组,组成数据样本。
所述数据处理模块12用于组成数据样本,就是将数据采集模块11收集到的信息通过数据处理模块12进行归纳整理,形成分项记录各风险信息有无的表格。数据采集模块11获取的文件本身为文本形式,则数据处理模块12直接复制到表格规定填写位置。若数据采集模块11获取的是图像信息,则数据处理模块12使用OCR技术识别图像中的内容并填入表格。比如,数据采集模块11获取到车身反光标识的照片,图像识别到有反光标识,数据处理模块12将√填入统计表格中反光标识项的所在位置。反之,数据处理模块12则将×填入统计表格中反光标识项的所在位置。数据处理模块12对信息的归纳整理,形成分项记录各风险信息有无的表格通过预设计编写的程序完成,这样就可以由数据处理模块12自动完成对收集到的信息进行归纳整理,数据处理模块12形成分项记录各风险信息有无的表格。
风险计算模块13,用于将数据样本通过预设风险模型计算风险发生概率值。
所述预设风险模型,是风险计算模块13的主体内容,是对各个风险信息进行赋值的函数。人为设定形成一种风险信息对应唯一数值的评分表,数值表示发生风险概率的高低。随着案例数据的积累,专业人员可及时调整对各风险信息的赋值规则,使模型具有成长性。也可通过计算机模型训练使模型自动成长。赋值规则使用专家打分法进行设定,由预设赋值程序执行。这样能够实现风险计算模块13对各个风险信息进行赋值,得到表示发生风险概率的数值,从而风险计算模块13得到自动对各个风险信息进行赋值的风险模型。
所述风险计算模块13用于风险发生概率值,就是将信息采集模块11所采集到的风险因子赋值后进行加权求和,公式样式为Ax+By+Cz=N。可以理解的是,A、B、C为加权值,x、y、z为各风险因子评分后的数值,N为求和得出的风险评分,评分越高表示风险发生的概率越高。所述计算过程由预设计程序完成。这样能够对信息采集模块11采集到的风险因子进行加权求和,从而风险计算模块13得到风险发生的概率值。
风险判定模块14,用于当风险发生概率值不小于预设阈值时,判定运输车辆对象为风险对象。
所述预设阈值指的是一个具体的数值,可以理解的是,此数值是一个评判基准,当由风险计算模块13算出的风险评分超过此数值时,说明此车辆存在需要管控重大风险。预设阈值的具体数值通过大量运输事故案例经风险模型进行模拟计算,再由行业专家确定得到。这样,能够大量分析运输事故案例,由行业专家进行审定,从而得到用于评判风险的预设阈值。
所述风险判定模块14用于将此车辆对象判定为风险对象,可以理解的是,风险判定模块14将车辆对象判定为风险对象,以采取后续管控措施,规避风险。通过预设计程序进行判断,并调配后续管控措施以规避风险。
化危品运输分为驾驶员、车辆、道路、货物、环境、货物装载、货物卸载、车辆修理、停车、行驶过程等方面的风险源,可见风险源十分繁杂。发明上述的一种风险管控方法,以预先设计的程序代替大部分人工部分,实时获取所需风险相关参考数据,并将其按照科学的方法,量化分析计算,识别运输全流程中存在风险的部分,从而提高了判定风险对象的效率。
进一步的,在本申请提供的一种优选实施方式中,所述风险判定模块14还用于:
将运输车辆判定为风险对象;
向风险对象发送预警信息;
当风险对象对应的驾驶员根据实际情况判断为误报警并输入密码确认时,将风险对象判定为无风险对象。
所述风险判定模块14用于将运输车辆判定为风险对象。可以理解的是,风险判定模块14最后会通过预设流程判断出一些风险对象,并准备对其采取措施。
所述风险判定模块14用于向风险对象发送预警信息。可以理解的是,风险对象是指运输车辆和驾驶员,作为一个整体,向其发送预警信息以起到提醒的作用。由风险判定模块14发送预警信息发给车载通信终端,在车载通信终端上向驾驶员展示预警信息。
所述风险判定模块14用于当风险对象对应的驾驶员根据实际情况判断为误报警并输入密码确认时,将风险对象判定为无风险对象。可以理解的是,在风险判定模块14判定风险对象过程中会有预料不到的情况导致输出的结果与实际情况不符,所以需要设定一个便于人工确认的步骤,增强其实际使用时的灵活性。例如,由于系统问题,计时出现错误,导致风险判定模块14一直提示驾驶员疲劳驾驶,实际情况是驾驶员已经进行了二十分钟以上的休息,则可由风险监控人员在风险判定模块14上进行密码输入,风险判定模块14会将已经判定为风险对象的车辆重新判定为无风险对象,进而风险判定模块14取消对其的报警等防控措施。
