CN117875720A - 基于物联网的智慧燃气管网场站人员安全管理方法与系统 - Google Patents
基于物联网的智慧燃气管网场站人员安全管理方法与系统 Download PDFInfo
- Publication number
- CN117875720A CN117875720A CN202410268853.7A CN202410268853A CN117875720A CN 117875720 A CN117875720 A CN 117875720A CN 202410268853 A CN202410268853 A CN 202410268853A CN 117875720 A CN117875720 A CN 117875720A
- Authority
- CN
- China
- Prior art keywords
- risk
- intelligent gas
- data
- personnel
- safety management
- 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
- 238000007726 management method Methods 0.000 title claims description 126
- 238000012544 monitoring process Methods 0.000 claims abstract description 69
- 230000006399 behavior Effects 0.000 claims description 106
- 238000010801 machine learning Methods 0.000 claims description 5
- 230000003993 interaction Effects 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 30
- 239000007789 gas Substances 0.000 description 262
- 230000000875 corresponding effect Effects 0.000 description 34
- 239000013598 vector Substances 0.000 description 33
- 238000007689 inspection Methods 0.000 description 25
- 230000001133 acceleration Effects 0.000 description 18
- 230000033001 locomotion Effects 0.000 description 18
- 238000012549 training Methods 0.000 description 15
- 239000000779 smoke Substances 0.000 description 14
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 230000002159 abnormal effect Effects 0.000 description 9
- 230000009471 action Effects 0.000 description 8
- 230000003542 behavioural effect Effects 0.000 description 8
- 238000012986 modification Methods 0.000 description 8
- 230000004048 modification Effects 0.000 description 8
- 238000013058 risk prediction model Methods 0.000 description 8
- 238000003860 storage Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000003062 neural network model Methods 0.000 description 7
- 230000000391 smoking effect Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 238000012806 monitoring device Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000002411 adverse Effects 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000011478 gradient descent method Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000007257 malfunction Effects 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000003442 weekly effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000002737 fuel gas Substances 0.000 description 1
- 238000002309 gasification Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000003915 liquefied petroleum gas Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 231100000989 no adverse effect Toxicity 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 235000015170 shellfish Nutrition 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Abstract
本发明提供一种基于物联网的智慧燃气管网场站人员安全管理方法与系统,该方法由基于物联网的智慧燃气管网场站人员安全管理系统的智慧燃气安全管理平台执行,包括:获取燃气场站的调运数据;基于调运数据,确定目标区域的参考人员频次;响应于第一差异不满足第一预设条件,发出第一预警,触发风险度监测,第一差异为目标区域内的实际人员频次与参考人员频次的差异;基于预设监测参数获取监测数据;基于监测数据,确定目标区域的风险度;响应于风险度满足第二预设条件,发出第二预警。通过采用以上方法能够有效降低燃气场站风险管理的人力成本和时间成本,减少人为因为可能造成的误差,提高管理效率。
Description
技术领域
本说明书涉及物联网领域,特别涉及一种基于物联网的智慧燃气管网场站人员安全管理方法与系统。
背景技术
目前,燃气在社会生活和生产的诸多领域得到了广泛应用,但现有技术中的对于燃气场站人员管理的技术手段,往往是基于监控手段,通过人工分析监控图像和视频并结合人工巡检等方式,来判断是否存在风险行为,这种管理手段往往会耗费大量人力时间成本,且容易受到环境影响的人的主观影响,监控效率较低。
