一种堆场多实体动态风险场分级干预方法与流程

摘要: 本发明涉及堆场安全监控,具体为一种堆场多实体动态风险场分级干预方法。背景技术:1、集装箱堆场具有大型流动机械密集、人车混行、箱体遮挡、装卸频繁、昼夜连续和外来人...
一种堆场多实体动态风险场分级干预方法与流程

本发明涉及堆场安全监控,具体为一种堆场多实体动态风险场分级干预方法。

背景技术:

1、集装箱堆场具有大型流动机械密集、人车混行、箱体遮挡、装卸频繁、昼夜连续和外来人员流动性高等特点,正面吊驾驶室位置较高,吊具下方及车身周边存在盲区;叉车在载货、倒车、转弯、会车和库房通道中存在视线遮挡;集装箱堆叠会改变摄像机视野和车辆驾驶视野;吊具下降或货叉抬升又会使危险区域随作业姿态动态变化。仅凭固定电子围栏或固定半径无法描述上述风险。

2、目前,堆场安全管理系统通常分散部署多种技术设备,例如车辆盲区视频识别、毫米波倒车雷达、uwb人员高精度定位、智能安全帽姿态监测、电子围栏以及视频行为识别等,上述设备和系统虽然能够在各自维度上发现局部风险,但不同设备产生的数据在坐标系、时间戳、精度表征和置信度表达上彼此割裂,报警逻辑又大多以单一距离阈值或单一识别结果为依据,难以同时综合描述正面吊、叉车、集卡、人员、集装箱、吊具或货叉以及各类作业区域之间持续变化的复杂空间作用关系,同时受限于老式车辆接口不完善、第三方设备通信协议不统一和现场网络环境波动,关键字段经常出现缺失或异常,单一字段的缺失可能造成整个计算链路中断或风险等级被错误降级;视频、uwb、雷达和车辆总线对同一运动目标也可能给出相互矛盾的观测结果,传统的简单平均或固定优先级融合策略无法揭示冲突来源,容易掩盖真实风险,此外,现有系统输出的风险值多为单一标量,无法同时表达当前瞬时危险、未来升级概率、证据不确定度以及是否允许自动控制等多个维度的信息,而人员、车辆、集装箱、区域和吊具或货叉产生风险的物理机制差异显著,也不能用相同的空间半径或相同的加权公式进行统一扩散。在事件并发场景下,风险等级排序、自动控制权限和作业任务影响往往被混入同一个评分体系,可能出现高风险事件因数据冲突或停工影响较大而被错误降级,进而导致预警不及时或自动干预措施失当。

技术实现思路

1、本发明的目的就是为了弥补现有技术的不足,提供了一种堆场多实体动态风险场分级干预方法,将不同厂商设备输出转换为统一实体帧,通过跨模态关联为同一对象建立统一主体标识;再对各数据源生成基本概率分配并进行d-s证据融合。证据融合结果作为模糊实时推理和控制权限计算的输入,模糊推理输出当前风险,动态贝叶斯网络输出未来预设时间窗内的风险升级概率,基于五类实体的空间影响核构建多通道动态风险场,从连续高风险网格中提取风险事件,分别计算事件紧迫度和自动干预权限,在安全硬约束下输出人员端、车辆端和平台端动作。

2、本发明为解决上述技术问题,提供如下技术方案:一种堆场多实体动态风险场分级干预方法,该方法包括以下具体步骤:

3、s1,采集堆场多源感知数据并统一标准化,对于缺失关键字段的数据源生成保守空间范围,缺失观测本身不被伪造为确定值;

4、s2,构建随时间更新的堆场异构图,节点包括人员节点、车辆节点、集装箱节点、区域节点及吊具或货叉节点,边包括空间距离边、运动交汇边、视线遮挡边和作业关联边;

5、s3,基于位置协方差、速度一致性、时间一致性和绑定关系计算跨模态关联分数,仅当关联分数不低于预设阈值时将多源观测合并为统一实体;将各数据源转换为风险状态识别框架上的基本概率分配并进行可靠性折扣,在低冲突时采用dempster归一化组合,在高冲突时保留冲突质量并转入全集,输出综合可信度、冲突系数和证据不确定度;

6、s4,将输出的证据不确定度作为模糊推理的输入参数,通过模糊推理输出当前实时风险;将所述当前实时风险作为动态贝叶斯网络观测向量的首维,驱动动态贝叶斯网络预测未来时间窗内的风险升级概率;

