林創(chuàng)魯 李剛

學(xué)術(shù)研究

基于大數(shù)據(jù)的電梯安全風(fēng)險監(jiān)測與識別方法研究*

林創(chuàng)魯 李剛

（廣州特種機電設(shè)備檢測研究院，廣東 廣州 510180）

為提升電梯安全監(jiān)管的科學(xué)性和針對性，提出一種基于大數(shù)據(jù)的電梯安全風(fēng)險監(jiān)測與識別方法。依托電梯智慧監(jiān)管平臺，選取、分析電梯物聯(lián)網(wǎng)監(jiān)測、維護保養(yǎng)、檢驗檢測、應(yīng)急處置和用戶投訴等相關(guān)事件及監(jiān)測時間段內(nèi)電梯特征事件數(shù)據(jù)；結(jié)合事件發(fā)生可能性與后果嚴重程度，建立基于大數(shù)據(jù)的電梯安全風(fēng)險監(jiān)測模型；獲取所有被監(jiān)測電梯的整體風(fēng)險分布，采用標準分法將其風(fēng)險值標準化處理，依據(jù)風(fēng)險閾值，形成風(fēng)險告警機制，動態(tài)識別高風(fēng)險電梯。該方法實現(xiàn)了基于大數(shù)據(jù)分析的電梯安全風(fēng)險動態(tài)評價及高風(fēng)險電梯的實時預(yù)警，為監(jiān)管部門開展基于風(fēng)險的電梯重點監(jiān)管提供新的手段，提高電梯安全監(jiān)管的效率和精準度。

大數(shù)據(jù)；電梯；風(fēng)險監(jiān)測；風(fēng)險識別；精準監(jiān)管

0 引言

隨著我國經(jīng)濟建設(shè)的迅猛發(fā)展，人民物質(zhì)文化生活水平的迅速提高，電梯已經(jīng)成為人們工作和生活中必不可少的交通工具[1]。截止至2020年底，我國電梯保有量已超過780萬臺，占世界電梯保有量的40%[2]。目前，電梯安全監(jiān)管模式主要采用電梯檢驗檢測及監(jiān)督抽查等，都是對電梯當(dāng)前狀態(tài)的評判，無法掌握電梯實時運行情況[3-4]。隨著人們對電梯安全要求的不斷提高，公眾對電梯偶發(fā)事故愈加敏感，使得傳統(tǒng)的電梯安全監(jiān)管模式面臨的壓力越來越大。為適應(yīng)電梯保有量的快速增長，運用物聯(lián)網(wǎng)、大數(shù)據(jù)、云計算、人工智能等技術(shù)對電梯風(fēng)險進行監(jiān)測、智能化分析、演算、預(yù)測和管理是發(fā)展趨勢[5]。為此，如何運用電梯物聯(lián)網(wǎng)、大數(shù)據(jù)來提升電梯的風(fēng)險監(jiān)測和識別能力，是提升電梯安全治理能力的重點。

目前，電梯安全風(fēng)險監(jiān)測與識別的相關(guān)研究主要涉及電梯制造、安裝、改造、檢驗檢測、電梯部件及系統(tǒng)狀態(tài)等指標，通過模糊數(shù)學(xué)、層次分析、數(shù)據(jù)挖掘等對數(shù)據(jù)進行處理，獲取定性、定量的電梯風(fēng)險值。陳國華等在統(tǒng)計分析大樣本檢驗數(shù)據(jù)庫的基礎(chǔ)上，構(gòu)建以電梯制造、安裝使用和檢驗因素為指標的管理指標體系，建立電梯整機檢驗風(fēng)險預(yù)評估模型，研究電梯整機檢驗風(fēng)險等級劃分準則[6]；杜自豪等提出一種運用組合賦權(quán)法和可變模糊集的電梯安全評價方法，用于修正電梯安全狀況[7]；陳志平等提取電梯檢驗數(shù)據(jù)中的電梯轎廂振動特征參數(shù)值，通過數(shù)據(jù)挖掘與分析，研究電梯機械系統(tǒng)故障與電梯運行時轎廂振動監(jiān)測信號之間的內(nèi)在關(guān)系[8]；潘鵬等為解決數(shù)據(jù)不均衡現(xiàn)狀和差異性，整合原始數(shù)據(jù)、引入懲罰因子、交叉驗證、高階擬線性等方法，提出基于logistic回歸方法的電梯健康評估方法[9]；黃德文等為提高傳統(tǒng)電梯安全評估方法的計算效率，利用層次分析法AHP和專家經(jīng)驗，建立基于AHP-YAAHP的電梯安全風(fēng)險評估模型[10]。以上研究均能實現(xiàn)單臺電梯的風(fēng)險評價，但無法實現(xiàn)大規(guī)模的電梯安全風(fēng)險實時監(jiān)測和動態(tài)風(fēng)險評估，也未能有效識別電梯的相對安全風(fēng)險狀況。隨著電梯智慧監(jiān)管平臺建設(shè)及應(yīng)用的推進，綜合運用電梯運行相關(guān)大數(shù)據(jù)監(jiān)測與識別電梯運行風(fēng)險顯得十分緊迫。為此，本文提出一種基于大數(shù)據(jù)分析的電梯安全風(fēng)險監(jiān)測與識別方法，以期為更高效、更精準的電梯安全監(jiān)管提供技術(shù)支持。