因此,希望提供一种基于物联网的智慧燃气管网场站人员安全管理方法与系统,以更好地对场站人员进行管理。
发明内容
发明内容包括一种基于物联网的智慧燃气管网场站人员安全管理方法,所述方法由基于物联网的智慧燃气管网场站人员安全管理系统的智慧燃气安全管理平台执行,包括:获取燃气场站的调运数据;基于所述调运数据,确定目标区域的参考人员频次;响应于第一差异不满足第一预设条件,发出第一预警,触发风险度监测,所述第一差异为目标区域内的实际人员频次与所述参考人员频次的差异;基于预设监测参数获取监测数据;基于所述监测数据,确定所属目标区域的风险度;响应于所述风险度满足第二预设条件,发出第二预警。
发明内容包括一种基于物联网的智慧燃气管网场站人员安全管理系统,其特征在于,所述系统包括智慧燃气用户平台、智慧燃气服务平台、智慧燃气安全管理平台、智慧燃气管网设备传感网络平台和智慧燃气管网设备对象平台;所述智慧燃气安全管理平台被配置为:获取燃气场站的调运数据;基于所述调运数据,确定目标区域的参考人员频次;响应于第一差异不满足第一预设条件,发出第一预警,触发风险度监测,所述第一差异为所述目标区域内的实际人员频次与所述参考人员频次的差异;所述风险度监测包括:基于预设监测参数获取监测数据;基于所述监测数据,确定所述目标区域的风险度;响应于所述风险度满足第二预设条件,发出第二预警。
通过以上方法和/或系统能够有效降低燃气场站风险管理的人力成本和时间成本,减少人为因为可能造成的误差,提高管理效率。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的基于物联网的智慧燃气管网场站人员安全管理系统的示意图;
图2是根据本说明书一些实施例所示的基于物联网的智慧燃气管网场站人员安全管理方法的示例性流程图;
图3是根据本说明书一些实施例所示的确定参考人员频次的方法示意图;
图4是根据本说明书一些实施例所示的确定风险度的方法示意图。
附图标记说明: 110-智慧燃气用户平台;120-智慧燃气服务平台;130-智慧燃气安全管理平台;140-智慧燃气管网设备传感网络平台;150-智慧燃气管网设备对象平台;310-调运数据;311-燃气期间数据;312-故障问题数据;313-人员数据;314-巡检数据;320-第一确定模型;330-目标区域;340-区域需求;350-目标区域特征;360-场站图谱;370-第二确定模型;380-参考人员频次;410-监测数据;420-风险行为;430-行为风险度;440-第一风险度;450-行为时序图谱;460-风险预测模型;470-第二风险度。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
图1是根据本说明书一些实施例所示的基于物联网的智慧燃气管网场站人员安全管理系统的示意图。如图1所示,所述基于物联网的智慧燃气管网场站人员安全管理系统可以包括智慧燃气用户平台110、智慧燃气服务平台120、智慧燃气安全管理平台130、智慧燃气管网设备传感网络平台140和智慧燃气管网设备对象平台150。
智慧燃气用户平台110指用于与用户进行交互的平台。用户可以是燃气用户、监管用户等。在一些实施例中,智慧燃气用户平台110可以被配置为终端设备。
在一些实施例中,智慧燃气用户平台110可以包括燃气用户分平台和监管用户分平台。燃气用户分平台可以是为燃气用户提供燃气使用相关数据以及燃气问题解决方案的平台。燃气用户可以是工业燃气用户、商业燃气用户、普通燃气用户等。监管用户分平台可以是监管用户对整个物联网系统的运行进行监管的平台。监管用户可以是燃气安全监管部门的人员。
在一些实施例中,智慧燃气用户平台110可以通过终端设备将信息反馈给用户。例如,可以基于监管用户分平台将调用数据反馈给监管用户。
在一些实施例中,燃气用户分平台、监管用户分平台可以分别与智慧燃气服务平台120的智慧用气服务分平台、智慧监管服务分平台进行数据交互。
智慧燃气服务平台120可以是用于将用户的需求与控制信息传达出去的平台。智慧燃气服务平台120可以从智慧燃气安全管理平台130(例如,智慧燃气数据中心)获取调运数据等,并发送至智慧燃气用户平台110。
在一些实施例中,智慧燃气服务平台120可以包括智慧用气服务分平台和智慧监管服务分平台。智慧用气服务分平台可以是为燃气用户提供用气服务的平台。智慧监管服务分平台可以是为监管用户提供监管需求和监管方案等的平台。
在一些实施例中,智慧燃气服务平台可以基于监管服务分平台,将更新后的至少一个燃气巡检片区上传至智慧燃气用户平台110的监管用户分平台。
智慧燃气安全管理平台130可以为物联网运行体系提供感知管理和控制管理功能的平台。在一些实施例中,智慧燃气安全管理平台130可以包括智慧燃气管网安全管理分平台和智慧燃气数据中心。智慧燃气管网安全管理分平台与智慧燃气数据中心双向交互。
智慧燃气数据中心可以汇总、存储基于物联网的智慧燃气管网场站人员安全管理系统的运行数据。在一些实施例中,智慧燃气安全管理平台130可以通过智慧燃气数据中心与智慧燃气管网设备传感网络平台140和智慧燃气服务平台120(例如,智慧监管服务分平台)进行数据交互。
智慧燃气管网安全管理分平台可以通过智慧燃气数据中心获取调运数据和基于物联网的智慧燃气管网场站人员安全管理系统的所有运行数据,并进行分析处理。
在一些实施例中,智慧燃气管网安全管理分平台可以包括用于实现管网巡线安全管理、场站巡检安全管理、管网燃气泄漏检测、场站燃气泄漏检测、管网设备安全检测、场站设备安全检测、安全应急管理、管网风险评估管理、管网地理信息管理、管网仿真管理等功能的不同管理模块,业务管理中,各管理模块根据不同业务数据类型从数据中心提取和发送管理数据。当相关监测数据超过预设阈值后,系统会进行报警提示。
智慧燃气管网设备传感网络平台140可以是对传感通信进行管理的功能平台。在一些实施例中,智慧燃气管网设备传感网络平台140可以被配置为通信网络和网关,用于进行网络管理、协议管理、指令管理和数据分析中的一个或多个。
在一些实施例中,智慧燃气管网设备传感网络平台140可以与智慧燃气安全管理平台130和智慧燃气管网设备对象平台150进行数据交互,实现感知信息传感通信和控制信息传感通信的功能。例如,智慧燃气管网设备传感网络平台140可以接收智慧燃气管网设备对象平台150上传的燃气场站调运数据,或下发关于获取燃气场站调运数据的指令至智慧燃气管网设备对象平台150。又例如,智慧燃气管网设备传感网络平台140可以接收智慧燃气数据中心下发的关于获取调运数据的指令,并上传燃气场站调运数据至智慧燃气数据中心。
智慧燃气管网设备对象平台150可以指用于获取感知信息的功能平台。在一些实施例中,智慧燃气管网设备对象平台150可以被配置为各类设备,各类设备包括燃气管网设备和其他设备。在一些实施例中,智慧燃气管网设备对象平台150还可被配置为监测装置,用于获取燃气管网巡行相关的数据。例如,监测装置可以包括燃气计量装置、图像获取装置、温湿度传感器等。
图2是根据本说明书一些实施例所示的基于物联网的智慧燃气管网场站人员安全管理方法的示例性流程图。
如图2所示,基于物联网的智慧燃气管网场站人员安全管理方法包括下述步骤。在一些实施例中,前述方法可以由智慧燃气安全管理平台130执行。
步骤210,获取燃气场站的调运数据。
燃气场站是用于储存、输送和分配天然气或液化石油气等燃气的设施。例如,燃气场站通常包括储气罐、输气管道、调压设备、计量设备、安全设备等。
