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！

龙图腾网获悉四川省公路规划勘察设计研究院有限公司申请的专利基于多源数据融合的交通建设项目驻地动态安全分析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：CN121258445B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202511812287.2，技术领域涉及：G06Q10/10；该发明授权基于多源数据融合的交通建设项目驻地动态安全分析方法是由汪军;饶舰;熊探宇;沈国焱;乔科;邝靖;李宁;张翔;寇亚东;刘松柏;蒋林;冯豫川设计研发完成，并于2025-12-04向国家知识产权局提交的专利申请。

本基于多源数据融合的交通建设项目驻地动态安全分析方法在说明书摘要公布了：本发明公开了基于多源数据融合的交通建设项目驻地动态安全分析方法，涉及交通建设工程安全管理和智能监测技术领域，本发明包括，建立实时数据采集通道，提取各施工阶段的关键特征参数，构建标准化特征向量；基于标准化特征向量、驻地的空间拓扑关系矩阵建立多源数据间的时空关联模型，识别风险传导路径：通过计算特征间的时空互相关函数，识别出关键风险节点和传导路径；建立分级预警机制的基于施工阶段的风险评估模型；依据风险等级和施工阶段动态优化电子围栏参数。本发明通过多源数据融合和动态风险评估，实现了交通建设项目驻地安全的实时监控和预警，能够有效识别风险传导路径，动态调整电子围栏参数，降低安全风险。

本发明授权基于多源数据融合的交通建设项目驻地动态安全分析方法在权利要求书中公布了：1.基于多源数据融合的交通建设项目驻地动态安全分析方法，其特征在于，包括如下步骤： 步骤1：建立实时数据采集通道，提取各施工阶段的关键特征参数，构建标准化特征向量； 步骤2：基于标准化特征向量、驻地的空间拓扑关系矩阵建立多源数据间的时空关联模型，识别风险传导路径：通过计算特征间的时空互相关函数，识别出关键风险节点和传导路径，具体包括：接入预处理后的标准化特征向量、空间拓扑关系矩阵，通过时空关联分析，将多个特征融合为一个综合风险指标：融合风险指标Rfusedt=∑i∑jwij*ρfit,fjt-τ*fit*fjt-τ，其中，wij=exp-dijλ是空间衰减权重，dij是特征i和j所在位置的空间距离，λ是衰减系数，ρfit,fjt-τ是特征i在t时刻和特征j在t-τ时刻的相关系数，τ是时滞参数；所述融合风险指标Rfusedt用于能够反映多个因素共同作用下的风险状况； 步骤3：建立分级预警机制的基于施工阶段的风险评估模型； 步骤4：依据风险等级和施工阶段动态优化电子围栏参数，具体包括： 输入：风险等级Lriskt，人员分布Pdist，施工区域Awork，根据目标函数计算：minJΘ=ω1*Risk_Exposure+ω2*Operation_Cost+ω3*Adjustment_Cost，约束条件设置为所有电子围栏的位置数据均在施工项目的边界B内；其中，Risk_Exposure=∫∫BLriskx,y*ρx,ydxdy，表示在围栏区域内风险与人员分布密度的乘积，即风险暴露量，Operation_Cost表示运营成本，与围栏周长和监控密度成正比，Adjustment_Cost表示调整成本； 权重ω1,ω2,ω3根据施工阶段和风险等级动态调整，在高风险时，调小调整成本权重，在低风险时，调大运营成本权重；还将优化电子围栏参数阶段的人工调整记录进行转化为学习样本，具体包括：收集人工调整的记录，包括调整前的系统推荐参数和调整后的人工实际参数，记录调整时的上下文信息，包括：风险等级、施工阶段、人员分布；将上下文信息转化为特征向量，包括风险等级、施工阶段编码、人员分布特征，将系统推荐参数和人工实际参数作为目标变量；使用监督学习模型，进行监督学习，将每次人工调整作为训练样本，优化调整策略，其中，损失函数采用均方误差的损失函数，用于最小化系统推荐参数与人工实际参数之间的差异，并加入正则化项防止过拟合，使用梯度下降算法训练监督学习模型，调整模型参数来最小化损失函数；将收集的人工调整记录数据集分为训练集和验证集，将训练后的监督学习模型采用验证集校验准确率，然后，当系统需要调整电子围栏参数时，使用训练好的模型根据当前上下文特征生成推荐参数，还具体包括，对连续的人工调整参数进行插值生成中间状态。

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四川省公路规划勘察设计研究院有限公司，其通讯地址为：610000 四川省成都市高新区天府一街535号1栋3层2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”。

以上内容由龙图腾AI智能生成。