CN113361914B - 一种危险废物运输风险管控预警的方法与*** - Google Patents
一种危险废物运输风险管控预警的方法与*** Download PDFInfo
- Publication number
- CN113361914B CN113361914B CN202110624155.2A CN202110624155A CN113361914B CN 113361914 B CN113361914 B CN 113361914B CN 202110624155 A CN202110624155 A CN 202110624155A CN 113361914 B CN113361914 B CN 113361914B
- Authority
- CN
- China
- Prior art keywords
- abnormal
- area
- transport vehicle
- hazardous waste
- illegal dumping
- 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
- 239000002699 waste material Substances 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000002159 abnormal effect Effects 0.000 claims abstract description 101
- 239000002920 hazardous waste Substances 0.000 claims abstract description 100
- 238000012216 screening Methods 0.000 claims abstract description 18
- 230000008569 process Effects 0.000 claims description 26
- 238000011160 research Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000011835 investigation Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 description 11
- 238000012546 transfer Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 239000002689 soil Substances 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 240000000359 Triticum dicoccon Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000009257 reactivity Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- PTLRDCMBXHILCL-UHFFFAOYSA-M sodium arsenite Chemical compound [Na+].[O-][As]=O PTLRDCMBXHILCL-UHFFFAOYSA-M 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000002341 toxic gas Substances 0.000 description 1
- 231100000419 toxicity Toxicity 0.000 description 1
- 230000001988 toxicity Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- 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
- G06Q10/0832—Special goods or special handling procedures, e.g. handling of hazardous or fragile goods
-
- 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
- G06Q10/0833—Tracking
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Alarm Systems (AREA)
Abstract
本申请公开了一种危险废物运输风险管控预警的方法与***。该方法包括步骤:识别危险废物运输车辆的实时位置信息;确定危险废物运输车辆的异常停留点,并基于所述异常停留点确定危险废物运输车辆的异常停留区域;利用高分辨率卫星拍摄的危险废物运输车辆异常停留区域的卫星图像,对比危险废物运输车辆异常停留前后异常停留区域的卫星图像特征,确定可疑的非法倾倒区域;利用无人机对所述可疑的非法倾倒区域区域进行航拍,将所述无人机航拍图片的图片集与已知的危险废物倾倒点的图像集比对,从而从所述可疑的非法倾倒区域中筛选***确定的非法倾倒区域。可实时判断危险废物运输车辆的异常停留点及该异常停留点是否发生了危险废物的非法倾倒。
Description
技术领域
本申请涉及危险废物运输领域,尤其涉及一种危险废物运输风险管控预警的方法与***。
背景技术