进一步的,在本申请提供的一种优选实施方式中,所述风险判定模块14还用于:根据判定风险信息因子的预设权重,通过文字内容生成工具,生成预警信息和处理预案文本。
所述根据判定风险信息因子的预设权重。可以理解的是,不同风险信息因子虽然都会引起风险,但是有高低之分。也就是说引起风险的概率不同,事故发生后的危害也不同,所以风险判定模块14生成预警信息和处理预案为目标的行为中,要人为对风险信息设置不同的权重值。
所述文字内容生成工具。可以理解的是,风险判定模块14内置内容生成工具。聊天机器人程序现已达到可以实际应用的水平,它可以通过问题或者要求生成对应的多媒体内容,将这个技术应用于此风险管理方法之中,可以省掉设置文案模板数据库,匹配对应案件等繁杂程序,使生成预警信息和处理预案更加快捷。
所述风险判定模块14用于生成预警信息和处理预案文本。可以理解的是,就是风险判定模块14将内容生成工具的输出结果进行总结,内容生成工具生成的预警信息可以及时提醒驾驶员和监控人员,精准防控风险,内容生成工具生成的处理预案文本是对事故发生的后续准备。如果通过前面的管控措施依然没能阻止事故发生,也可以根据处理预案文本的指导,让责任人或者事故处理人可以采取及时有效的措施,使损失尽量降低。
进一步的,在本申请提供的一种优选实施方式中,所述数据采集模块11,用于获取对应运输车辆对象的化危品信息因子组;
数据处理模块12,用于将化危品信息因子组组成数据样本;
风险计算模块13,用于将数据样本通过预设风险模型计算风险发生概率值;
风险判定模块14,用于当风险发生概率值不小于预设阈值时,判定运输车辆对象为风险对象。具体包括:
数据采集模块11,用于提取定量化危品样本;
使用红外光谱仪对化危品样本进行红外线照射,得到光图谱结果;
数据处理模块12,用于将得到的光图谱结果与标准图谱集进行比对,确定化危品的物质种类;
风险计算模块13,用于通过所述确定的化危品物质种类,与运输车辆进行匹配,得到匹配结果;
当匹配结果不为唯一匹配时,设定其风险发生概率值为预设阈值;
风险判定模块14,用于将运输车辆判定为风险对象。
所述数据采集模块11用于提取定量化危品样本。可以理解为,通过调试好的机械手臂在运输车罐体样本采集口处抽取一定量的内容物,并将内容物按照物质形态制作成便于仪器分析的样本。有压片法、浆糊法、薄膜法、热压膜法。抽取动作可以由自动抽取装置执行,也可由人工执行。制作样本依照物质的种类,设备不能自动完成的由工作人员进行制作。这样就得到了化危品的样本。
所述数据采集模块11用于使用红外光谱仪对化危品样本进行红外线照射,得到光图谱结果。可以理解为,红外光谱仪是利用物质对不同波长的红外辐射的吸收特性,进行分子结构和化学组成分析的仪器,使用它可以精准分析物质成分。红外光谱仪是数据采集模块11采集数据时需用到的仪器之一,红外光谱仪的测定流程可由程序自动执行,如有实际困难也可由人工操作,这样就得到了光图谱结果。
所述数据处理模块12用于将得到的光图谱结果与标准图谱集进行比对,确定化危品的物质种类。可以理解为,红外光谱仪内置标准图谱集,通过预设程序,在标准图谱集中寻找与光图谱结果相似度最高的图谱,确定图谱对应的物质并通过数据处理模块12将确定的物质结果填入。这样就确定了运输的货物的成分。
所述风险计算模块13用于通过所述确定的化危品物质种类,与运输车辆进行匹配,得到匹配结果。可以理解为,化危品的运输车是专类专用的,不同货物不能混运,也不能用不兼容的车运送货物。举例来说,运送腐蚀类危险品,具有氧化性的腐蚀品不得接触可燃物和还原剂。有机腐蚀品严禁接触明火、高温或氧化剂。有机酸性腐蚀品不得与有氧化性的无机酸性腐蚀品配装。腐蚀品不得与普通货物配装。酸性腐蚀品不得与碱性腐蚀品配装。若存在上述违规行为,通过风险计算模块13的车辆匹配结果,便可进行隐患排查。例如,此车记录上次运输的是碱性腐蚀品,而此次需要运输酸性腐蚀品,则车上有可能存在碱性腐蚀品残留。通过风险计算模块13匹配得知不符合运输规范,则输出匹配结果为不匹配。匹配动作由预设程序执行。这样就可以得到货物与车辆的匹配结果。