7、s5,基于节点的差异化空间核将所述当前实时风险传播至网格空间,以饱和聚合生成包含当前风险、未来升级概率、证据不确定度和控制预授权的四通道动态风险场,并对受影响网格进行局部增量更新;

8、s6,从风险场提取风险事件,分别计算事件紧迫度和自动干预权限;所述事件紧迫度由当前风险、未来升级概率、碰撞时间和人员暴露脆弱性确定;所述自动干预权限由综合可信度、接口可控性、冗余充分度、冲突系数和字段缺失比例确定;

9、s7,根据事件紧迫度和物理硬触发确定最低安全动作等级,使作业任务影响在满足最低安全动作且允许执行的候选策略集合中参与择优,输出分级干预动作并基于执行反馈触发局部风险场重算。

10、进一步地,所述s1中,多源感知数据包括车辆感知数据、人员定位数据和场景与任务数据;车辆感知数据包括摄像头图像、毫米波雷达数据、车速、方向、制动状态、吊具或货叉状态;人员定位数据包括uwb标签数据、sos状态和通信可达状态;场景与任务数据至少包括地图数据、区域数据、集装箱数据和作业任务数据。

11、更进一步地,所述s1中,以边缘网关时间或融合中台时间作为统一时间基准,将北斗或gps经纬度、uwb局部坐标、视频地面映射坐标、雷达极坐标及数字孪生坐标统一映射至堆场平面坐标系。每个观测均保留原始来源、时间新鲜度、设备质量和定位协方差;对于无法提供完整字段的数据源,采用接入层鲁棒处理:缺少制动状态时根据速度变化、油门或点火状态、历史减速度或默认保守制动距离推断,并降低车辆状态源可靠度;缺少车辆方向时根据连续定位轨迹、摄像机朝向或安装方向推断,仍不确定时生成扇形或圆形区域;缺少吊具或货叉高度时根据视频、任务状态或车型默认范围生成区间值;缺少人员身份时标记为身份待确认;缺少定位精度时按设备类型设置默认协方差或保守精度半径;缺少图像置信度时根据通道质量、遮挡率和历史稳定性设置默认值。缺失观测本身不被伪造为确定值。

12、更进一步地,所述s2中,所述人员节点的字段包括角色编码、位置坐标、速度、方向、停留时长、定位精度、安全帽状态和sos状态;所述车辆节点的字段包括类型编码、位置坐标、速度、方向、制动状态、货叉高度、吊具高度和任务标识;所述集装箱节点的字段包括位置坐标、重量、高度和状态;所述区域节点的字段包括类型编码、边界、危险等级和限速值;所述吊具或货叉节点的字段包括所属车辆标识、位置坐标、高度、状态和载荷状态。

13、更进一步地,所述s3中,跨模态关联分数由位置马氏距离项、速度一致性项、时间一致性项和绑定一致性项加权求和得到,其加权公式为:,其中,是跨模态关联分数,、、和分别表示位置、速度、时间和绑定分量权重,非负且和为1,和表示两观测的速度差和时间差,和表示速度差及时间差的归一化尺度,是身份、标签或任务绑定一致指示量,是两个位置观测的马氏距离,数据源可靠性由设备健康度、数据新鲜度、定位精度和遮挡率共同确定,其计算公式为:,其中,表示数据源可靠性折扣系数,是数据源设备健康度,是数据源的位置误差协方差,是数据年龄和时效衰减常数,是该类数据源允许的定位误差尺度,是视频遮挡率或等效可用性损失。

14、更进一步地,所述s4中,动态贝叶斯网络的观测向量按固定字段顺序包含:模糊当前风险、车辆速度、人员与危险源最小距离、作业状态、证据不确定度及区域危险度。

15、更进一步地,所述s5中,节点具体包括:

16、车辆节点沿预测轨迹形成非对称核;纵向范围由车辆长度、当前速度、系统响应时间和保守制动距离确定,横向范围由车宽、转向角及定位误差确定。缺少方向时改用扇形或圆形核。

17、人员节点以人员位置为中心,按照位置协方差形成椭圆核;中心核值为1,沿协方差归一化距离指数衰减。缺少精度时采用默认协方差,并加入正则项保证可逆。

18、吊具或货叉节点将轮廓投影至地面;投影多边形内部取高值,外部按边界距离衰减;下降速度、载荷和高度提高核强度。姿态不确定时扩大投影范围并提高不确定度。

19、集装箱节点根据箱体高度、摄像机或驾驶视点及遮挡角形成阴影核。阴影区内降低视觉源可靠度并扩大被遮挡对象空间核。

20、区域节点在吊装区、禁入区、交汇口和临时管制区边界内设置基础核值。网格不属于任何区域时区域核为0。

21、更进一步地,所述s6中,事件紧迫度的计算公式为:,其中,是事件紧迫度,、、和表示当前风险、升级概率、ttc和脆弱性权重,、、和均非负且和为1,、表示事件连通区域内当前风险最大值、未来升级概率最大值,是人员暴露脆弱性分数。

22、更进一步地,所述s6中,自动干预权限的计算公式为:,其中,是自动干预权限,、和表示可信度、接口和冗余证据的正向权重,为非负正向权重且和为1,、为0至1的冲突及缺失的权限惩罚系数,是接口可控性,是冗余证据充分度,是字段缺失比例。

23、更进一步地,所述s7中,风险等级分为五个等级:

24、l0安全:当前风险和升级概率均低,无路径交汇;车辆端无动作或状态显示,人员端无动作,平台端记录状态摘要。

25、l1提示:进入关注区但暂无接近趋势;车辆端低频提示,人员端低频震动或文字提示,平台端生成提示记录。

26、l2预警:当前风险中等或未来存在升级趋势;车辆端声光报警、驾驶室目标方位提示,人员端蜂鸣、语音及撤离方向,平台端推送值班人员并保存快照。

27、l3强预警:高紧迫度、预测即将升级,或高冲突但已有危险迹象;车辆端强声光报警、限速准备或低强度限速,人员端连续震动、语音撤离,平台端人工复核与视频留证并行,可生成处置任务。

28、l4干预:硬安全条件成立且远程权限达标或本地确认;车辆端限速、制动、停止或锁止吊具下降,人员端紧急撤离报警,平台端派单、留证、指令回读和复位审批;

29、当紧迫度相同,优先处理ttc更短、人员暴露更严重或影响范围更大的事件,同一执行对象收到多个指令时,以更保守的安全动作覆盖较弱动作,涉及人员安全的动作优先于仅涉及财产或效率的动作,经人工确认或车载本地安全控制器硬触发的指令优先级高于仅由单一低可信数据源生成的指令,当动作互斥时,先保持最低安全动作,再重新规划作业任务;不得为了完成任务而发出与安全动作相冲突的指令。

30、更进一步地,所述s7中,候选策略集合为满足以下条件的动作:

31、动作安全等级不低于最低安全动作等级、预测降风险量达到对应等级的最小要求、当前执行条件允许;

32、在安全候选集合内部,根据任务影响、控制副作用和响应时间的加权和择优;

33、若安全候选集合为空,输出最强已许可动作并请求人工接管。

34、与现有技术相比,该一种堆场多实体动态风险场分级干预方法具备如下有益效果:

35、一、本发明通过构建涵盖人员、车辆、集装箱、作业区域及吊具货叉五类异构实体与空间距离、运动交汇、视线遮挡、作业关联四类物理关系边的堆场异构图,完成多源感知数据的时空基准统一与缺失数据鲁棒处理,有效改善了传统堆场安全系统数据割裂、单字段缺失易导致计算链路失效的问题;通过采用冲突自适应的证据融合机制与包含当前风险、未来升级概率、证据不确定度、控制预授权的四通道动态风险场,使其区分即时危险与潜在升级趋势,并且完整保留证据冲突信息,避免高风险事件因感知数据矛盾被错误降级。

36、二、本发明的风险空间分布具备明确物理含义,可追溯、可解释;根据事件紧迫度与自动干预权限解耦的双轴调度模式,以安全硬约束锁定最低动作等级,作业任务影响仅在满足安全底线的候选动作范围内参与择优,避免了作业优先级凌驾于安全要求的隐患;同时配合风险场局部增量更新与安全参数全流程管控机制,从而适配堆场实时安全管控的时延要求,保障了系统运行的可审计性与安全阈值的稳定性,提升集装箱堆场人车混行、动态装卸场景下的安全管控精度与响应处置效率。

37、本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。