危险废物(也可简称危废)是指列入国家危险废物名录或者根据国家规定的危险废物鉴别标准和鉴别方法认定的具有危险特性的废物,具有毒害性、腐蚀性、化学反应性、传染性、放射性等特征,对人体健康和自然环境构成潜在风险。我国的工业化与城市化正在飞速发展,危险废物产量也呈快速增加的趋势。与危险废物产量快速增长对应的是危险废物处置能力不足,加之管理难度大,近年来我国危险废物非法倾倒的事件频发,对水环境、土壤环境以及大气环境都造成恶劣的环境后果,更威胁到了居民的生命健康。非法倾倒危险废物的性质恶劣、危害极大、隐蔽性强,同时此类违法事件难发现、难追责,进而导致危险废物运输环节存在较大的环节风险。
目前,对于危险废物运输风险管控的方法主要是基于危险废物转运联单制度,即分别由产废单位、危险废物运输单位、危险废物处置单位分别填写相关信息,根据多方共同核实信息的准确,保证危险废物在处理及利用过程中不出现非法倾倒的行为,以降低危险废物运输过程的环节风险。
但是上述管控方式存在以下不足:(1)危险废物转运联单信息只能对运输环节不同节点的信息进行匹配,无法对节点之间的过程,尤其是车辆的行为进行预警;(2)虽然部分危险废物运输车辆按照要求安装了卫星定位设备,但是现有的定位数据大多被用于危险废物非法倾倒事件被发现之后的取证,无法对危险废物非法倾倒进行及时预警。
发明内容
本申请提供一种危险废物运输风险管控预警的方法和***,以对危险废物运输过程中的非法倾倒进行有效预警。
根据本申请一方面,提供一种危险废物运输风险管控预警的方法,所述方法包括:
步骤1,识别危险废物运输车辆的实时位置信息;
步骤2,确定危险废物运输车辆的异常停留点,并基于所述异常停留点确定危险废物运输车辆的异常停留区域;
步骤3,利用高分辨率卫星拍摄的危险废物运输车辆异常停留区域的卫星图像,对比危险废物运输车辆异常停留前后异常停留区域的卫星图像特征,确定可疑的非法倾倒区域;
步骤4,利用无人机对所述可疑的非法倾倒区域区域进行航拍,将所述无人机航拍图片的图片集与已知的危险废物倾倒点的图像集比对,从而从所述可疑的非法倾倒区域中筛选***确定的非法倾倒区域。
其中,危险废物运输车辆的实时位置信息可通过定位***如GPS***、北斗***等确定,从而可以实时确定运输车辆的具***置。
步骤4中,已知的危险废物倾倒点的图像集是指:可疑的非法倾倒区域对应研究区域内已知的危险废物倾倒点的热图像集,可以通过历史采样获取。研究区域选择为危险废物运输***针对的行政区域,比如行政省、行政市等。由于同一行政区域内的产废单位、处理单位一般固定不变,选择同一行政区域内已知危险废物倾倒点的图像集作为参考时,在可疑的非法倾倒区域中筛选***确定的非法倾倒区域结果会更加准确。
步骤4中,***确定的非法倾倒区域是指:采用本申请方法,通过无人机从可疑的非法倾倒区域中进一步确认的非法倾倒区域,这些***确定的非法倾倒区域发生实际非法倾倒的概率比步骤3中可疑的非法倾倒区域的概率更大,但是***确定的非法倾倒区域并不一定发生了实际的非法倾倒,最终还需要现场实地考察确定。也就是说,在步骤4中,***确定的非法倾倒区域是本申请预警方法提供给相关人员实地考察的地址依据。
当运输车辆需要非法倾倒危险废物时,运输车辆一般会在倾倒点或者倾倒点附近停车或者是缓慢移动并将危险废物从运输车上转移下去,也就是说,运输车辆会在非法倾倒危险废物时缓慢移动或者不动,从而根据运输车辆的实时位置即可以初步确定异常停留区域。且当非法倾倒危险废物已经发生时,在异常停留区域,非法倾倒前后必然会存在着非法倾倒相关的信息,比如在地面上存在危险废物或者危险废物容器;此时,对高分辨率卫星调取的运输车辆异常停留前后的卫星图片进行比较,则可以初步确定这些异常停留区域中哪些是可疑的非法倾倒区域;进一步结合无人机航拍,将无人机航拍图片的图片集与已知的危险废物倾倒点的图像集比对,则可以在这些可疑的非法倾倒区域筛选出筛选***确定的非法倾倒区域。
这样,本申请中结合定位***、高分辨卫星和无人机航拍,通过三层筛选过程来筛选***确定的非法倾倒区域,首先是筛选危险废物运输车辆的异常停留区域,其次,是在这些异常停留区域筛选出可疑的非法倾倒区域,最后是在这些可疑的非法倾倒区域中进一步筛选出***确定的非法倾倒区域。
可选的,所述异常停留区域为以运输车辆的异常停留点为中心的圆或者长方形。圆的半径和长方形的长宽可根据需求设置。由于高分辨卫星和无人机航拍的区域范围一般为长方形,这些异常停留区域的形状也优选为长方形,长方形的边长可根据高分辨卫星和无人机航拍的范围需求设定。
可选的,所述确定危险废物运输车辆的异常停留点的过程包括:
确定危险废物运输车辆异常停留的时间阈值;
根据所述实时位置信息,确定危险废物运输车辆在某一停留点的实际停留时间;
比较所述实际停留时间与异常停留的时间阈值的大小,当实际停留时间大于异常停留的时间阈值时,确定该停留点为异常停留点。
其中,停留点可以是一个有确切位置、固定的点,也可以是一段路程,比如当运输车辆静止不动时,该停留点为一个固定的点,而当运输车移动时,则该停留点为运输车辆移动的路段;停留时间则对应的是运输车辆在该停留点上经过的时间。
这样,通过设定一个异常停留的时间阈值,将危险废物运输车辆的实际停留时间与该阈值进行比较,则可以判断运输车辆是否在正常的时间内通过该停留点。当实际停留时间大于异常停留的时间阈值时,则可确定该停留点为异常停留点;反之,当实际停留时间小于异常停留的时间阈值时,则可排除该停留点。
可选的,给定一个距离阈值D,时间阈值记为T,定义如下:
T=F(H、G、F、U、Y) (1)
式(1)中,H是运输车辆类型、G是运输车辆载重、F是道路类型、U是运输车辆停留点土地利用类型、Y是运输危险废物种类。时间阈值T的函数类型可采用多元线性回归模型。
通过设置距离阈值D与时间阈值T,当运输车辆行驶路段为距离阈值D所使用的时间大于时间阈值T时,则将该行驶路段认定为的异常停留点。
以上时间阈值T的函数中,根据运输车辆的危险废物联单对应的信息,可以确认车辆类型H、车辆载重G和运输危险废物种类Y,根据异常停留点的具***置,可以确定异常停留点所对应的土地利用类型U和所处道路类型F。
可选的,在步骤2中,还包括对特殊异常停留区域进行豁免。特殊异常停留区域包括加油站和高速服务站等,由于在这些地方的停留属于正常停留,从而不将其纳入到可疑的非法倾倒点之中。