调运数据指燃气场站在运行、调度过程中产生的数据。在一些实施例中,调运数据可以由智慧燃气管网设备对象平台获取;经由智慧燃气管网设备传感网络平台发送至智慧燃气数据中心存储。
在一些实施例中,调运数据包括燃气场站中多个场站区域的燃气期间数据、故障数据、人员数据和巡检数据。
场站区域指燃气场站内的区域,例如,燃气储罐区、气化区、调压区、计量区、管线区、控制室等。场站区域内可以设置有各种设备和管道,如储罐、气化炉、调压器、计量仪表、阀门、管道等,用于控制和管理燃气的流动和使用。
燃气期间数据指表征不同时间段燃气的需求数据。例如,用气高峰期和/或用气低谷期的用气需求数据。
在一些实施例中,智慧燃气安全管理平台130可以基于对历史燃气数据的分析获取燃气期间数据。例如,基于每日、每周、每月、每年的用气量变化情况,确定每天、每周、月度、年度的用气高峰期和/或用气低谷期,及各自对应的用气量。
在一些实施例中,智慧燃气安全管理平台130还可以基于对历史燃气数据的分期确定用气高峰期的常见模式和规律。
在一些实施例中,燃气期间数据还受用户特殊需求的影响。例如,某地区有重要活动时,燃气需求可能短时增加。
在一些实施例中,燃气期间数据还和天气情况有关。例如,当天气温度过高、过低都会引起用气需求增加。
故障问题数据是能够反应供气异常情况的数据,可以包括发生异常的位置、时间、异常类型等。其中,异常类型可以包括供气异常、燃气泄漏、火灾等问题,供气异常可以包括供气量异常、供气压力异常、供气时间异常中的至少一种。
在一些实施例中,智慧燃气安全管理平台130可以通过对来自智慧燃气对象平台的数据进行分析,进而获取故障问题数据。例如,智慧燃气对象平台中的监测设备和/或传感器设备,例如,泄漏检测装置、火灾监测装置、压力检测装置等,采集燃气管网运行过程中的数据,并上传至智慧燃气安全管理平台,智慧燃气安全管理平台130可以对这些数据进行分析,确定故障问题数据。
人员数据指反应燃气场站内人员配置的数据,可以包括不同岗位对应的人员类型,及其对应的数量。其中,人员类型可以包括管理人员、技术人员、运营人员、安全管理人员、检修人员、后勤人员等。
在一些实施例中,智慧燃气安全管理平台130可以通过燃气场站内人员信息维护系统获取人员数据。
巡检数据指能够反映燃气场站巡检情况的数据。例如,巡检时间和巡检地点、检查项及结果、整改情况等。其中,检查项及结果可以包括设备运行状态,如设备是否正常工作、是否存在漏气隐患、火灾隐患等问题;整改情况包括针对异常情况的整改措施和完成情况。巡检数据的具体内容可以根据实际需求确定。
在一些实施例中,智慧燃气安全管理平台130可以通过智慧燃气服务平台,从智慧燃气用户平台获取巡检数据。例如,智慧燃气用户平台可以通过采集用户输入,获取到巡检数据,并通过智慧燃气服务平台上传至智慧燃气安全管理平台130。
步骤220,基于调运数据,确定目标区域的参考人员频次。
目标区域指需要重点关注的场站区域。例如,燃气高峰期的加气站、控制室、容易发生泄漏的气体储存区、易发生火灾的气体净化区、进气区、加气站等区域。
在一些实施例中,智慧燃气安全管理平台130可以基于历史数据确定目标区域。例如,智慧燃气安全管理平台130可以基于历史数据确定易发生泄漏的区域、易发生火灾的风险区域,将前述风险区域作为目标区域。
在一些是实施例中,智慧燃气安全管理平台130还可以基于调运数据,确定目标区域。更多详细内容可参见本说明书图3中的相关描述。
参考人员频次可以指目标区域在不同时间的理想人员频次。其中,人员频次指目标区域单位时间内出现的人次。
在一些实施例中,目标区域的参考人员频次与时间、目标区域的类型相关,不同时间、不同目标区域的参考人员频次存在差异。例如,在用气高峰期,维护人员可能需要更频繁地出入加气站、控制室,因此,在燃气高峰期,加气站、控制室的预设的参考人员频次要高一些。又例如,气体储存区发生天然气泄漏,被确认为优先级最高的目标区域,参考人员频次可以相应调高。
在一些实施例中,智慧燃气安全管理平台130可以基于目标区域的区域需求确定参考人员频次。更多相关内容可参见本说明书图3中的相关描述。
步骤230,响应于第一差异不满足第一预设条件,发出第一预警,触发风险度监测。
实际人员频次可以指目标区域中实际监测的人员频次。
第一差异指目标区域内的实际人员频次与参考人员频次的差异。第一差异可以通过目标区域内的实际人员频次与参考人员频次的进行做差得到。
第一预设条件用于确定是否发出第一预警。在一些实施例中,第一预设条件可以包括第一阈值。例如,第一预设条件可以是实际人员频次与参考人员频次的差异不大于第一阈值,若前述差异大于第一阈值,则不满足第一预设条件,智慧燃气安全管理平台130发出预警,同时触发风险度监测。
在一些实施例中,第一阈值可以基于先验经验或实际需求确定。
第一预警用于提示燃气场站内人员数量不符合要求的情况。第一预警至少可以包括人员数量不符合要求的场站区域、实际人员频率与参考人员频率的差异值。在一些实施例中,当实际人员频次不符合第一预设条件时,智慧燃气安全管理分平台可以基于智慧燃气服务平台向智慧燃气用户平台发出第一预警。
在一些实施例中,当实际人员频次不满足第一预设条件时出发风险度监测。
风险度监测指监测目标区域内不规范行为的风险度的过程。
在一些实施例中,智慧燃气安全管理平台130可以基于预设监测参数获取监测数据;基于监测数据,确定目标区域的风险度;响应于风险度满足第二预设条件,发出第二预警。
预设监测参数可以指智慧燃气管网设备对象平台中,监测设备的预设监测参数。例如,数据获取频率、数据获取范围等。其中,数据获取频率指监测设备单位时间内获取监测数据的次数,如,10次/分钟。监测范围指监测设备开启的范围,如全部开启、部分开启等。
监测数据指对燃气场站进行监测获得的数据,可以包括图像数据、声音数据、烟雾浓度数据等。监测数据可以反应燃气场站中的不规范行为。例如,抽烟、玩手机、疾跑、大声喊叫、不合理的进出燃气场站等。
在一些实施例中,监测数据可由智慧燃气管网设备传感网络平台从智慧燃气管网设备对象平台获取。
风险度是反映燃气场站中发生不良事件可能性的数据。风险度越高,燃气场站中发生不良事件的可能性越高。其中,不良事件包括但不限于燃气泄漏、火灾、供气异常等情况。
在一些实施例中,智慧燃气安全管理平台130可以通过查询风险度参考表确定风险度。风险度参考表可以基于历史数据确定,包括参考风险行为,以及参考风险行为对应的风险度。智慧燃气安全管理平台130可以基于监测数据确定当前燃气场站中的当前风险行为,并基于当前风险行为在风险度参考表中进行查询,确定当前风险行为的风险度。
在一些实施例中,智慧燃气安全管理平台130还可以基于当前风险行为,通过预设规则确定风险度。更多相关内容可参见本说明书图4中的相关描述。
第二预设条件用于确定是否能发出第二预警。在一些实施例中,第二预设条件可以包括第二阈值。第二阈值为风险阈值,风险阈值可以包括第一风险阈值、第二风险阈值中的至少一种。
在一些实施例中,第二预设条件可以包括第一风险度大于第一风险阈值,若第一风险度大于第一风险阈值,则满足第二预设条件,智慧燃气安全管理平台130发出第二预警。有关第一风险度的更多说明可参见本说明书图4中的相关描述。
在一些实施例中,第二预设条件可以包括第一风险度大于第一风险阈值,和/或第二风险度大于第二风险阈值。其中,第一风险阈值和第二风险阈值可以是相同数值,也可以是不同数值。
在一些实施例中,风险阈值可以基于先验经验或实际需求确定。
第二预警用于提示燃气场站内风险度超出风险阈值的情况。第二预警至少可以包括燃气场站内的风险行为,以及风险行为对应的风险值。在一些实施例中,当风险度满足第二预设条件时,智慧燃气安全管理平台可以基于智慧燃气服务平台向智慧燃气用户平台发出第二预警。
