1.基于知识图谱的施工行为安全风险分析与危险点识别方法，其特征在于包括如下步骤：

（1）根据相关施工安全事故报告建立施工安全事故知识图谱，施工安全事故知识图谱的节点为施工安全事故的关键概念，节点关系为关键概念之间的联系，节点之间由一个或多个关系建立的通路称为路径，所述节点包括行为指标节点，节点中包含案例编号属性；所述节点关系包括导致关系，导致关系中包含次数属性，其中，所述施工安全事故知识图谱存储在Neo4j图数据库；

（2）根据所述施工安全事故知识图谱获取事故发生数据，并通过修正灰聚类算法分析现场行为安全数据，计算施工现场安全风险等级，所述修正灰聚类算法是指通过给转折点k k k

基本值λc中引入一个修正系数γc，进而计算灰聚类系数σi ，通过灰聚类系数σi 判断施工现场安全风险等级；

    （Ⅰ）

公式（Ⅰ）中，γc为第c类行为指标修正系数，αc∈[0,1]为调整系数，tc为第c类行为指标k

导致安全事故的总次数，σi 为第i周时第k类风险等级的灰聚类系数，k为第k类风险等级，k k

fc（x（i c））为第i周的评价值x（i c）对应的可能度函数值，λc为第c类行为指标的转折点基本值，n为n类行为指标；

（3）通过灰关联分析方法计算行为指标关联度，并根据所述行为指标关联度追踪关键行为指标，具体包括如下步骤：首先，令R0=（r0(1), r0(2),…, r0(n)）为高风险序列，表示所关注时间点前n周的高风险灰聚类系数，其中r为高风险的灰聚类系数，令Rj=（rj(1), rj(2),…, rj(n)）为行为指标序列，表示行为指标j连续n周的不安全行为次数，使序列平均值处理， ， ，其

中， 与 分别为R0、Rj序列的平均值；

再计算两序列的分项绝对差值序列 ，分项△（j n）计算如下： ，使 和

分别为所有序列△j分项中的最大值和最小值；

然后计算灰关联系数，定义行为指标序列与高风险序列的灰关联系数为ηj(n)，；其中 为分辨系数；

最后，将关联系数的平均值定义为行为指标j与高风险的灰关联度：，得出每个行为指标的灰关联度后，按照从大到小的顺序排序，靠前的几个行为指标即为关键行为指标；

（4）通过知识图谱路径推理算法识别关键行为指标相关危险点，再利用Neo4j图数据库查询语言Cypher进行查询关键行为指标的危险位置。

2.根据权利要求1所述的基于知识图谱的施工行为安全风险分析与危险点识别方法，其特征在于：步骤（1）中所述节点还包括作业活动节点、伤害类型节点、位置节点、安全事故节点、媒介物节点、事故原因节点、防护对策节点。

3.根据权利要求1所述的基于知识图谱的施工行为安全风险分析与危险点识别方法，其特征在于：步骤（4）中还对行为指标相关危险点的发生概率进行计算，并按照概率进行排序；所述概率包括单路径概率和和路径概率，单路径概率如公式（Ⅱ）：      （Ⅱ）

r s

公式（Ⅱ）中，Ps为行为指标r造成伤害类型s发生的概率，Nr为行为指标r造成伤害类型r

s的“案例编号”集合的长度，Nr为行为指标r的“案例编号”集合的长度；Pst为行为指标r在r

位置t造成伤害类型s的概率，Nst为行为指标r在位置t造成伤害类型s的“案例编号”集合的长度；

和路径概率如公式（Ⅲ）：

   （Ⅲ）

r r

公式（Ⅲ）中，Pt为行为指标r在位置t造成所有伤害类型的概率，Pst为行为指标r在位置t造成伤害类型s的概率，m为伤害类型的数量。