可选的,所述对比危险废物运输车辆异常停留前后异常停留区域的卫星图像特征的过程包括:
利用感知哈希算法对比危险废物运输车辆异常停留之前和之后两个时间点的卫星图像特征,设置一个汉明距离的长度阈值,若两个时间点的卫星图像特征的汉明距离大于该长度阈值,则确定该区域为可疑的非法倾倒区域。
关于危险废物运输车辆异常停留之前和之后两个时间点的确定过程如下:危险废物运输车辆异常停留之前的时间点可选择为任意的在异常停留之前的某个时间,在一个实施方式中,异常停留之前的时间点选择为运输车辆进入可疑的非法倾倒区域的时刻;危险废物运输车辆异常停留之后的时间点可选择为任意的在异常停留之后的某个时间,在一个实施方式中,异常停留之后的时间点选择为运输车辆离开可疑的非法倾倒区域的时刻。此外,异常停留之前和异常停留之后两个时间点也可设置为固定的时间点,比如异常停留之前的时间点选择为运输车辆从产废单位出发的时刻,异常停留之后的时间点选择为运输车辆到达处置单位的时刻。
利用感知哈希算法对比危险废物运输车辆异常停留之前和之后两个时间点的图像特征的具体过程如下:
将两个时间点的图像改变至相同像素大小,并做灰度化处理;
计算两个时间点的图像所有像素的灰度平均值;
将每个像素的灰度与平均值进行比较,将灰度大于等于平均值的记为1,小于平均值的记为0,从而构建两个时间点的图像的信息;
基于所述两个时间点的图像的信息,计算两个时间点图像的汉明距离;
给定一个汉明距离的长度阈值,当两个时间点图像的汉明距离小于该所述汉明距离的长度阈值时,即认为两个时间点的图像不存在明显差别。
这样,通过利用感知哈希算法来对比两个时间点的图像特征,即可以快速识别两个图像的差别程度,这里,差别程度用图像的汉明距离来衡量,当两个图像的汉明距离大于给定的长度阈值时,即可以认定两个图像的差别较大,确定该区域为可疑的非法倾倒区域。
可选的,所述将所述无人机航拍图片的图片集与已知的危险废物倾倒点的图像集比对的过程如下:
获取无人机拍摄区域对应研究区域内已知危险废物倾倒点的图像集,提取图像特征;
将所述无人机拍摄图片的图片集与已知的危险废物倾倒点的图像集比对,利用SVM分类器对图像进行分类,将趋近于已知危险废物倾倒点的图像集认定为***确定的非法倾倒区域。
可选的,所述步骤4中,无人机航拍包括数字摄像头拍摄和红外热像仪拍摄。
其中,数字摄像头拍摄可给无人机安装合适精度的数字摄像机,同时考虑到一部分危险废物非法倾倒地点用土壤做了掩盖,因此可另给无人机安装红外热像仪来观测。无人机所拍摄的图像范围即是步骤3中确定的可疑的非法倾倒区域。
这样,通过结合数字摄像头拍摄和红外热像仪拍摄,可以清晰、全面地观察到可能非法倾倒之后的区域的危险废物。摄像头拍摄和红外热像仪拍摄分别确认的非法倾倒区域的并集,即为最终筛选的***确定的非法倾倒区域集合。
可选的,对数字摄像头拍摄的图片筛选***确定的非法倾倒区域的过程如下:
利用数字摄像头拍摄对应研究区域内已知危险废物倾倒区域的图像集,提取图像特征;
去除数字摄像头拍摄的图片所包含的干扰信息,利用SVM分类器对图像进行分类,将趋近于所述对应研究区域内已知危险废物倾倒点的图像集认定为***确定的非法倾倒区域。
可选的,对红外热像仪拍摄的图片筛选***确定的非法倾倒区域的过程如下:
利用红外热像仪拍摄对应研究区域内已知危险废物倾倒区域的热图像集,提取热图像特征;
去除红外热像仪拍摄的图片所包含的干扰信息,利用SVM分类器对图像进行分类,将趋近于所述对应研究区域内已知危险废物倾倒点的热图像集认定为***确定的非法倾倒区域。
可选的,在所述步骤4中,从所述可疑的非法倾倒区域中筛选***确定的非法倾倒区域后,还包括对***确定的非法倾倒区域进行实地调查,从而确定实际的非法倾倒区域。
其中,实地调查的结果可分为两类:(1)***确定的非法倾倒区域不存在实际非法倾倒,则将该区域剔除出非法倾倒区域;(2)***确定的非法倾倒区域存在实际非法倾倒,则对非法倾倒危险废物进行快速处理。
这样,根据本申请的方法,由于实际非法倾倒区域被确认的过程非常及时,更有利于对非法倾倒的危险废物进行处理,防止对环境造成更大破坏。
根据本申请另一方面,提供一种危险废物运输风险管控预警的***,其特征在于,所述***包括:车载装置模块、远程服务器模块和无人机图像识别模块;
所述车载装置模块包括位置感知模块,所述位置感知模块读取运输车辆的实时位置信息,并发送到远程服务器模块;
所述车载装置模块包括位置感知模块,所述位置感知模块读取运输车辆的实时位置信息,并发送到远程服务器模块;
所述远程服务器模块包括位置信息分析模块和卫星识别模块,其中,所述位置信息分析模块接收所述位置感知模块读取的数据,确定危险废物运输车辆的异常停留区域,所述卫星识别模块利用高分辨率卫星拍摄的危险废物运输车辆异常停留区域的卫星图像,对比危险废物运输车辆异常停留前后异常停留区域的卫星图像特征,确定可疑的非法倾倒区域;
所述无人机图像识别模块对所述可疑的非法倾倒区域进行航拍,将结果传输到远程服务器模块,所述远程服务器模块将所述无人机航拍图片的图片集与已知的危险废物倾倒点的图像集比对,从而从所述可疑的非法倾倒区域中筛选***确定的非法倾倒区域。
有益效果:
通过构建含有远程服务器模块、车载装置模块和无人机图像识别模块的***,对涉及危险废物运输的单位与车辆进行多维度全面的监控与实时预警;通过位置信息感知和图像识别技术,实时判断危险废物运输车辆的异常停留点及该异常停留点是否发生了危险废物的非法倾倒,结合实地调查完成危险废物非法倾倒的溯源;结合传感器设备,对运输过程中的危险废物状态进行实时监控,对异常状态的发出警报,实现风险事前应急。
附图说明
后文将参照附图以示例性而非限制性的方式详细描述本申请的一些具体实施例,附图中相同的附图标记标示了相同或类似的部件或部分,本领域技术人员应该理解,这些附图未必是按比例绘制的。附图中:
