© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15沪公网安备31010402336585号
浙江坤虹电子科技有限公司
企业浙江坤虹电子科技有限公司围绕相关业务开展运营。面向环卫服务履约监控、企业风险预警、环卫服务招投标评价等领域提供数据服务，开放环卫服务履约风险预警数据（环卫服务履约监控、企业风险预警）、环卫服务履约质量与效率量化分析数据（环卫服务招投标评价、环卫运营绩效管理），支撑预警干预与风险管控。
环卫服务履约监控企业风险预警环卫服务招投标评价
数据集列表
环卫人员作业负荷与效率分析数据
本数据来源于公司环卫人员作业记录与垃圾清运统计数据的融合数据采集，采集范围涵盖统计周期、班组人数、应作业天数、实际作业天数、定额人均日清运量、月度垃圾清运量、计划覆盖路段数及实际覆盖路段数等核心字段。
通过构建"作业天数达标率-人均垃圾清运效率-作业路段覆盖率"三维作业负荷与效率评估模型与综合人员作业负荷与效率指数分级机制，对不同班组的作业负荷与效率进行量化评分与等级标注，解决环卫行业人员作业管理粗放、垃圾清运效率不透明、作业路段覆盖不全等核心痛点。
该数据集面向环卫运营企业、城市管理部门及智慧环卫平台开发商，为其提供标准化的作业负荷与效率量化评估数据，支撑人员编制优化、清运任务分配及路段覆盖效能评价，降低人力成本与作业盲区，提升环卫作业精细化管理水平。
同时，该数据集的特征工程体系与分级标注规范经过标准化处理，可为环卫运营管理领域的智能调度AI模型提供结构化训练样本，推动行业从"人工排班"向"数据驱动+智能优化"演进。
加工前的数据来源于公司环卫人员作业记录与垃圾清运统计台账，原始字段包括班组名称、班组人数、应作业天数、实际作业天数、定额人均日清运量、月度垃圾清运量、计划覆盖路段数及实际覆盖路段数等。
处理方式为：基于原始数据计算人员作业达标率、人均垃圾清运效率、作业路段覆盖率三项基础比率指标，再按区间赋分规则转化为百分制评分，最后加权汇总为综合评估指数并标注等级。
作业天数达标率_% = 实际作业天数 / 应作业天数 × 100。
作业天数达标率评分 = 作业天数达标率_%：≥100=100，≥95且<100=85，≥90且<95=70，≥80且<90=50，<80=30。
人均垃圾清运效率_% = 月度垃圾清运量_吨 / (定额人均日清运量_吨 × 应作业天数 × 班组人数) × 100。
人均垃圾清运效率评分 = 人均垃圾清运效率_%：≥100=100，≥95且<100=85，≥90且<95=70，≥80且<90=50，<80=30。
作业路段覆盖率_% = 实际覆盖路段数 / 计划覆盖路段数 × 100。
作业路段覆盖率评分 = 作业路段覆盖率_%：≥100=100，≥95且<100=85，≥90且<95=70，≥80且<90=50，<80=30。
综合人员作业负荷与效率指数 = 人员到岗达标率评分 × 0.35 + 人均垃圾清运效率评分 × 0.4 + 作业路段覆盖率评分 × 0.25。
等级 = 综合人员作业负荷与效率指数：≥85=优秀，≥70且<85=良好，≥60且<70=合格，<60=不合格。
权重依据：人均垃圾清运效率以40%权重居首，体现“产出优先”的环卫业务本质；人员到岗达标率以35%紧随其后，突出“无人则无效”的基础保障地位；作业路段覆盖率以25%作为空间维度的完整性校验。三者形成“产出定效、到岗保底、覆盖验全”的评估闭环，权重梯度清晰，全面反映人、效、域三维管理要求。
浙江省数据知识产权登记平台2026-09-25 更新10
环卫业应急管理问答语料数据
本数据集为环卫行业应急管理领域的问答语料数据，涵盖安全管理制度、应急预案操作规范、安全事故处置流程、人员安全职责等核心知识内容。当前环卫行业安全管理面临安全知识分散在各类文件和人员经验中、一线人员安全培训效果难以量化评估、突发事件应急响应缺乏标准化知识支撑、安全事故案例知识未有效沉淀复用等痛点。本数据集通过安全知识采集与清洗、问题分类结构化、答案标准化生成，构建覆盖安全检查规范、事故处理流程、应急预案、安全职责、综合应急知识等6大类别的高质量问答对语料集。该语料可直接用于训练环卫行业应急管理领域的垂类大语言模型问答能力，推动安全管理从'经验依赖'向'AI智能问答'演进，并可横向复用至市政管理、物业服务、公共设施运维等场景的安全培训与应急响应系统。1.数据清洗与标准化：按'问题+答案'去重，剔除重复语料；逻辑校验删除矛盾数据（如同一检查项存在冲突要求）；保留'答案=暂无明确规定'样本增强模型对知识缺失场景的处理能力，清洗后有效率≥98%。格式统一：统一问题表述风格、答案格式、分类标签命名规范；对'检查项目'字段补全关联的法规依据，补全率100%。
2.问题分类与结构化：从公司安全管理系统（安全检查报表、安全事故台账、应急预案文件）收集问答语料，按'安全检查规范类'（如'转运站日常检查包括哪些项目'）'事故处理流程类'（如'发生交通事故后应如何保护现场'）'应急预案类'（如'大风天气应执行哪些应急措施'）'安全职责类'（如'队长的安全管理职责是什么'）'安全生产检查类'（如'电气安全检查的要求是什么'）'综合应急知识类'（如'灭火器有效期是多久'）等场景分类，标注'问题分类标签''问题类型'，确保覆盖环卫应急管理90%以上核心问答需求，构建基础语料库。
3.核心算法建模：（1）语义解析与要素提取：采用'环卫安全预训练模型（BERT-SanSafety）'，对问题进行语义切分；通过命名实体识别提取专属要素（如'转运站'为'检查对象'，'灭火器'为'设备名称'），要素提取准确率≥96%；（2）答案生成与初步验证：基于'安全知识库-答案'映射规则，对知识类问题调用预设答案模板，对流程类问题用Seq2Seq模型生成多步骤操作答案；生成后通过知识库结构校验，答案正确率≥94%；（3）异常值检测：采用IsolationForest算法检测'答案与问题不匹配''答案包含错误安全知识'等异常语料，结合安全生产法规（如GB/T 33000-2016）核验答案合规性，异常语料过滤率≥99%。
4.语料库迭代优化：构建语料库的闭环迭代机制。新产生的安全问答对经核验后定期注入语料库。同时，通过分析大语言模型在实际应用中的反馈，定位语料库薄弱环节并进行针对性补充，形成'应用-反馈-优化'的良性循环。
浙江省数据知识产权登记平台2026-09-21 更新00
环卫车辆能耗与运维成本分析数据
本数据来源于公司环卫车辆GPS定位与作业调度的融合数据采集，采集范围涵盖统计周期、车辆编号、车辆类型、标准百公里油耗、计划作业里程、实际作业里程、总油耗、应出勤天数、维修停驶天数等核心字段。车辆编号采用MD5哈希加密处理，取原始车辆编号哈希值的前10位大写字符作为脱敏标识，确保无法还原原始车辆信息。
通过构建"油耗达标率-维修停驶率-作业里程达标率"三维车辆能耗与运维成本评估模型与综合车辆能耗与运维成本指数分级机制，对不同车辆类型、不同周期的能耗效率与运维可靠性进行量化评分与等级标注，解决环卫行业车辆油耗管理粗放、维修停驶缺乏量化监控、作业里程与计划脱节等核心痛点。
该数据集面向环卫运营企业、城市管理部门及车辆运维管理平台，为其提供标准化的车辆能耗与运维成本量化评估数据，支撑油耗控制、维修计划优化及车辆调度决策，降低燃油成本与维修停驶损失，提升环卫车辆精细化管理水平。
同时，该数据集的特征工程体系与分级标注规范经过标准化处理，可为环卫车辆管理领域的智能调度AI模型提供结构化训练样本，推动行业从"经验维保"向"数据驱动+智能预警"演进。
加工前的数据来源于公司环卫车辆GPS、油耗记录台账及车辆维修记录，原始字段包括车辆编号、车辆类型、标准百公里油耗、计划作业里程、实际作业里程、总油耗、应出勤天数、维修停驶天数等。车辆编号采用MD5哈希脱敏处理，取原始编号哈希值的前10位大写字符作为脱敏标识，确保无法还原原始信息。
对原始车辆记录进行清洗去重、剔除异常无效数值，统一数据维度与统计口径，确保数据安全合规。
实际百公里油耗_升/100km = 总油耗_升 / 实际作业里程_公里 × 100。
油耗达标率_% = 标准百公里油耗_升/100km / 实际百公里油耗_升/100km × 100。
维修停驶率_% = 维修停驶天数 / 应出勤天数 × 100。
作业里程达标率_% = 实际作业里程_公里 / 计划作业里程_公里 × 100。
油耗达标率评分 = 油耗达标率_%：≥100=100，≥95且<100=85，≥90且<95=70，≥80且<90=50，<80=30。
维修停驶率评分 = 维修停驶率_%：=0=100，>0且≤10=85，>10且≤20=70，>20且≤30=50，>30=30。
作业里程达标率评分 = 作业里程达标率_%：≥100=100，≥95且<100=85，≥90且<95=70，≥80且<90=50，<80=30。
综合车辆能耗与运维成本指数 = 油耗达标率评分 × 0.4 + 维修停驶率评分 × 0.3 + 作业里程达标率评分 × 0.3。
等级 = 综合车辆能耗与运维成本指数：≥85=优秀，≥70且<85=良好，≥60且<70=合格，<60=不合格。
权重依据：《城市环境卫生质量标准》将车辆完好率与作业达标率列为环卫车辆管理核心考核指标，车辆能耗效率直接影响运营成本，故油耗达标率权重最高（40%）；《安全检查报表》将车队车辆检查列为重点检查对象，维修停驶直接反映车辆可靠性，故维修停驶率权重为30%；企业垃圾量统计原始数据显示作业里程与清运量直接挂钩，里程达标是履约基础，故作业里程达标率权重为30%。
浙江省数据知识产权登记平台2026-09-19 更新10
环卫设备采购成本与供应商评估数据
本数据来源于公司在环卫设备采购合同与供应商交货验收记录的融合数据采集，采集范围涵盖采购编号、统计周期、供应商名称、设备类型、合同规定金额、实际采购金额、合同规定交货天数、实际交货天数、验收检查项数及验收合格项数等核心字段。供应商名称采用MD5哈希加密处理，取原始供应商名称哈希值的前10位大写字符作为脱敏标识，确保无法还原原始供应商名称，兼顾数据真实性与隐私保护。
通过构建"采购价格达标率-交货周期达标率-质量验收合格率"三维供应商评估模型与综合供应商评估指数分级机制，对不同供应商在不同设备类型上的履约表现进行量化评分与等级标注，解决环卫行业设备采购价格波动大、交货周期不稳定、质量验收缺乏量化标准等核心痛点。
该数据集面向环卫运营企业、设备采购部门及供应链管理方，为其提供标准化的供应商履约量化评估数据，支撑供应商筛选、采购决策优化及供应链风险管控，降低采购成本与交货延期损失，提升设备采购精细化管理水平。
同时，该数据集的特征工程体系与分级标注规范经过标准化处理，可为供应链管理领域的智能评估AI模型提供结构化训练样本，推动行业从"经验选商"向"数据驱动+智能评估"演进。
加工前的数据为公司在环卫设备采购过程中产生的原始采购合同记录与交货验收记录，包括采购编号、合同规定金额、实际采购金额、合同规定交货天数、实际交货天数、验收检查项数、验收合格项数等字段。采购编号与供应商名称均采用MD5哈希脱敏处理，取原始单号或供应商名称哈希值的前10位大写字符作为脱敏标识，确保无法还原原始信息，数据经去重和缺失值处理后用于模型计算。
处理方式为基于原始数据构建三维评分模型，先分别计算采购价格达标率、交货周期达标率、质量验收合格率三个维度的达标率并转换为百分制评分，再以加权方式汇总为综合供应商评估指数，最终按指数区间划分为优秀、良好、合格、不合格四个等级。
采购价格达标率_% = 合同规定金额_元 / 实际采购金额_元 × 100。
采购价格达标率评分 = 采购价格达标率_%：≥100=100，≥95且<100=85，≥90且<95=70，≥80且<90=50，<80=30。
交货周期达标率_% = 合同规定交货天数 / 实际交货天数 × 100。
交货周期达标率评分 = 交货周期达标率_%：≥100=100，≥95且<100=85，≥90且<95=70，≥80且<90=50，<80=30。
质量验收合格率_% = 验收合格项数 / 验收检查项数 × 100。
质量验收合格率评分 = 质量验收合格率_%：≥100=100，≥95且<100=85，≥90且<95=70，≥80且<90=50，<80=30。
综合供应商评估指数 = 采购价格达标率评分 × 0.35 + 交货周期达标率评分 × 0.35 + 质量验收合格率评分 × 0.30。
等级 = 综合供应商评估指数：≥85=优秀，≥70且<85=良好，≥60且<70=合格，<60=不合格。
权重赋分依据：采购价格和交货周期直接决定项目成本与进度，是供应商履约能力的核心指标，各占35%；质量验收合格率反映产品符合性，作为关键保障指标占30%，三项加权综合评估供应商整体表现。
浙江省数据知识产权登记平台2026-09-16 更新10
环卫人员作业负荷与效率分析数据
本数据来源于公司环卫人员作业记录与垃圾清运统计数据的融合数据采集，采集范围涵盖统计周期、班组人数、应作业天数、实际作业天数、定额人均日清运量、月度垃圾清运量、计划覆盖路段数及实际覆盖路段数等核心字段。
通过构建"作业天数达标率-人均垃圾清运效率-作业路段覆盖率"三维作业负荷与效率评估模型与综合人员作业负荷与效率指数分级机制，对不同班组的作业负荷与效率进行量化评分与等级标注，解决环卫行业人员作业管理粗放、垃圾清运效率不透明、作业路段覆盖不全等核心痛点。
该数据集面向环卫运营企业、城市管理部门及智慧环卫平台开发商，为其提供标准化的作业负荷与效率量化评估数据，支撑人员编制优化、清运任务分配及路段覆盖效能评价，降低人力成本与作业盲区，提升环卫作业精细化管理水平。
同时，该数据集的特征工程体系与分级标注规范经过标准化处理，可为环卫运营管理领域的智能调度AI模型提供结构化训练样本，推动行业从"人工排班"向"数据驱动+智能优化"演进。
浙江省数据知识产权登记平台2026-09-14 更新30
环卫车辆运维问数垂类大模型语料数据
数据来源于环卫车辆运维管理记录，涵盖车辆编号、车辆类型、计划作业里程、实际作业里程、标准百公里油耗、总油耗、应出勤天数、维修停驶天数、维修次数、维修金额、保养次数等核心字段。
通过构建自然语言问数解析模型与SQL生成校验机制，将运维管理人员的自然语言查询转化为可执行的标准SQL语句并输出精确结果，覆盖油耗监测、维修统计、里程追踪、保养提醒等核心运维场景。
解决环卫行业车辆油耗管理粗放导致运营成本不透明、维修停驶缺乏量化监控影响运力调度、车辆保养依赖经验判断导致故障频发等核心痛点。
该数据集可为环卫车辆运维领域的垂类大模型提供结构化训练样本，推动行业从"人工台账统计"向"自然语言问数+AI自动生成"演进，同时可横向复用至物流运输、公交运营、工程车辆管理等车辆运维场景。
1.数据采集与清洗：以母公司环卫车辆运维业务数据为来源，以业务（含车辆类型、维修保养记录、油耗数据、运行里程、故障状态、出勤管理等16个业务字段）为基准表，采集该表覆盖的各类问数需求数据，经交叉校验确保数据一致性，清洗后数据有效率≥98%。
2.维度分类与标注：按业务查询维度进行分类标注，标注查询维度标签、问数需求类型等分类信息，构建覆盖车辆运维核心查询场景的语料基础库，语料以"问数需求-SQL查询-结果输出"三元组结构组织。
3.核心算法：本语料面向大语言模型对于环卫车辆运维场景的微调训练需求，按以下流程构建：
（1）语料特征工程与语义解析：对问数需求进行语义结构化分析，提取查询目标、筛选条件和统计维度等核心要素，要素提取准确率≥90%；
（2）查询逻辑构建与三元组生成：基于查询要素构建标准化的查询逻辑链路，生成对应的SQL查询语句和结果输出，形成"问数需求-SQL查询-结果输出"三元组语料结构；
（3）结果输出与验证：将查询结果组织为结构化输出，与问数需求进行一致性核验，确保输出结果准确反映问数意图；
（4）异常检测与质量过滤：对查询要素不完整、逻辑矛盾、统计口径不一致等异常情况进行识别和过滤，异常过滤率≥99%，同时通过结果核验正确率和人工核对正确率双维度进行质量校验。
4.独立语料训练优势：本语料聚焦环卫车辆运维单一业务领域，与通用环卫语料相比存在显著差异：第一，车辆运维涉及设备参数、维修标准、故障码、油耗模型等大量专业领域词汇，通用语料中此类词汇出现频率极低，若合并训练，领域专有特征的表达权重会被稀释，导致模型在车辆运维细分场景下的查询理解能力下降；第二，车辆运维问数具有明显的业务逻辑特征，如"维修金额超阈值""百公里油耗异常""出勤率偏低"等，这些业务逻辑判断需要专门的语料支撑，独立训练可确保车辆运维领域查询语义的专注度和深度，提升大模型在该细分场景下的查询逻辑准确率；第三，从市场化运用角度看，环卫车辆运维管理是环卫行业的刚性需求，独立语料有利于形成垂直领域的专业化服务能力，更好地满足环卫企业精细化管理的实际业务需求。
浙江省数据知识产权登记平台2026-09-25 更新10
环卫业道路卫生操作规范问答语料数据
本数据集旨在为环卫运营企业、城市管理部门、道路卫生监管机构及职业培训机构提供标准化的道路卫生操作规范问答语料，支撑环卫工人岗前培训、在岗考核、现场问题快速查询、政府检查标准普及、智慧环卫知识库建设等多场景应用，降低培训成本，提升作业标准化水平和质量达标率。通过构建覆盖道路分类管理、清扫保洁规范、巡检整改方法、质量考核评价、作业安全保障、恶劣天气应对、重点区域保障、道路污染应急、环卫设施维护及档案管理等30大知识领域的标准化问答语料库，解决环卫行业道路卫生操作规范分散、从业人员培训缺乏标准化教材、现场问题查询依赖经验、政府检查标准不透明等核心痛点。同时，该数据集的特征工程体系与问答标注规范经过标准化处理，可为环卫道路卫生领域的垂类大模型提供结构化训练样本，支撑智能问答、培训评估、现场辅助决策等AI应用，推动行业从经验传帮带向标准知识库与AI智能问答演进。数据清洗与标准化。按问题与知识点标签组合去重，剔除重复语料；通过逻辑校验删除矛盾数据，如问题与知识点标签不匹配、答案与法规标准引用不符等情况；保留答案不确定样本并标注待复核，清洗后有效率不低于98%。格式统一包括统一日期格式、知识点标签命名、难度等级分类；对涉及敏感路段名称的信息按企业脱敏规范处理，补全率100%。
问题分类与结构化。从企业道路卫生巡检原始记录、整改报告及行业规范中提取问答素材，按道路分类管理类、清扫保洁规范类、巡检整改方法类、质量考核评价类、作业安全保障类、恶劣天气应对类、重点区域保障类、道路污染应急类、环卫设施维护类、档案管理类十个大类分类，标注知识点标签、适用场景、难度等级三维标签，覆盖道路卫生管理90%以上核心知识需求，构建基础语料库。
核心算法建模。第一，语义理解与知识抽取：采用BERT-Sanitation预训练模型对道路卫生领域文本进行语义编码，通过命名实体识别提取路段名称、道路类型、问题类型等专属要素，准确率不低于96%。第二，问答匹配与生成：基于问题类型与知识点标签映射规则，简单问题调用预设模板，复杂问题用Seq2Seq生成多要素答案，答案与行业规范一致性不低于94%。第三，异常值检测：采用IsolationForest检测答案与标准冲突、难度等级与问题复杂度不匹配等异常，结合城市道路清扫保洁与质量评价标准核验答案合规性，过滤率不低于99%。第四，数据核验：由公司资深环卫管理人员结合现场知识对问答对最终核验，确保答案准确可执行。
