(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111604098.8 (22)申请日 2021.12.24 (71)申请人 安徽省道路运输管理服 务中心 地址 230000 安徽省合肥市芜湖路27号银 环大厦 (72)发明人 贾雪枫　张孝法　张学和　 (74)专利代理 机构 合肥国晟知识产权代理事务 所(普通合伙) 34204 代理人 戈余丽 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 10/04(2012.01) G06Q 50/30(2012.01) G06F 16/22(2019.01) G06F 16/2458(2019.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种高效且精确的综合交通运输网络安全 风险点辨识方法 (57)摘要 本发明公开了一种高效且精确的综合交通 运输网络安全风险点辨识方法， 该方法包括以下 步骤： 完成综合交通运输网络中基础设施风险的 评估以及安全风险点的确定； 对 各个交通运输集 散点进行标识区域划分， 并在标识区域范围内进 行场景识别， 同时得到标识区域内危险品数量变 化信息； 根据危险品数量变化信息辨识出风险等 级高的交通运输集散点； 对各个交通运输集散点 的流量进行收集并预测， 若集散点流量预测数据 大于流量阈值， 则提高交通运输集散点的风险等 级； 将危险品数量变化信息及交通运输集散点流 量数据进行存储并建立数据库， 并根据基于运输 路径总风险最小原则对运输网络进行控制。 本发 明降低了综合交通 运输安全风险情况的发生。 权利要求书3页 说明书7页 附图1页 CN 114266490 A 2022.04.01 CN 114266490 A 1.一种高效且精确的综合交通运输网络安全风险点辨识方法， 其特征在于， 该方法包 括以下步骤： S1、 完成综合交通 运输网络中基础设施风险的评估以及安全风险点的确定； S2、 对各个交通运输集散点进行标识区域划分， 并在标识区域范围内进行场景识别， 同 时得到标识区域内危险品数量变化信息； S3、 根据危险品数量变化信息辨识出风险等级高的交通 运输集散点； S4、 对各个交通运输集散点的流量进行收集并预测， 得到集散点流量预测数据， 若集散 点流量预测数据大于流 量阈值， 则提高交通 运输集散点的风险等级； S5、 将危险品数量变化信息及交通运输集散点流量数据进行存储并建立数据库， 并根 据基于运输路径总风险最小原则对运输网络进行控制， 当交通运输集散点为汽车站 时， 假 设V为交通运输集散点使用的车辆集合{V1， V2， V3……}； N为需要配送服务的配送点的集合 {N1， N2， N3……}； 0为配送目的地仓库； 是一个整数， 表示如果车辆由i点驶向j点则为1， 否则为0； Rij表示从i点到j点行驶路径的风险期望值； Kv表示车辆的容量； Di表示需要配送 服务的配送点i的需求量； Lij表示车辆从i点驶向j点的距离， 因此考虑了 运输路径总风险最 小原则的数 学模型可表示为： 约束条件： v＝1，…NVp＝0，…n v＝1，…NV， 其中， 考虑了运输路径总风险最小原则的数学模型公式1.1表示运输的总风险最小； 约束条 件中的公 式1.2、 1.3、 1.4表 示所有的配送 点只被同一辆车访问一次； 约束条件中公 式1.5表 示每条路径上配送点的总需求 不能超过 车辆的总容 量。 2.根据权利要求1所述的一种高效且精确的综合交通运输网络安全风险点辨识方法，权　利　要　求　书 1/3 页 2 CN 114266490 A 2其特征在于， 所述交通 运输集散点包括机场、 码头、 汽车 车站、 火车 车站及高铁站。 3.根据权利要求1所述的一种高效且精确的综合交通运输网络安全风险点辨识方法， 其特征在于， 所述S2中对各个交通运输集散点进行区域划分， 并在区域范围内进行场景识 别， 同时得到区域内危险品数量变化信息还 包括以下步骤： S21、 建立 危险品数据集； S22、 通过信息获取设备在标识区域内进行场景识别， 并通过客户端绘出虚拟电子围栏 边界； S23、 通过信息获取设备获取虚拟电子围栏内的图像， 并通过分类识别器将该虚拟电子 围栏内的图像进行 形态识别； S24、 通过 形态识别结果， 得到标识区域内危险品数量变化信息； S25、 若标识区域内危险品数量大于第一危险阈值小于第二危险阈值， 则计数加一， 若 该标识区域内危险品数量大于第二 危险阈值， 则计数加三。 4.根据权利要求3所述的一种高效且精确的综合交通运输网络安全风险点辨识方法， 其特征在于， 所述信息获取设备包括工业相机、 光源及上位机 。 5.根据权利要求4所述的一种高效且精确的综合交通运输网络安全风险点辨识方法， 其特征在于， 所述S23中通过信息获取设备获取虚拟电子围栏内的图像， 并通过分类识别器 将该虚拟电子围栏内的图像进行 形态识别之前还 包括以下步骤： 通过上位机对虚拟电子围栏内的图像进行特征提取， 并通过七个区域Hu不变矩T1‑T7进 行识别： T1＝N20+N02 T2＝(N20‑N02)2+4N112 T3＝(N30‑3N12)2+(3N21‑N03)2 T4＝(N30+N12)2+(N21+N03)2 T5＝(N03‑3N12)(N30+N12)[(N30+N12)2‑3(N21+N03)2]+(3N12‑N03)(N12+N03)[3(N30+N12)2‑(N21+ N03)2] T6＝(N20‑N02)[(N30+N12)2‑(N21+N03)2]+4N11(N30+N12)(N12+N03) T7＝(3N21‑N03)(N30+N12)[(N30+N12)2‑3(N21+N03)2]+(3N12‑N03)(N12+N03)[3(N30+N12)2‑(N21+ N03)2]； 其中， Npq为(p+q)阶归一化中心距， 提取出7个不变矩T1‑T7， 并对7个不变矩进行归一化 处理。 6.根据权利要求5所述的一种高效且精确的综合交通运输网络安全风险点辨识方法， 其特征在于， 所述S3中根据危险品数量变化信息辨识出风险等级高的交通运输集散点时， 若所述计数大于三小于十， 则判断该交通运输集散点为轻度安全风险识别点， 若所述计数 大于十小于十五， 则判断该 交通运输集散点为中度安全风险识别点， 若 所述计数大于十五， 则判断该交通 运输集散点 为重度安全风险识别点。 7.根据权利要求1所述的一种高效且精确的综合交通运输网络安全风险点辨识方法， 其特征在于， 所述S4中对各个交通运输集散点的流量进行收集并预测， 得到集散点流量预 测数据， 若集散点流量预测数据大于流量阈值， 则提高交通运输集散点的风险等级还包括 以下步骤：权　利　要　求　书 2/3 页 3 CN 114266490 A 3