图1为一实施方式中危险废物运输风险管控预警***的示意图;
图2为一实施方式中危险废物运输风险管控预警方法的流程图;
图3为一实施方式中建立危险废物转移运输平台、筛选运输单位和处置单位以及建立电子联单管理***的流程图;
图4为一实施方式中确定危险废物运输车辆异常停留点的流程图;
图5为一实施方式中确定可疑的非法倾倒区域的流程图;
图6为一实施方式中从可疑的非法倾倒区域中筛选***确定的非法倾倒区域的流程图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,在下面的描述中阐述了很多具体细节以便于充分理解本申请,但是本申请能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本申请内涵的情况下做类似改进,因此本申请不受下面公开的具体实施的限制。
如图1所示,为本申请一实施方式中危险废物运输风险管控预警的***的示意图。该***由三个模块构成:车载装置模块、远程服务器模块和无人机图像识别模块。
其中,车载装置模块包括位置感知模块,位置感知模块具体由GPS卫星1和安装在运输车辆2上的GPS设备9构成。位置感知模块对运输车辆进行定位,并将位置信息通过无线传输传递给远程服务器模块。
车载装置模块还可包括安装在运输车辆2上用于监测危险废物状态的的车载传感器6,车载传感器6用于感知危险废物的实时状态,从而构成危险废物的实时预警,与运输车辆的实时位置信息相结合时,更有利于提前确定非法倾倒。车载传感器6包括:压力传感器、液位传感器、温度传感器、毒性气体传感器、烟雾传感器中的至少一种。
此外,车载装置模块还包括安装在运输车辆2上的车载显示屏7和嵌入式车载电脑8,嵌入式车载电脑8用于接收位置感知模块和车载传感器6发送的信息,车载显示屏7显示相关参数信息,同时车载显示屏7用于接收远程服务器模块发送的结果,并将结果显示。
远程服务器模块包括位置信息分析模块和卫星识别模块。位置信息分析模块具体选自中央处理器4,卫星识别模块具体选自高分辨率卫星3。中央处理器4接收位置感知模块读取的数据,从而确定危险废物运输车辆的异常停留区域;根据异常停留区域,调取高分辨率卫星3拍摄的异常停留区域运输车辆的卫星图像,对比该异常停留区域在危险废物运输车辆异常停留前后两个时间点的图像特征,从而确定可疑的非法倾倒区域。
远程服务器模块还可包括危险废物平台模块,其用于建立废转移运输平台、筛选运输单位和处置单位以及建立电子联单管理***等。
无人机图像识别模块选自无人机设备5,该无人机设备携带数字摄像头和红外热像仪。无人机设备5对可疑的非法倾倒区域进行航拍,将结果传输到远程服务器模块的中央处理器4,中央处理器4将无人机航拍图片的图片集与已知的危险废物倾倒点的图像集比对,从而从可疑的非法倾倒区域中筛选***确定的非法倾倒区域。
如图2所示,为本申请一实施方式中危险废物运输风险管控预警的方法的流程图,该方法包括4个步骤:
步骤1,识别危险废物运输车辆的实时位置信息;
步骤2,确定危险废物运输车辆的异常停留点,并基于异常停留点确定危险废物运输车辆的异常停留区域;
步骤3,利用高分辨率卫星拍摄的危险废物运输车辆异常停留区域的卫星图像,对比危险废物运输车辆异常停留前后异常停留区域的卫星图像特征,确定可疑的非法倾倒区域;
步骤4,利用无人机对所述可疑的非法倾倒区域区域进行航拍,将所述无人机航拍图片的图片集与已知的危险废物倾倒点的图像集比对,从而从所述可疑的非法倾倒区域中筛选***确定的非法倾倒区域。
在危险废物运输车辆开始运输之前,还包括建立危险废物转移运输平台、筛选运输单位和处置单位以及建立电子联单管理***的过程。如图3所示,为建立危险废物转移运输平台、筛选运输单位和处置单位以及建立电子联单管理***的流程图。
其中,建立危险废物转移运输平台的过程包括:(1)建立产废单位的数据库,数据库的内容包含该产废单位的名称、位置、成立时间、产品种类、工艺特征、产生的危险废物种类、行业、产值等信息;(2)建立运输单位的数据库,包括该运输单位的名称,所有运输车辆的车牌号、载重、型号,司机的个人信息等;(3)建立处置单位的数据库,包含该处置单位的名称、位置、成立时间、能处理危险废物的种类、设计处理量、处理方式等信息;(4)建立危险废物转移运输平台,将产废单位、运输单位、处置单位所建立的数据库信息导入平台之中。
筛选运输单位和处置单位的过程包括:(1)确定的危险废物种类,给予每一种危险废物一个编号,记作Y={Y1、Y2、……、Yn};(2)根据数据库内的记录的产废、运输、处置单位信息,匹配编号为Yi的危险废物有资质产生、转移、处置的单位;(3)产废单位在危险废物转移运输平台输入欲处置的危险废物编号Yi,平台根据处置能力与运输距离最短的原则列出相应的运输单位与处置单位。
建立电子联单管理***的过程包括:(1)在危险废物运输之前,由产废单位、运输单位、处置单位分别在平台上填写危险废物转移联单,所填写的内容应该包括三家单位的详细名称、运输时间、运输车辆信息、危险废物基础信息;(2)平台接收危险废物转移联单信息,并导入数据库中匹配相应的信息,平台自动生成本次危险废物运输的运输编号,记作V={V1、V2、……、Vn};(3)根据产废单位位置与处置单位位置是否在同一个省份内的两种情况可分别建立两个子平台,省内运输平台与跨省运输平台,若在同一省份内,则将本次危险废物运输的信息导入省内运输平台;若存在跨省运输的情况,则将本次危险废物运输的信息导入跨省运输平台。
如图4所示,为一实施方式中步骤2中确定危险废物运输车辆的异常停留点的流程图。具体过程包括:
设置距离阈值D和时间阈值T,距离阈值D可以选择为一个较短的合适的距离,例如5米或者10米等;
时间阈值T的定义如下:
T=F(H、G、F、U、Y) (1)
式(1)中,H是运输车辆类型、G是运输车辆载重、F是道路类型、U是运输车辆停留点土地利用类型、Y是运输危险废物种类;
