全链条物流风险因素识别预测系统及方法

摘要

一种全链条物流风险因素识别预测系统及方法，所述系统包括数据采集模块、风险等级统计分析模块、预测模块、报警模块。本发明成功实现了全链条物流风险因素的识别和预测，提高了物流运输的安全性和可靠性，降低了事故率。

说明书

技术领域

本发明属于物联网技术领域，具体涉及一种全链条物流风险因素识别预 测系统及方法。

背景技术

全链条物流风险是指在公共重大活动进行中，寄递、运输、交接三个环 节中未来一定时期内，可能出现的由于人、车、货及环境等各因素造成的人 员伤亡或者财产损失的风险。面对这些海量的基础采集数据，现有技术缺乏 有效的多维、多源数据表达方法，无法为物流运输风险分析提供全面的数据 支撑；本发明从系统的角度进行着手，采用数据挖掘技术提出了一种全链条 物流风险因素识别预测系统及方法。

发明内容

针对上述情况，为克服现有技术之缺陷，本发明之目的就是提供一种全 链条物流风险因素识别预测系统，包括数据采集模块、风险等级统计分析模 块、预测模块、报警模块。

进一步地，所述数据采集模块包括全链条物流事故数据库建模和全链条 物流事故数据库构建；

进一步地，所述数据包括；

(1)司机

运输过程中，司机的因素很大程度决定了其风险等级。这其中，与司机 的性别、年龄、身体状况、驾龄、出车前一天是否饮酒、是否生病均有相关 性。因此，司机是运输环节必须考虑的风险因素之一。

(2)车辆

运输货车的车龄、事故次数、大修次数、年检情况均影响运输环节的安 全稳定性，因此将其考虑进运输环节的风险影响因素。

(3)环境

不利环境涉及的内容主要是不利于交通安全的天气条件、能见度及自然 灾害。天气条件对交通安全的影响，是通过对驾驶人和车辆的影响来体现的。 因此它对交通安全的风险作用是间接的。通常不利环境包括阴、雨、雪、雾、 大风、沙尘、冰雹、其他等不利天气和地震、洪水、泥石流、塌方、滑坡等 自然灾害。

(4)货物

货物的特性稳定与否影响运输环节的风险等级，有的货物禁压、禁撞、 禁磕碰，这些特性就对司机、车辆、道路等提出一系列要求，货物的易燃、 易爆等特点也是运输环节的极大风险。

进一步地，所述风险等级统计分析模块采用随机森林算法进行计算。

随机森林的构建通过以下两个方面：数据的随机性选取，以及待选特征 的随机选取。

(1)数据的随机选取

首先，从原始的数据集中采取有放回的抽样，构造子数据集，子数据集 的数据量是和原始数据集相同的。不同子数据集的元素可以重复，同一个子 数据集中的元素也可以重复。第二，利用子数据集来构建子决策树，将这个 数据放到每个子决策树中，每个子决策树输出一个结果。最后，如果有了新 的数据需要通过随机森林得到分类结果，就可以通过对子决策树的判断结果 的投票，得到随机森林的输出结果了。

(2)待选特征的随机选取

与数据集的随机选取类似，随机森林中的子树的每一个分裂过程并未用 到所有的待选特征，而是从所有的待选特征中随机选取一定的特征，之后再 在随机选取的特征中选取最优的特征。这样能够使得随机森林中的决策树都 能够彼此不同，提升系统的多样性，从而提升分类性能。

进一步地，所述预测模块根据风险等级统计分析模块的计算结果进行预 测。

本发明另一目的是提供一种全链条物流风险因素识别预测方法，其中所 述预测模块根据风险等级统计分析模块的计算结果进行计算，而后得到处理 结果，并将所述计算结果发送给报警模块进行预警。

进一步地，所述风险等级统计分析模块中物流过程单一的寄递、运输、 配送风险的生成机制及过程可以采用如下公式：

r

其中,r

本发明成功实现了全链条物流风险因素的识别和预测，提高了物流运输 的安全性和可靠性，降低了事故率。

附图说明

图1为本发明的全链条物流风险定义图。

具体实施方式

以下结合附图对本发明的具体实施方式作进一步详细说明。

实施例1：

参考附图1，在本实施例中，涉及一种全链条物流风险因素识别预测系统， 包括数据采集模块、风险等级统计分析模块、预测模块、报警模块。

进一步地，所述数据采集模块包括全链条物流事故数据库建模和全链条 物流事故数据库构建；

进一步地，所述数据包括；

(1)司机

运输过程中，司机的因素很大程度决定了其风险等级。这其中，与司机 的性别、年龄、身体状况、驾龄、出车前一天是否饮酒、是否生病均有相关 性。因此，司机是运输环节必须考虑的风险因素之一。

(2)车辆

运输货车的车龄、事故次数、大修次数、年检情况均影响运输环节的安 全稳定性，因此将其考虑进运输环节的风险影响因素。

(3)环境

不利环境涉及的内容主要是不利于交通安全的天气条件、能见度及自然 灾害。天气条件对交通安全的影响，是通过对驾驶人和车辆的影响来体现的。 因此它对交通安全的风险作用是间接的。通常不利环境包括阴、雨、雪、雾、 大风、沙尘、冰雹、其他等不利天气和地震、洪水、泥石流、塌方、滑坡等 自然灾害。

(4)货物

货物的特性稳定与否影响运输环节的风险等级，有的货物禁压、禁撞、 禁磕碰，这些特性就对司机、车辆、道路等提出一系列要求，货物的易燃、 易爆等特点也是运输环节的极大风险。

进一步地，所述风险等级统计分析模块采用随机森林算法进行计算。

随机森林的构建通过以下两个方面：数据的随机性选取，以及待选特征 的随机选取。

(1)数据的随机选取

首先，从原始的数据集中采取有放回的抽样，构造子数据集，子数据集 的数据量是和原始数据集相同的。不同子数据集的元素可以重复，同一个子 数据集中的元素也可以重复。第二，利用子数据集来构建子决策树，将这个 数据放到每个子决策树中，每个子决策树输出一个结果。最后，如果有了新 的数据需要通过随机森林得到分类结果，就可以通过对子决策树的判断结果 的投票，得到随机森林的输出结果了。

(2)待选特征的随机选取

与数据集的随机选取类似，随机森林中的子树的每一个分裂过程并未用 到所有的待选特征，而是从所有的待选特征中随机选取一定的特征，之后再 在随机选取的特征中选取最优的特征。这样能够使得随机森林中的决策树都 能够彼此不同，提升系统的多样性，从而提升分类性能。

进一步地，所述预测模块根据风险等级统计分析模块的计算结果进行预 测。

本发明另一目的是提供一种全链条物流风险因素识别预测系统，其中所 述预测模块根据风险等级统计分析模块的计算结果进行计算，而后得到处理 结果，并将所述计算结果发送给报警模块进行预警。

进一步地，所述风险等级统计分析模块中物流过程单一的寄递、运输、 配送风险的生成机制及过程可以采用如下公式：

r

其中,r

上述实施例并非对本发明的范围进行限定，在不脱离本发明设计构思的 前提下，本领域所属技术人员对本发明的技术方案作出的各种变形和改进， 均应纳入本发明的权利要求书确定的保护范围内。