本说明书一些实施例中,由智慧燃气安全管理平台130,基于燃气场站的调运数据以及人员频次,确定是否进行风险度监测,基于风险度监测的结果确定是否对风险进行预警,能够有效降低燃气场站风险管理的人力成本和时间成本,减少人为因为可能造成的误差,提高管理效率。
图3是根据本说明书一些实施例所示的确定参考人员频次的方法示意图。
在一些实施例中,确定参考人员频次的方法可以由智慧燃气安全管理平台130执行。
在一些实施例中,智慧燃气安全管理平台130可以基于调运数据310,确定目标区域330,基于目标区域的区域需求340,确定参考人员频次380。
在一些实施例中,智慧燃气安全管理平台130可以基于调运数据,通过多种方式确定目标区域。
例如,不同燃气使用时期对应的目标区域有所不同,智慧燃气安全管理平台130可以根据燃气期间数据获取燃气用气高峰期,将燃气用气高峰期的加气站、控制室确定为目标区域。
又例如,目标区域可以基于场站区域发生故障的数量和严重程度影响的区域确定,如某场站区域发生故障的数量越多,故障越严重,则该场站区域确定为目标区域的可能性越大。
再例如,目标区域还可以基于场站区域的人员数据和巡检数据确定,如某场站区域的巡检人员工作经验越不足,巡检频率越低以及巡检结果中发现的问题越多,则该场站区域确定为目标区域的可能性越大。
在一些实施例中,智慧燃气安全管理平台130可以基于燃气期间数据311、故障问题数据312、人员数据313和巡检数据314,通过第一确定模型320,确定场站区域的优先级顺序,基于优先级顺序,确定目标区域330。
在一些实施例中,第一确定模型可以是机器学习模型,例如,深度神经网络模型(Deep Neural Networks,DNN)、卷积神经网络模型(Convolutional Neural Network,CNN)等或其他自定义的模型结构等中的任意一种或组合。
在一些实施例中,第一确定模型的输入包括每个场站区域的燃气期间数据、故障问题数据、人员数据和巡检数据;输出包括每个场站区域的优先级顺序。
在一些实施例中,燃气期间数据可以通过燃气用量相关于时间的分布函数A(t)表示,其中t表示时间点,A表示不同时间点对应的燃气需求数据。
在一些实施例中,故障问题数据可以通过第一矩阵表示,第一矩阵的一行表示一个场站区域的故障问题情况,每行中元素的数量表示该场站区域故障问题的数量,每个元素表示故障问题的情况。其中,故障问题的情况可以用第一向量表式,第一向量的元素分表表征故障问题的概况、故障问题的紧急程度、严重程度等。
在一些实施例中,人员数据可以通过第二矩阵表示。第二矩阵的一行表示一个场站区域的岗位情况,每行中元素的数量表示该场站区域岗位的数量,每个元素表示岗位人员情况。其中,岗位人员情况可以用第二向量表示,第二向量的元素分别表征该岗位的人员数量,以及人员的技能情况。
在一些实施例中,巡检数据可以通过第三矩阵表示。第三矩阵的一行表示一个场站区域的巡检情况,每行中元素的数量表示该场站区域巡检设备的数量,每个元素表示与一个巡检设备相关的巡检情况。其中,巡检情况可以用第三向量表示,第三向量的元素分别表征该巡检设备是否存在故障、是否存在隐患、隐患的危险程度以及整改情况。
关于燃气期间数据、故障问题数据、人员数据和巡检数据的说明可以参见步骤210及其相关描述。
优先级顺序表征场站区域需要重点关注的优先级。优先级顺序可以通过0-10之间的数值表示。数值越大表明优先级次序越靠前,对应区域会更优先被确定为目标区域。
在一些实施例中,模型的输出可以为优先级序列,该优先级序列包括每个场站区域对应的优先级顺序。
在一些实施例中,第一确定模型可以通过带有大量第一标签的第一训练样本,通过各种方法训练得到。例如,可以基于梯度下降法进行训练。仅作为示例,可以将多个带有第一标签的第一训练样本输入初始第一确定模型,通过第一标签和初始第一确定模型的结果构建损失函数,基于损失函数迭代更新初始第一确定模型的参数。当初始第一确定模型的损失函数满足预设迭代条件时模型训练完成,得到训练好的第一确定模型。其中,预设迭代条件可以是损失函数收敛、迭代的次数达到阈值等。
在一些实施例中,第一训练样本包括样本场站区域对应的样本燃气期间数据、样本故障问题数据、样本人员数据和样本巡检数据,可以基于预设历史燃气数据确定。在一些实施例中,第一标签为第一训练样本对应的样本场站区域的实际优先级顺序。
预设历史燃气数据是指预设的用于训练第一确定模型和第二确定模型的历史数据。在一些实施例中,智慧燃气安全管理平台130可以将最近的一段时间(如一年)划分为多个时间区间(如以“月”划分时间区间),并确定每个时间区间的任务完成度,响应于时间区间的任务完成度满足预设任务条件,获取该时间区间的调运数据并确定为预设历史燃气数据。关于第二确定模型的说明可以参见下文所述。
任务完成度是指工作人员完成燃气任务的程度。例如,燃气任务包括维修燃气阀门、更换燃气表等。任务完成度可以用每个燃气任务完成的平均时间、故障处理的平均止损程度,出现故障的设备数量等来表示。例如,每个燃气任务完成的平均时间越少,故障处理的平均止损程度越高,出现故障的设备数量越少,说明工作人员的任务完成度越高。
预设任务条件是用于确定预设历史燃气数据的条件。例如,预设任务条件可以包括每个燃气任务完成的平均时间小于预设时间阈值,故障处理的平均止损程度大于预设止损程度阈值,以及出现故障的设备数量小于预设数量阈值。其中,预设时间阈值、预设止损程度阈值和预设数量阈值可以基于历史经验由工作人员或处理器预先确定。
可以理解,时间区间的任务完成度满足预设任务条件,说明在该时间区间内的各场站区域的工作人员得到精准合理地分配,从而保持了场站区域的良好运行,因此该时间区间对应的调运数据是用于规划确定各场站区域的优先级顺序的较好选择。
在一些实施例中,智慧燃气安全管理平台130可以选择任务完成度满足预设任务条件的时间区间,将该时间区间对应的历史优先级划分作为标签。
在一些实施例中,智慧燃气安全管理平台130将优先级顺序大于预设优先级阈值的场站区域确定为目标区域。预设优先级阈值可以基于历史经验由工作人员或处理器预先确定。
在本说明书一些实施例中,通过第一确定模型对燃气期间数据、故障问题数据、人员数据和巡检数据分析处理,能够提高数据的处理效率,提高场站区域的优先级顺序的准确性,从而能够确定出更需要进行监测的目标区域。
在一些实施例中,智慧燃气安全管理平台130可以基于目标区域330的区域需求340,确定参考人员频次380。
区域需求是指目标区域的人员需求。在一些实施例中,区域需求包括不同岗位人员的数量、人员技能分布等。例如,目标区域为发生燃气泄漏的气体储存区,该目标区域需要不同岗位人员的数量分别为1名安全管理人员、2名技术人员和1名检修人员。其中,人员技能分布为2名技术人员中一人需要进行总体排查定位问题,一人需要负责排除故障。
在一些实施例中,智慧燃气安全管理平台130可以基于区域需求,通过向量检索的方式确定目标区域的参考人员频次。例如,智慧燃气安全管理平台130可以基于区域需求,构建待匹配向量,待匹配向量中的元素包括场站区域的燃气期间数据、故障问题数据、巡检数据、人员数据和人员需求;基于待匹配向量在向量数据库中进行检索,获取与待匹配向量的向量距离小于距离阈值的参考向量,将参考向量对应的参考人员频次,确定为当前所需的参考人员频次。其中,向量数据库存储有若干参考向量及其对应的历史参考人员频次。参考向量基于历史区域需求构建,历史参考人员频次为历史区域需求对应的实际参考人员频次,参考向量中的元素包括参考场站区域的参考燃气期间数据、参考故障问题数据、参考巡检数据、参考人员数据和参考人员需求。