1 電梯安全風(fēng)險監(jiān)測大數(shù)據(jù)來源

從電梯智慧監(jiān)管平臺提取電梯物聯(lián)網(wǎng)監(jiān)測、維護保養(yǎng)、檢驗檢測、應(yīng)急處置和用戶投訴等5個環(huán)節(jié)的特征事件數(shù)據(jù)作為電梯安全風(fēng)險監(jiān)測大數(shù)據(jù)來源。其中，電梯物聯(lián)網(wǎng)監(jiān)測特征事件數(shù)據(jù)包含電梯困人、電梯供電故障、安全回路斷開、開門故障、關(guān)門故障、內(nèi)呼指令異常、速度控制故障、門鎖短接和無法再次啟動等；維護保養(yǎng)特征事件數(shù)據(jù)為維保電梯的具體情況，包含維保及時率、電梯維保故障記錄等；檢驗檢測特征事件數(shù)據(jù)為電梯法定檢驗檢測相關(guān)的檢測項；應(yīng)急處置特征事件數(shù)據(jù)包含困人率、應(yīng)急救援到達現(xiàn)場及時率、現(xiàn)場應(yīng)急救援處置時長、應(yīng)急事件原因等；用戶投訴特征事件數(shù)據(jù)包含電梯異常運行投訴、電梯故障投訴、用戶滿意度評價數(shù)據(jù)等。

2 基于大數(shù)據(jù)的電梯特征事件發(fā)生概率

3 電梯特征事件后果嚴重程度分析

表1 乘客人身后果嚴重程度分級

表2 電梯設(shè)備或環(huán)境后果嚴重程度分級

表3 監(jiān)管或輿論后果嚴重程度分級

3）將特征事件后果嚴重程度的3個維度進行等級賦值，如表4所示。

表4 特征事件后果嚴重程度賦值

4 基于大數(shù)據(jù)分析的電梯安全風(fēng)險監(jiān)測模型

4.1 電梯安全風(fēng)險監(jiān)測數(shù)學(xué)模型

合理的模型設(shè)計與數(shù)據(jù)處理，是電梯安全風(fēng)險監(jiān)測實現(xiàn)的基礎(chǔ)。在獲取特征事件發(fā)生概率與特征事件后果嚴重程度的基礎(chǔ)上，根據(jù)風(fēng)險定義，建立電梯安全風(fēng)險監(jiān)測模型為

4.2 電梯安全風(fēng)險歸一化處理模型

根據(jù)周期為的時間段內(nèi)電梯特征事件數(shù)據(jù)和統(tǒng)計數(shù)據(jù)，利用式(1)計算各臺電梯整體風(fēng)險分布。

根據(jù)各臺電梯整體風(fēng)險分布，利用式(2)對周期內(nèi)電梯風(fēng)險進行標準化處理。

經(jīng)過標準化處理后的電梯風(fēng)險分布與原始風(fēng)險值分布形狀相同，不會改變各臺電梯整體風(fēng)險分布的排序，并能從風(fēng)險值上看出單臺電梯所處的風(fēng)險位置。

5 電梯安全風(fēng)險篩選機制

根據(jù)標準化處理后的電梯整體風(fēng)險分布實際情況以及電梯安全監(jiān)管要求，設(shè)置風(fēng)險閾值和風(fēng)險告警機制。

采用3類風(fēng)險篩選機制，以保證高風(fēng)險電梯能夠被完全告警。

機制1：通過系統(tǒng)設(shè)置，篩選整機風(fēng)險值前%作為高風(fēng)險組；整機風(fēng)險值前%為中風(fēng)險組；其余電梯為低風(fēng)險組。

機制3：當(dāng)出現(xiàn)后果嚴重程度為1級的特征事件時，電梯判定為高風(fēng)險組。

上述風(fēng)險等級判定機制中，優(yōu)先級為機制3 > 機制2 > 機制1。根據(jù)上述方法，可篩選出高、中、低3類風(fēng)險的電梯集合。

6 結(jié)語

電梯是一種使用壽命較長的特種機電設(shè)備。隨著我國電梯保有量的急劇增加，電梯安全監(jiān)管面臨的監(jiān)管資源分配壓力越來越大?；诂F(xiàn)代物聯(lián)網(wǎng)技術(shù)的智慧監(jiān)管平臺是當(dāng)前增加電梯安全監(jiān)管資源、提升監(jiān)管效率的有效工具。圍繞電梯智慧監(jiān)管平臺的數(shù)據(jù)開展大數(shù)據(jù)應(yīng)用，關(guān)鍵在于提高電梯物聯(lián)網(wǎng)監(jiān)測、維護保養(yǎng)、檢驗檢測、應(yīng)急處置和用戶投訴5個環(huán)節(jié)的數(shù)據(jù)準確性，這是電梯安全風(fēng)險監(jiān)測模型成立的基礎(chǔ)。但由于區(qū)域、人文以及相關(guān)技術(shù)背景的差異，上述5個環(huán)節(jié)中部分數(shù)據(jù)的準確性也會有所差異。在具體的應(yīng)用中，可根據(jù)實際情況調(diào)整各個環(huán)節(jié)的指標參數(shù)及其權(quán)重，以減小上述差異對監(jiān)測模型準確性的影響。

[1] 烏君科.電梯安全監(jiān)管模式創(chuàng)新研究[J].中國市場監(jiān)管研究,2020(1):27-31.

[2] 國家市場監(jiān)督管理總局.市場監(jiān)管總局關(guān)于2020年全國特種設(shè)備安全狀況的通告[EB/OL]. [2021.3.15].http://gkml. samr.gov.cn/nsjg/tzsbj/202103/t20210315_326902.html.

[3] 楊本超,李曉帆.淺談構(gòu)建基于大數(shù)據(jù)的電梯安全監(jiān)管模式[J].中國電梯,2017,28(10):33-35.

[4] 許景順.基于大數(shù)據(jù)的電梯安全監(jiān)管模式[J].中國特種設(shè)備安全,2017,33(11):42-47.

[5] 張鋒.特大型城市風(fēng)險治理智能化研究[J].城市發(fā)展研究,2019,26(9):15-19.

[6] 陳國華,蔡文杰,王新華,等.基于大樣本檢驗數(shù)據(jù)的電梯風(fēng)險預(yù)評估方法[J].中國安全科學(xué)學(xué)報,2015,25(5):56-60.

[7] 杜自豪,許衛(wèi)榮,王強,等.基于修正可變模糊集理論的電梯安全評價及應(yīng)用[J].中國計量大學(xué)學(xué)報,2020,31(3):386-392.

[8] 陳志平,汪贊,張國安,等.基于大數(shù)據(jù)的電梯故障診斷與預(yù)測研究[J].機電工程,2019,36(1):90-94.

[9] 潘鵬,王廷銀,潘健鴻,等.基于Logistic回歸的電梯健康評估[J].計算機系統(tǒng)應(yīng)用,2018,27(10):255-260.

[10] 黃德文.基于AHP-YAAHP的電梯安全評估方法研究[J].中國電梯,2019,30(12):33-35.

Research on Elevator Safety Risk Monitoring and Identification Method Based on Big Data

Lin Chuanglu Li Gang

(Guangzhou Academy of Special Equipment Inspection & Testing, Guangzhou 510180，China)

In order to improve the elevator safety supervision ability, an elevator safety risk monitoring and identification method based on big data is proposed. Relying on the elevator intelligent supervision platform, statistics and analysis of elevator IoT monitoring, maintenance, inspection and detection, emergency disposal and user complaints and other related events and data, combined with the analysis of the possibility and severity of the event, the elevator safety risk monitoring model based on big data is established. According to the elevator characteristic event data in the monitoring period, the elevator risk big data analysis model is constructed to obtain the overall risk distribution of all elevators. The standard score method is innovatively used to standardize the risk value. Combined with the risk threshold, the risk warning mechanism is formed. This method can realize dynamic evaluation of elevator safety risk based on big data analysis and real-time warning of high-risk elevators, provide new means for regulatory authorities to carry out risk-based elevator key supervision, and greatly improve the efficiency and accuracy of elevator safety supervision.

big data; elevator; risk monitoring; risk identification; precise supervision

林創(chuàng)魯，男，1983年生，碩士，副研究員，主要研究方向：特種設(shè)備智能監(jiān)測與預(yù)警。E-mail: linter0663@163.com

X943,TU857

A

1674-2605(2021)04-0003-04

10.3969/j.issn.1674-2605.2021.04.003

基金項目：廣東省市場監(jiān)督管理局科技項目（2020CT08）；廣州市市場監(jiān)督管理局科技項目（2020kj26）。