城市大脑 | 安全监管

简介: 本文介绍了城市大脑 | 安全监管的方案概述,方案价值及优势以及最佳实践。

Dingtalk_20210331150623.jpg
在生产制造密集的区域和产业园区,针对一线安全生产管理范围内危化企业,在装卸、仓库和车间三个环节,分别建设安全生产态势监测系统、人车核查系统、危险作业监控系统和仓库规范智能化管理系统。让机器巡查代替人工巡查,通过机器智能辅助人力监管,优化监管人力的分配,实现精准高效监管工作。

解决方案

(一)安全生产基础平台

以企业为核心建立“一企一档”的全面画像,将行为人、车辆、企业的信息做全面融合,从企业的维度进行执法流程的全链路覆盖。实现隐患排查、处置有序的综合管理平台。

(二)智能动态感知

通过视觉智能AI和传感监测技术,在动火作业、人车核录、人数管控、可燃有毒气体监测、储量超标等场景上进行实时分析和预警,从感知端快速发现事件并形成证据。

(三)风险和隐患警示

根据感知预警的事件,通过机制进行自动化归类和分析,对不同等级的事件按企业优先自查和处理的原则,实现不同的管理部门和企业在不同的角色进行智能化的调配规则。

(四)数据碰撞实践

对已发生的安全历史事故进行分析,在高发事故的环节易再发生新事故,将工伤维度数据与工人的社保、就医数据做数据碰撞,减少隐瞒不报的情况。

应用价值

通过海量视频数据样本的积累,基于人工智能先进的“深度学习”算法,实现对视频中关键区域内车辆、行人等重点关注目标的精准捕获,完成危险区域内人数控制、人员识别等,减少监管盲点,改变过去无法动态及时监管的业务痛点,改变危化企业管理工作模式。

最佳实践

余杭安监

杭州市余杭区建设了智能安监系统,系统试运行后,基础平台汇聚了5800余家的企业信息,监管方式从以往的检查人员上门抽查转变为了24小时在线监测。试运行阶段,通过工伤事故大数据预警分析机制,对1801起工伤事故涉及企业开展检查1765次,纳入重点执法检查库企业24家,处罚企业3家;发现传感报警8起,危险场所人数超限9起。

技术圈二维码.JPG

加入钉钉群可享有以下权益↓
入群权益.jpg

相关文章
|
存储 弹性计算 安全
医保行业 | 智慧医保
本文介绍了医保行业 | 智慧医保的方案概述,方案价值及优势以及最佳实践。
医保行业 | 智慧医保
|
存储 监控 安全
什么是技术架构、数据架构、业务架构、应用架构、产品架构和项目架构?
为何技术设计完善,项目仍推进艰难?根源在于架构认知缺失。本文系统解析业务、数据、应用、技术、产品、项目六大核心架构,揭示数字化建设的底层逻辑,助力跨部门协作与高效交付,实现技术价值最大化。
|
11月前
|
弹性计算 监控 安全
等保2.0合规实践:利用阿里云产品快速满足三级等保要求
网络安全等级保护2.0是企业必须履行的法定责任。上云企业可依托阿里云“责任共担”模型,继承其三级等保合规基座,聚焦租户侧安全建设。通过VPC、云防火墙、WAF、云安全中心、RAM、SLS等产品,体系化构建“一个中心、三重防护”的云上合规架构,实现快速、低成本过保,并将合规转化为持续安全能力。(238字)
|
人工智能 数据可视化 关系型数据库
23.5K star!零代码构建AI知识库,这个开源神器让问答系统开发像搭积木一样简单!
FastGPT 是一个基于大语言模型的智能知识库平台,提供开箱即用的数据处理、RAG检索和可视化AI工作流编排能力,让你无需编写代码就能轻松构建复杂的问答系统!
1437 1
|
城市大脑 人工智能 运维
城市大脑 | 城市中枢系统与数字驾驶舱
本文介绍了城市大脑 | 城市中枢系统与数字驾驶舱的方案概述,方案价值及优势以及最佳实践。
城市大脑 | 城市中枢系统与数字驾驶舱
|
城市大脑 安全 计算机视觉
课时13:城市数据大脑介绍
阿里云与杭州市合作打造的城市数据大脑,通过智能调控红绿灯、实时视频分析交通事件,提升了道路通行效率。如今,城市大脑不仅能主动发现并处理交通事故,还能为救护车规划最优路线,从被动接警转变为积极应对,使城市交通更加顺畅和安全。交警们希望通过这一系统,让杭州变得更加美好,实现更愉快的出行体验。
969 0
|
城市大脑 运维 负载均衡
数字政府 | 政务钉钉平台
本文介绍了数字政府|政务钉钉平台 的方案概述,方案价值及优势以及最佳实践。
数字政府 | 政务钉钉平台
|
人工智能 城市大脑 安全
城市大脑 | 城市交通治理解决方案
本文介绍了城市大脑 | 城市交通治理解决方案的方案概述,方案价值及优势和最佳实践。
城市大脑 | 城市交通治理解决方案
|
存储 数据采集 消息中间件
阿里十年技术沉淀|深度解析百PB级数据总线技术
数据总线作为大数据架构下的流量中枢,在不同的大数据组件之间承载着数据桥梁的作用。通过数据总线,可以实时接入来自服务器、K8s、APP、Web、IoT/移动端等产生的各类异构数据,进行统一数据管理,进而实现与下游系统的解耦;之后可以异步实现数据清洗、数据分发、实时计算、离线计算等计算过程,进而将结构化后的数据投递到下游的分析、归档系统,进而达到构建清晰的数据流的目的。广义上,数据采集与接入、传输链路、存储队列、消费计算、投递等都属于数据总线的范畴,整体上可以分为采集接入层、管道层、计算层。
25435 6
阿里十年技术沉淀|深度解析百PB级数据总线技术