在一些实施例中,智慧燃气安全管理平台130可以基于调运数据310、区域需求340和目标区域特征350构建场站图谱360;基于场站图谱360,通过第二确定模型370确定参考人员频次380。
目标区域特征是用于表示两个目标区域之间的关系特征的数据信息。例如,目标区域特征包括两个目标区域之间的人员调度的便捷性、人员技能分布的相关性、故障问题的相似性。
其中,目标区域之间的距离与人员调度便捷性相关,即两个目标区域之间的距离越小,说明在该两个目标区域进行人员调度的便捷性越高;两个目标区域的工作人员的岗位与人员技能分布的相关性相关,即两个目标区域具有相同岗位的工作人员数量越多,说明该两个目标区域的工作人员技能分布的相关性越接近。
场站图谱是指能反映各个场站区域相互间关系的图谱。图谱是由节点和边组成的数据结构,边连接节点,节点和边可以具有属性。场站图谱的节点表示目标区域。场站图谱的节点对应的节点特征包括目标区域的调运数据和区域需求。
场站图谱的边表示目标区域之间的相关关系。其中,相关关系可以包括两个目标区域之间相邻,又或者,目标区域之间存在时序上的相邻关系,例如,在场站管理的过程中,当前流程针对的场站区域和下一流程针对的另一场站区域具有时序上的相邻关系。场站图谱的边对应的边特征为目标区域特征。其中,边特征可以包括目标区域之间的距离、两区域人员技能分布的相关性、故障问题的相似性等。
在一些实施例中,第二确定模型可以为机器学习模型。例如,图神经网络模型(Graph Neural Networks,GNN)。第二确定模型也可以是其他图模型,例如图卷积神经网络模型(Graph Convolutional Neural Network,GCNN),或者在图神经网络模型中增加其他处理层、修改其处理方法等。
在一些实施例中,第二确定模型的输入包括场站图谱,输出包括目标区域(即节点)的参考人员频次。关于参考人员频次的说明可以参见图2及其相关描述。
在一些实施例中,第二确定模型可以通过带有大量第二标签的第二训练样本,通过各种方法训练得到。例如,可以基于梯度下降法进行训练。第二确定模型的训练方式和第一确定模型类似,具体说明可以参见上文所述。
在一些实施例中,第二训练样本包括样本场站图谱,可以基于预设历史燃气数据构建。
在一些实施例中,第二标签可以包括第二训练样本中样本区域对应的历史实际人员频次。历史实际人员频次可以基于预设历史燃气数据确定。关于预设历史燃气数据的说明可以参见前文相关描述。
在一些实施例中,智慧燃气安全管理平台130可以筛选任务完成度满足预设条件的时间区间,将该时间区间内样本区域的历史实际人员频次作为训练标签。
在本说明书一些实施例中,通过第二确定模型对场站图谱分析处理,能够提高数据的处理效率,准确地确定目标区域的参考人员频次。
在本说明书一些实施例中,通过调运数据来确定目标区域,从而基于标区域的区域需求来确定参考人员频次,使得目标区域可以根据参考人员频次来更合理地分配管理工作人员,有效降低发生事故的概率和成本。
图4是根据本说明书一些实施例所示的确定风险度的方法示意图。
如图4所示,确定风险度的方法包括下述内容。在一些实施例中,确定风险度的方法可以由智慧燃气安全管理平台130执行。
在一些实施例中,风险度至少包括第一风险度440。
第一风险度是用于评估风险行为可能导致目标区域发生的事故风险的严重程度。第一风险度可以用数值进行表示,数值越大,表示目标区域由风险行为可能导致的风险的严重程度越大。
在一些实施例中,智慧燃气安全管理平台130可以基于监测数据410,确定风险行为420,基于风险行为420以及风险行为对应的行为风险度430,通过预设规则,确定第一风险度440。
风险行为是指工作人员做出的可能导致目标区域发生事故风险的行为。例如,风险行为包括抽烟、玩手机、疾跑、大声喊叫、随意进出燃气场站、未按要求着装等。
在一些实施例中,智慧燃气安全管理平台130可以基于监测数据410,通过多种方式确定风险行为420。例如,通过监控摄像头捕捉到工作人员是否存在风险行为。又例如,通过烟雾探测器检测到目标区域内是否存在烟雾,以此确定工作人员是否有抽烟行为。
在一些实施例中,智慧燃气安全管理平台130可以基于监测数据,获取目标区域的图像数据、声音数据和烟雾数据;基于图像数据、声音数据和烟雾数据,确定风险行为。
监测数据是对燃气场站不同区域进行监测获取到的数据,更多说明可参见图2中的相关描述。
在一些实施例中,智慧燃气安全管理平台130通过对监测数据进行分析,可以提取其中的图像数据、声音数据和烟雾数据。
图像数据是指与具有工作人员行为的图像相关的数据信息。
在一些实施例中,图像数据包括工作人员的运动特征。运动特征是用于表示工作人员行为特征的数据信息。在一些实施例中,运动特征包括工作人员行为的速度特征、加速度特征等。
速度特征是用于表示工作人员的运动速度特征的数据信息。例如,速度特征包括速度极差、速度方向改变次数、速度超阈值的时间。速度极差为工作人员的运动速度最大值减去速度最小值的差值;速度方向改变次数为第一预设时间段内的工作人员的运动速度的方向发生变化的次数;速度超阈值的时间为在第二预设时间段内,工作人员的运动速度大于预设速度阈值的总时长。
加速度特征是表示工作人员(指身体移动或肢体移动的)加速度的特征的数据信息。例如,加速度特征包括工作人员的加速度持续时间、加速度超阈值时间。加速度持续时间为在第三预设时间段内,工作人员的加速度大于0的总时长;加速度超阈值时间为在第四预设时间段内,工作人员的加速度大于预设加速度阈值的总时长。
可以理解,工作人员存在具有加速度的行为,则说明工作人员存在具有力的行为,因此加速度持续时间可以用来表征打架的可能性、打架的激烈程度等。加速度持续时间越长,则越有可能发生打架行为,打架可能越激烈。相应地,工作人员存在的加速度越大,则工作人员的力越大,相应的动作行为越危险。
其中,预设速度阈值、第一预设时间段、第二预设时间段、第三预设时间、第四预设时间和预设加速度阈值可以基于历史经验和/或实际需求预先确定。
在一些实施例中,智慧燃气安全管理平台130可以基于运动特征,通过向量检索的方式确定风险行为。例如,智慧燃气安全管理平台130可以基于预设时间的运动特征,构建包含速度特征和加速度特征的运动特征向量,运动特征向量中的元素至少包括速度特征和加速度特征;将运动特征向量与向量数据库中的参考特征向量对比,比较二者的相似度,将相似度符合条件的参考特征向量作为目标向量,基于目标向量对应的参考风险行为确定风险行为。
其中,向量数据库包括参考特征向量及其对应的参考风险行为。参考特征向量基于历史运动特征确定。
声音数据是指与工作人员的声音相关的数据信息。例如,工作人员的声音分贝、持续时间等。在一些实施例中,智慧燃气安全管理平台130可以通过声音传感器,确定工作人员的声音分贝大于预设贝阈值的时间点的数量,若跟该时间点的数量大于预设数量阈值,则表示工作人员存在大声喊叫的风险行为。其中,预设贝阈值和预设数量阈值可以基于历史经验和/或实际需求预先确定。
烟雾数据是指与目标区域的烟雾相关的数据信息。例如,烟雾数据包括烟雾的浓度、持续时间等。在一些实施例中,智慧燃气安全管理平台130可以烟雾报警器确定目标区域内的工作人员是否存在抽烟的风险行为,即烟雾报警器发生报警则存在抽烟的风险行为。
在本说明书一些实施例中,通过图像数据、声音数据和烟雾数据,能够更准确的确定出目标区域存在的具体风险行为,从而及时采取紧急措施避免发生事故风险。
