[发明专利]基于物联网大数据的电梯安全区域风险预测方法

权利要求书

1.一种基于物联网大数据的电梯安全区域风险预测方法，包括以下步骤：

a、利用风险评估模型对区域内每部电梯进行风险评估；

b、根据风险评估结果计算得出区域风险指数得分；

c、根据风险评估结果和区域风险指数得分的计算结果划分电梯和区域的风险等级；

d、根据风险等级的划分情况选择性地进行预警。

2.根据权利要求1所述的方法，其特征在于，所述步骤(a)中的风险评估包括预测电梯发生故障的概率，预测公式为：

probability_n＝f(X)；

其中，probability_n∈[0,1]，其为电梯在未来n天内出现故障的概率，X为多维大数据，f(·)为风险评估模型。

3.根据权利要求2所述的方法，其特征在于，多维大数据X包括基础信息、政府存量信息、电梯厂商信息、物联网信息和其他外部信息；

基础信息包括电梯的品牌、场所类型、使用年限、层高、维保单位、是否原厂维保和设备类型；

政府存量信息包括电梯历史上的困人故障信息、维保信息和检验信息；

电梯厂商信息包括电梯历史上主机上报的故障和运行信息；

物联网信息包括电梯历史上的隐患故障信息和运行工况信息，隐患故障信息包括剧烈振动、停梯和复位信息，运行工况信息包括运行次数、运行里程、运行强度、开关门次数和人流出行信息；

其他外部信息包括时间季节、天气气象和重大事件。

4.根据权利要求2所述的方法，其特征在于，风险评估模型f(·)通过线下训练获得，其类型包括专家模型、机器学习模型、深度学习模型和融合模型；

专家模型从专家经验算法库中获得；

机器学习模型包括异常检测模型和二分类模型，异常检测模型包括iforest、one-classSVM，二分类模型包括LR、SVM、randomforests、Xgboost、lightgbm；

深度学习模型包括全连接神经网络MLP、深度神经网络DNN、卷积神经网络CNN、循环神经网络RNN和图神经网络GNN；

融合模型由单类模型内融合或跨类模型融合获得，包括专家模型与机器学习模型或深度学习模型的融合模型。

5.根据权利要求2所述的方法，其特征在于，所述步骤(a)中的风险评估还包括电梯风险指数得分score_n的计算，计算公式包括：

当probability_n≥0.5时，则score_n＝85+probability_n*10；

当0.25≤probability_n0.5时，则score_n＝80+probability_n*10；

当probability_n＜0.25时，则score_n＝53+probability_n*100。

6.根据权利要求2所述的方法，其特征在于，在所述步骤(b)中，设定电梯风险指数得分阈值，若区域内不存在电梯风险指数得分在设定阈值以上的电梯，则对区域内的电梯台量进行加权获得区域风险指数得分score，计算公式为：

其中，Σscore1、Σscore2、Σscore3分别为[80,90)、[70,80)、[0,70)这三个得分区间内电梯风险指数的总得分，Σnum1、Σnum2、Σnum3分别为在上述三个得分区间内的总电梯台量。

7.根据权利要求2所述的方法，其特征在于，若区域内存在电梯风险指数得分在设定阈值以上的电梯，则对该区域内的电梯的历史同期困人率进行加权获得区域风险指数得分，计算步骤为：

计算历史同期困人率a：

其中，stuck_num为困人告警数量，elevator_num为电梯台量；

则该期的区域风险指数得分score为：

其中，num为电梯风险指数得分超过设定阈值的电梯台量。