根据危险废物联单Vi号对应的信息,确认车辆类型H、车辆载重G和运输危险废物种类Y,根据确定的地点Zi点确定其所对应的区域土地利用类型U和所处的道路类型F;并根据Zi点的相关参数信息,得到的一组{Hi、Gi、Fi、Ui、Yi},计算出危险废物运输车辆在Zi点的时间阈值Ti;
接着,确定Zi点是否为特殊的可豁免区域,如果是,则判定Zi点对应的区域不为异常停留区域;如果否,则进一步做如下判断,根据车载GPS设备所记录的信息,得到危险废物运输车辆在Zi点的实际停留时间,记作Ti',即运输车辆在Ti'的行驶距离不超过距离阈值D,比较Ti与Ti'的大小,当Ti>Ti'时,不将Zi点视作异常停留点,当Ti<Ti'时,将Zi点视作异常停留点,记所有的异常停留点为Z={Z1、Z2、Z3、……、Zn}。
如图5所示,为一实施方式中,步骤3中确定可疑的非法倾倒区域的流程图。具体过程包括:
确定目标区域,选择合适的高分辨率卫星,在其相关网站或是其所提供的数据接口上获取异常停留点Z对应的异常停留区域分别在时间t1、t2的卫星图像数据,分别将图像记作Rzi1和Rzi2,这里时间t1选择可选择为运输车辆进入异常停留区域之前的时刻点,时间t2选择为运输车辆离开异常停留区域之后的时刻点;
根据异常停留区域,可确定异常停留区域对比图形的集合Z={Z1(Rz11、Rz12)、Z2(Rz21、Rz22)、Z3(Rz31、Rz32)、……、Zn(Rzn1、Rzn2)};
利用感知哈希算法对比Rzi1、Rzi2的图像特征,若存在明显差别,记这一部分区域的位置信息为集合M={M1、M2、M3、……、Mn},集合M即为可疑的非法倾倒区域,还需要进一步通过步骤4从集合M可疑的非法倾倒区域中筛选***确定的非法倾倒区域;若不存在差别,记这一部分区域的位置信息为集合N={N1、N2、N3、……、Nn},此时可以直接排除集合N,即集合N不属于可疑的非法倾倒区域。
利用感知哈希算法对比Rzi1、Rzi2的图像特征的过程如下:
缩小Rzi1、Rzi2的图像,将图片缩小为8×8的大小,总共64个像素,从而去除图像的细节,摒弃不同尺寸/比例带来的图像差异,再将缩小后的图像做灰度化处理,转为64级灰度,即所有像素点总共只有64种颜色;
计算所有像素的灰度平均值;
比较像素的灰度,将每个像素的灰度,与平均值进行比较,将灰度大于等于平均值的记为1,小于平均值的记为0;
将得到的0、1值组合在一起,构成了一个64位的整数,相当于对应图片的“指纹”;
比较Rzi1、Rzi2的图像,两者得到的64位“指纹”中有多少位是不一样的,即汉明距离,记作Dn,在信息论中,两个等长字符串之间的汉明距离是两个字符串对应位置的不同字符的个数;
设置一个汉明距离的长度阈值DN,当Dn大于或等于DN时,将视Rzi1、Rzi2的图像存在明显差别,列入集合M;反之,当Dn小于DN时,将认为Rzi1、Rzi2的图像基本一致,列入集合N。
如图6所示,为一实施方式中,步骤4中从可疑的非法倾倒区域中筛选***确定的非法倾倒区域的流程图。具体过程包括:
选择合适的无人机,给无人机安装合适精度的数字摄像机,同时考虑到一部分危险废物非法倾倒地点用土壤做了掩盖,因此可另给无人机安装红外热像仪来观测;
利用无人机去对集合M区域进行数字摄像头拍摄和红外热像仪拍摄,利用数字摄像头对该区域进行图像拍摄所得到的一组图片集记为A{a1、a2、a3、……、an},此外利用红外热像仪拍摄的一组图集记为B{b1、b2、b3、……、bn},将A图集与B图集的数据传输到远程服务器,接着分别对A图集与B图集进行数据分析;
(1)针对图集A的分析,
对图集A进行分类之前,先对图像数据进行预处理,去除掉图像所包含的干扰信息;预处理的原因在于图像数据不仅包含有用的信息,还包括许多干扰信息,例如,应该忽略麦田,房屋,道路等,可使用空间滤波器去除多余的多阶能量峰,并仅提取衍射图的中心最大值,将空间滤波器矩阵用于“锐化”(边缘增强)滤波器,以便对图像进行分类。
利用无人机拍摄区域对应研究区域内已知危险废物倾倒点的数字摄像头拍摄的图像集,通过历史采样获取,记为S{s1、s2、s3、……、sn}图集,提取图像特征;
将A图集与S图集比对,建立SVM分类器对A图集进行分类,分成两个图像集:趋近于S图集的图像集记为U{u1、u2、u3、……、un},U集合即为在A图集之中进一步筛选出的***确定的非法倾倒区域,记***确定的非法倾倒区域对应的非法倾倒站点点位记为E{e1、e2、e3、……、en}。
(2)针对图集B的分析,
对利用红外热像仪记录下来的图集B进行处理,其原理是将不同物体发出的不可见红外能量转变为可见的热图像,以热图像上面的不同颜色代表被测物体的不同温度;
利用装备红外热像仪的无人机拍摄研究区域内(例如若本危险废物转移运输***针对的是某一省,则将研究区域视为该省)已知的危险废物倾倒点的热图像,通过历史采样获取,记已知的危险废物倾倒点的热图像集为C{c1、c2、c3、……、cn}图集,提取其热图像特征;
将B图集与C图集比对,建立SVM分类器对B图集进行分类,分成两个图像集:趋近于C图集的图像集Q{q1、q2、q3、……、qn}和偏离于C图集的图像集I{i1、i2、i3、……、in},记***确定的非法倾倒区域对应的非法倾倒站点点位记为W{w1、w2、w3、……、wn};
对***确定的非法倾倒区域对应的非法倾倒站点集合E{e1、e2、e3、……、en}与集合W{w1、w2、w3、……、wn}取并集R{r1(x1,y1)、r2(x2,y2)、r3(x3,y3)、……、rn(xn,yn)},其中ri(xi,yi)代表编号Vi的危险废物运输环节所产生的***确定的非法倾倒区域对应的非法倾倒点位的经纬度信息,R集合即为无人机图像识别环节最终筛选的***确定的非法倾倒区域对应的非法倾倒点。