所述风险计算模块13用于当匹配结果不为唯一匹配时,设定其风险发生概率值为预设阈值,可以理解为,唯一结果就是匹配,其余有任何一项不符合均为不是唯一匹配。则由使用预设条件判定程序设定其风险概率值为预设阈值,确保其能被风险计算模块13判定为风险对象,从而增强风险防控的效果。由预设程序执行设定概率值的动作。这样就能确保货物与运输车辆不对应的情况不受其他干扰,而被风险计算模块13判定为风险对象。
所述风险判定模块14用于将运输车辆判定为风险对象。可以理解为,由于此车货物与运输车的本身运输条件不匹配,强行运输存在重大安全隐患,所以风险判定模块14判定其为风险对象,以便风险判定模块14有针对性地采取后续管控措施,防患于未然。
进一步的,在本申请提供的一种优选实施方式中,所述数据采集模块11,用于获取对应运输车辆对象的驾驶员信息因子组;
数据处理模块12,用于将驾驶员信息因子组组成数据样本;
风险计算模块13,用于将数据样本通过预设风险模型计算风险发生概率值;
风险判定模块14,用于当风险发生概率值不小于预设阈值时,判定运输车辆对象为风险对象。具体包括:
数据采集模块11,用于扫描驾驶员面部信息;
通过面部信息从预设人脸数据库中确定驾驶员身份信息;
数据处理模块12,用于通过面部信息从预设人脸数据库中确定驾驶员身份信息;
通过驾驶员身份信息从预设驾驶员信息库中确定驾驶资质信息;
风险计算模块13,用于通过确定的驾驶资质信息,与运输车辆进行匹配,得到匹配结果;
当匹配结果不为唯一匹配时,设定其风险发生概率值为预设阈值;
风险判定模块14,用于将运输车辆判定为风险对象。
所述数据采集模块11用于扫描驾驶员面部信息,可以理解为,数据采集模块内置面部识别系统。驾驶员在执行任务前需要进行面部扫描,类似于火车站检票口的扫脸验票机或者人脸支付设备,通过面部识别系统快速确认执行此次运输任务的驾驶员的身份。
所述数据处理模块12用于通过面部信息从预设人脸数据库中确定驾驶员身份信息,可以理解为,面部信息是区分不同人之间特征信息,通过这个特征信息数据处理模块12在预设人脸数据库中找到唯一对应的驾驶员身份信息。而且,数据处理模块12通过人脸确定此人的身份,获取对应的身份证号码,这样能避免因重名等原因出现认定偏差导致混淆不同司机的详细信息的问题。
所述数据处理模块12用于通过驾驶员身份信息从预设驾驶员信息库中确定驾驶资质信息。可以理解的是,驾驶员信息库是预先要求驾驶员填写好表单录入数据库之中的,而表单除了包括驾驶员的姓名、年龄、身高、体重等基本信息外,还包括与行业高度相关的信息:从业资质、违法记录、接受培训的记录、考试记录。由于从业资质最为重要,所以是几个优先查验的风险点之一。驾驶员的资质具体是指道路运输从业资格证、押运员证、A2驾驶证或B2驾驶证等。
所述风险计算模块13用于通过确定的驾驶资质信息,与运输车辆进行匹配,得到匹配结果。可以理解的是,与确定驾驶员资质信息类似,运输车辆同样有唯一编号,风险计算模块13提取安排执行此次运输任务的车辆的编号,风险计算模块13通过编号从预设车辆数据库中获取车辆详细信息的表单,风险计算模块13核实其道路运输证、行驶证、槽罐质量检测合格证、剧毒化学品公路运输通行证、危险标志灯牌。风险计算模块13根据运输的物质种类,查验提供的资质是否对应。例如,本次运输的是成品油,安排的是专用的油罐车,各类证件都可以在数据库中查到,驾驶员的各类信息皆符合规定,那么按照此步骤,驾驶资质信息与运输车辆通过风险计算模块13进行匹配。
所述风险计算模块13用于当匹配结果不为唯一匹配时,设定其风险发生概率值为预设阈值。可以理解的是,驾驶员的资质和车辆的资质都要通过风险计算模块13进行核验,只有所有证件都通过风险计算模块13核验,风险计算模块13输出的匹配结果才是唯一匹配。除此之外,风险计算模块13输出结果不是唯一匹配。例如,安排的驾驶员证件齐全,可是存在三年内重大交通责任事故。在进行匹配时,三年内无重大以上交通责任事故项不通过,则风险计算模块13输出部分匹配结果。部分匹配不是唯一匹配,使用预设条件判定程序预先将此种情况的评分设定为预设阈值,确保其能被判定为风险对象。