在一些实施例中,智慧燃气安全管理平台130可以基于风险行为,以及风险行为对应的行为风险度,通过预设规则,确定第一风险度。
行为风险度是指风险行为在目标区域内的风险程度。行为风险度可以用数值表示,数值越大,表示风险行为在目标区域内的风险程度越大。
在一些实施例中,智慧燃气安全管理平台130可以通过查找风险度参考表的方式确定行为风险度。其中,行为风险度参考表可以预先设置,不同目标区域的不同风险行为对应的行为风险度不同,例如,气体储存区域“抽烟”的风险等级最高,但控制室内“抽烟”的风险等级稍低,具体可基于先验经验确定。智慧燃气安全管理平台130可以基于风险行为及其对应的发生区域确定行为风险度。
在一些实施例中,智慧燃气安全管理平台130可以对目标时间段的监测数据进行分析,识别一次或多次的风险行为;基于一次或多次的风险行为的行为风险度,通过预设规则,确定目标区域对应的低于风险度。其中,目标时间段可以是基于实际需求确定的时间段。
其中,预设规则可以包括对一次或多次风险行为对应的行为风险度进行加权求和,将加权求和的值确定为第一风险度。
在一些实施例中,加权求和中权重相关于风险行为的频次和历史误判率,历史误判率是指在过去时间内风险行为出现误判的概率。例如,某风险行为在此前预设时间内发生的次数越大、历史误判率越小,则该风险行为的行为风险度的权重越大。
其中,风险行为的频次指历史时间段内风险行为发生的次数。
历史误判率可以基于对历史数据的分析确定,例如,通过对某一历史时间段中每一次风险行为判断的结果进行分析,确定其是否误判,基于误判次数占风险行为判断总数的比例确定历史误判率。
其中,是否误判可以基于历史数据中风险行为判断结果和该行为是否带来不良影响确定。当某一行为被认定为风险行为,但实际未带来任何不良影响,则对该行为的判断存在误判。不良影响可以包括各种对燃气场站的正常运行、工作产生影响的情况。
在一些实施例中,基于多个行为风险度,通过预设规则确定第一风险度,能够提高第一风险度的准确性,降低误判概率,使得第一风险度超过预设风险度阈值时,及时向工作人员发出预警,能够在风险事故发生前采取措施,从而降低风险事故的发生频率和严重性。
在一些实施例中,风险度还包括第二风险度,智慧燃气安全管理平台130可以根据风险行为以及风险行为的发生时间,构建行为时序图谱450;基于行为时序图谱450,通过风险预测模型460,预测第二风险度470。
第二风险度是评估未来可能发生的风险行为导致目标区域发生的事故风险的严重程度。
行为时序图谱是能够反映目标区域中工作人员发生风险行为的时空特征的图谱。图谱是由节点和边组成的数据结构,边连接节点,节点和边可以具有属性。
行为时序图谱的节点表示目标时间段内工作人员发生的风险行为,行为时序图谱的节点对应的节点特征为风险行为特征。风险行为特征是指能够反映风险行为的特征的数据信息。例如,风险行为特征包括风险行为的类型(如打闹行为、奔跑行为等)、发生时间、发生地点和行为速度等。
行为时序图谱的边包括第一类边和第二类边。
第一类边为同一人员发生时间连续的风险行为连接形成的边。例如,某工作人员按时间依次发生的两风险行为连接形成第一类边。行为时序图谱的第一类边对应的边特征包括按时间依次发生的两风险行为之间的时间差和变化特征。变化特征序列是指用于反映按时间依次发生的两风险行为变化的特征的数据信息。例如,按时间依次发生的两风险行为包括奔跑行为、打闹行为,则变化特征可以包括奔跑距离、打闹动作特征等。
第二类边为空间上存在关联的多个风险行为连接形成的边。例如,相同时间内相邻空间发生的风险行为之间具有二类边,前述空间可以指目标区域中的子区域。行为时序图谱的第二类边对应的边特征包括节点(即风险行为)所在空间的空间距离、空间特征等。
空间特征用于反映节点(即风险行为)所在空间的特征的数据信息。例如,节点(即风险行为)所在的空间是否有危险设备、是否需要操作作业以及存在的作业类型等。其中,节点所在的空间指目标区域中发生风险行为的子区域。
在一些实施例中,智慧燃气安全管理平台130可以通过聚类算法,基于节点对应的风险行为的特征,对节点进行聚类,并将聚类中心确定为新的行为时序图谱的类节点。其中,风险行为的特征至少可以包括风险行为的运动特征、是否存在与其他人员的交互等。有关运动特征的更多说明可参见前文相关描述。
类节点用于表征多人参与的风险行为。例如,类节点可以表征多人间发生的打闹行为、追逐行为等。
在一些实施例中,行为时序图谱的边还可以包括第三类边。第三类边用于连接类节点,可以表示具有不同行为特征的风险行为之间的关系。
在一些实施例中,风险预测模型可以是机器学习模型,例如,图神经网络模型(Graph Neural Networks,GNN)。风险预测模型也可以是其他图模型,例如图卷积神经网络模型(Graph Convolutional Neural Network,GCNN),或者在图神经网络模型中增加其他处理层、修改其处理方法等。
在一些实施例中,风险预测模型的输入包括行为时序图谱450,输出包括目标区域的第二风险度470。
在一些实施例中,风险预测模型可以通过带有大量第三标签的第三训练样本,通过各种方法训练得到。例如,可以基于梯度下降法进行训练。风险预测模型的训练方式和第一确定模型类似,具体说明可以参见上文所述。
在一些实施例中,第三训练样本包括至少一个历史目标区域的样本行为时序图谱,可以基于至少一个历史目标区域及其对应的历史风险行为数据构建。历史风险行为数据至少包括历史风险行为的类型、历史发生时间、历史发生地点和历史行为速度等。
在一些实施例中,第三标签为历史目标区域的实际第二风险度,可以基于历史目标区域中的历史风险行,及前述历史风险行为的后果评估确定。例如,评估历史风险行为导致的损失(如抽烟导致火灾和爆炸、多人打闹导致受伤误工等)和损失严重程度,并根据损失严重程度对第二风险度进行打分,分数越高,表示第二风险度越高。
在本说明书一些实施例中,通过风险预测模型对行为时序图谱分析处理,能够提高数据的处理效率,能够提高预测的第二风险度的准确性。
在一些实施例中,智慧燃气安全管理平台130可以基于第一风险度和/或第二风险度调整预设监测参数。例如,目标区域的第一风险度和/或第二风险度越高,监测频率和监测范围越大。
在一些实施例中,智慧燃气安全管理平台130可以基于第一风险度和第二风险度,通过参数关系表确定预设监测参数。参数关系表是指第一风险度、第二风险度两者与预设监测参数的对应关系表,参数关系表可以基于历史第一风险度、历史第二风险度两者与历史预设监测参数的对应关系构建。
在一些实施例中,预设监测参数相关于第一风险度和第二风险度加权求和的值,第一风险度和第二风险度的权重分别为第一风险度和第二风险度的比值。例如,第一风险度和第二风险度加权求和的值越大,监测频率和监测范围越大。
关于预设监测参数的说明可以参见图2及其相关描述。
在本说明书一些实施例中,通过第一风险度和/或第二风险度调整预设监测参数,避免目标区域发生事故风险的可能性较小时,抓拍频率和抓拍范围过大导致不必要的能耗,避免目标区域发生事故风险的可能性较大时,抓拍频率和抓拍范围能够及时调整成较大,从而及时提醒工作人员避免事故的发生。
在一些实施例中,还提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行基于物联网的智慧燃气管网场站人员安全管理方法。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (10)
