申请/专利权人：交通运输部水运科学研究所

申请日：2024-02-01

公开（公告）日：2024-04-05

公开（公告）号：CN117689215B

主分类号：G06Q10/0635

分类号：G06Q10/0635;G06Q10/087;G06Q10/0832;G06Q10/0835

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2024.03.29#实质审查的生效;2024.03.12#公开

摘要：本发明公开了危险货物集装箱的港区装卸仓储安全风险评估系统、方法，解决了现有技术无法对锂电池汽车港区装卸风险进行精准评估的问题，所述方法包括：获取货物集装箱关联的外部环境数据以及内部锂电池状态数据；基于外部环境数据生成货物运输路径有向图，基于深度学习和计算机视觉校正并重构隐藏在干扰数据后的锂电池预警模型；执行锂电池预警模型，得到货物集装箱实时运输风险评估结果；本发明实施例通过构建锂电池预警模型来计算货物集装箱实时运输风险评估结果，从而实现对锂电池汽车在港区转运装卸过程中风险进行评估预警，同时结合货物集装箱关联的外部环境数据以及内部锂电池状态数据实现对风险的精准评估。

主权项：1.危险货物集装箱的港区装卸仓储安全风险评估方法，其特征在于，所述危险货物集装箱的港区装卸仓储安全风险评估方法，具体包括：获取货物集装箱关联的外部环境数据以及内部锂电池状态数据；加载外部环境数据，基于外部环境数据生成货物运输路径有向图，遍历所述货物运输路径有向图，识别货物运输路径有向图中环境风险源以及环境风险值，重构货物运输路径有向图，生成运输路径辐射函数；采集事故历史数据，通过事故历史数据训练并测试预配置的风险评估模型，得到多组目标评估模型，基于深度学习和计算机视觉校正并重构隐藏在干扰数据后的锂电池预警模型；以运输路径辐射函数以及内部锂电池状态数据为输入，执行锂电池预警模型，得到货物集装箱实时运输风险评估结果；所述基于外部环境数据生成货物运输路径有向图的方法，具体包括：加载货物集装箱运输路径坐标数据集以及锂电池集装箱堆场位置信息，其中，运输路径坐标数据集包括港区罐区、危害物储存区以及危害品罐车实时坐标数据；基于货物集装箱运输路径坐标数据集以及锂电池集装箱堆场位置信息生成锂电池运行三维立体网格；以货物集装箱单向运输方向为传播路径，依次连接传播路径中货物集装箱与所经过的港区罐区、危害物储存区以及危害品罐车交汇点，生成货物运输路径有向图；所述重构货物运输路径有向图，生成运输路径辐射函数的方法，具体包括：遍历所述货物运输路径有向图；对货物运输路径有向图进行区域划分，并对划分后的区域逐一编号，得到带有编号区域，获取编号区域内场景实时数据，其中，场景实时数据包括编号区域内交汇点的实时温度、有害物浓度、能见度、氧气浓度；基于预设的风险源等级划分规则获取编号区域内交汇点的风险等级，基于风险等级以及风险值校正函数计算当前环境风险源的环境风险值；加载货物运输路径有向图，基于货物运输路径分析锂电池叠加热传递、破损以及自燃后与区域内交汇点的关联性，计算锂电池状态传播因子； （4）其中，表示锂电池实时温度，为锂电池总重量，而为锂电池状态传播系数； （5）其中，为区域内交汇点初始温度，为区域内交汇点的交汇温度，为编号区域的体积；基于锂电池状态传播因子绘制锂电池在编号区域内的传播辐射图；以传播辐射图覆盖运输路径有向图，生成重构货物运输路径有向图，重构货物运输路径有向图中锂电池传播风险值以运输路径辐射函数表示，其中运输路径辐射函数表示为： （6）其中，为锂电池异常状态对编号区域的辐射概率，为锂电池正常状态对编号区域的辐射概率，为锂电池自屏蔽状态对编号区域的辐射概率，表示编号区域的事故影响结果；所述基于风险等级以及风险值校正函数计算当前环境风险源的环境风险值的方法，具体包括：获取编号区域内交汇点的风险等级，通过公式（1）计算当前环境风险源的环境风险值； （1）其中，表示风险值校正函数，表示编号区域内交汇点风险因素数量，而为每种风险因素的实际存在量，而表示风险因素对应的临界总量，表示编号区域内交汇点的等级校正值，等级校正值通过式（2）计算； （2）其中，表示编号区域内交汇点的等级影响因素，等级影响因素为实时温度、有害物浓度、能见度、氧气浓度，表示实时温度、有害物浓度、能见度、氧气浓度的占比系数，编号区域内交汇点的实时温度、有害物浓度、能见度、氧气浓度总占比系数和为1，而为编号区域内交汇点的风险等级，为实时温度、有害物浓度、能见度、氧气浓度的安全等级，若实时温度、有害物浓度、能见度、氧气浓度的安全等级为安全值范围内，则置为0；所述风险值校正函数的表达式（3）为： （3）其中，为编号区域内交汇点密度，为货物集装箱的运行速度，表示在编号区域内货物集装箱的停留时间，表示货物集装箱与交汇点最近距离，表示校正系数，而为编号区域内交汇点总量；所述通过事故历史数据训练并测试预配置的风险评估模型，得到多组目标评估模型的方法，具体包括：获取事故历史数据，加载预配置的初始评估模型，所述初始评估模型为DeeplabV3+网络；扩大历史数据数量，并对扩大后的历史数据进行编号，将历史数据划分为训练集以及测试集；将训练集以及测试集放初始评估模型进行训练以及测试，得到修剪后的多组目标评估模型，获得初始评估值；基于预设的评估精度判断初始评估值是否超过评估精度，若超过评估精度，则保留当前目标评估模型；所述基于深度学习和计算机视觉校正并重构隐藏在干扰数据后的锂电池预警模型的方法，具体包括：基于计算机视觉获取内部锂电池状态数据，同时加载历史数据中的外部环境数据以及多组目标评估模型；基于深度学习校正锂电池状态数据，校正后锂电池特征向量输出结果为； （7）其中，为卷积矩阵，表示卷积核大小，且的大小为，而表示卷积矩阵在卷积运算时的补零层数，表示卷积空洞度；采用分裂布雷格曼迭代算法求解构建的多组目标评估模型，并依次解调得到隐藏在干扰数据后的锂电池预警模型；其中，锂电池预警模型的表达式为： （8）。

全文数据：

权利要求：

百度查询： 交通运输部水运科学研究所 危险货物集装箱的港区装卸仓储安全风险评估系统、方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD