物流行业的专职驾驶员在物流运输中担当着重要的角色,直接影响到物流运输的效率。因此,对于这些专职驾驶员迫切需要对其健康状况进行风险评估,只有保证其身体健康,才能保证物流运输的安全性和时效性。健康风险评估模型的建立可以实时监测专职驾驶员的个人健康状况,并对给予具体的风险评估,将健康风险在萌芽阶段消除,从而减少由于专职驾驶员的健康状况不佳发生交通事故对物流企业产生的损失。目前,尽管很多健康管理机构都在以物联网技术为基础对健康管理信息系统进行研发。但是因为这类系统的研发时间不长,健康评估技术尚未完善,许多方面还存在很多问题。现阶段很多评估系统是借助相对简单的调查问卷,再通过打分法进行评估,这种方法对人们可能存在的健康风险预测的准确性较低。因此,建立一个预测更加准确的健康风险评估模型,对于健康管理领域的发展具有重要意义。本文构建的健康风险评估系统,首先通过进行需求分析得出健康风险评估的内容,主要包含身体健康评估、心理健康调查、日常饮食调查和运动保健调查这四个部分。然后,根据这四项内容设计调查问卷以及通过智能化检测设备检测这两种途径来获取样本数据。本文以高血压风险为例,通过参考相关文献和案例分析各种影响高血压疾病的因素,构建了健康风险指标体系,在此基础上运用神经网络算法建立风险评估模型。该模型以年龄、饮食、吸烟、饮酒、静坐时间、运动强度、高血压家族史、心理精神因素、BMI、血压、总胆固醇、甘油三酯这12个指标作为输入层节点,以风险评估结果作为输出层节点。最终实现对驾驶员患高血压风险状况的预测。将模型的样本数据进行训练,调整参数使得误差最小,最终使预测效果达到最佳。本文最后用20组驾驶员的健康数据验证网络预测模型的准确性,并进行了实证分析,最终得出这20名驾驶员进行15次验证的平均误差不超过0.12。研究结果表明了基于物联网的驾驶员健康风险评估模型的建模方法总体上是可行的,同时也证明了利用BP人工神经网络模型对驾驶员的健康风险进行评估比传统的打分法评估方式更加智能化和科学化。