所述风险判定模块14用于将运输车辆判定为风险对象,可以理解为此项功能的结果。上面的步骤已经将各项工作完成,此步骤为风险判定模块14输出结果。风险判定模块14判定出的风险对象以进行风险管控,以精心设计的计算机程序代替重复性的人工证件核对工作,筛查出不合规定的人员和车辆,有助于提高监控人员的工作效率,也可帮助业内人员车辆遵纪守法安全生产。
进一步的,在本申请提供的一种优选实施方式中,所述数据采集模块11,用于获取对应运输车辆对象的车辆信息因子组;
数据处理模块12,用于将车辆信息因子组组成数据样本;
风险计算模块13,用于将数据样本通过预设风险模型计算风险发生概率值;
风险判定模块14,用于当风险发生概率值不小于预设阈值时,判定运输车辆对象为风险对象。具体包括:
数据采集模块11,用于获取初始车辆的重量,设为第一重量;
装载货物后获取车辆的重量,设为第二重量;
数据处理模块12,用于通过第二重量减第一重量得到装载的货物重量;
风险计算模块13,用于将货物重量与运输车辆的标记载重进行对比;
当货物重量大于运输车辆的标记载重时,设定其风险发生概率值为预设阈值;
风险判定模块14,用于将运输车辆判定为风险对象。
所述数据采集模块11用于获取初始车辆的重量,设为第一重量,可以理解的是,称重的第一步,就是数据采集模块11获取车辆未装货的重量,也可以是零。数据采集模块11将这个数值设为第一重量,便于和装载货物后的重量做区分。获取初始重量是根据车辆信息从车辆数据库中获取的车辆毛重。
所述数据采集模块11用于装载货物后获取车辆的重量,设为第二重量,可以理解的是,车辆装载货物后增加的重量为货物的重量。数据采集模块11获取装载货物后的重量可以通过车载重量传感器,也可以过磅称重。
所述数据处理模块12用于通过第二重量减第一重量得到装载的货物重量,可以理解的是,根据数据采集模块11获得的第二重量是车辆毛重和货物重量的总和还是只有货物重量。如果数据采集模块11已经获取了货物重量,则此步可以省略。如果由于数据库中的车辆毛重不准确或是其他原因导致必须测总重量,则数据采集模块11用总重减初重可得到货物重量。此运算可由系统内运算程序执行。此步是一个保险步骤,就是为了防止自动测量不准确,而设定的备用方法。
所述风险计算模块13用于将货物重量与运输车辆的标记载重进行对比。风险计算模块13通过对比大小方可知车辆是否超载。对比步骤可由系统内程序执行。
所述风险计算模块13用于当货物重量大于运输车辆的标记载重时,设定其风险发生概率值为预设阈值。可以理解的是,运输车辆都有标记的载重,超过这个数值,则会对多方面造成危害,包括破坏公路基础设施、车辆制动距离加长、增大爆胎发生概率、缩短车辆使用寿命,影响交通通畅等。风险计算模块13通过预条件判定程序设定其风险发生概率值为预设阈值,确保风险计算模块14能将超载的车辆筛选出来,禁止其超载运输,以保护各方面的安全。
所述风险判定模块14用于将运输车辆判定为风险对象,可以理解为风险计算模块14功能的结果,风险计算模块14将超载车辆及时筛查出来,以采取后续管控措施防止风险发生。
进一步的,在本申请提供的一种优选实施方式中,所述数据采集模块11,用于获取对应运输车辆对象的驾驶员信息因子组;
数据处理模块12,用于将驾驶员信息因子组组成数据样本;
风险计算模块13,用于将数据样本通过预设风险模型计算风险发生概率值;
风险判定模块14,用于当风险发生概率值不小于预设阈值时,判定运输车辆对象为风险对象。具体包括:
数据采集模块11,用于检测到运输车辆速度不为零时,开始计时,为第一时间段;
检测到速度为零时开始计时,为第二时间段;
数据处理模块12,用于当第二时间段大于20分钟时,将第一时间段清零;
风险计算模块13,用于当第一时间段大于4小时时,设定其风险发生概率值为预设阈值;
风险判定模块14,用于将运输车辆判定为风险对象。