本申请通过构建含有远程服务器模块、车载装置模块和无人机图像识别模块的预警***,对涉及危险废物运输的单位与车辆进行多维度全面的监控与实时预警;通过位置信息感知和图像识别技术,实时判断危险废物运输车辆的异常停留点及该异常停留点是否发生了危险废物的非法倾倒,结合实地调查完成危险废物非法倾倒的溯源;结合传感器设备,对运输过程中的危险废物状态进行实时监控,对异常状态的发出警报,实现风险事前应急。
至此,本领域技术人员应认识到,虽然本文已详尽示出和描述了本申请的多个示例性实施例,但是,在不脱离本申请精神和范围的情况下,仍可根据本申请公开的内容直接确定或推导出符合本申请原理的许多其他变型或修改。因此,本申请的范围应被理解和认定为覆盖了所有这些其他变型或修改。
Claims (9)
1.一种危险废物运输风险管控预警的方法,其特征在于,所述方法包括:
步骤1,识别危险废物运输车辆的实时位置信息;
步骤2,确定危险废物运输车辆的异常停留点,并基于所述异常停留点确定危险废物运输车辆的异常停留区域;
步骤3,利用高分辨率卫星拍摄的危险废物运输车辆异常停留区域的卫星图像,对比危险废物运输车辆异常停留前后异常停留区域的卫星图像特征,确定可疑的非法倾倒区域;
步骤4,利用无人机对所述可疑的非法倾倒区域进行航拍,将无人机航拍图片的图片集与已知的危险废物倾倒点的图像集比对,从而从所述可疑的非法倾倒区域中筛选***确定的非法倾倒区域。
2.根据权利要求1所述的方法,其特征在于,所述异常停留区域为以运输车辆的异常停留点为中心的长方形。
3.根据权利要求1所述的方法,其特征在于,所述确定危险废物运输车辆的异常停留点的过程包括:确定危险废物运输车辆异常停留的时间阈值;根据所述实时位置信息,确定危险废物运输车辆在某一停留点的实际停留时间;比较所述实际停留时间与异常停留的时间阈值的大小,当实际停留时间大于异常停留的时间阈值时,确定该停留点为异常停留点。
4.根据权利要求1所述的方法,其特征在于,所述步骤2中,还包括对特殊的异常停留区域进行豁免。
5.根据权利要求1所述的方法,其特征在于,所述对比危险废物运输车辆异常停留前后异常停留区域的卫星图像特征的过程包括:利用感知哈希算法对比危险废物运输车辆异常停留之前和之后两个时间点的卫星图像特征,设置一个汉明距离的长度阈值,若两个时间点的卫星图像特征的汉明距离大于该长度阈值,则确定该区域为可疑的非法倾倒区域。
6.根据权利要求1所述的方法,其特征在于,所述步骤4中,无人机航拍包括数字摄像头拍摄和红外热像仪拍摄。
7.根据权利要求1所述的方法,其特征在于,所述将无人机航拍图片的图片集与已知的危险废物倾倒点的图像集比对的过程如下:利用无人机拍摄区域对应研究区域内已知危险废物倾倒点的图像集,提取图像特征;将所述无人机拍摄图片的图片集与所述对应研究区域内已知的危险废物倾倒点的图像集比对,利用SVM分类器对图像进行分类,将趋近于所述对应研究区域内已知危险废物倾倒点的图像集认定为***确定的非法倾倒区域。
8.根据权利要求1所述的方法,其特征在于,在所述步骤4中,从所述可疑的非法倾倒区域中筛选***确定的非法倾倒区域后,还包括对***确定的非法倾倒区域进行实地调查,从而确定实际的非法倾倒区域。
9.一种危险废物运输风险管控预警的***,其特征在于,所述***包括:车载装置模块、远程服务器模块和无人机图像识别模块;所述车载装置模块包括位置感知模块,所述位置感知模块读取运输车辆的实时位置信息,并发送到远程服务器模块;
所述远程服务器模块包括位置信息分析模块和卫星识别模块,其中,所述位置信息分析模块接收所述位置感知模块读取的数据,确定危险废物运输车辆的异常停留区域,所述卫星识别模块利用高分辨率卫星拍摄的危险废物运输车辆异常停留区域的卫星图像,对比危险废物运输车辆异常停留前后异常停留区域的卫星图像特征,确定可疑的非法倾倒区域;
所述无人机图像识别模块对所述可疑的非法倾倒区域进行航拍,将结果传输到远程服务器模块,所述远程服务器模块将无人机航拍图片的图片集与已知的危险废物倾倒点的图像集比对,从而从所述可疑的非法倾倒区域中筛选***确定的非法倾倒区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110624155.2A CN113361914B (zh) | 2021-06-04 | 2021-06-04 | 一种危险废物运输风险管控预警的方法与*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110624155.2A CN113361914B (zh) | 2021-06-04 | 2021-06-04 | 一种危险废物运输风险管控预警的方法与*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113361914A CN113361914A (zh) | 2021-09-07 |
CN113361914B true CN113361914B (zh) | 2021-12-28 |
Family
ID=77532135
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110624155.2A Active CN113361914B (zh) | 2021-06-04 | 2021-06-04 | 一种危险废物运输风险管控预警的方法与*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113361914B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117078024B (zh) * | 2023-10-17 | 2024-02-09 | 南京进唯智能科技有限公司 | 一种基于视频分析的危废数量变化检测***及方法 |
