一种基于区块链的国际铁路货物运输质量风险预警方法技术

本发明专利技术公开了一种基于区块链的国际铁路货物运输质量风险预警方法，本发明专利技术包括有如下步骤：步骤A：识别国际铁路货物运输的风险源，明确国际铁路货物运输的风险因素；步骤B：基于贝叶斯网络建立基于贝叶斯网络的国际铁路货物运输联运风险预警模型，对运输质量风险的等级进行评估；步骤C：根据国际铁路货物运输各参与方的需求，进行区块链货物运输质量风险预警框架及相应功能模块的构建与设计。本发明专利技术通过构建基于区块链的国际铁路货物运输联运风险预警机制，达到识别货物运输质量风险因素，同时实现货物运输信息的及时共享，以破除国际铁路货物运输现有信息共享壁垒，完善货物运输安全风险预警机制，提高国际铁路货物运输服务质量。量。量。

【技术实现步骤摘要】
一种基于区块链的国际铁路货物运输质量风险预警方法


[0001]本专利技术涉及铁路运输领域，尤其涉及一种基于区块链的国际铁路货物运输质量风险预警方法。

技术介绍

[0002]国际铁路跨境运输是一种在国际贸易中仅次于海运的运输方式。其最大的优势在于运量较大，速度较快，运输风险明显小于海洋运输，能常年保持准点运营等。国际铁路跨境运输作为铁路运输的一种特殊情况，现存在如下问题：
[0003](1)国际铁路运输沿线各国的法律规范以及履行的货物运输规定各不相同，国与国之间的货物运输信息共享存在较大阻碍。
[0004](2)纸质运单的使用，难以保证货物运输在途信息的完整性。
[0005](3)缺乏高效完善的信息共建共享机制，无法实现对国际铁路货物运输的全程及时有效追踪。
[0006](4)无法及时预警国际铁路货物运输质量的异常状况。
[0007](5)国际铁路货物运输距离跨度较长，跨越国家和地区较多，涉及参与主体多，发生运输事故后难以及时进行事故关键信息的追溯和调查。
[0008]以上种种国际铁路货物运输现存问题显示，解决国际铁路货物运输信息传递不及时、信息共享不完整、风险预警滞后、事故回溯困难等问题已经迫在眉睫。

