基于大数据的电梯安全风险监测与识别方法研究*

林创鲁 李刚

学术研究

基于大数据的电梯安全风险监测与识别方法研究*

林创鲁 李刚

（广州特种机电设备检测研究院，广东 广州 510180）

为提升电梯安全监管的科学性和针对性，提出一种基于大数据的电梯安全风险监测与识别方法。依托电梯智慧监管平台，选取、分析电梯物联网监测、维护保养、检验检测、应急处置和用户投诉等相关事件及监测时间段内电梯特征事件数据；结合事件发生可能性与后果严重程度，建立基于大数据的电梯安全风险监测模型；获取所有被监测电梯的整体风险分布，采用标准分法将其风险值标准化处理，依据风险阈值，形成风险告警机制，动态识别高风险电梯。该方法实现了基于大数据分析的电梯安全风险动态评价及高风险电梯的实时预警，为监管部门开展基于风险的电梯重点监管提供新的手段，提高电梯安全监管的效率和精准度。

大数据；电梯；风险监测；风险识别；精准监管

0 引言

随着我国经济建设的迅猛发展，人民物质文化生活水平的迅速提高，电梯已经成为人们工作和生活中必不可少的交通工具[1]。截止至2020年底，我国电梯保有量已超过780万台，占世界电梯保有量的40%[2]。目前，电梯安全监管模式主要采用电梯检验检测及监督抽查等，都是对电梯当前状态的评判，无法掌握电梯实时运行情况[3-4]。随着人们对电梯安全要求的不断提高，公众对电梯偶发事故愈加敏感，使得传统的电梯安全监管模式面临的压力越来越大。为适应电梯保有量的快速增长，运用物联网、大数据、云计算、人工智能等技术对电梯风险进行监测、智能化分析、演算、预测和管理是发展趋势[5]。为此，如何运用电梯物联网、大数据来提升电梯的风险监测和识别能力，是提升电梯安全治理能力的重点。

目前，电梯安全风险监测与识别的相关研究主要涉及电梯制造、安装、改造、检验检测、电梯部件及系统状态等指标，通过模糊数学、层次分析、数据挖掘等对数据进行处理，获取定性、定量的电梯风险值。陈国华等在统计分析大样本检验数据库的基础上，构建以电梯制造、安装使用和检验因素为指标的管理指标体系，建立电梯整机检验风险预评估模型，研究电梯整机检验风险等级划分准则[6]；杜自豪等提出一种运用组合赋权法和可变模糊集的电梯安全评价方法，用于修正电梯安全状况[7]；陈志平等提取电梯检验数据中的电梯轿厢振动特征参数值，通过数据挖掘与分析，研究电梯机械系统故障与电梯运行时轿厢振动监测信号之间的内在关系[8]；潘鹏等为解决数据不均衡现状和差异性，整合原始数据、引入惩罚因子、交叉验证、高阶拟线性等方法，提出基于logistic回归方法的电梯健康评估方法[9]；黄德文等为提高传统电梯安全评估方法的计算效率，利用层次分析法AHP和专家经验，建立基于AHP-YAAHP的电梯安全风险评估模型[10]。以上研究均能实现单台电梯的风险评价，但无法实现大规模的电梯安全风险实时监测和动态风险评估，也未能有效识别电梯的相对安全风险状况。随着电梯智慧监管平台建设及应用的推进，综合运用电梯运行相关大数据监测与识别电梯运行风险显得十分紧迫。为此，本文提出一种基于大数据分析的电梯安全风险监测与识别方法，以期为更高效、更精准的电梯安全监管提供技术支持。

1 电梯安全风险监测大数据来源

从电梯智慧监管平台提取电梯物联网监测、维护保养、检验检测、应急处置和用户投诉等5个环节的特征事件数据作为电梯安全风险监测大数据来源。其中，电梯物联网监测特征事件数据包含电梯困人、电梯供电故障、安全回路断开、开门故障、关门故障、内呼指令异常、速度控制故障、门锁短接和无法再次启动等；维护保养特征事件数据为维保电梯的具体情况，包含维保及时率、电梯维保故障记录等；检验检测特征事件数据为电梯法定检验检测相关的检测项；应急处置特征事件数据包含困人率、应急救援到达现场及时率、现场应急救援处置时长、应急事件原因等；用户投诉特征事件数据包含电梯异常运行投诉、电梯故障投诉、用户满意度评价数据等。

2 基于大数据的电梯特征事件发生概率

3 电梯特征事件后果严重程度分析

表1 乘客人身后果严重程度分级

表2 电梯设备或环境后果严重程度分级

表3 监管或舆论后果严重程度分级

3）将特征事件后果严重程度的3个维度进行等级赋值，如表4所示。

表4 特征事件后果严重程度赋值

4 基于大数据分析的电梯安全风险监测模型

4.1 电梯安全风险监测数学模型

合理的模型设计与数据处理，是电梯安全风险监测实现的基础。在获取特征事件发生概率与特征事件后果严重程度的基础上，根据风险定义，建立电梯安全风险监测模型为

4.2 电梯安全风险归一化处理模型

根据周期为的时间段内电梯特征事件数据和统计数据，利用式(1)计算各台电梯整体风险分布。

根据各台电梯整体风险分布，利用式(2)对周期内电梯风险进行标准化处理。

经过标准化处理后的电梯风险分布与原始风险值分布形状相同，不会改变各台电梯整体风险分布的排序，并能从风险值上看出单台电梯所处的风险位置。

5 电梯安全风险筛选机制

根据标准化处理后的电梯整体风险分布实际情况以及电梯安全监管要求，设置风险阈值和风险告警机制。

采用3类风险筛选机制，以保证高风险电梯能够被完全告警。

机制1：通过系统设置，筛选整机风险值前%作为高风险组；整机风险值前%为中风险组；其余电梯为低风险组。

机制3：当出现后果严重程度为1级的特征事件时，电梯判定为高风险组。

上述风险等级判定机制中，优先级为机制3 > 机制2 > 机制1。根据上述方法，可筛选出高、中、低3类风险的电梯集合。

6 结语

电梯是一种使用寿命较长的特种机电设备。随着我国电梯保有量的急剧增加，电梯安全监管面临的监管资源分配压力越来越大。基于现代物联网技术的智慧监管平台是当前增加电梯安全监管资源、提升监管效率的有效工具。围绕电梯智慧监管平台的数据开展大数据应用，关键在于提高电梯物联网监测、维护保养、检验检测、应急处置和用户投诉5个环节的数据准确性，这是电梯安全风险监测模型成立的基础。但由于区域、人文以及相关技术背景的差异，上述5个环节中部分数据的准确性也会有所差异。在具体的应用中，可根据实际情况调整各个环节的指标参数及其权重，以减小上述差异对监测模型准确性的影响。

[1] 乌君科.电梯安全监管模式创新研究[J].中国市场监管研究,2020(1):27-31.

[2] 国家市场监督管理总局.市场监管总局关于2020年全国特种设备安全状况的通告[EB/OL]. [2021.3.15].http://gkml. samr.gov.cn/nsjg/tzsbj/202103/t20210315_326902.html.

[3] 杨本超,李晓帆.浅谈构建基于大数据的电梯安全监管模式[J].中国电梯,2017,28(10):33-35.

[4] 许景顺.基于大数据的电梯安全监管模式[J].中国特种设备安全,2017,33(11):42-47.

[5] 张锋.特大型城市风险治理智能化研究[J].城市发展研究,2019,26(9):15-19.

[6] 陈国华,蔡文杰,王新华,等.基于大样本检验数据的电梯风险预评估方法[J].中国安全科学学报,2015,25(5):56-60.

[7] 杜自豪,许卫荣,王强,等.基于修正可变模糊集理论的电梯安全评价及应用[J].中国计量大学学报,2020,31(3):386-392.

[8] 陈志平,汪赞,张国安,等.基于大数据的电梯故障诊断与预测研究[J].机电工程,2019,36(1):90-94.

[9] 潘鹏,王廷银,潘健鸿,等.基于Logistic回归的电梯健康评估[J].计算机系统应用,2018,27(10):255-260.

[10] 黄德文.基于AHP-YAAHP的电梯安全评估方法研究[J].中国电梯,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

林创鲁，男，1983年生，硕士，副研究员，主要研究方向：特种设备智能监测与预警。E-mail: linter0663@163.com

X943,TU857

A

1674-2605(2021)04-0003-04

10.3969/j.issn.1674-2605.2021.04.003

基金项目：广东省市场监督管理局科技项目（2020CT08）；广州市市场监督管理局科技项目（2020kj26）。