CN116579619B - 一种货运运单的风控方法和*** - Google Patents
一种货运运单的风控方法和*** Download PDFInfo
- Publication number
- CN116579619B CN116579619B CN202310856965.XA CN202310856965A CN116579619B CN 116579619 B CN116579619 B CN 116579619B CN 202310856965 A CN202310856965 A CN 202310856965A CN 116579619 B CN116579619 B CN 116579619B
- Authority
- CN
- China
- Prior art keywords
- risk
- information
- transportation
- driver
- humidity
- 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
- 238000000034 method Methods 0.000 title claims abstract description 106
- 230000008569 process Effects 0.000 claims abstract description 59
- 238000012544 monitoring process Methods 0.000 claims abstract description 52
- 230000002159 abnormal effect Effects 0.000 claims abstract description 21
- 238000007405 data analysis Methods 0.000 claims abstract description 21
- 238000011217 control strategy Methods 0.000 claims abstract description 19
- 238000012502 risk assessment Methods 0.000 claims abstract description 14
- 238000012216 screening Methods 0.000 claims abstract description 11
- 238000012954 risk control Methods 0.000 claims abstract description 7
- 230000000875 corresponding effect Effects 0.000 claims description 44
- 238000005070 sampling Methods 0.000 claims description 41
- 230000008921 facial expression Effects 0.000 claims description 20
- 230000009471 action Effects 0.000 claims description 16
- 230000002596 correlated effect Effects 0.000 claims description 8
- 238000007791 dehumidification Methods 0.000 claims description 7
- 238000009423 ventilation Methods 0.000 claims description 7
- 238000012217 deletion Methods 0.000 claims description 5
- 230000037430 deletion Effects 0.000 claims description 5
- 239000007789 gas Substances 0.000 description 70
- 238000007726 management method Methods 0.000 description 18
- 230000000694 effects Effects 0.000 description 11
- 239000002360 explosive Substances 0.000 description 11
- 238000012384 transportation and delivery Methods 0.000 description 10
- 230000006399 behavior Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 230000007613 environmental effect Effects 0.000 description 7
- 230000001105 regulatory effect Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 230000014759 maintenance of location Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 230000001788 irregular Effects 0.000 description 4
- 230000003014 reinforcing effect Effects 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000036626 alertness Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
- G06F18/15—Statistical pre-processing, e.g. techniques for normalisation or restoring missing data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Educational Administration (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出了一种货运运单的风控方法和***,所述方法包括采集货物运输相关信息并上传至数据库***并定期更新,所述货物运输相关信息包括运单信息、运输情况信息和位置信息;通过大数据分析和预警***,对采集到的数据进行分析和筛选,识别潜在的风险因素;对运输过程中的异常情况进行监测和预警,以及时发现和应对潜在风险;基于监控和风险评估结果,制定相应的风险管理和控制策略;***包括数据采集模块、数据分析模块和风险控制模块,通过此方法和***最大限度提高货运运单的安全性和效率,减少潜在的风险和事故发生的可能性,同时减少采集的数据量,提高上传和数据库的性能;同时确保数据库中的数据符合业务需求,减少存储空间的占用。
Description
技术领域
本发明涉及货物运输技术领域,特别涉及一种货运运单的风控方法和***。
背景技术
随着科技不断进步,人们采用网络购物的方式越来越多,导致网络货物数量激增,现有的物流运输方式无法充分评估和预测单车装载货物后的运输风险。往往是人工装配货物后直接运输,缺乏对运输过程中风险因素的监测和预警。这导致道路运输安全问题的增加,并且物流公司难以有效管理和监管运输的安全性。
发明内容
本发明提供了一种货运运单的风控方法和***,通过实时监测和风险识别最大限度提高货运运单的安全性和效率,减少潜在的风险和事故发生的可能性,同时减少采集的数据量,提高上传和数据库的性能;同时确保数据库中的数据符合业务需求,减少存储空间的占用。
本发明提出的一种货运运单的风控方法,所述方法包括:
S1、采集货物运输相关信息并上传至数据库***并定期更新,所述货物运输相关信息包括运单信息、运输情况信息和位置信息;
S2、通过大数据分析和预警***,对采集到的数据进行分析和筛选,识别潜在的风险因素;对运输过程中的异常情况进行监测和预警,以及时发现和应对潜在风险;
S3、基于监控和风险评估结果,制定相应的风险管理和控制策略。
进一步的,一种货运运单的风控方法,所述S1包括:
采集货物的运单信息和货物信息,根据所述运单信息和货物信息确定运输方式和路线;
通过GPS获取车辆的位置信息和车速;将所述位置信息上传至数据库***;通过接入智慧交通获取路况信息,接入气象***获取天气信息;
在车辆上设置传感器和视频采集设备,采集运输情况信息,所述传感器包括温度传感器、湿度传感器和气体传感器并上传至数据库***;所述视频采集设备采集内容包括司机面部表紧和肢体动作;
将采集到的数据上传至数据库***,并定期删除冗余。
进一步的,一种货运运单的风控方法,包括:
所述传感器的采样频率为F:
其中,为前一次采集的温度,/>为预设温度,/>为前一次采集的湿度;/>为预设湿度;/>为前一次采集的气体浓度;/>为预设气体浓度;/>为预设基准第一采样频率;k1、k2和k3为调节系数,取值范围为(0,1),并且k1=k2+k3;
所述采集司机面部表情和肢体动作视频采集设备的采集频率为:
其中,为预设基准第二采样频率,/>为前一次采样开始时司机连续驾驶时长,/>为预设行驶时间;a为第二调节系数。
进一步的的,一种货运运单的风控方法,所述S2包括:
获取历史数据记录,根据历史记录获取风险发生的货物运输相关信息并识别风险因素;所述风险因素包括货厢内环境变化、车速、司机状态和道路天气环境;
根据过往风险发生的情况,设置控制阈值;进行实时监控;包括:
将货物进行分类,根据货物分类结果统计过往正常运输过程中的温度、湿度和气体浓度的均值和标准差;
根据货物的分类,将温度、湿度和气体浓度加入控制列表;其中控制阈值的设置为:
其中M1为过往正常运输过程中温度的均值、为过往正常运输过程中温度标准差;M2为过往正常运输过程中湿度的均值, />为过往正常运输过程中湿度标准差;M3为过往正常运输过程中气体浓度的均值;/>为过往正常运输过程中气体浓度标准差; b为根据货物分类设置的调节系数;取值范围为(0,1);
统计过往运输过程中各风险因素发生的概率;
根据所述发生的概率设置风险因素权重;其中,每个风险因素的权重为根据所述风险因素在运输中出现的频率确定,且与所述风险因素在风险发生的运输中出现的频率正相关;
将相同的线路划分不同的路段,设置每个路段的速度阈值和行车时间阈值;所述速度阈值的设置为:
其中,为此线路此路段节点历史平均速度,/>为此线路此路段节点最大限速,/>为车辆载重;/>为记录中平均载重;λ为路况系数,取值范围为[-1,1];所述路况系数包括天气情况和道路拥堵情况;k为风险因素权重。
进一步的,一种货运运单的风控方法,所述S3包括:
当车辆速度超出阈值时对司机进行提示;***进行报警并标记;
根据司机面部表情和肢体动作判定司机是否为困倦状态,如果是则通过报警器和\或座椅震动对司机进行提醒,并根据位置信息提示最近休息点;
当车厢内温度、湿度或气体浓度超过阈值时自动开启相应的设备进行调节,所述相应的设备包括空调、通风、除湿装置。
本发明提出一种货运运单的风控***,所述***包括:
数据采集模块:采集货物运输相关信息并上传至数据库***并定期更新,所述货物运输相关信息包括运单信息、运输情况信息和位置信息;所述运单信息包括货物类型、装货地址、收货地址、发货时间、收货时间;
数据分析模块:通过大数据分析和预警***,对采集到的数据进行分析和筛选,识别潜在的风险因素;对运输过程中的异常情况进行监测和预警,以及时发现和应对潜在风险;
风险控制模块:基于监控和风险评估结果,制定相应的风险管理和控制策略。
进一步的一种货运运单的风控***,所述数据采集模块包括:
货物信息采集模块:采集货物的运单信息和货物信息,根据所述运单信息和货物信息确定运输方式和路线;
车辆定位模块:通过GPS获取车辆的位置信息和车速;将所述位置信息上传至数据库***;通过接入智慧交通获取路况信息,接入气象***获取天气信息;
运输情况采集模块:在车辆上设置传感器和视频采集设备,采集运输情况信息,所述传感器包括温度传感器、湿度传感器和气体传感器并上传至数据库***;所述视频采集设备采集内容包括司机面部表紧和肢体动作;所述气体传感器检测易燃易爆气体含量;
冗余删除模块:将采集到的数据上传至数据库***,并定期删除冗余。
进一步的,一种货运运单的风控***,所述运输情况采集模块包括:
传感器采样频率设置模块:所述传感器的采样频率为F:
其中,为前一次采集的温度,/>为预设温度,/>为前一次采集的湿度;/>为预设湿度;/>为前一次采集的气体浓度;/>为预设气体浓度;/>为预设基准第一采样频率;k1、k2和k3为调节系数,取值范围为(0,1),并且k1=k2+k3;
第一视频采集频率设置模块:所述采集司机面部表情和肢体动作视频采集设备的采集频率为:
其中,为预设基准第二采样频率,/>为前一次采样开始时司机连续驾驶时长,/>为预设行驶时间;a为第二调节系数。
进一步的,一种货运运单的风控***,所述数据分析模块包括:
获取历史数据记录,根据历史记录获取风险发生的货物运输相关信息并识别风险因素;所述风险因素包括货厢内环境变化、车速、司机状态和道路天气环境;
根据过往风险发生的情况,设置控制阈值;进行实时监控;包括:
将货物进行分类,根据货物分类结果统计过往正常运输过程中的温度、湿度和气体浓度的均值和标准差;
根据货物的分类,将温度、湿度和气体浓度加入控制列表;其中控制阈值的设置为:
其中M1为过往正常运输过程中温度的均值、为过往正常运输过程中温度标准差;M2为过往正常运输过程中湿度的均值, />为过往正常运输过程中湿度标准差;M3为过往正常运输过程中气体浓度的均值;/>为过往正常运输过程中气体浓度标准差; b为根据货物分类设置的调节系数;取值范围为(0,1);
统计过往运输过程中各风险因素发生的概率;
根据所述发生的概率设置风险因素权重;其中,每个风险因素的权重为根据所述风险因素在运输中出现的频率确定,且与所述风险因素在风险发生的运输中出现的频率正相关;
将相同的线路划分不同的路段,设置每个路段的速度阈值和行车时间阈值;所述速度阈值的设置为:
其中,为此线路此路段节点历史平均速度,/>为此线路此路段节点最大限速,/>为车辆载重;/>为记录中平均载重;λ为路况系数,取值范围为[-1,1];所述路况系数包括天气情况和道路拥堵情况;k为风险因素权重。
进一步的,种货运运单的风控***,所述风险控制模块包括:
第一报警模块:当车辆速度超出阈值时对司机进行提示;***进行报警并标记;
第二报警模块:根据司机面部表情和肢体动作判定司机是否为困倦状态,如果是则通过报警器和\或座椅震动对司机进行提醒,并根据位置信息提示最近休息点;
调节模块:当车厢内温度、湿度或气体浓度超过阈值时自动开启相应的设备进行调节,所述相应的设备包括空调、通风、除湿装置。
本发明有益效果:通过大数据分析和预警***,对采集到的数据进行分析和筛选,及时识别潜在的风险因素,利用实时数据和预测模型进行监测和预警,以便及时发现和应对潜在的风险;基于监控和风险评估结果,制定相应的风险管理和控制策略。根据识别的风险因素和异常情况,采取相应的措施,以最大程度地降低风险的发生和影响;通过实时监测和风险识别,以及相应的风险管理和控制策略,该方法可以提高货物运输的安全性和可靠性;及时发现和应对潜在风险,减少货物丢失、延误或损坏的风险,提高货物交付的准时性和完整性;通过采样频率设定最大限度提高货运运单的安全性和效率,减少潜在的风险和事故发生的可能性,同时减少采集的数据量,提高上传和数据库的性能;定期删除冗余数据,可以有效管理和维护数据库的数据质量和存储效率;基于提供的时间间隔公式,定期删除冗余数据,确保数据库中的数据符合业务需求,减少存储空间的占用。
附图说明
图1为本发明所述一种货运运单的风控方法示意图;
图2为本发明所述一种货运运单的风控***示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施例对本发明进行详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。
本实施例一种货运运单的风控方法,所述方法包括:
S1、采集货物运输相关信息并上传至数据库***并定期更新,所述货物运输相关信息包括运单信息、运输情况信息和位置信息;所述运单信息包括货物类型、装货地址、收货地址、发货时间、收货时间;
S2、通过大数据分析和预警***,对采集到的数据进行分析和筛选,识别潜在的风险因素;对运输过程中的异常情况进行监测和预警,以及时发现和应对潜在风险;所述异常情况包括交通拥堵、天气不良、车辆故障;
S3、基于监控和风险评估结果,制定相应的风险管理和控制策略。
上述技术方案的工作原理为:该方法基于持续采集、分析和预警的原理,通过收集货物运输相关信息并上传至数据库***,结合大数据分析和预警***,识别潜在的风险因素,并在运输过程中监测和预警异常情况。基于监控和风险评估结果,制定相应的风险管理和控制策略,以提高货物运输的安全性和可靠性。
上述技术方案的效果为:通过大数据分析和预警***,对采集到的数据进行分析和筛选,及时识别潜在的风险因素,对于交通拥堵、天气不良、车辆故障等异常情况,利用实时数据和预测模型进行监测和预警,以便及时发现和应对潜在的风险;基于监控和风险评估结果,制定相应的风险管理和控制策略。根据识别的风险因素和异常情况,采取相应的措施,如调整运输路线、改变发货时间、加强货物包装保护或改变承运商等,以最大程度地降低风险的发生和影响;通过实时监测和风险识别,以及相应的风险管理和控制策略,该方法可以提高货物运输的安全性和可靠性。及时发现和应对潜在风险,减少货物丢失、延误或损坏的风险,提高货物交付的准时性和完整性。
综上所述,这种货运运单的风控方法通过数据采集、分析和预警***的应用,能够及时识别潜在风险因素并提供相应的风险管理和控制策略,从而提高货物运输的安全性和可靠性。
本实施例一种货运运单的风控方法,所述方法包括:
采集货物的运单信息和货物信息,根据所述运单信息和货物信息确定运输方式和路线;
通过GPS获取车辆的位置信息和车速;将所述位置信息上传至数据库***;通过接入智慧交通获取路况信息,接入气象***获取天气信息;
在车辆上设置传感器和视频采集设备,采集运输情况信息,所述传感器包括温度传感器、湿度传感器和气体传感器并上传至数据库***;所述视频采集设备采集内容包括司机面部表紧和肢体动作;所述气体传感器检测易燃易爆气体含量;所述气体包括一氧化碳、二氧化碳、氧气、甲烷,根据需要选择一种或几种进行监测;
将采集到的数据上传至数据库***,并定期删除冗余;在每次线路运输结束后的预设时间段内,删除司机视频信息;
其中删除冗余的时间间隔为:
其中:
Q 表示数据库中的记录数量;
R 表示平均每条记录的重复数量,用于估计冗余度;
表示数据库中的总冗余数据量;
表示每天新增或修改的记录数量;
k 数据对应的风险因素权重;
Y预设的保留数据的时长;
Hi 为***负载指标,包括:CPU利用率、磁盘利用率、内存使用率和宽带利用率。
上述技术方案的工作原理为:通过采集货物的运单信息和货物信息,可以对运输方式和路线进行确定,以确保匹配合适的运输方案;GPS位置信息采集:通过获取车辆的位置信息和车速,可以实时监控车辆的位置,以便跟踪货物的运输状态和安全;温度传感器、湿度传感器和气体传感器可提供实时的货物环境信息,以确保货物在适宜的环境下进行运输。例如,温度传感器用于监测货物的温度,湿度传感器用于监测货物的湿度,气体传感器用于检测潜在的易燃易爆气体;通过记录司机的面部表情和肢体动作,可以了解司机的状态和行为,以便发现潜在的安全问题,如疲劳驾驶或不规范的行驶行为。
上述技术方案的效果为:通过采集运单信息和货物信息,可以根据实际需求确定最佳的运输方式和路线,提高运输方***性和效率;通过GPS获取车辆的位置信息和车速,并上传至数据库***,可以实时追踪车辆位置,提供货物的实时运输状态监控,以及对运输进程进行实时调整和管理;通过传感器采集温度、湿度和气体含量等数据,可以及时监测货物的环境状况,确保货物在适宜的环境中进行运输,防止货物受损或发生意外情况;通过视频采集设备记录司机的面部表情和肢体动作,可以监测司机的状态和行为,提早发现疲劳驾驶、不规范行驶等安全问题,提高运输安全性;采集到的数据会上传至数据库***,并定期删除冗余数据,以确保数据库的数据质量和处理效率;在每次线路运输结束后的预设时间段内,司机的视频信息会被删除,以保护司机的隐私;将采集到的数据上传至数据库***,定期删除冗余数据,可以有效管理和维护数据库的数据质量和存储效率;基于提供的时间间隔公式,定期删除冗余数据,确保数据库中的数据符合业务需求,减少存储空间的占用;根据预设的保留数据时长 (Y) ,可以合理控制数据的保留期限,达到对数据的合理管理和利用。这有助于遵守法规要求以及满足业务需求。通过风险因素权重 (k) 来调整删除冗余的时间间隔,可以根据实际情况增加或减少删除冗余的频率,以应对不同的风险和业务需求;根据***负载指标 (Hi),如CPU利用率、磁盘利用率、内存使用率和宽带利用率等,可以综合考虑***的负载情况,避免在高负载状态下进行删除冗余操作,以确保***的正常运行和性能。
本实施例一种货运运单的风控方法,所述传感器的采样频率为F:
其中,为前一次采集的温度,/>为预设温度,/>为前一次采集的湿度;/>为预设湿度;/>为前一次采集的气体浓度;/>为预设气体浓度;/>为预设基准第一采样频率;k1、k2和k3为调节系数,取值范围为(0,1),并且k1=k2+k3;
为所运输的货物要求的最小湿度;/>为所运输的货物要求的最大湿度;
为所运输的货物要求的最低温度;/>为所运输的货物要求的最高温度;
为所运输的货物要求的气体最小浓度;/>为所运输的货物要求的气体最大浓度;
如果气体没有最小浓度要求,则= ;
所述采集司机面部表情和肢体动作视频采集设备的采集频率为:
其中,为预设基准第二采样频率,/>为前一次采样开始时司机连续驾驶时长,/>为预设行驶时间;a为第二调节系数,正常情况a=1,如果根据采样结果确定司机为疲劳驾驶,***自动调整下次采样的调节系数a,将 a的取值范围调整为[3,5],其中预设时长可以设置为一个小时或者2个小时,***根据采样结果判定司机是否为疲劳驾驶,如果为正常驾驶,a=1,如果***判定司机为疲劳驾驶,则自动调节系数a的取值范围;
上述技术方案的工作原理为:根据前一次采集的温度 和预设温度/>的差值、前一次采集的湿度 />和预设湿度/>的差值、前一次采集的气体浓度/>和预设气体浓度的差值,计算传感器数据的差异值;根据这些差异值,设置调节系数;目的是根据传感器数据的差异程度动态地调整传感器数据的采集频率;如果温度、湿度、气体浓度等数据的差异较大,采样频率将增加,而差异较小时则保持预设基准频率;而车厢内温度的变化会一定程度影响湿度和气体浓度变化,所以,温度的调节系数为湿度和气体浓度调节系数之和,当温度与预设温度接近时,湿度和气体浓度的变化对采样频率产生更明显的影响,而当温度与预设温度相差较大时,温度对采样频率影响更大,这样可以更精确地采集数据,以便进行风险监测和控制。
根据司机连续驾驶时长和预设行驶时间/>的差值,计算驾驶时长的差异值;将驾驶时长差异值乘以调节系数a 来调整采集频率;最终乘以预设基准第二采样频率/>得到司机视频采集的频率;目的是根据司机的驾驶时长和差异程度,动态地调整司机视频采集的频率。当连续驾驶时间超过预设行驶时间,差异较大时,采样频率将增加,以便更频繁地采集司机面部表情和肢体动作视频;这有助于识别和监测司机的疲劳驾驶行为。
上述技术方案的效果为:通过使用以上两个不同的频率计算公式,该货运运单风控方法可以根据行驶条件和司机驾驶时长动态地控制传感器数据采集频率和司机视频采集频率,从而实现对风险的实时监测和控制。这有助于提高货运运单的安全性和效率,减少潜在的风险和事故发生的可能性,同时减少采集的数据量,提高上传和数据库的性能。
本实施例获取历史数据记录,根据历史记录获取风险发生的货物运输相关信息并识别风险因素;所述风险因素包括货厢内环境变化、车速、司机状态;
根据过往风险发生的情况,设置控制阈值;进行实时监控;包括:
将货物进行分类,根据货物分类结果统计过往正常运输过程中的温度、湿度和气体浓度的均值和标准差;所述货物分类包括普通包裹、生鲜类、易燃易爆物;
根据货物的分类,将温度、湿度和气体浓度加入控制列表;其中控制阈值的设置为:
其中M1为过往正常运输过程中温度的均值、为过往正常运输过程中温度标准差;M2为过往正常运输过程中湿度的均值, />为过往正常运输过程中湿度标准差;M3为过往正常运输过程中气体浓度的均值;/>为过往正常运输过程中气体浓度标准差; b为根据货物分类设置的调节系数;取值范围为(0,1);其中如果是普通包括,b优先0.8,如果是生鲜类,b优选为0.5,如果是易燃易爆物,b优选为0.3;
统计过往运输过程中各风险因素发生的概率;例如,根据风险发生的线路所在的路段,计算此路段风险发生的概率,即发生风险的次数与经过此路段总的记录次数的比值;
根据所述发生的概率设置风险因素权重;其中,每个风险因素的权重为根据所述风险因素在运输中出现的频率确定,且与所述风险因素在风险发生的运输中出现的频率正相关;例如司机疲劳驾驶在运输中的经常出现,并且发生风险的运输中出现司机疲劳驾驶;
风险因素的发生概率可以通过具体记录中该风险因素出现的次数与总记录次数的比值进行计算。
风险因素发生概率 = 风险因素出现的次数 / 总记录次数
例如,如果在过往的运输记录中司机疲劳驾驶出现的次数为n,总记录次数为N,则司机疲劳驾驶的发生概率为 n/N。
风险因素的权重可以基于其在风险发生的运输中出现的频率进行设计,将风险因素的权重与其发生概率成正相关。
风险因素的权重 = 风险因素的发生概率
例如,如果司机疲劳驾驶在过往运输中的发生概率为P,那么可以将其作为司机疲劳驾驶的权重。
将相同的线路划分不同的路段,所述相同的线路符合以下条件:
1)先将道路划分类型包括、国道、省道、市区道路、郊区道路;
2)出发地相同和目的地相同都相同的线路,并且实际行驶路线80%或以上行驶道路为相同类型;例如某两趟运输出发地是都是A地目的地都是B,第一趟40%走高速,40%走国道,第二趟也是40%走高速,40%走国道;不管走的哪条高速或者国道,只要类型相似,则认为这两条线路一致;
将道路按照类型划分路段,同种路段再按照最大限速划分不同子路段,其中最高线路40的路段为一类,最高限速60到80的为一类,最高限速100和120的为一类;
设置每个子路段的速度阈值和行车时间阈值;所述速度阈值的设置为:
其中,为此线路此类子路段历史平均速度,/>为此类子路段节点最大限速,为车辆载重;/>为记录中平均载重;λ为路况系数,取值范围为[-1,1]; 所述路况系数包括天气情况d和道路拥堵情况c;通过GPS获取车辆位置信息,通过智慧交通和天气***获取对应位置的路况系数;其中道路拥堵情况为当前此路段平均行车速度减去正常情况下车辆的平均行车速度的差值,所述差值与正常情况下平均行车速度的比值为c,
d=1为正常天气,d=-1为下雨天、雾天、雪天或道路结冰等天气;
k为风险因素权重;例如在某个路段发生事故的风险概率很高则速度阈值需要降低;如果多个风险因素,则k取最高的风险权重;当路况较好时,λ为正数,表示路况对速度控制 阈值的影响为正。这意味着在较好的天气和道路通畅的情况下,速度控制阈值可以稍微高于历史平均速度;当下雨天或道路拥堵时,λ为负数,表示路况对速度控制阈值的影响为负;这意味着在下雨天或道路拥堵的情况下,需要限制速度低于历史平均速度,以应对更加危险的路况和交通状况;当λ为零时,表示路况对速度控制阈值没有直接影响,路况因素不被考虑在速度控制阈值的计算中。这种情况可能适用于以下特定场景或情况:
1.固定限速:在某些情况下,以固定限速作为标准,不考虑路况对速度的具体调整。例如,某些高速公路或道路段设置了固定的最高限速,不随路况变化而调整。
2.严格遵守规定:在特定场景中,如学校或特定区域周围的道路,可能要求严格遵守规定的限速,而不考虑具体的路况因素。
3.特殊区域或设备:对于某些特殊区域或设备,可能有固定的速度限制,无需根据路况进行调整。例如,工业区内部特定道路或仓库区域内的车辆行驶速度限制。
3.λ为零:当λ为零时,表示路况对速度控制阈值没有影响,即路况不会对速度限制产生调整。这可能适用于某些特定场景或情况,其中路况因素不被考虑在速度控制阈值的计算中。
上述技术方案的工作原理为:货物分类和环境控制阈值:
将货物进行分类,例如普通包裹、生鲜类、易燃易爆物等。
在每种类别下分别统计过往正常运输过程中每种货物分类的温度、湿度和气体浓度的均值和标准差。针对每个货物分类,根据均值、标准差,以及调节系数,设置相应的控制阈值。其中如果是普通包括,b优先0.8,如果是生鲜类,b优选为0.5,如果是易燃易爆物,b优选为0.3;
风险因素概率统计和权重设置:
统计过往运输过程中各风险因素发生的概率。例如,根据记录中风险发生的路段,计算该路段风险发生的概率,即发生风险的次数与经过此路段总记录次数的比值。
根据风险因素在运输中出现的频率,设置每个风险因素的权重。权重与风险因素在风险发生的运输中出现的频率正相关。例如,如果司机疲劳驾驶经常发生且与风险相关,则该因素会被赋予较高的权重。
路段节点的速度阈值和行车时间阈值:
将相同的线路划分为不同的路段节点。
为每个节点设置速度阈值和行车时间阈值。
速度阈值根据历史平均速度、路段最大限速/>以及路况系数(λ)和风险权重进行调整。路况系数λ可考虑天气情况和道路拥堵情况。
行车时间阈值可用于检测异常的行车时间,以识别可能的风险情况。
上述技术方案的效果为:通过以上方法,可以根据历史数据记录识别出货物运输中的风险因素,设置相应的控制阈值,并进行实时监控。通过合理调整环境控制、权重设定和阈值设置,可以提高货物运输的安全性和可靠性,减少潜在的风险和事故发生的可能性;速度阈值公式结合了历史平均速度、最大限速、载重和路况系数等因素来计算每个子路段的速度阈值;具体的计算公式中包含一些参数调整项,如路况系数 λ 和风险因素权重 k,通过这些参数可以对速度阈值进行灵活的调节,当车辆载重比较高或者路况差时,适当降低车速,当车辆载重比较轻或者路况好的情况,可以适当增加速度阈值;根据道路类型和最大限速进行划分子路段,建立速度阈值模型,此模型可以包含线路中任何一种道路类型,只要根据最大限速和平均速度,车载重量,并且加入路况系数和风险权重,就可以得到速度控制阈值,减少模型复杂度的同时,合理准确地控制车速,降低行车风险。
本实施例一种货运运单的风控方法,所述S3包括:
当车辆速度超出阈值时对司机进行提示;***进行报警并标记;
根据司机面部表情和肢体动作判定司机是否为困倦状态,如果是则通过报警器和\或座椅震动对司机进行提醒,并根据位置信息提示最近休息点;
当车厢内温度、湿度或气体浓度超过阈值时自动开启相应的设备进行调节,所述相应的设备包括空调、通风、除湿装置。
上述技术方案的工作原理为:
使用车载设备或GPS***监测车辆的实时速度;设定速度阈值,如果车辆超过阈值,则***将对司机进行提示,并触发报警器进行报警和标记;使用摄像头或其他感应器监测司机的面部表情和肢体动作;分析面部表情和肢体动作的特征,判断司机是否处于困倦状态;如果司机被判定为困倦状态,则***会通过报警器和/或座椅震动等方式提醒司机,并根据位置信息提示司机最近的休息点,以确保司机的安全和警觉性;监测车厢内温度、湿度和气体浓度的传感器设备;设置相应的阈值来判断是否超过安全范围;一旦温度、湿度或气体浓度超过阈值,***会自动开启相应的设备,如空调、通风或除湿装置,来调节车厢内的环境,确保货物的质量和安全。
上述技术方案的效果为:通过上述监测和提示机制,该方法可以帮助司机及时注意到超速行驶、困倦驾驶等风险情况,并采取相应的措施进行纠正和警示。同时,对车厢内环境的实时调节可以有效保护货物免受不利环境的影响,确保货物的质量和完整性。这样的风控方法可以提高货运过程的安全性和可靠性。
本实施例一种货运运单的风控***,所述***包括:
数据采集模块:采集货物运输相关信息并上传至数据库***并定期更新,所述货物运输相关信息包括运单信息、运输情况信息和位置信息;所述运单信息包括货物类型、装货地址、收货地址、发货时间、收货时间;
数据分析模块:通过大数据分析和预警***,对采集到的数据进行分析和筛选,识别潜在的风险因素;对运输过程中的异常情况进行监测和预警,以及时发现和应对潜在风险;所述异常情况包括交通拥堵、天气不良、车辆故障;
风险控制模块:基于监控和风险评估结果,制定相应的风险管理和控制策略。
上述技术方案的工作原理为:基于持续采集、分析和预警的原理,通过收集货物运输相关信息并上传至数据库***,结合大数据分析和预警***,识别潜在的风险因素,并在运输过程中监测和预警异常情况。基于监控和风险评估结果,制定相应的风险管理和控制策略,以提高货物运输的安全性和可靠性。
上述技术方案的效果为:通过大数据分析和预警***,对采集到的数据进行分析和筛选,及时识别潜在的风险因素,对于交通拥堵、天气不良、车辆故障等异常情况,利用实时数据和预测模型进行监测和预警,以便及时发现和应对潜在的风险;基于监控和风险评估结果,制定相应的风险管理和控制策略。根据识别的风险因素和异常情况,采取相应的措施,如调整运输路线、改变发货时间、加强货物包装保护或改变承运商等,以最大程度地降低风险的发生和影响;通过实时监测和风险识别,以及相应的风险管理和控制策略,该方法可以提高货物运输的安全性和可靠性。及时发现和应对潜在风险,减少货物丢失、延误或损坏的风险,提高货物交付的准时性和完整性。
本实施例一种货运运单的风控***,所述数据采集模块包括:
货物信息采集模块:采集货物的运单信息和货物信息,根据所述运单信息和货物信息确定运输方式和路线;
车辆定位模块:通过GPS获取车辆的位置信息和车速;将所述位置信息上传至数据库***;通过接入智慧交通获取路况信息,接入气象***获取天气信息;
运输情况采集模块:在车辆上设置传感器和视频采集设备,采集运输情况信息,所述传感器包括温度传感器、湿度传感器和气体传感器并上传至数据库***;所述视频采集设备采集内容包括司机面部表紧和肢体动作;所述气体传感器检测易燃易爆气体含量;
冗余删除模块:将采集到的数据上传至数据库***,并定期删除冗余。
在每次线路运输结束后的预设时间段内,删除司机视频信息;
其中删除冗余的时间间隔为:
其中:
Q 表示数据库中的记录数量;
R 表示平均每条记录的重复数量,用于估计冗余度;
表示数据库中的总冗余数据量;
表示每天新增或修改的记录数量;
k 数据对应的风险因素权重;
Y预设的保留数据的时长;
Hi 为***负载指标,包括:CPU利用率、磁盘利用率、内存使用率和宽带利用率。
上述技术方案的工作原理为:通过采集货物的运单信息和货物信息,可以对运输方式和路线进行确定,以确保匹配合适的运输方案;GPS位置信息采集:通过获取车辆的位置信息和车速,可以实时监控车辆的位置,以便跟踪货物的运输状态和安全;温度传感器、湿度传感器和气体传感器可提供实时的货物环境信息,以确保货物在适宜的环境下进行运输。例如,温度传感器用于监测货物的温度,湿度传感器用于监测货物的湿度,气体传感器用于检测潜在的易燃易爆气体;通过记录司机的面部表情和肢体动作,可以了解司机的状态和行为,以便发现潜在的安全问题,如疲劳驾驶或不规范的行驶行为。
上述技术方案的效果为:通过采集运单信息和货物信息,可以根据实际需求确定最佳的运输方式和路线,提高运输方***性和效率;通过GPS获取车辆的位置信息和车速,并上传至数据库***,可以实时追踪车辆位置,提供货物的实时运输状态监控,以及对运输进程进行实时调整和管理;通过传感器采集温度、湿度和气体含量等数据,可以及时监测货物的环境状况,确保货物在适宜的环境中进行运输,防止货物受损或发生意外情况;通过视频采集设备记录司机的面部表情和肢体动作,可以监测司机的状态和行为,提早发现疲劳驾驶、不规范行驶等安全问题,提高运输安全性;采集到的数据会上传至数据库***,并定期删除冗余数据,以确保数据库的数据质量和处理效率;在每次线路运输结束后的预设时间段内,司机的视频信息会被删除,以保护司机的隐私;.数据库数据管理:将采集到的数据上传至数据库***,定期删除冗余数据,可以有效管理和维护数据库的数据质量和存储效率;基于提供的时间间隔公式,定期删除冗余数据,确保数据库中的数据符合业务需求,减少存储空间的占用;根据预设的保留数据时长 (Y) ,可以合理控制数据的保留期限,达到对数据的合理管理和利用。这有助于遵守法规要求以及满足业务需求。通过风险因素权重 (k) 来调整删除冗余的时间间隔,可以根据实际情况增加或减少删除冗余的频率,以应对不同的风险和业务需求;根据***负载指标 (Hi),如CPU利用率、磁盘利用率、内存使用率和宽带利用率等,可以综合考虑***的负载情况,避免在高负载状态下进行删除冗余操作,以确保***的正常运行和性能。
本实施例一种货运运单的风控***,所述运输情况采集模块包括:
传感器采样频率设置模块:所述传感器的采样频率为F:
其中,为前一次采集的温度,/>为预设温度,/>为前一次采集的湿度;/>为预设湿度;/>为前一次采集的气体浓度;/>为预设气体浓度;/>为预设基准第一采样频率;k1、k2和k3为调节系数,取值范围为(0,1),并且k1=k2+k3;
为所运输的货物要求的最小湿度;/>为所运输的货物要求的最大湿度;
为所运输的货物要求的最低温度;/>为所运输的货物要求的最高温度;
为所运输的货物要求的气体最小浓度;/>为所运输的货物要求的气体最大浓度;
如果气体没有最小浓度要求,则= ;
第一视频采集频率设置模块:所述采集司机面部表情和肢体动作视频采集设备的采集频率为:
其中,为预设基准第二采样频率,/>为前一次采样开始时司机连续驾驶时长,/>为预设行驶时间;a为第二调节系数,正常情况a=1,如果发现司机疲劳驾驶,则a的取值范围为[3,5]。
上述技术方案的工作原理为:根据前一次采集的温度 和预设温度/>的差值、前一次采集的湿度 />和预设湿度/>的差值、前一次采集的气体浓度/>和预设气体浓度的差值,计算传感器数据的差异值;根据这些差异值,设置调节系数;目的是根据传感器数据的差异程度动态地调整传感器数据的采集频率;如果温度、湿度、气体浓度等数据的差异较大,采样频率将增加,而差异较小时则保持预设基准频率;而车厢内温度的变化会一定程度影响湿度和气体浓度变化,所以,温度的调节系数为湿度和气体浓度调节系数之和,当温度与预设温度接近时,湿度和气体浓度的变化对采样频率产生更明显的影响,而当温度与预设温度相差较大时,温度对采样频率影响更大,这样可以更精确地采集数据,以便进行风险监测和控制。
根据司机连续驾驶时长和预设行驶时间/>的差值,计算驾驶时长的差异值;将驾驶时长差异值乘以调节系数a 来调整采集频率;最终乘以预设基准第二采样频率/>得到司机视频采集的频率;目的是根据司机的驾驶时长和差异程度,动态地调整司机视频采集的频率。当连续驾驶时间超过预设行驶时间,差异较大时,采样频率将增加,以便更频繁地采集司机面部表情和肢体动作视频。这有助于识别和监测司机的疲劳驾驶行为。
上述技术方案的效果为:通过使用以上两个不同的频率计算公式,该货运运单风控方法可以根据行驶条件和司机驾驶时长动态地控制传感器数据采集频率和司机视频采集频率,从而实现对风险的实时监测和控制。这有助于提高货运运单的安全性和效率,减少潜在的风险和事故发生的可能性,同时减少采集的数据量,提高上传和数据库的性能。
本实施例一种货运运单的风控***,所述数据分析模块包括:
获取历史数据记录,根据历史记录获取风险发生的货物运输相关信息并识别风险因素;所述风险因素包括货厢内环境变化、车速、司机状态和道路天气环境;
根据过往风险发生的情况,设置控制阈值;进行实时监控;包括:
将货物进行分类,根据货物分类结果统计过往正常运输过程中的温度、湿度和气体浓度的均值和标准差;所述货物分类包括普通包裹、生鲜类、易燃易爆物;
根据货物的分类,将温度、湿度和气体浓度加入控制列表;其中控制阈值的设置为:
其中M1为过往正常运输过程中温度的均值、为过往正常运输过程中温度标准差;M2为过往正常运输过程中湿度的均值, />为过往正常运输过程中湿度标准差;M3为过往正常运输过程中气体浓度的均值;/>为过往正常运输过程中气体浓度标准差; b为根据货物分类设置的调节系数;取值范围为(0,1);
统计过往运输过程中各风险因素发生的概率;例如,根据风险发生的线路所在的路段,计算此路段风险发生的概率,即发生风险的次数与经过此路段总的记录次数的比值;
根据所述发生的概率设置风险因素权重;其中,每个风险因素的权重为根据所述风险因素在运输中出现的频率确定,且与所述风险因素在风险发生的运输中出现的频率正相关;例如司机疲劳驾驶在运输中的经常出现,并且发生风险的运输中出现司机疲劳驾驶;
将相同的线路划分不同的路段,所述相同的线路符合以下条件:
1)先将道路划分类型包括、国道、省道、市区道路、郊区道路;
2)出发地相同和目的地相同都相同的线路,并且实际行驶路线80%或以上行驶道路为相同类型;例如某两趟运输出发地是都是A地目的地都是B,第一趟40%走高速,40%走国道,第二趟也是40%走高速,40%走国道;不管走的哪条高速或者国道,只要类型相似,则认为这两条线路一致;
将道路按照类型划分路段,同种路段再按照最大限速划分不同子路段,其中最高线路40的路段为一类,最高限速60到80的为一类,最高限速100和120的为一类;
将道路按照类型划分路段,同种路段再按照最大限速划分不同子路段,其中最高线路40的路段为一类,最高限速60到80的为一类,最高限速100和120的为一类;
设置每个子路段的速度阈值和行车时间阈值;所述速度阈值的设置为:
其中,为此线路此类子路段历史平均速度,/>为此类子路段节点最大限速,为车辆载重;/>为记录中平均载重;λ为路况系数,取值范围为[-1,1]; 所述路况系数包括天气情况d和道路拥堵情况c;通过GPS获取车辆位置信息,通过智慧交通和天气***获取对应位置的路况系数;其中道路拥堵情况为当前此路段平均行车速度减去正常情况下车辆的平均行车速度的差值,所述差值与正常情况下平均行车速度的比值为c,
k为风险因素权重;例如在某个路段发生事故的风险概率很高则速度阈值需要降低;如果多个风险因素,则k取最高的风险权重。
上述技术方案的工作原理为:货物分类和环境控制阈值:
将货物进行分类,例如普通包裹、生鲜类、易燃易爆物等。
在每种类别下分别统计过往正常运输过程中每种货物分类的温度、湿度和气体浓度的均值和标准差;针对每个货物分类,设置相应的控制阈值。
风险因素概率统计和权重设置:
统计过往运输过程中各风险因素发生的概率;例如,根据记录中风险发生的路段,计算该路段风险发生的概率,即发生风险的次数与经过此路段总记录次数的比值。
根据风险因素在运输中出现的频率,设置每个风险因素的权重。权重与风险因素在风险发生的运输中出现的频率正相关。例如,如果司机疲劳驾驶经常发生且与风险相关,则该因素会被赋予较高的权重。
路段节点的速度阈值和行车时间阈值:
将相同的线路划分为不同的路段节点。
为每个节点设置速度阈值和行车时间阈值。
速度阈值根据历史平均速度、路段最大限速/>以及路况系数(λ)和风险权重进行调整。路况系数λ可考虑天气情况和道路拥堵情况。/>
行车时间阈值可用于检测异常的行车时间,以识别可能的风险情况。
上述技术方案的效果为:通过以上方法,可以根据历史数据记录识别出货物运输中的风险因素,设置相应的控制阈值,并进行实时监控。通过合理调整环境控制、权重设定和阈值设置,可以提高货物运输的安全性和可靠性,减少潜在的风险和事故发生的可能性;公式结合了历史平均速度、最大限速、载重和路况系数等因素来计算每个子路段的速度阈值。具体的计算公式中包含一些参数调整项,如路况系数 λ 和风险因素权重 k,通过这些参数可以对速度阈值进行灵活的调节,当车辆载重比较高或者路况差时,适当降低车速,当车辆载重比较轻或者路况好的情况,可以适当增加速度阈值;根据道路类型和最大限速进行划分子路段,建立速度阈值模型,此模型可以包含线路中任何一种道路类型,只要根据最大限速和平均速度,车载重量,并且加入路况系数和风险权重,就可以得到速度控制阈值,减少模型复杂度的同时,合理准确地控制车速,降低行车风险。
本实施例一种货运运单的风控***,所述风险控制模块包括:
第一报警模块:当车辆速度超出阈值时对司机进行提示;***进行报警并标记;
第二报警模块:根据司机面部表情和肢体动作判定司机是否为困倦状态,如果是则通过报警器和\或座椅震动对司机进行提醒,并根据位置信息提示最近休息点;
调节模块:当车厢内温度、湿度或气体浓度超过阈值时自动开启相应的设备进行调节,所述相应的设备包括空调、通风、除湿装置。
上述技术方案的工作原理为:基于持续采集、分析和预警的原理,通过收集货物运输相关信息并上传至数据库***,结合大数据分析和预警***,识别潜在的风险因素,并在运输过程中监测和预警异常情况。基于监控和风险评估结果,制定相应的风险管理和控制策略,以提高货物运输的安全性和可靠性。
上述技术方案的效果为:通过大数据分析和预警***,对采集到的数据进行分析和筛选,及时识别潜在的风险因素,对于交通拥堵、天气不良、车辆故障等异常情况,利用实时数据和预测模型进行监测和预警,以便及时发现和应对潜在的风险;基于监控和风险评估结果,制定相应的风险管理和控制策略。根据识别的风险因素和异常情况,采取相应的措施,如调整运输路线、改变发货时间、加强货物包装保护或改变承运商等,以最大程度地降低风险的发生和影响;通过实时监测和风险识别,以及相应的风险管理和控制策略,该方法可以提高货物运输的安全性和可靠性。及时发现和应对潜在风险,减少货物丢失、延误或损坏的风险,提高货物交付的准时性和完整性。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (2)
1.一种货运运单的风控方法,其特征在于,所述方法包括:
S1、获取货物运输相关信息并上传至数据库***并定期更新,所述相关信息包括运单信息、运输情况信息和位置信息;
S2、通过大数据分析和预警***,对采集到的数据进行分析和筛选,识别潜在的风险因素;对运输过程中的异常情况进行监测和预警,以及时发现和应对潜在风险;
S3、基于监控和风险评估结果,制定相应的风险管理和控制策略;
其中,所述S1包括:
采集货物的运单信息和货物信息,根据所述运单信息和货物信息确定运输方式和路线;
通过GPS获取车辆的位置信息和车速;将所述位置信息上传至数据库***;通过接入智慧交通获取路况信息,通过接入气象***获取天气信息;
在车辆上设置传感器和视频采集设备,采集运输情况信息,所述传感器包括温度传感器、湿度传感器和气体传感器并上传至数据库***;所述视频采集设备采集内容包括司机面部表紧和肢体动作;
其中所述传感器的采样频率为F:
其中,为前一次采集的温度,/>为预设温度,/>为前一次采集的湿度;/>为预设湿度;/>为前一次采集的气体浓度;/>为预设气体浓度;/>为预设基准第一采样频率;k1、k2和k3为调节系数,取值范围为(0,1),并且k1=k2+k3;
所述采集司机面部表情和肢体动作视频采集设备的采集频率为:
其中,为预设基准第二采样频率,/>为前一次采样开始时司机连续驾驶时长,/>为预设行驶时间;a为第二调节系数;
将采集到的数据上传至数据库***,并定期删除冗余;
所述S2包括:
获取历史数据记录,根据历史记录获取风险发生的货物运输相关信息并识别风险因素;所述风险因素包括货厢内环境变化、车速、司机状态和道路天气环境;
根据过往风险发生的情况,设置控制阈值,进行实时监控;包括:
将货物进行分类,根据货物分类结果统计过往正常运输过程中的温度、湿度和气体浓度的均值和标准差;
根据货物的分类,将温度、湿度和气体浓度加入控制列表;其中控制阈值的设置为:
其中M1为过往正常运输过程中温度的均值、为过往正常运输过程中温度标准差;M2为过往正常运输过程中湿度的均值, />为过往正常运输过程中湿度标准差;M3为过往正常运输过程中气体浓度的均值;/>为过往正常运输过程中气体浓度标准差; b为根据货物分类设置的调节系数;取值范围为(0,1);
统计过往运输过程中各风险因素发生的概率;
根据所述发生的概率设置风险因素权重;其中,每个风险因素的权重为根据所述风险因素在运输中出现的频率确定,且与所述风险因素在风险发生的运输中出现的频率正相关;
将相同的线路划分不同的路段,设置每个路段的速度阈值和行车时间阈值;所述速度阈值的设置为:
其中,为此线路此路段节点历史平均速度,/>为此线路此路段节点最大限速,/>为车辆载重;/>λ为路况系数,取值范围为[-1,1]; 所述路况系数包括天气情况和道路拥堵情况;k为风险因素权重;
所述S3包括:
当车辆速度超出阈值时对司机进行提示;***进行报警并标记;
根据司机面部表情和肢体动作判定司机是否为困倦状态,如果是则通过报警器和\或座椅震动对司机进行提醒,并根据位置信息提示最近休息点;
当车厢内温度、湿度或气体浓度超过阈值时自动开启相应的设备进行调节,所述相应的设备包括空调、通风、除湿装置。
2.一种货运运单的风控***,其特征在于,所述***包括:
数据采集模块:采集货物运输相关信息并上传至数据库***并定期更新,所述相关信息包括运单信息、运输情况信息和位置信息;
数据分析模块:通过大数据分析和预警***,对采集到的数据进行分析和筛选,识别潜在的风险因素;对运输过程中的异常情况进行监测和预警,以及时发现和应对潜在风险;
风险控制模块:基于监控和风险评估结果,制定相应的风险管理和控制策略;
其中,所述数据采集模块包括:
货物信息采集模块:采集货物的运单信息和货物信息,根据所述运单信息和货物信息确定运输方式和路线;
车辆定位模块:通过GPS获取车辆的位置信息和车速;将所述位置信息上传至数据库***;通过接入智慧交通获取路况信息,通过接入气象***获取天气信息;
运输情况采集模块:在车辆上设置传感器和视频采集设备,采集运输情况信息,所述传感器包括温度传感器、湿度传感器和气体传感器并上传至数据库***;所述视频采集设备采集内容包括司机面部表紧和肢体动作;
所述运输情况采集模块包括:
传感器采样频率设置模块:所述传感器的采样频率为F;
其中,为前一次采集的温度,/>为预设温度,/>为前一次采集的湿度;/>为预设湿度;/>为前一次采集的气体浓度;/>为预设气体浓度;/>为预设基准第一采样频率;k1、k2和k3为调节系数,取值范围为(0,1),并且k1=k2+k3;
第一视频采集频率设置模块:所述采集司机面部表情和肢体动作视频采集设备的采集频率为:
其中,为预设基准第二采样频率,/>为前一次采样开始时司机连续驾驶时长,/>为预设行驶时间;a为第二调节系数;
冗余删除模块:将采集到的数据上传至数据库***,并定期删除冗余;
所述数据分析模块包括:
历史数据获取模块:获取历史数据记录,根据历史记录获取风险发生的货物运输相关信息并识别风险因素;所述风险因素包括货厢内环境变化、车速、司机状态和道路天气环境;
实时监控模块:根据过往风险发生的情况,设置控制阈值;进行实时监控;包括:
将货物进行分类,根据货物分类结果统计过往正常运输过程中的温度、湿度和气体浓度的均值和标准差;
根据货物的分类,将温度、湿度和气体浓度加入控制列表;其中控制阈值的设置为:
其中M1为过往正常运输过程中温度的均值、为过往正常运输过程中温度标准差;M2为过往正常运输过程中湿度的均值, />为过往正常运输过程中湿度标准差;M3为过往正常运输过程中气体浓度的均值;/>为过往正常运输过程中气体浓度标准差; b为根据货物分类设置的调节系数;取值范围为(0,1);
统计过往运输过程中各风险因素发生的概率;
根据所述发生的概率设置风险因素权重;其中,每个风险因素的权重为根据所述风险因素在运输中出现的频率确定,且与所述风险因素在风险发生的运输中出现的频率正相关;
将相同的线路划分不同的路段,设置每个路段的速度阈值和行车时间阈值;所述速度阈值的设置为:
其中,为此线路此路段节点历史平均速度,/>为此线路此路段节点最大限速,/>为车辆载重;/>λ为路况系数,取值范围为[-1,1]; 所述路况系数包括天气情况和道路拥堵情况;k为风险因素权重;
所述风险控制模块包括:
第一报警模块:当车辆速度超出阈值时对司机进行提示;***进行报警并标记;
第二报警模块:根据司机面部表情和肢体动作判定司机是否为困倦状态,如果是则通过报警器和\或座椅震动对司机进行提醒,并根据位置信息提示最近休息点;
调节模块:当车厢内温度、湿度或气体浓度超过阈值时自动开启相应的设备进行调节,所述相应的设备包括空调、通风、除湿装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310856965.XA CN116579619B (zh) | 2023-07-13 | 2023-07-13 | 一种货运运单的风控方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310856965.XA CN116579619B (zh) | 2023-07-13 | 2023-07-13 | 一种货运运单的风控方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116579619A CN116579619A (zh) | 2023-08-11 |
CN116579619B true CN116579619B (zh) | 2023-09-22 |
Family
ID=87543517
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310856965.XA Active CN116579619B (zh) | 2023-07-13 | 2023-07-13 | 一种货运运单的风控方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116579619B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116934194B (zh) * | 2023-09-13 | 2023-12-12 | 邹城美安***集成有限公司 | 一种基于大数据的实时运输管理*** |
CN117094632A (zh) * | 2023-10-20 | 2023-11-21 | 山东龙拓新材料有限公司 | 一种塑料母粒运输管理方法及*** |
CN117474344B (zh) * | 2023-12-28 | 2024-03-22 | 青岛盈智科技有限公司 | 一种货物运输过程的风险评估方法及*** |
CN117952429B (zh) * | 2024-03-27 | 2024-07-19 | 山西云启帮科技有限公司 | 一种货运物流风险预警方法、装置、电子设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110033615A (zh) * | 2019-03-22 | 2019-07-19 | 山西省交通科学研究院有限公司 | 一种基于物联网的道路危险货物运输动态风险评估方法 |
CN110033614A (zh) * | 2019-03-22 | 2019-07-19 | 山西省交通科学研究院有限公司 | 一种基于物联网技术的道路危险货物运输动态风险预警*** |
CN112561344A (zh) * | 2020-12-18 | 2021-03-26 | 中交安科(南京)安全咨询有限公司 | 基于ai视频分析的多源数据的道路危险货物运输动态分析与评价方法 |
CN112991685A (zh) * | 2021-02-10 | 2021-06-18 | 武汉理工大学 | 考虑驾驶人疲劳状态影响的交通***风险评估及预警方法 |
CN113065804A (zh) * | 2021-04-27 | 2021-07-02 | 山东交通学院 | 一种危化品道路运输风险评估方法及*** |
CN113361997A (zh) * | 2021-06-04 | 2021-09-07 | 南京大学 | 一种基于风险最小化的危险废物运输路径实时规划的方法 |
CN113689059A (zh) * | 2020-05-19 | 2021-11-23 | 江苏物云通物流科技有限公司 | 网络货运平台运单风险监控*** |
CN116050853A (zh) * | 2023-03-28 | 2023-05-02 | 万联易达物流科技有限公司 | 一种网货货运运单的风控方法和*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106156966A (zh) * | 2015-04-03 | 2016-11-23 | 阿里巴巴集团控股有限公司 | 物流监测方法及设备 |
-
2023
- 2023-07-13 CN CN202310856965.XA patent/CN116579619B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110033615A (zh) * | 2019-03-22 | 2019-07-19 | 山西省交通科学研究院有限公司 | 一种基于物联网的道路危险货物运输动态风险评估方法 |
CN110033614A (zh) * | 2019-03-22 | 2019-07-19 | 山西省交通科学研究院有限公司 | 一种基于物联网技术的道路危险货物运输动态风险预警*** |
CN113689059A (zh) * | 2020-05-19 | 2021-11-23 | 江苏物云通物流科技有限公司 | 网络货运平台运单风险监控*** |
CN112561344A (zh) * | 2020-12-18 | 2021-03-26 | 中交安科(南京)安全咨询有限公司 | 基于ai视频分析的多源数据的道路危险货物运输动态分析与评价方法 |
CN112991685A (zh) * | 2021-02-10 | 2021-06-18 | 武汉理工大学 | 考虑驾驶人疲劳状态影响的交通***风险评估及预警方法 |
CN113065804A (zh) * | 2021-04-27 | 2021-07-02 | 山东交通学院 | 一种危化品道路运输风险评估方法及*** |
WO2022227129A1 (zh) * | 2021-04-27 | 2022-11-03 | 山东交通学院 | 一种危化品道路运输风险评估方法及*** |
CN113361997A (zh) * | 2021-06-04 | 2021-09-07 | 南京大学 | 一种基于风险最小化的危险废物运输路径实时规划的方法 |
CN116050853A (zh) * | 2023-03-28 | 2023-05-02 | 万联易达物流科技有限公司 | 一种网货货运运单的风控方法和*** |
Also Published As
Publication number | Publication date |
---|---|
CN116579619A (zh) | 2023-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116579619B (zh) | 一种货运运单的风控方法和*** | |
US11726072B2 (en) | Method of mobile monitoring and determining requisite number of mobile monitoring vehicles | |
GB2580217A (en) | Method of determining false negative rate of mobile monitoring and requisite number of mobile monitoring vehicles | |
CN110807930B (zh) | 危险车辆预警方法及装置 | |
US20070005404A1 (en) | System and method for providing driving insurance | |
CN109649396B (zh) | 一种营运车辆驾驶员安全性检测方法 | |
CN112687099B (zh) | 一种超载嫌疑车辆判定方法和装置 | |
CN107918826A (zh) | 一种驾驶环境感知的司机评价与调度方法 | |
CN114999181B (zh) | 一种基于etc***数据的高速公路车辆速度异常识别方法 | |
CN115375234A (zh) | 基于gnss的运输车辆运行轨迹规划方法 | |
JP7186511B2 (ja) | 情報管理プログラム、情報管理システム及び情報管理方法 | |
CN113947316A (zh) | 基于动静态数据的危化品运输运单风险评估方法 | |
CN108648452A (zh) | 一种道路交通状态判断方法及交通态势监控中心 | |
CN116911610A (zh) | 运输车辆驾驶安全风险监控及评估预警的方法和*** | |
CN117610932B (zh) | 一种基于人工智能的公交运营风险管控*** | |
CN116934194B (zh) | 一种基于大数据的实时运输管理*** | |
CN116882865B (zh) | 一种基于生鲜配送的智能物流装车***及装车方法 | |
CN113990088A (zh) | 一种高速公路恶劣天气下安全通行告知软件*** | |
CN115273474B (zh) | 一种基于人工智能的rpa巡检机器人巡检管理*** | |
CN116596307A (zh) | 一种基于公交运营安全数据构建驾驶员安全画像模型的方法 | |
CN113077612A (zh) | 载重车辆超限预警***及方法 | |
Yonezawa et al. | Random forest based bus operation states classification using vehicle sensor data | |
CN113628461B (zh) | 交通监管设备及方法 | |
JP2019192102A (ja) | 車両運行評価装置及び車両運行評価方法 | |
CN111080202B (zh) | 一种面向油量节省的作业车辆的效能管理方法及*** |
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 |