语料库迭代优化。构建闭环迭代机制，新产生的业务问题及经核验的答案定期注入语料库，通过分析大模型应用反馈定位薄弱环节并针对性补充，形成应用、反馈、优化的良性循环，持续提升覆盖度和质量。每季度根据政府检查新标准、企业作业规范更新进行语料库版本迭代。
浙江省数据知识产权登记平台2026-09-19 更新10
环卫安全培训问数垂类大模型语料数据
数据来源于公司环卫业务全部安全培训数据，涵盖培训类型、演练场景、参与人数、覆盖率、培训时长、发现问题数、整改完成数、事故发生率目标、实际事故发生率等核心字段。
通过构建自然语言问数解析模型与SQL生成校验机制，将安全管理人员的自然语言查询转化为可执行的标准SQL语句并输出精确结果，覆盖培训统计、演练评估、覆盖率分析、整改追踪等核心安全管理场景。
解决环卫行业安全培训覆盖率低导致人员安全意识不足、培训效果缺乏量化评估难以优化内容、隐患整改闭环管理不到位等核心痛点。
该数据集可为环卫安全管理领域的垂类大模型提供结构化训练样本，推动行业从"人工台账统计"向"自然语言问数+AI自动生成"演进，同时可横向复用至建筑施工、物流运输、制造业等安全培训管理场景。
1.数据清洗与标准化：按"问数需求+记录日期"去重，剔除重复语料；通过逻辑校验删除矛盾数据（如"整改完成数>发现问题数""覆盖率>100%"）；保留"结果输出=无匹配数据"样本，清洗后有效率≥98%。格式统一：统一时间格式、培训类型命名、覆盖率格式；对"培训类型"字段补全关联分类，补全率100%。
2.问题分类与结构化：按"培训统计类"（如"统计消防培训的参与人数"）"演练评估类"（如"查询应急演练的整改完成率"）"覆盖率分析类"（如"统计覆盖率低于80%的培训"）"整改追踪类"（如"查询未整改问题数超过5的培训"）分类，标注"培训类型""查询维度"标签，覆盖安全培训管理90%以上核心问数需求，构建基础语料库。
3.核心算法建模：（1）语义解析与要素提取：采用预训练模型，通过NER提取"[培训类型]"为培训分类、"[演练场景]"为场景标识等专属要素，准确率≥96%；（2）SQL生成与初步验证：基于"安全术语-字段名"映射规则，简单问数调用预设模板，复杂问数用Seq2Seq生成多条件SQL，语法正确率≥94%；（3）异常值检测：IsolationForest检测"覆盖率>100""整改率<0"等异常SQL，结合企业安全生产标准化基本规范核验培训指标合规性，过滤率≥99%；（4）逻辑核验：结合现场知识对三元组最终核验。
4.语料库迭代优化：构建闭环迭代机制。新产生的业务问题及经核验的SQL定期注入语料库，通过分析反馈定位薄弱环节并针对性补充，形成"训练-反馈-优化"良性循环，持续提升覆盖度和质量。
独立登记必要性说明：安全培训管理在数据结构（培训/演练/事故记录）、查询意图（覆盖率达标/整改时限/演练评估）、核验标准三个维度与垃圾清运、车辆运维、道路保洁等运营类问数语料差异显著。合并登记将模糊安全培训领域专属业务逻辑，导致该场景下SQL生成准确性下降。本语料独立构建，可深度适配安全培训术语体系与核验规则，支撑安全培训问数模型的精准训练与跨行业复用。
浙江省数据知识产权登记平台2026-09-18 更新00
环卫车辆运维问数垂类大模型语料数据
数据来源于环卫车辆运维管理记录，涵盖车辆编号、车辆类型、计划作业里程、实际作业里程、标准百公里油耗、总油耗、应出勤天数、维修停驶天数、维修次数、维修金额、保养次数等核心字段。