1.一种基于物联网的智慧燃气管网场站人员安全管理方法,其特征在于,所述方法由基于物联网的智慧燃气管网场站人员安全管理系统的智慧燃气安全管理平台执行,包括:
获取燃气场站的调运数据;
基于所述调运数据,确定目标区域的参考人员频次;
响应于第一差异不满足第一预设条件,发出第一预警,触发风险度监测,所述第一差异为所述目标区域内的实际人员频次与所述参考人员频次的差异;
所述风险度监测包括:
基于预设监测参数获取监测数据;
基于所述监测数据,确定所述目标区域的风险度;
响应于所述风险度满足第二预设条件,发出第二预警。
2.如权利要求1所述的基于物联网的智慧燃气管网场站人员安全管理方法,其特征在于,所述基于所述调运数据,确定目标区域的参考人员频次,包括:
基于所述调运数据,确定所述目标区域;
基于所述目标区域的区域需求,确定所述参考人员频次。
3.如权利要求2所述的基于物联网的智慧燃气管网场站人员安全管理方法,其特征在于,所述调运数据包括所述燃气场站中多个场站区域的燃气期间数据、故障数据、人员数据和巡检数据中的至少一种。
4.如权利要求2所述的基于物联网的智慧燃气管网场站人员安全管理方法,其特征在于,所述基于所述目标区域的任务需求,确定所述参考人员频次包括:
基于所述调运数据、所述区域需求和目标区域特征构建场站图谱;
基于所述场站图谱,通过第二确定模型确定所述参考人员频次,所述第二确定模型为机器学习模型。
5.如权利要求1所述的基于物联网的智慧燃气管网场站人员安全管理方法,其特征在于,所述风险度至少包括第一风险度;
所述基于所述监测数据,确定所述目标区域的风险度包括:
基于所述监测数据,确定风险行为;
基于所述风险行为,以及所述风险行为对应的行为风险度,通过预设规则,确定所述第一风险度。
6.一种基于物联网的智慧燃气管网场站人员安全管理系统,其特征在于,所述系统包括智慧燃气用户平台、智慧燃气服务平台、智慧燃气安全管理平台、智慧燃气管网设备传感网络平台和智慧燃气管网设备对象平台;
所述智慧燃气安全管理平台被配置为:
获取燃气场站的调运数据;
基于所述调运数据,确定目标区域的参考人员频次;
响应于第一差异不满足第一预设条件,发出第一预警,触发风险度监测,所述第一差异为所述目标区域内的实际人员频次与所述参考人员频次的差异;
所述风险度监测包括:
基于预设监测参数获取监测数据;
基于所述监测数据,确定所述目标区域的风险度;
响应于所述风险度满足第二预设条件,发出第二预警。
7.如权利要求6所述的基于物联网的智慧燃气管网场站人员安全管理系统,其特征在于,所述智慧燃气安全管理平台包括智慧燃气管网安全管理分平台和智慧燃气数据中心;
所述智慧燃气安全管理平台通过所述智慧燃气数据中心,和所述智慧燃气服务平台、智慧燃气管网设备传感网络平台进行信息交互。
8.如权利要求7所述的基于物联网的智慧燃气管网场站人员安全管理系统,其特征在于,所述智慧燃气安全管理平台进一步被配置为:
基于所述调运数据,确定所述目标区域;
基于所述目标区域的区域需求,确定所述参考人员频次。
9.如权利要求8所述的基于物联网的智慧燃气管网场站人员安全管理系统,其特征在于,所述智慧燃气安全管理平台进一步被配置为:
基于所述调运数据、所述区域需求和目标区域特征构建场站图谱;
基于所述场站图谱,通过第二确定模型确定所述参考人员频次,所述第二确定模型为机器学习模型。
10.如权利要求7所述的基于物联网的智慧燃气管网场站人员安全管理系统,其特征在于,所述风险度至少包括第一风险度;
所述智慧燃气安全管理平台进一步被配置为:
基于所述监测数据,确定风险行为;
基于所述风险行为,以及所述风险行为对应的行为风险度,通过预设规则,确定所述第一风险度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410268853.7A CN117875720A (zh) | 2024-03-11 | 2024-03-11 | 基于物联网的智慧燃气管网场站人员安全管理方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410268853.7A CN117875720A (zh) | 2024-03-11 | 2024-03-11 | 基于物联网的智慧燃气管网场站人员安全管理方法与系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117875720A true CN117875720A (zh) | 2024-04-12 |
Family
ID=90583349
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410268853.7A Pending CN117875720A (zh) | 2024-03-11 | 2024-03-11 | 基于物联网的智慧燃气管网场站人员安全管理方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117875720A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101910480B1 (ko) * | 2018-02-07 | 2018-10-22 | (주)티엔젠 | IoT 전용망 기반 밀폐공간 모니터링 시스템 |
CN113096287A (zh) * | 2021-03-25 | 2021-07-09 | 合肥革绿信息科技有限公司 | 一种基于物联网的工地管理系统及其装置 |
KR102454671B1 (ko) * | 2022-02-09 | 2022-10-18 | 에이아이에스앤피 주식회사 | 인공지능 기반의 IoT센서 데이터 및 영상 데이터 분석을 통한 작업 현장 안전관리 시스템 및 방법 |
CN116485066A (zh) * | 2023-06-25 | 2023-07-25 | 成都秦川物联网科技股份有限公司 | 基于gis的智慧燃气安全巡线管理方法和物联网系统 |
CN116777395A (zh) * | 2023-07-10 | 2023-09-19 | 南宁城之界建筑工程有限公司 | 一种建筑工程用智能建筑监理验收系统 |
CN116822715A (zh) * | 2023-05-30 | 2023-09-29 | 北京东方通网信科技有限公司 | 一种基于人工智能的安全生产监测预警系统 |
KR20230140616A (ko) * | 2022-03-29 | 2023-10-10 | (주)디트리플 | 작업자의 위치 추적을 통한 안전관리 시스템 |
CN116994409A (zh) * | 2023-08-11 | 2023-11-03 | 清云智飞(南京)科技有限公司 | 一种危险化学品企业区域动态过程安全风险分级预警方法 |
CA3199795A1 (en) * | 2022-05-27 | 2023-11-27 | Eaton Intelligent Power Limited | Video analytic worker safety monitoring system for workplace hazards |
-
2024
- 2024-03-11 CN CN202410268853.7A patent/CN117875720A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101910480B1 (ko) * | 2018-02-07 | 2018-10-22 | (주)티엔젠 | IoT 전용망 기반 밀폐공간 모니터링 시스템 |
