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！

龙图腾网获悉中交第一航务工程勘察设计院有限公司申请的专利基于多源数据特征匹配的路面性能监测方法、装置及介质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：CN121354031B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202511902884.4，技术领域涉及：G06V20/52；该发明授权基于多源数据特征匹配的路面性能监测方法、装置及介质是由宋英麟;杨长义;张金中;徐金昌;朱洪涛;邢树军;陈占峰;庞然;范莹莹;李奕璇;戚志慧;高天歌设计研发完成，并于2025-12-17向国家知识产权局提交的专利申请。

本基于多源数据特征匹配的路面性能监测方法、装置及介质在说明书摘要公布了：本申请公开了基于多源数据特征匹配的路面性能监测方法、装置及介质，涉及路面监测领域，该方法包括获取路面图像信息，基于路面图像信息获取灾害区域；获取灾害区域的环境数据和车辆动态数据；根据环境数据获取灾害区域的环境特征向量；根据车辆动态数据获取灾害区域的病害载荷特征向量；根据路面图像信息获取灾害区域的高分辨率纹理特征向量；以灾害区域为节点，基于环境特征向量、高分辨率纹理特征向量和病害载荷特征向量生成和更新灾害实例动态图谱。本申请解决了对病害区域的识别精度不高，数据监测一致性差的问题。

本发明授权基于多源数据特征匹配的路面性能监测方法、装置及介质在权利要求书中公布了：1.一种基于多源数据特征匹配的路面性能监测方法，其特征在于，所述基于多源数据特征匹配的路面性能监测方法包括： 获取路面图像信息，基于所述路面图像信息获取灾害区域； 获取所述灾害区域的环境数据和车辆动态数据；所述环境数据包括原始土壤含水率、土壤温度、降雨量、风速、风向、雨量、空气温度、空气湿度、光照强度和对应的时间戳； 基于以所述灾害区域的中心坐标为基准部署的分布式土壤湿度传感器阵列获取原始土壤含水率；湿度传感器布置在所述灾害区域的5cm、15cm、25cm深度处； 根据所述原始土壤含水率通过以下公式获取土壤体积含水率： ； 其中，为所述原始含水率数据，为对应深度的实测土壤容重，取1.0gcm3；θv为所述土壤体积含水率； 根据土壤体积含水率通过以下公式获取垂直渗透速率变化率： ； 其中，表示某深度z处在时间t的土壤体积含水率，表示渗透速率的突变强度指标； 根据土壤体积含水率和土壤水势土壤湿度上升的水势函数曲线与下降阶段的水势函数曲线，获取干湿转化范围内的含水率变化点和，根据以下公式获取回滞面积指标： ； 其中，表示所述土壤体积含水率中土壤在湿润过程中达到的最大含水率点，表示所述土壤体积含水率中土壤在干燥过程中达到的最小含水率点； 将基于所述体积含水率的阵列输入至预设的CNN-LSTM网络模型中获取跨时间尺度的湿度演变特征； 基于所述体积含水率通过以下公式计算每个深度的连续差分序列： ； 其中，为时间为t时的体积含水率与时间为的体积含水率的差值； 根据所述连续差分序列通过以下公式获取自相关函数： ； 其中，E为数学期望，为滞后时间，μ为差分序列均值，为方差； 当某一深度层的所述自相关函数在处出现峰值且满足的条件，即判定为湿度回升升事件，对处于湿度回升事件的灾害区域，统计湿度回升事件持续时间并根据以下公式计算湿度回升斜率特征： ； 其中，为湿度回升事件结束时的体积含水率；为湿度回升事件开始时的体积含水率； 基于所述土壤温度、降雨量、风速、风向、雨量、空气温度、空气湿度、光照强度和对应的时间戳建立SCS-CN水文模型，根据所述SCS-CN水文模型获取有效径流深度Q，采用泰森多边形算法划分所述灾害区域的雨量权重分布，确保每个实例精准匹配其72小时降雨过程，获取单位时间降雨强度，根据单位降雨强度获取侵蚀风险系数； 基于所述单位时间降雨强度It所产生的动能进行积分，获取单位面积累积侵蚀动能： ； 其中，为当前时间，α为动能转换系数，It为有效降雨强度，指数1.5表示动能与强度非线性关系； 利用布设在所述灾害区域周边的光照传感器与空气温度传感器对同一时间点进行同步采样，采集单位时间内的太阳辐射强度与对应的近地表空气温度变化值以构建热辐射模型；基于所述热辐射模型获取每个预设网格区域的热辐射通量值，根据所述预设网格区域的热辐射通量值通过以下公式获取相对于中心网格的通量差异： ； 其中为病害中心单元通量值，表示第i,j个网格的热辐射差异； 基于所述垂直渗透速率变化率、所述回滞面积指标、所述跨时间尺度的湿度演变特征、所述湿度回升事件的持续时间、所述湿度回升斜率、所述侵蚀风险系数和所述中心单元通量差异获取环境特征向量； 根据所述车辆动态数据获取所述灾害区域的病害载荷特征向量；其中，所述病害载荷特征向量包括所述灾害区域中重载车辆目标的通过次数、冲击系数和冲击放大因子；其中，所述重载车辆目标用于指示通过所述灾害区域的、轴数不小于预设轴数且等效单轴载荷不小于预设载荷的车辆； 根据所述路面图像信息获取所述灾害区域的高分辨率纹理特征向量；其中，所述高分辨率纹理特征向量包括所述灾害区域的主方向方差和骨架曲率熵； 针对时间戳在先的所述灾害区域，以所述灾害区域为节点，以所述环境特征向量、所述高分辨率纹理特征向量和所述病害载荷特征向量作为所述节点的属性基于图神经网络模型生成动态图谱； 提取时间戳在后的所述灾害区域的图像特征，基于输入至图神经网络模型的特征匹配模块查询所述图像特征获取匹配的时间戳在先的所述灾害区域； 提取时间戳在后的所述灾害区域的第一特性向量矩阵和时间戳在先的所述灾害区域的第二特性向量矩阵，若所述第一特性向量矩阵和所述第二特性向量矩阵的相似度得分不小于预设分值，则判定符合第一条件； 提取时间戳在后的所述灾害区域与时间戳在先的所述灾害区域之间的轮廓距离，若轮廓区域不小于第一预设距离，则判定符合第二条件； 获取时间戳在后的所述灾害区域与时间戳在先的所述灾害区域之间所述环境特征向量的余弦相似度，若所述余弦相似度不小于预设相似度，则判定符合第三条件； 获取时间戳在后的所述灾害区域与时间戳在先的所述灾害区域之间的时间间隔和空间距离，若所述时间间隔小于预设间隔且所述空间距离小于第二预设距离，则判定符合第四条件； 若同时符合所述第一条件、所述第二条件、所述第三条件和所述第四条件，确定所述时间戳在后的所述灾害区域与时间戳在先的所述灾害区域存在溯源关系，建立两个所述灾害区域之间的溯源属性，并基于所述环境特征向量、高分辨率纹理特征向量、病害载荷特征向量和所述溯源属性更新时间戳在后的所述灾害区域； 若不同时满足所述第一条件、所述第二条件、所述第三条件和所述第四条件，基于所述环境特征向量、高分辨率纹理特征向量和病害载荷特征向量更新所述动态图谱； 基于图卷积网络学习所述节点的权重，基于控图神经网络对所述节点的属性进行预测。

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交第一航务工程勘察设计院有限公司，其通讯地址为：300222 天津市河西区洞庭路18号颐航大厦；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。