通过构建自然语言问数解析模型与SQL生成校验机制，将运维管理人员的自然语言查询转化为可执行的标准SQL语句并输出精确结果，覆盖油耗监测、维修统计、里程追踪、保养提醒等核心运维场景。
解决环卫行业车辆油耗管理粗放导致运营成本不透明、维修停驶缺乏量化监控影响运力调度、车辆保养依赖经验判断导致故障频发等核心痛点。
该数据集可为环卫车辆运维领域的垂类大模型提供结构化训练样本，推动行业从"人工台账统计"向"自然语言问数+AI自动生成"演进，同时可横向复用至物流运输、公交运营、工程车辆管理等车辆运维场景。
浙江省数据知识产权登记平台2026-09-14 更新00
环卫应急资源配置优化数据
本数据来源于公司在环卫业务中对于应急资源调度与应急指挥的融合数据采集，采集范围涵盖统计周期、应急事件编号、应急类型、需求应急人员数、实际到位人员数、需求应急设备数、实际到位设备数、标准响应时间、实际响应时间等核心字段。应急事件编号采用MD5哈希加密处理，取原始编号哈希值的前10位大写字符作为脱敏标识，确保无法还原原始事件信息。
通过构建"应急人员到位率-应急设备到位率-应急响应时效达标率"三维资源配置优化评估模型与综合应急资源配置优化指数分级机制，对不同类型应急事件的资源配置效率与响应时效进行量化评分与等级标注，解决环卫行业应急人员调度不透明、设备到位缺乏量化评估、响应时效难以衡量等核心痛点。
该数据集面向环卫运营企业、城市应急管理部门及应急服务调度平台，为其提供标准化的应急资源配置效能量化评估数据，支撑应急人员调度优化、设备配置决策及响应时效考核，降低应急响应成本，提升城市公共服务应急保障能力。
同时，该数据集的特征工程体系与分级标注规范经过标准化处理，可为应急调度领域的智能资源配置AI模型提供结构化训练样本，推动行业从"经验调度"向"数据驱动+智能优化"演进。
加工前的数据来源于公司在环卫业务中应急资源调度与应急指挥的原始记录，包含应急事件编号、应急类型、需求应急人员数、实际到位人员数、需求应急设备数、实际到位设备数、标准响应时间、实际响应时间等原始信息。应急事件编号采用MD5哈希脱敏处理，取原始编号哈希值的前10位大写字符作为脱敏标识，确保无法还原原始信息。
对原始应急记录进行清洗去重、剔除异常无效数值，统一数据维度与统计口径，确保数据安全合规。
应急人员到位率_% = 实际到位人员数 / 需求应急人员数 × 100。
应急设备到位率_% = 实际到位设备数 / 需求应急设备数 × 100。
应急响应时效比_% = 标准响应时间_分钟 / 实际响应时间_分钟 × 100。
应急人员到位率评分 = 应急人员到位率_%：≥100=100，≥95且<100=85，≥90且<95=70，≥80且<90=50，<80=30。
应急设备到位率评分 = 应急设备到位率_%：≥100=100，≥95且<100=85，≥90且<95=70，≥80且<90=50，<80=30。
应急响应时效达标率评分 = 应急响应时效比_%：≥100=100，≥95且<100=85，≥90且<95=70，≥80且<90=50，<80=30。
综合应急资源配置优化指数 = 应急人员到位率评分 × 0.35 + 应急设备到位率评分 × 0.35 + 应急响应时效达标率评分 × 0.30。
等级 = 综合应急资源配置优化指数：≥85=优秀，≥70且<85=良好，≥60且<70=合格，<60=不合格。
权重依据：应急人员是应急响应的核心执行力量，人员到位直接决定应急处置能力，故应急人员到位率权重为35%；应急设备是应急作业的关键保障，设备到位率直接影响处置效率，故应急设备到位率权重为35%；响应时效是应急管理的关键指标，标准响应时间与实际响应时间的对比反映调度效率，故应急响应时效达标率权重为30%。
浙江省数据知识产权登记平台2026-09-12 更新10