技术实现思路

[0009]针对上述现有技术的不足，本专利技术提供了一种基于区块链的国际铁路货物运输质量风险预警方法。
[0010]为达到上述专利技术目的，本专利技术所采用的技术方案为：
[0011]包括有如下步骤：
[0012]步骤A：识别国际铁路货物运输的风险源，明确国际铁路货物运输的风险因素；
[0013]确定国际铁路货物运输质量风险，从国际铁路货物运输的参与方和环节，采用HAZOP方法、网络计划和解释结构模型，识别国际铁路货物运输全流程关键路径和关键环节的风险因素；
[0014]货物运输质量风险源包括有货物安全风险因素和班列延误风险因素；
[0015]采用HAZOP方法对货物安全风险因素分别进行口岸作业风险识别和途中运输风险识别；
[0016]采用网络计划图和解释结构模型(ISM)对班列延误风险因素进行口岸作业风险识别，采用网络计划图、解释结构模型(ISM)和HAZOP方法对班列延误风险因素进行途中运输风险识别；
[0017]步骤B：对风险因素进行层次划分，根据各风险因素之间的关系，构建国际铁路运输质量风险的贝叶斯网络，建立基于贝叶斯网络的国际铁路货物运输联运风险预警模型；
[0018]步骤C：根据国际铁路货物运输各参与方对区块链技术运用于班列运输风险预警的需求，在国际铁路运输质量风险的贝叶斯网络的基础上，进行区块链货物运输质量风险预警框架及相应功能模块的构建与设计，建立基于区块链的国际铁路货物运输质量风险预警平台；
[0019]选用Fabric框架以及PoA共识算法，设计应用区块链的国际铁路货物运输质量风险预警平台，并设计功能模块。
[0020]进一步地，风险因素按照参与方进行分类，收货人对应有集装箱损坏；承运人对应有设备管理不到位、人员管理不足、规章制度不完善、监管设施设备不完善、车板循环管理异常、对线路选择不灵活、车辆管理不到位、车站运营监管体系不完善、车站安保监管体系不完善、铁路风险预防监管不完善、监管设施设备不完善、生产安全监管不完善、车站监管不到位、换装能力不足、未增加疫情防控措施、作业效率低、安全意识不到位、政治局势不稳定、集装箱损坏、人为操作不当、铁路暂停或施工和货车部件受损；海关对应有作业时间超时；其他对应有自然灾害。
[0021]进一步地，步骤B还包括有如下步骤：
[0022]步骤B1：划分运输质量风险系统层次
[0023]对风险因素从组织管理、风险监管、风险诱因、直接致因、运输质量风险五个方面进行层次划分；
[0024]步骤B2：确定运输质量风险贝叶斯网络结构
[0025]分析风险因素之间的相互关系，得到贝叶斯网络的结构，通过对数据内部的因素的相互关系，将节点之间的关系用邻接矩阵Q表示，
[0026][0027]其中q
ij
表示第i个风险因素对第j个风险因素的关系，当q
ij
＝1时，第i个风险因素对第j个风险因素有影响，当q
ij
＝0时，则没有影响；
[0028]根据邻接矩阵画出运输质量风险贝叶斯网络；
[0029]步骤B3：确定运输质量风险数据集
[0030]对收集到的数据进行运输质量风险因素的分层提取，得到运输质量风险相关事故和班列延误的数据集；
[0031]设为数据集，其中D
i
为第i行数据所关联的风险因素状态的集合；
[0032]D
i
＝[u
i1 u
i2 ... u
in
][0033]如果第i行数据与风险因素A1相关联，则u
i1
＝A1风险因素，否则u
i1
＝A2风险因素；n代表第i行数据提取的风险因素个数；
[0034]对于D数据集，用u
i1
表示为：
[0035][0036]步骤B4：划分运输质量风险危害等级
[0037]由于所有节点在贝叶斯网络中存在相应的概率关系，故综合考虑该节点相对于最终节点的灵敏度等级以及该节点风险自身所在网络层次，灵敏度等级计算公式如下：
[0038]S
i
＝5Pe
i
[0039]进行加权计算并向上取整得出节点的风险危害等级：
[0040]E
i
＝[αS
i
+βC
i
][0041]其中S
i
为灵敏度等级，Pe
i
为运输质量风险(F4)对风险因素i的灵敏度占运输质量风险(F4)对于自身的灵敏度的比例，E
i
为风险危害等级，C
i
为风险因素i所在贝叶斯网络的层次；由于节点本身对运输质量风险概率的影响比节点风险自身所导致的后果对风险的直接关联较弱，因此取α＝0.3，β＝0.7；
[0042]步骤B5：计算各风险因素的风险值
[0043]将风险发生概率和风险危害等级的乘积作为风险值，设E
i
为风险因素i风险危害等级，P
