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！

龙图腾网获悉中国人民解放军海军工程大学申请的专利一种船舶航行风险控制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：CN120199111B 。

龙图腾网通过国家知识产权局官网在2026-01-13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：202510223143.7，技术领域涉及：G08G3/02；该发明授权一种船舶航行风险控制方法是由李营;王康勃;侯岳;李昂;尹浩设计研发完成，并于2025-02-27向国家知识产权局提交的专利申请。

本一种船舶航行风险控制方法在说明书摘要公布了：本发明属于船舶航行风险管理技术领域，尤其涉及一种船舶航行风险控制方法。包括如下步骤：通过船舶航行服务系统获取船拟定标准数据文件；确定事故类别下相应要素；对综合权重和影响权重进行排序构成风险事故要素图模；根据风险事故要素图模中的要素类型，提取历史航行事故数据；建立图形式样本数据库；采用多层网络分类模型对航行图形式样本进行分类训练；得到典型特征类别，匹配待分析船舶风险事故特征进行风险管控。本申请用于通过分析船舶航行风险事故历史数据中各项要素特征，完成不同类型船舶在航行过程中的风险事故特征分类识别，并借此对待分析船舶航行风险事故进行分类预测，确定其航行事故特征，以便于采取针对性的事故预防措施。

本发明授权一种船舶航行风险控制方法在权利要求书中公布了：1.一种船舶航行风险控制方法，其特征在于，包括如下步骤： 步骤1、通过船舶航行服务系统获取船舶航行过程中的航行事故数据信息，根据航行风险影响要素的需求拟定标准数据文件，通过标准数据文件汇总各类船舶航行服务系统内的属性数据； 步骤2、确定操作不当事故、船舶问题事故、航线问题事故类别下相应要素；具体而言： 提取船舶操作不当引起的航行事故的历史数据，整理得到操作不当事故对应的要素序列，其中是指第个要素，是指要素的总样本数； 对于某一类操作不当事故，分析每一次操作不当事故的原因，提取导致操作不当事故发生的要素序列； 其中是指导致第次操作不当事故发生时要素的指示值，表示第次操作不当事故发生时存在要素的影响，表示第次操作不当事故发生时不存在要素的影响； 获取所有的要素序列，删除的元素，之后剔除重复的要素序列，得到引起操作不当事故的要素组合序列；其中表示引起操作不当事故的第种要素集合，； 从历史数据中提取受任意要素组合影响的风险事故样本集，基于专家评分系统或统计分析，统计中要素组合对风险事故样本集中样本的影响程度属于所有要素组合中最低的样本的数量，计算对应要素组合下的影响系数；其中是指样本集中样本总样本数；计算操作不当事故涉及的要素组合的综合权重； 基于上述步骤，计算船舶问题事故的船舶问题要素组合对应的要素组合影响系数和要素组合序列的综合权重；计算航线问题事故的航线问题要素组合对应的要素组合影响系数和要素组合序列的综合权重； 其中是指第类船舶问题事故对应的第船舶问题要素组合，是指历史数据中受船舶问题要素中任意组合影响的事故样本集的总样本数，是样本集中船舶问题要素组合的影响程度属于所有船舶问题要素组合中最低的样本的数量；其中是指第类航线问题事故对应的第中航线问题要素组合，是指历史数据中受航线问题要素中任意组合影响的事故样本集的总样本数，是样本集中航线问题要素组合的影响程度属于所有航线问题要素组合中最低的样本的数量； 步骤3、分别对综合权重和影响权重进行排序，对每一类船舶，按照权重由大到小的顺序对操作不当事故、船舶问题事故、航线问题事故进行排序，同时对操作不当事故、船舶问题事故、航线问题事故内对应的组合要素进行筛选排序，分别从每一类事故中由大到小筛选影响权重较大的若干个要素组合，构成各类船舶的风险事故要素图模； 步骤4、根据各类船舶的风险事故要素图模中的要素类型，提取相应船舶的历史航行事故数据；针对每一个船舶航行事故样本，提取要素指标值并归一化，得到归一化值； ； 其中是要素指标的最大值，是要素指标的最小值； 根据相应船舶类型的风险事故要素图模的顺序，整理后得每一个船舶的要素序列；其中是指第个船舶的风险事故要素图模中第个要素的指标值，是指风险事故要素图模中要素的总数； 将要素序列统一转换为图形式样本；整理每一类船舶中所有图形式样本建立该类船舶的航行图形式样本数据库，其中为图形的尺寸； 步骤5、采用多层网络分类模型对航行图形式样本进行分类训练；多层网络分类模型以ResNet34多分支网络为基础建立，包括特征提取模块和特征融合模块； 特征提取模块的输入为图形式样本，经过ResNet34网络的多层膨胀卷积块产生具有不同膨胀率的输出图像，输出图像经过Inception网络提取输出图像的特征； 特征融合模块采用多极特征加权融合网络进行特征加权融合，包括对不同膨胀率输出图像的特征图经过膨胀卷积、归一化、线性整流激活以及自适应平均池化后输出融合特征； 将图形式样本数据库分割成训练数据集和验证数据集，利用训练数据集对多层网络分类模型进行训练，利用验证数据集对多层网络分类模型进行参数优化调整，得到最终的多层网络分类模型； 步骤6、将图形式样本数据库中样本输入训练结束的多层网络分类模型得到若干个类型的分类结果，得到表示某类船舶的航行事故的典型特征类别，与分类结果具有相似要素特征的船只的航行事故特征与该典型特征类别一致； 通过采集待分析船舶的过往航行事故要素信息，输入分类网络进行分类，即可得到其航行事故的典型特征，通过匹配待分析船舶预期航线上具有同样典型特征的同类船舶的风险事故特征，即可对待分析船舶发生的航行风险事故进行预测并根据预测结果进行风险管控。

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国人民解放军海军工程大学，其通讯地址为：430033 湖北省武汉市解放大道717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。