CN117610901B (zh) * | 2024-01-24 | 2024-04-05 | 成都环境工程建设有限公司 | 一种用于垃圾发电厂垃圾运输车辆的调度方法及*** |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SE1430023A1 (sv) * | 2013-05-21 | 2014-11-09 | Martin Andreas Olsson | Digital utgångsdatumenhet |
CN106971488A (zh) * | 2017-04-19 | 2017-07-21 | 北京京城环保股份有限公司 | 一种用于回转窑危险废弃物处置进料***的火灾防治***和方法 |
CN109081000A (zh) * | 2018-06-19 | 2018-12-25 | 张淏瑞 | 医疗废弃物监控管理*** |
CN209859006U (zh) * | 2019-05-30 | 2019-12-27 | 南京盛滨环境研究院有限公司 | 一种基于物联网的危险固体废弃物储运及监控管理装置 |
CN111661531A (zh) * | 2020-06-05 | 2020-09-15 | 广东慧福信息科技有限公司 | 医疗废弃物回收***及其数据存储方法 |
CN111815223A (zh) * | 2020-05-25 | 2020-10-23 | 阿里巴巴集团控股有限公司 | 物体追踪***、方法、设备及存储介质 |
CN112085241A (zh) * | 2019-06-12 | 2020-12-15 | 江苏汇环环保科技有限公司 | 一种基于机器学***台 |
CN112085929A (zh) * | 2020-09-10 | 2020-12-15 | 湖南科技大学 | 危化品道路运输风险预警***及方法 |
CN112488667A (zh) * | 2020-12-15 | 2021-03-12 | 河南新辰环保科技有限公司 | 一种工业固体废物全过程实时监控***及方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SE541634C2 (en) * | 2018-03-06 | 2019-11-19 | Scania Cv Ab | Method and control arrangement for identification of parking areas |
US20200150643A1 (en) * | 2018-05-07 | 2020-05-14 | Strong Force Iot Portfolio 2016, Llc | Methods and systems for data collection, learning, and streaming of machine signals for analytics and maintenance using the industrial internet of things |
CN112560574A (zh) * | 2020-10-30 | 2021-03-26 | 广东柯内特环境科技有限公司 | 河流黑水排放检测方法及应用其的识别*** |
-
2021
- 2021-06-04 CN CN202110624155.2A patent/CN113361914B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SE1430023A1 (sv) * | 2013-05-21 | 2014-11-09 | Martin Andreas Olsson | Digital utgångsdatumenhet |
CN106971488A (zh) * | 2017-04-19 | 2017-07-21 | 北京京城环保股份有限公司 | 一种用于回转窑危险废弃物处置进料***的火灾防治***和方法 |
CN109081000A (zh) * | 2018-06-19 | 2018-12-25 | 张淏瑞 | 医疗废弃物监控管理*** |
CN209859006U (zh) * | 2019-05-30 | 2019-12-27 | 南京盛滨环境研究院有限公司 | 一种基于物联网的危险固体废弃物储运及监控管理装置 |
CN112085241A (zh) * | 2019-06-12 | 2020-12-15 | 江苏汇环环保科技有限公司 | 一种基于机器学***台 |
CN111815223A (zh) * | 2020-05-25 | 2020-10-23 | 阿里巴巴集团控股有限公司 | 物体追踪***、方法、设备及存储介质 |
CN111661531A (zh) * | 2020-06-05 | 2020-09-15 | 广东慧福信息科技有限公司 | 医疗废弃物回收***及其数据存储方法 |
CN112085929A (zh) * | 2020-09-10 | 2020-12-15 | 湖南科技大学 | 危化品道路运输风险预警***及方法 |
CN112488667A (zh) * | 2020-12-15 | 2021-03-12 | 河南新辰环保科技有限公司 | 一种工业固体废物全过程实时监控***及方法 |
Non-Patent Citations (3)
Title |
---|
Assessment of pollution of potentially harmful elements in soils surrounding a municipal solid waste incinerator, China;Ying Han;《Frontiers of Environmental Science & Engineering》;20161201;第10卷(第6期);全文 * |
河北省医疗废物焚烧污染物排放及控制要求;李歆琰;《四川环境》;20170831;第36卷(第4期);第128-134页 * |