所述数据采集模块11用于检测到运输车辆速度不为零时,开始计时,为第一时间段。可以理解的是,数据采集模块11内置车速传感器和计时器。当车速不为零意味着车辆开始行驶,而驾驶员也开始进入驾驶状态,驾驶过程中需要集中精神,意味着精神开始消耗。故以此为计时起点。当车速传感器检测到所测车辆速度不为零,由计时器开始计时,是确保驾驶员确实进入了驾驶状态,而非休息状态,确保计时开始的准确。
所述数据采集模块11用于检测到速度为零时开始计时,为第二时间段。可以理解的是,当车速传感器检测到速度为零表示车辆已经停止,表示司机在休息,司机休息可以恢复精神,按照交通法规,休息后可以继续驾驶汽车。所以需要数据采集模块11获取司机休息时间的数据,由计时器计时,设为第二时间段,便于与表示持续驾驶时间的第一时间段区分。
所述数据处理模块12用于当第二时间段大于20分钟时,将第一时间段清零。可以理解的是,按照交通法规休息超过20分钟后可以连续驾驶4小时,所以表示休息时间的第二时间段大于二十分钟,则数据处理模块12通过预设程序将表示连续驾驶时间的第一时间段清零。准备重新计时。
所述风险计算模块13用于当第一时间段大于4小时时,设定其风险发生概率值为预设阈值。可以理解的是,交通法规规定连续驾驶超过四个小时,属于疲劳驾驶。疲劳驾驶意味着驾驶员的精神涣散,如果重度疲劳驾驶员会出现短暂的睡眠现象,这在公路上极度危险,所以确保驾驶员避免疲劳驾驶,风险计算模块13通过预设条件判定程序将超过四小时连续驾驶时间的驾驶车辆风险概率值设定为预设阈值,确保概率值不会因为其他干扰而低于预设阈值,风险判定模块14可靠地将疲劳驾驶的车辆对象判定为风险对象,可以最大限度地排除由疲劳驾驶引发的交通运输事故。
所述风险判定模块14用于将运输车辆判定为风险对象。可以理解为风险判定模块14功能的结果,风险判定模块14将疲劳驾驶的风险车辆对象及时筛查出来,以采取后续管控措施防止风险发生。
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。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
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。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种化危品运输车辆风险管控方法,其特征在于,包括以下步骤:
获取对应运输车辆对象的驾驶员信息因子组、车辆信息因子组、道路信息因子组、化危品信息因子组、环境复杂度因子组;
将驾驶员信息因子组、车辆信息因子组、道路信息因子组、化危品信息因子组、环境复杂度因子组,组成数据样本;
将数据样本通过预设风险模型计算风险发生概率值;
当风险发生概率值不小于预设阈值时,判定运输车辆对象为风险对象。
2.如权利要求1所述的化危品运输车辆风险管控方法,其特征在于,所述获取对应运输车辆对象的化危品信息因子组;
将化危品信息因子组组成数据样本;
将数据样本通过预设风险模型计算风险发生概率值;
当风险发生概率值不小于预设阈值时,判定运输车辆对象为风险对象,具体包括:
提取定量化危品样本;
使用红外光谱仪对化危品样本进行红外线照射,得到光图谱结果;
将得到的光图谱结果与标准图谱集进行比对,确定化危品的物质种类;
通过所述确定的化危品物质种类,与运输车辆进行匹配,得到匹配结果;
当匹配结果不为唯一匹配时,设定其风险发生概率值为预设阈值;
将运输车辆判定为风险对象。
3.如权利要求1所述化危品运输车辆风险管控方法,其特征在于,所述获取对应运输车辆对象的驾驶员信息因子组;
将驾驶员信息因子组组成数据样本;
将数据样本通过预设风险模型计算风险发生概率值;
当风险发生概率值不小于预设阈值时,判定运输车辆对象为风险对象,具体包括:
扫描驾驶员面部信息;
通过面部信息从预设人脸数据库中确定驾驶员身份信息;
通过驾驶员身份信息从预设驾驶员信息库中确定驾驶资质信息;
通过确定的驾驶资质信息,与运输车辆进行匹配,得到匹配结果;
当匹配结果不为唯一匹配时,设定其风险发生概率值为预设阈值;
将运输车辆判定为风险对象。
4.如权利要求1所述的化危品运输车辆风险管控方法,其特征在于,所述获取对应运输车辆对象的车辆信息因子组;
