买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉同济大学申请的专利一种养护作业对路面后期性能影响的预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116071615B 。

龙图腾网通过国家知识产权局官网在2025-07-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310086704.4，技术领域涉及：G06V10/774；该发明授权一种养护作业对路面后期性能影响的预测方法是由刘成龙;蔡文渊;杜豫川;吴荻非设计研发完成，并于2023-01-18向国家知识产权局提交的专利申请。

本一种养护作业对路面后期性能影响的预测方法在说明书摘要公布了：本发明涉及一种养护作业对路面后期性能影响的预测方法，包括：选取测试区域内进行养护的点位和正常点位，并记录养护作业信息；对选取点位一定范围内的路面进行拍摄，得到路面图像，并划分周期；采用识别算法识别每张路面图像的路面损伤类型和数量；对识别结果进行分类统计和均值化处理，获得点位在不同周期的分类损伤数据期望；计算点位路面性能变化；利用点位养护作业信息和路面性能变化，构建因果网络骨架；通过分隔算法识别因果网络的方向；构建并训练基于深度神经网络的路面性能变化预测模型；基于路面性能变化预测模型预测未来不同周期的路面性能变化。与现有技术相比，本发明具有时间维度信息全面、预测精准等优点。

本发明授权一种养护作业对路面后期性能影响的预测方法在权利要求书中公布了：1.一种养护作业对路面后期性能影响的预测方法，其特征在于，包括以下步骤： S1：选取测试区域内进行养护的点位和未养护的正常点位，并记录养护作业信息； S2：对S1中选取点位预配置范围内的路面进行跟踪拍摄，得到路面图像，并划分为多个周期； S3：采用识别算法识别每张路面图像的路面损伤类型和数量，记录对应点位不同采集时间的路面损伤类型和数量； S4：对S3的识别结果进行分类统计，并对同一周期的数据进行均值化处理，获得点位在不同周期的分类损伤数据期望； S5：基于分类损伤数据期望计算点位路面性能，并计算周期间的路面性能变化； S6：利用点位养护作业信息和路面性能变化，对每个周期基于因果推断算法构建因果网络骨架； S7：基于因果网络骨架，通过分隔算法识别因果网络的方向，得到完整的因果关系网络； S8：构建并训练基于深度神经网络的路面性能变化预测模型，所述模型输入为从因果关系网络中选取的直接影响路面性能变化的养护作业因素，输出为不同周期的路面性能变化； S9：基于训练完成的路面性能变化预测模型预测未来不同周期的路面性能变化； 所述步骤S5具体为： 对点位i在周期t、范围r内的路面性能状况进行定量评价，基于点位i在周期t的损伤统计的集合，根据损伤严重程度乘以权重表征路面性能y i,t ，评价方法如下： 其中，表示k损伤的数量，表示k损伤的权重； 点位i范围r内的路面性能状况在时间起点到周期t的变化为△y i,t ，其中时间起点的路面性能为y i,0 ，则： 令△Y t 为A中所有点位在周期t的性能变化组成的向量，则： 所述步骤S6包括以下步骤： 步骤S61：建立变量数据集Z，Z中变量对应养护作业情况Z i ，因果网络结构的目标节点为周期t的路面性能变化△y t ，设置△y t 的父节点或子节点候选集； 步骤S62：基于mRMR标准在Z中寻找和△y t 有直接因果关系的节点，其中，所述mRMR标准为： 使用增量搜索方法搜寻与△y t 节点依赖程度最大的因素，将纳入； 步骤S63：采用条件独立性检验从中去除与路面性能变化△y t 无因果关系的节点； 步骤S64：重复S62、S63，迭代直到中因素不再增加，根据△y t 和建立因果网络骨架，节点间关系为无向连接。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人同济大学，其通讯地址为：200092 上海市杨浦区四平路1239号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。