社会源危险废弃物的全过程追踪机制研究;侯英杰;《黑龙江生态工程职业学院学报》;20200930;第33卷(第5期);第1-5页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113361914A (zh) | 2021-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hannan et al. | A review on technologies and their usage in solid waste monitoring and management systems: Issues and challenges | |
CN113361914B (zh) | 一种危险废物运输风险管控预警的方法与*** | |
US11481991B2 (en) | System and method for detecting and transmitting incidents of interest of a roadway to a remote server | |
US6708140B2 (en) | System and method for detecting and monitoring noncompliant interstate transportation of materials | |
US20060200307A1 (en) | Vehicle identification and tracking system | |
US20050080520A1 (en) | Waste recovery and material handling process to replace the traditional trash transfer station and landfil by extracting reusable material and energy from joined refuse streams to include; office waste, dry waste, wet garbage and the special hazardous material handling of biological, chemical, and nuclear waste | |
CN111629181B (zh) | 消防生命通道监控***及方法 | |
CN111401162A (zh) | 渣土车违法审核方法、电子装置、计算机设备和存储介质 | |
CN113077133B (zh) | 一种基于多源数据的危险废物非法倾倒风险区域识别和溯源方法 | |
US20210192215A1 (en) | Platform for the management and validation of contents of video images, picture or similar, generated by different devices | |
CN114248819B (zh) | 基于深度学习的铁路侵限异物无人机检测方法、装置及*** | |
KR102381352B1 (ko) | 차량번호 인식 기반 교통정보 지원시스템 | |
TWM602258U (zh) | 車體定損輔助系統 | |
US6601022B2 (en) | System and method detecting and monitoring noncompliant interstate transportation of materials | |
Gohari et al. | Drones for road accident management: A systematic review | |
KR102436111B1 (ko) | 모빌리티 시스템으로 위법 차량을 단속하도록 한 인공지능 기반 이벤트검지 시스템 | |
CN114066305A (zh) | 一种危化品运输车辆异常驻留高风险区域的预警方法 | |
AU2002335785A1 (en) | System and method for detecting and monitoring noncompliant interstate transportation of materials | |
US20200065591A1 (en) | System for the monitoring and security of the environment | |
Ferreira | Comparing Brazilian Platforms for Monitoring Roads, Designed to Support Law Enforcement | |
CN117152892B (zh) | 基于视频监控识别的防偷砂方法及*** | |
Muralidharan et al. | Traffic Monitoring System Detecting Overspeed and Accidents from Video Input Using OpenCV and Digital Image Processing | |
Ashok Kumar et al. | Road Fault Detection by Using Convolutional Neural Networks | |
CN115861898A (zh) | 一种应用于燃气场站火焰烟雾识别方法 | |
Betrand et al. | Enhanced Machine Learning Vehicle Plate Number Recognition System |
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 |