CN113096287A (zh) * | 2021-03-25 | 2021-07-09 | 合肥革绿信息科技有限公司 | 一种基于物联网的工地管理系统及其装置 |
KR102454671B1 (ko) * | 2022-02-09 | 2022-10-18 | 에이아이에스앤피 주식회사 | 인공지능 기반의 IoT센서 데이터 및 영상 데이터 분석을 통한 작업 현장 안전관리 시스템 및 방법 |
KR20230140616A (ko) * | 2022-03-29 | 2023-10-10 | (주)디트리플 | 작업자의 위치 추적을 통한 안전관리 시스템 |
CA3199795A1 (en) * | 2022-05-27 | 2023-11-27 | Eaton Intelligent Power Limited | Video analytic worker safety monitoring system for workplace hazards |
CN116822715A (zh) * | 2023-05-30 | 2023-09-29 | 北京东方通网信科技有限公司 | 一种基于人工智能的安全生产监测预警系统 |
CN116485066A (zh) * | 2023-06-25 | 2023-07-25 | 成都秦川物联网科技股份有限公司 | 基于gis的智慧燃气安全巡线管理方法和物联网系统 |
CN116777395A (zh) * | 2023-07-10 | 2023-09-19 | 南宁城之界建筑工程有限公司 | 一种建筑工程用智能建筑监理验收系统 |
CN116994409A (zh) * | 2023-08-11 | 2023-11-03 | 清云智飞(南京)科技有限公司 | 一种危险化学品企业区域动态过程安全风险分级预警方法 |
Non-Patent Citations (4)
Title |
---|
KANG JIANQIANG 等: "Research and application of 3G electrical safety job site intelligent monitoring device", 《2014 CHINA INTERNATIONAL CONFERENCE ON ELECTRICITY DISTRIBUTION (CICED)》, 22 December 2014 (2014-12-22), pages 745 - 747 * |
LEE, Y 等: "Security Management Suitable for Lifecycle of Personal Information in Multi-User IoT Environment", 《SENSORS》, vol. 21, no. 22, 10 December 2021 (2021-12-10), pages 7592 * |
徐业蓬: "构建化工园区安全管理物联网", 《现代职业安全》, no. 09, 15 September 2016 (2016-09-15), pages 25 - 28 * |
李石 等: "利用物联网技术建立油田安全生产预警和管控系统", 《信息系统工程》, no. 08, 20 August 2015 (2015-08-20), pages 61 - 62 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11774922B2 (en) | Building management system with artificial intelligence for unified agent based control of building subsystems | |
US20210134143A1 (en) | Building security system with false alarm reduction recommendations and automated self-healing for false alarm reduction | |
CN115330278B (zh) | 基于燃气安全的维修调度管理方法和智慧燃气物联网系统 | |
CN109639797A (zh) | 一种智慧安全监管系统 | |
CN110158648A (zh) | 一种城市地下综合管廊运维监控管理系统 | |
CN115619071B (zh) | 智慧燃气管网可靠性安全监测方法和物联网系统及介质 | |
CN115640915B (zh) | 一种智慧燃气管网压缩机安全管理方法和物联网系统 | |
US11959777B2 (en) | Methods and Internet of Things (IoT) systems for safety management of smart gas underground gas pipeline networks | |
CN117010863A (zh) | 一种基于物联网技术的市政管网健康度在线监测系统和方法 | |
KR20150054974A (ko) | 기술 시스템, 특히 전기 에너지-발생 설비의 동작의 컴퓨터-보조 모니터링을 위한 방법 | |
CN116109122B (zh) | 智慧燃气维修管理派单预警方法、物联网系统和介质 | |
CN106287225A (zh) | 一种燃气在线监测预警系统及其检测控制方法 | |
CN116307447A (zh) | 用于燃气安全培训的燃气安全管理方法和物联网系统 | |
US20230152757A1 (en) | Building data platform with digital twin based fault detection and diagnostics | |
CN111612337A (zh) | 热网调度自动发令方法及自动发令系统 | |
KR102296561B1 (ko) | 지그비를 이용한 인공지능 기반 복수개의 배전반 통합 관제시스템 | |
CN117875720A (zh) | 基于物联网的智慧燃气管网场站人员安全管理方法与系统 | |
CN116721519A (zh) | 基于智慧燃气物联网的燃气泄漏预警方法、系统及介质 | |
CN115031788A (zh) | 一种基于管廊的智慧排水系统、平台及方法 | |
CN117455196B (zh) | 基于智慧燃气平台的燃气门站监控方法和物联网系统 | |
CN114708702B (zh) | 基于决策引擎多设备联动监控老人居家安全的平台 | |
CN117395291B (zh) | 多涉氢环境联动安全监控系统、方法、设备及介质 | |
US20240084975A1 (en) | Method, internet of things system, and storage medium for assessing smart gas emergency plan | |
CN117894155A (zh) | 基于智慧燃气的燃气报警器检测方法及物联网系统 | |
CN117893357A (zh) | 基于智慧燃气的自闭阀可靠性监测方法和物联网系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |