[发明专利]一种基于机器学习和区块链技术控制施工作业风险的方法

权利要求书

1.一种基于机器学习和区块链技术控制施工作业风险的方法，其特征在于，步骤包括：

创建包含施工作业结果信息的各施工作业对应的训练模型；

利用所述训练模型对当前新开的作业票进行安全程度评估，以确定当前新开的作业票对应的施工作业的安全程度；

对完成的施工作业进行作业票关票签字，并将形成的签字文件发布至区块形成区块链数据。

2.如权利要求1所述的基于机器学习和区块链技术控制施工作业风险的方法，其特征在于，根据既往施工的作业票信息获取既往施工作业对应的包含施工作业结果信息的特征数据，并对所述特征数据通过其维度的列向量划分以提取相应的特征向量；

对提取到的所述特征向量进行数据聚类训练以确定最大化间隔的超平面，从而得到所述训练模型。

3.如权利要求2所述的基于机器学习和区块链技术控制施工作业风险的方法，其特征在于，所述数据聚类训练依据下述公式进行：

其中，ω为最大化支持向量到超平面的距离，超参数C、δ为松弛变量。

4.如权利要求3所述的基于机器学习和区块链技术控制施工作业风险的方法，其特征在于，根据下述公式对所述当前新开的作业票进行打分，以确定当前新开的作业票对应的施工作业的安全程度；

其中，ɑ为既往施工作业中事故发生的次数的数据，σ是对应既往施工作业中事故发生次数所占比例的数据。

5.如权利要求1所述的基于机器学习和区块链技术控制施工作业风险的方法，其特征在于，还包括：

区块链服务器对所述签字文件的发送者进行身份验证，若所述发送者身份经验证为合法，则将所述签字文件形成区块链数据。

6.如权利要求5所述的基于机器学习和区块链技术控制施工作业风险的方法，其特征在于，若所述区块链服务器对所述签字文件的发送者经验证为非法，则形成内容为检查未通过的检查信息并反馈给中间件服务器集群；

所述中间件服务器集群通过信息管理服务模块进行对应的应对处理。

7.如权利要求1所述的基于机器学习和区块链技术控制施工作业风险的方法，其特征在于，还包括：

设定施工作业验收人员在预定时间内在同一地点验收作业票的数量阈值；

获取施工作业验收人员的当前位置信息，并对施工作业验收人员在当前位置验收作业票的数量进行监测；

若所述施工作业验收人员在当前位置验收作业票的数量超过所述数量阈值，则判定所述施工作业验收人员的验收作业票的结果违规。

8.如权利要求7所述的基于机器学习和区块链技术控制施工作业风险的方法，其特征在于，若所述施工作业验收人员的当前位置信息未在施工作业区域内，则发出当前验收设备不合格的报警。

9.如权利要求7所述的基于机器学习和区块链技术控制施工作业风险的方法，其特征在于，还包括：

预先存储包含施工作业区域的三维矢量地图，并根据作业票在所述三维矢量地图上构建施工作业区域对应的电子围栏；

统计电子围栏内施工作业人员配备的定位装置的数量，并根据作业票信息发出施工作业人员超员预警或者施工作业人员缺员预警。

10.如权利要求9所述的基于机器学习和区块链技术控制施工作业风险的方法，其特征在于，统计施工作业人员配备的定位装置处于电子围栏内的时长，并根据作业票信息发出施工作业人员滞留报警。

11.如权利要求9所述的基于机器学习和区块链技术控制施工作业风险的方法，其特征在于，当施工作业人员配备的定位装置进入或者离开所述电子围栏时，发出越界报警。

12.如权利要求9所述的基于机器学习和区块链技术控制施工作业风险的方法，其特征在于，施工作业过程中，当电子围栏内的非超员例外人员配备的定位装置数量超过预设值且持续时长超过预设超员时间阈值，则发出超员报警。