将车辆信息因子组组成数据样本;
将数据样本通过预设风险模型计算风险发生概率值;
当风险发生概率值不小于预设阈值时,判定运输车辆对象为风险对象,具体包括:
获取初始车辆的重量,设为第一重量;
装载货物后获取车辆的重量,设为第二重量;
通过第二重量减第一重量得到装载的货物重量;
将货物重量与运输车辆的标记载重进行对比;
当货物重量大于运输车辆的标记载重时,设定其风险发生概率值为预设阈值;
将运输车辆判定为风险对象。
5.如权利要求1所述的化危品运输车辆风险管控方法,其特征在于,所述获取对应运输车辆对象的驾驶员信息因子组;
将驾驶员信息因子组组成数据样本;
将数据样本通过预设风险模型计算风险发生概率值;
当风险发生概率值不小于预设阈值时,判定运输车辆对象为风险对象,具体包括:
检测到运输车辆速度不为零时,开始计时,为第一时间段;
检测到速度为零时开始计时,为第二时间段;
当第二时间段大于20分钟时,将第一时间段清零;
当第一时间段大于4小时时,设定其风险发生概率值为预设阈值;
将运输车辆判定为风险对象。
6.如权利要求1所述的化危品运输车辆风险管控方法,其特征在于,所述方法还包括:
向风险对象发送预警信息;
当风险对象对应的驾驶员根据实际情况判断为误报警并输入密码确认时,将风险对象判定为无风险对象。
7.如权利要求1所述的化危品运输车辆风险管控方法,其特征在于,所述方法还包括:
根据判定风险信息因子的预设权重,通过文字内容生成程序,生成预警信息和处理预案文本。
8.一种化危品运输车辆风险管控系统,其特征在于,包括:
数据采集模块,用于获取对应运输车辆对象的驾驶员信息因子组、车辆信息因子组、道路信息因子组、化危品信息因子组、环境复杂度因子组;
数据处理模块,用于将驾驶员信息因子组、车辆信息因子组、道路信息因子组、化危品信息因子组、环境复杂度因子组,组成数据样本;
风险计算模块,用于将数据样本通过预设风险模型计算风险发生概率值;
风险判定模块,用于当风险发生概率值不小于预设阈值时,判定运输车辆对象为风险对象。
9.如权利要求8所述的一种化危品运输车辆风险管理系统,其特征在于,所述风险判定模块还用于:
向风险对象发送预警信息;
当风险对象对应的驾驶员根据实际情况判断为误报警并输入密码确认时,将风险对象判定为无风险对象。
10.如权利要求8所述的一种化危品运输车辆风险管控系统,其特征在于,所述风险判定模块还用于:
根据判定风险信息因子的预设权重,通过文字内容生成工具,生成预警信息和处理预案文本。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310667999.4A CN117522180A (zh) | 2023-06-06 | 2023-06-06 | 化危品运输车辆风险管控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310667999.4A CN117522180A (zh) | 2023-06-06 | 2023-06-06 | 化危品运输车辆风险管控方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117522180A true CN117522180A (zh) | 2024-02-06 |
Family
ID=89746337
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310667999.4A Pending CN117522180A (zh) | 2023-06-06 | 2023-06-06 | 化危品运输车辆风险管控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117522180A (zh) |
-
2023
- 2023-06-06 CN CN202310667999.4A patent/CN117522180A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Investigation of highway work zone crashes: What we know and what we don't know | |