i
为风险因素i风险发生概率等级，则风险值计算公式如下：
[0044]R
i
＝E
i
P
i
[0045]步骤B6：确定运输质量风险预警等级
[0046]利用风险发生概率等级P
i
和风险危害等级E
i
建立风险矩阵图，使用风险矩阵图对风险值进行包括高、较高、中、较低、低的五个预警等级的划分；当风险值R
i
∈{1,2}时，风险因素i为低风险状态；R
i
∈{3,4,6}时，风险因素i为较低风险状态；R<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于区块链的国际铁路货物运输质量风险预警方法，其特征在于，包括有如下步骤：步骤A：识别国际铁路货物运输的风险源，得到国际铁路货物运输的风险因素；确定国际铁路货物运输质量风险，从国际铁路货物运输的参与方和环节，采用HAZOP方法、网络计划图和解释结构模型，识别国际铁路货物运输全流程关键路径和关键环节的风险因素；货物运输质量风险包括有货物安全风险因素和班列延误风险因素；采用HAZOP方法对货物安全风险因素分别进行口岸作业风险识别和途中运输风险识别；采用网络计划图和解释结构模型(ISM)对班列延误风险因素进行口岸作业风险识别，采用网络计划图、解释结构模型(ISM)和HAZOP方法对班列延误风险因素进行途中运输风险识别；步骤B：对风险因素进行层次划分，根据各风险因素之间的关系，构建国际铁路的运输质量风险的贝叶斯网络，建立基于贝叶斯网络的国际铁路货物运输联运风险预警模型，对运输质量风险的等级进行评估；步骤C：根据国际铁路货物运输的各参与方对区块链技术运用于班列运输风险预警的需求，在国际铁路运输质量风险的贝叶斯网络的基础上，进行区块链货物运输质量风险预警框架及功能模块的构建与设计，建立基于区块链的国际铁路货物运输质量风险预警平台；基于Fabric框架以及PoA共识算法，设计应用区块链的国际铁路货物运输质量风险预警平台，并设计功能模块；所述功能模块包括：国际铁路货物运输质量风险预警功能、国际铁路货物追踪功能和国际铁路货物运输保险自动赔付功能。2.根据权利要求1所述的基于区块链的国际铁路货物运输质量风险预警方法，其特征在于，所述风险因素按照参与方进行分类，收货人对应有集装箱损坏；承运人对应有设备管理不到位、人员管理不足、规章制度不完善、监管设施设备不完善、车板循环管理异常、对线路选择不灵活、车辆管理不到位、车站运营监管体系不完善、车站安保监管体系不完善、铁路风险预防监管不完善、监管设施设备不完善、生产安全监管不完善、车站监管不到位、换装能力不足、未增加疫情防控措施、作业效率低、安全意识不到位、政治局势不稳定、集装箱损坏、人为操作不当、铁路暂停或施工和货车部件受损；海关对应有作业时间超时；其他对应有自然灾害。3.根据权利要求1所述的基于区块链的国际铁路货物运输质量风险预警方法，其特征在于，步骤B还包括有如下步骤：步骤B1：划分风险因素的层次对风险因素从组织管理、风险监管、风险诱因、直接致因、运输质量风险五个方面进行层次划分；步骤B2：构建国际铁路运输质量风险贝叶斯网络的结构根据风险因素之间的相互关系，建立贝叶斯网络的结构，将贝叶斯网络中所有节点之间的关系用邻接矩阵Q表示；
其中q
ij
表示第i个风险因素对第j个风险因素的关系，当q
ij
＝1时，第i个风险因素对第j个风险因素有影响，当q
ij
＝0时，则没有影响；根据邻接矩阵Q建立运输质量风险贝叶斯网络；步骤B3：确定运输质量风险的数据集将收集到的运输质量风险数据进行运输质量风险因素的分层提取，得到运输质量风险相关事故和班列延误的数据集D；其中，D
i
为第i行数据所关联的风险因素状态的集合；D
i
＝[u
i1 u
i2 ... u
in
]如果第i行数据与风险因素A1相关联，则u
i1
＝A1风险因素，否则u
i1
＝A2风险因素；n代表第i行数据提取的风险因素个数；对于数据集D，用u
i1
表示为：步骤B4：划分运输质量风险危害等级计算所有节点在贝叶斯网络中的灵敏度等级S
i
：S
i
＝5Pe
i
将灵敏度等级S
i
进行加权计算，并向上取整得出节点的风险危害等级E
i
：E
i
＝[αS
i
+βC
i
]其中，Pe
i
为运输质量风险F4对风险因素i的灵敏度等级占运输质量风险F4对于自身的灵敏...

【专利技术属性】
技术研发人员：汤银英，冯媛，胡雅婷，陈思，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：