一种化工运输安全监控方法和化工运输系统技术方案

本发明专利技术涉及化工运输安全技术领域，具体涉及一种化工运输安全监控方法和化工运输系统，所述方法包括采用历史数据进行数学建模后通过机器学习建立监控模型，向监控模型输入任务计算获得安全参数；选择满足安全参数的终端，向终端发送安全参数并要求终端按照安全参数为标准执行任务；终端执行任务过程中产生的数据反馈与监控模型；通过本发明专利技术的发明专利技术和系统，能够实时获取车辆(终端)运输过程中的状态，实时监控；可以实时进行下发指令，进行配置和调整；也可以通过平台实时和运输人员进行交互，提高运输安全指标；利用日常上报的数据，可以进行机器学习，不断训练模型，不断提升安全系数的准确度。数的准确度。数的准确度。

【技术实现步骤摘要】
一种化工运输安全监控方法和化工运输系统


[0001]本专利技术涉及化工运输安全
，具体涉及一种化工运输安全监控方法和化工运输系统。

技术介绍

[0002]我国经济快速稳定发展，对化工产品的需求量也随之猛增，这对于与之相关的危险品存储及运输行业来说有着巨大市场机遇，同时也面临着极其严峻的挑战，现在的化工行业运输目前仍处于信息化发展相对落后的阶段，管理阶段大部分由人工调度负责，且在运输大宗商品的过程中往往面临较高的安全问题，其中不乏有很多时候是由于人为操作的缘故，尤其是运输过程中，容易发生纰漏，导致事故的发生。