US20160350567A1 (en) | Method and system for supervised disembarking of passengers from a bus | |
CN109649396B (zh) | 一种营运车辆驾驶员安全性检测方法 | |
CN109165541B (zh) | 用于智能识别轨道交通车辆图像中车辆零部件的编码方法 | |
JP2003232888A (ja) | 輸送物の健全性確認検査システムおよび健全性確認方法 | |
CN107153914A (zh) | 一种汽车运行风险的评价系统及方法 | |
Ebrahimi et al. | Analysis of train derailments and collisions to identify leading causes of loss incidents in rail transport of dangerous goods in Canada | |
CN111412969A (zh) | 一种汽车衡智能化管理方法及系统 | |
CN111830917A (zh) | 一种造纸企业原料数字化防作弊质检管控系统及方法 | |
US20080172298A1 (en) | Method of implementing an incentive-based recycling system | |
Ronay-Tobel et al. | Weight enforcement network of Hungary | |
Safiullin et al. | The software adaptive system for managing the heavy cargo transportation process based on the automated vehicle weight and size control system | |
CN110675013A (zh) | 建设工程项目施工安全性的评价方法 | |
CN117522180A (zh) | 化危品运输车辆风险管控方法及系统 | |
CN115310900A (zh) | 一种网络货运平台诚信管理的大数据预警系统 | |
Dressler et al. | Durability validation for variable customer usage | |
Bekher et al. | Automation of control processes in the non-destructive testing units | |
CN113343754A (zh) | 基于视频图像分析的危货监管系统及危货监管方法 | |
CN110414641A (zh) | 对生活垃圾焚烧厂垃圾运输车辆合规性验证的技术方法 | |
CN113554245A (zh) | 危化品运输预警智能化风险分级和展示方法及装置 | |
CN111582636A (zh) | 一种电梯维保单位信用评价方法和系统 | |
CN114078227B (zh) | 一种智能ai识别报警系统及方法 | |
CN114419886A (zh) | 车辆停放的估测方法和车辆监控服务器 | |
Walton et al. | Evaluation of thermal imaging technology for commercial vehicle screening. | |
Edwards | Improving the efficiency and effectiveness of railcar safety appliance inspections using machine vision technology |
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 |