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！

龙图腾网恭喜南京东控智能交通研究院有限公司申请的专利不利交通状态实时辨识方法、装置及系统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：CN119207100B 。

龙图腾网通过国家知识产权局官网在2025-03-14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：202411709160.3，技术领域涉及：G08G1/01；该发明授权不利交通状态实时辨识方法、装置及系统是由李志斌设计研发完成，并于2024-11-27向国家知识产权局提交的专利申请。

本不利交通状态实时辨识方法、装置及系统在说明书摘要公布了：本发明公开了一种不利交通状态实时辨识方法、装置及系统，所述不利交通状态实时辨识方法包括：将获取到的历史道路交通数据发送至预先训练好的交通状态识别模型，获得每个监测点的交通状态评估结果；所述交通状态识别模型为基于Swish激活函数的多层感知机模型，包括输入层、多个隐藏层以及输出层，各层之间通过全连接的方式相连，交通状态识别模型的训练过程中采用交叉验证技术调整超参数；基于每个监测点的交通状态评估结果，使用阈值判断方法，确定出存在拥堵或潜在风险的区域。本发明能够在复杂多变的城市交通环境中实现高精度的实时辨识，及时发现并预警不利交通状况，提升交通管理的效率和安全性。

本发明授权不利交通状态实时辨识方法、装置及系统在权利要求书中公布了：1.一种不利交通状态实时辨识方法，其特征在于，包括：将获取到的历史道路交通数据发送至预先训练好的交通状态识别模型，获得每个监测点的交通状态评估结果；所述交通状态识别模型为基于Swish激活函数的多层感知机模型，包括输入层、隐藏层以及输出层，各层之间通过全连接的方式相连，交通状态识别模型的训练过程中采用交叉验证技术调整超参数；基于每个监测点的交通状态评估结果，使用阈值判断方法，确定出存在拥堵或潜在风险的区域，其中，所述交通状态评估结果为交通密度；所述历史道路交通数据的获取方法包括：获取原始道路交通数据；对所述原始道路交通数据进行数据融合，将来自不同来源的数据整合成统一的数据流，得到第一道路交通数据；对所述第一道路交通数据进行清洗，去除无效数据点，并填充缺失值，得到第二道路交通数据；对所述第二道路交通数据进行特征提取，得到历史道路交通数据；在去除无效数据点时，采用的计算公式为： 其中，zi是标准化后的第i个数据点，xi是第i个数据点的原始值，wi是第i个数据点xi的权重，μw是加权均值，σw是加权标准差；如果∣zi∣Z，则认为xi为无效数据点，Z是阈值，N1为数据点总数；在填充缺失值，采用计算公式为： 其中，t1是前一个有效数据点的时间戳，t2是后一个有效数据点的时间戳，t是需要插值的数据点的时间戳，ω1是前一个有效数据点的权重，ω2是后一个有效数据点的权重，ω’1是调整后的前一个有效数据点的权重，ω’2是调整后的后一个有效数据点的权重，y1是前一个有效数据点的值，y2是后一个有效数据点的值，是插值后的值；所述对所述第二道路交通数据进行特征提取，包括：基于所述第二道路交通数据，计算出每个监测点的交通密度Dkt，其中，Dkt是第k个监测点在时间t的交通密度，反映道路上车辆的密集程度；ak,j是第k个监测点的第j种类型车辆的权重；Vk,jt是在时间t第k个监测点的第j种类型车辆数；Fk,jt是在时间t第k个监测点的第j种类型车辆的道路有效容量；基于所述第二道路交通数据和每个监测点的交通密度Dkt，使用递归特征消除算法，逐步去除最不相关的特征，生成特征向量作为历史道路交通数据；所述递归特征消除算法采用的选择公式为：RFES,N2＝selectN2featuresfromS，其中，S是初始特征集，N2是选择的特征数量；阈值判断方法中的交通密度的阈值的计算方法包括：计算交通密度的均值μD和标准差σD： 其中，Dkt是第k个监测点在时间t的交通密度，kmax是监测点总数；基于交通密度的均值μD和标准差σD确定交通密度的阈值Dth，所述阈值Dth的计算公式为：Dth＝μD+hD·σD；其中，hD是一个经验系数。

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南京东控智能交通研究院有限公司，其通讯地址为：211106 江苏省南京市江宁区天元西路银城inc中心2号楼16楼；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”。