技术实现思路

[0003]本专利技术所要解决的技术问题是：提供一种节约人工的同时提升安全性的化工运输安全监控方法和化工运输系统。
[0004]为了解决上述技术问题，本专利技术采用的技术方案为：
[0005]一种化工运输安全监控方法，包括
[0006]采用历史数据进行数学建模后通过机器学习建立监控模型，向监控模型输入任务计算获得安全参数；
[0007]选择满足安全参数的终端，向终端发送安全参数并要求终端按照安全参数为标准执行任务；
[0008]终端执行任务过程中产生的数据反馈与监控模型。
[0009]优选地，所述历史数据经过数据清洗、数据聚合后进行数学建模。
[0010]优选地，所述机器学习采用多标签决策树算法。
[0011]优选地，所述监控模型的框架采用Hadoop大数据与微服务SpringCloud进行构建。
[0012]优选地，所述终端执行任务过程中产生的数据反馈与监控模型，其中所述产生的数据为终端发生不符合安全参数的数据。
[0013]为了解决上述技术问题，本专利技术采用的另一技术方案为：
[0014]一种化工运输系统，包括
[0015]平台，包括采用历史数据进行数学建模后通过机器学习建立的监控模型；
[0016]操作端，向平台输入任务计算获得安全参数；所述平台选择满足安全参数的车辆并向车辆发送安全参数；以及
[0017]车辆，按照要求安全参数为标准执行任务，执行任务过程中产生的数据反馈与平台。
[0018]优选地，所述安全参数包括车速、温度以及车辆抖动频率。
[0019]优选地，所述车辆执行任务过程中，若车辆实际抖动频率与安全参数的车辆抖动频率差值超过5％、温度大于等于预设值或车速大于等于预设值时生成预警数据。
[0020]所述预警数据为车辆执行任务过程中产生的数据的部分；
[0021]优选地，所述车辆具有预警装置，所述预警装置由预警数据激活。
[0022]优选地，所述任务包括订单数据、商品数据和目的地；
[0023]所述操作端基于HTTP/TCP向平台上传订单数据、商品数据作为入参计算获得安全参数。
[0024]本专利技术的有益效果在于：通过本专利技术的专利技术和系统，能够实时获取车辆(终端)运输过程中的状态，实时监控；可以实时进行下发指令，进行配置和调整；也可以通过平台实时和运输人员进行交互，提高运输安全指标；利用日常上报的数据，可以进行机器学习，不断训练模型，不断提升安全系数的准确度。
附图说明
[0025]图1为本专利技术具体实施方式的一种化工运输系统的框图。
具体实施方式
[0026]为详细说明本专利技术的
技术实现思路
、所实现目的及效果，以下结合实施方式并配合附图予以说明。
[0027]实施例一
[0028]一种化工运输安全监控方法，包括
[0029]采用历史数据经过数据清洗、数据聚合后进行数学建模后通过机器学习建立监控模型，向监控模型输入任务计算获得安全参数；
[0030]选择满足安全参数的终端，向终端发送安全参数并要求终端按照安全参数为标准执行任务；
[0031]终端执行任务过程中产生的数据反馈与监控模型。
[0032]其中
[0033]所述机器学习采用多标签决策树算法。所述监控模型的框架采用Hadoop大数据与微服务SpringCloud进行构建。
[0034]所述终端执行任务过程中产生的数据反馈与监控模型，其中所述产生的数据为终端发生不符合安全参数的数据；通过将不符合安全参数的数据进行反馈给监控模型，能够实现预警，同时也能够进行机器学习，不断训练模型，不断提升安全系数的准确度。
[0035]实施例二
[0036]一种化工运输系统，包括
[0037]平台，包括采用历史数据进行数学建模后通过机器学习建立的监控模型；
[0038]操作端，向平台输入任务计算获得安全参数；所述任务包括订单数据、商品数据(商品分类、数量、体积、重量等信息)以及目的地；所述操作端基于 HTTP/TCP向平台上传订单数据、商品数据作为入参计算获得安全参数；所述平台选择满足安全参数的车辆并向车辆发送安全参数；所述安全参数包括车速、温度以及车辆抖动频率；所述温度为车辆装载部分的外表部分，例如油罐车的油罐外表面。
[0039]车辆，车辆(能与平台通讯连接)具有车载app和预警装置，所述车载app 按照要求安全参数为标准执行任务，所述车辆执行任务过程中，若车辆实际抖动频率与安全参数的
车辆抖动频率差值超过5％、温度大于等于40℃或车速大于等于60km/h时生成预警数据，上传预警数据实现实时监控。所述预警数据为车辆执行任务过程中产生的数据的部分。
[0040]所述预警装置由预警数据直接激活也可以通过车载app进行激活。
[0041]其中，操作端可以为用户或管理人员。
[0042]以上所述仅为本专利技术的实施例，并非因此限制本专利技术的专利范围，凡是利用本专利技术说明书及附图内容所作的等同变换，或直接或间接运用在相关的
，均同理包括在本专利技术的专利保护范围内。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种化工运输安全监控方法，其特征在于，包括采用历史数据进行数学建模后通过机器学习建立监控模型，向监控模型输入任务计算获得安全参数；选择满足安全参数的终端，向终端发送安全参数并要求终端按照安全参数为标准执行任务；终端执行任务过程中产生的数据反馈与监控模型。2.根据权利要求1所述的化工运输安全监控方法，其特征在于，所述历史数据经过数据清洗、数据聚合后进行数学建模。3.根据权利要求1所述的化工运输安全监控方法，其特征在于，所述机器学习采用多标签决策树算法。4.根据权利要求1所述的化工运输安全监控方法，其特征在于，所述监控模型的框架采用Hadoop大数据与微服务SpringCloud进行构建。5.根据权利要求1所述的化工运输安全监控方法，其特征在于，所述终端执行任务过程中产生的数据反馈与监控模型，其中所述产生的数据为终端发生不符合安全参数的数据。6.一种化工运输系统，其特征在于，包括平台，...

【专利技术属性】
技术研发人员：朱剑川，谢道德，肖建峰，
申请(专利权)人：厦门汇银通达数字科技有限公司，
类型：发明
国别省市：