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！

龙图腾网获悉中铁北京工程局集团有限公司申请的专利一种基于大数据的公路施工风险预测方法及系统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：CN121352518B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202511904696.5，技术领域涉及：G06Q10/0635；该发明授权一种基于大数据的公路施工风险预测方法及系统是由郑天龙;李利永;赖国森;李明星;马祥彪;王晓松;冀振宇;马旭东;穆剑;李益智;王斌设计研发完成，并于2025-12-17向国家知识产权局提交的专利申请。

本一种基于大数据的公路施工风险预测方法及系统在说明书摘要公布了：本发明涉及风险预测技术领域，具体为一种基于大数据的公路施工风险预测方法及系统，包括以下步骤：获取施工安全规程与设备故障树，构建管理‑故障耦合逻辑树，并结合数字孪生状态向量与规程缺陷确定初始风险概率，再解析实时指令更新数字孪生状态，最后用贝叶斯网络在离散时间步长上更新基础事件瞬时发生概率，生成风险概率演化序列。本发明中，通过构建管理与故障的逻辑关联，揭示规程缺陷诱发的失效，形成风险溯源路径，摒弃孤立风险评估，利用实时数据量化设备状态，替代专家打分，实现客观评估，并实时解析指令动态调整风险，基于贝叶斯网络生成概率演化序列，支撑趋势预判与前瞻性干预。

本发明授权一种基于大数据的公路施工风险预测方法及系统在权利要求书中公布了：1.一种基于大数据的公路施工风险预测方法，其特征在于，包括以下步骤： S1：获取施工安全操作规程与设备故障树，解析所述施工安全操作规程构建管理流程逻辑树，并关联所述管理流程逻辑树与所述设备故障树，计算管理-故障耦合逻辑树； S2：构建由电机输出功率、液压油黏度、结构疲劳损伤累积系数构成的数字孪生状态向量，分析所述施工安全操作规程缺陷确定失效率提升值，更新所述管理-故障耦合逻辑树基础事件节点的初始概率，计算初始风险概率； 所述初始风险概率的计算步骤具体为： S201：获取设备电机实时输出功率、液压油实时黏度与结构疲劳损伤累积系数，将采集的三项参数值作为分量构建三维数字孪生状态向量，并同步解析所述施工安全操作规程的全部条款，识别其中存在的指令逻辑冲突与前置操作条件缺失两类规程缺陷，依据预设的缺陷严重性等级映射表，将识别的所述规程缺陷转换为量化的失效率提升值； S202：调用所述管理-故障耦合逻辑树，并根据所述失效率提升值，在所述管理-故障耦合逻辑树中检索由所述规程缺陷直接关联转化的基础事件节点，将所述失效率提升值与检索的所述基础事件节点的初始概率进行逐项加和运算，建立更新后基础事件概率集； S203：基于所述管理-故障耦合逻辑树的整体拓扑结构，调用所述更新后基础事件概率集作为全部所述基础事件节点的输入概率，根据所述管理-故障耦合逻辑树中定义的所述逻辑与门乘法与所述逻辑或门加法运算规则，自底向上逐层传递并计算多个中间事件发生概率，直至完成顶层事件发生概率的求解，得到初始风险概率； 所述量化的失效率提升值的计算步骤具体为： 调用所述施工安全操作规程的所述全部条款，采用自然语言处理模型分析每个条款的逻辑结构与依赖关系，识别全部所述指令逻辑冲突与所述前置操作条件缺失缺陷； 为每项已识别的所述规程缺陷分配缺陷类型系数与传播影响因子，其中，所述指令逻辑冲突的所述缺陷类型系数高于所述前置操作条件缺失的所述缺陷类型系数； 根据以下公式计算所述量化的失效率提升值： ； 其中，代表第k个基础事件节点关联的所述量化的失效率提升值，代表与第k个基础事件节点关联的、由历史数据统计得到的基准失效率，代表与第k个所述基础事件节点直接关联的所述规程缺陷总数，j为从1到的整数，用于标识规程缺陷，代表第j项所述规程缺陷在所述预设的缺陷严重性等级映射表中对应的量化严重性等级分数，代表第j项所述规程缺陷的所述缺陷类型系数，代表第j项所述规程缺陷在所述管理流程逻辑树中的位置决定的所述传播影响因子； 遍历与单个所述基础事件节点关联的所有所述规程缺陷，获取所述量化严重性等级分数、所述缺陷类型系数与所述传播影响因子，执行乘积与累加求和运算，得到所述量化的失效率提升值； S3：解析实时管理指令提取指令参数，计算动态调整率更新所述数字孪生状态向量，生成调整后数字孪生状态向量； 所述调整后数字孪生状态向量的获取步骤具体为： S301：监测实时管理指令数据流，对接收的实时管理指令进行文本序列化解析，识别指令类型关键字、核心操作对象标识与量化数值，并将所述指令类型关键字、所述核心操作对象标识与所述量化数值进行结构化聚合，生成指令参数集； S302：提取所述指令参数集中的所述核心操作对象标识与所述量化数值，并依据预设的参数影响权重查找表，为每个所述核心操作对象标识匹配对应的权重系数，对所有所述量化数值与对应的所述权重系数进行乘积运算后，执行累加求和操作，得到状态向量动态调整率； S303：调用所述三维数字孪生状态向量，并针对所述状态向量动态调整率，将所述三维数字孪生状态向量的电机输出功率、液压油黏度、结构疲劳损伤累积系数三个分量，与所述状态向量动态调整率进行逐元素乘法运算，获取多分量调整增量，再将所述多分量调整增量与所述三维数字孪生状态向量的原始对应分量值进行矩阵加和，生成调整后数字孪生状态向量； 所述状态向量动态调整率的计算步骤具体为： 获取所述指令参数集，解析所述指令参数集提取全部所述核心操作对象标识、所述量化数值以及对应的指令时间戳； 调用所述预设的参数影响权重查找表，根据每个所述核心操作对象标识查询获得基础权重值，并基于所述指令时间戳与当前预测时间点的时间差，计算时间衰减系数； 将所述基础权重值与所述时间衰减系数相乘，得到动态权重系数，并根据以下公式计算所述状态向量动态调整率： ； 其中，代表所述状态向量动态调整率，N代表所述指令参数集中包括的指令总数，i为从1到N的整数，用于标识指令，代表第i条指令对应的所述量化数值，代表第i条指令的所述核心操作对象标识查询得到的所述基础权重值，代表当前预测时间点的所述时间戳，代表第i条指令的所述时间戳，代表用于控制衰减速度的预设时间衰减常数； 将所有所述指令的所述量化数值、所述基础权重值、当前预测时间点的所述时间戳、各条所述指令的所述时间戳以及所述时间衰减常数代入公式，执行累加求和与平均化处理，生成所述状态向量动态调整率； S4：基于所述管理-故障耦合逻辑树、所述初始风险概率与所述调整后数字孪生状态向量，在离散时间步长上用贝叶斯网络更新所述管理-故障耦合逻辑树基础事件的瞬时发生概率，连接顶层事件概率，生成风险概率演化序列。

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中铁北京工程局集团有限公司，其通讯地址为：102300 北京市门头沟区石龙经济开发区永安路20号3号楼A-7943室；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。