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！

龙图腾网获悉江苏东南智能科技集团有限公司;安徽交通职业技术学院申请的专利基于大数据画像技术的货车超限超载分类分级管控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：CN119694133B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202510200596.8，技术领域涉及：G08G1/01；该发明授权基于大数据画像技术的货车超限超载分类分级管控系统是由万芳;闫岩;杨善晖;王文设计研发完成，并于2025-02-24向国家知识产权局提交的专利申请。

本基于大数据画像技术的货车超限超载分类分级管控系统在说明书摘要公布了：本发明公开了基于大数据画像技术的货车超限超载分类分级管控系统，属于交通运输管理技术领域，其具体包括：从多元数据源采集货车动态行驶数据并预处理；运用多模态特征融合策略深度整合数据，提取货车多维度综合特征信息，并以货车多维度综合特征信息为基础，使用数据挖掘与机器学习构建不同类型货车的大数据画像模板，精准勾勒各类货车特征；基于画像，结合实时动态行驶数据实时判断货车是否超限超载，并依超限超载比例、违法频次及危害后果精准分级，并针对不同分级货车实施差异化管控，解决了货车超限超载监管难题，提升了交通运输管理效能。

本发明授权基于大数据画像技术的货车超限超载分类分级管控系统在权利要求书中公布了：1.基于大数据画像技术的货车超限超载分类分级管控系统，其特征在于，包括：数据分析模块、画像构建模块、判断与分级模块、管控与执行模块； 所述数据分析模块包括数据采集单元和融合单元，所述数据采集单元，用于通过传感器采集货车动态行驶数据；所述融合单元内配置有多模态特征融合策略，所述多模态特征融合策略，用于将预处理后的货车动态行驶数据进行深度融合，提取货车多维度综合特征信息； 所述画像构建模块包括聚类分析单元和画像模板生成单元，所述聚类分析单元内配置有改进的聚类策略，所述改进的聚类策略，用于判断融合货车数据中的当前点是否为核心点，进行聚类；所述画像模板生成单元，用于为每个货车群体生成大数据画像模板； 所述判断与分级模块，用于结合实时采集的货车动态行驶数据和大数据画像，综合判断货车是否存在超限超载行为，并根据预设的分级规则进行分级； 所述管控与执行模块包括措施制定单元，所述措施制定单元，用于根据分级结果制定差异化管控措施； 所述融合单元采用一种多模态特征融合策略，多模态特征融合策略的具体步骤包括： A1：从分布式数据存储节点获取经过预处理后的货车动态行驶数据，并依据数据来源和深层特征属性，将预处理后的货车动态行驶数据精准划分为五个模态组； A2：利用分布式计算框架，将每个模态组的数据划分成N个数据块，并把每个模态组数据进行归一化处理的任务分配到不同的计算节点上； A3：在每个分配到任务的计算节点上，使用归一化方法对各自负责的数据块进行计算，并通过分布式计算框架的通信和同步机制将结果汇总回分布式计算框架的主节点，公式为： ； 其中，表示归一化后的第i个模态组第j个数据块中的货车动态行驶数据，表示第i个模态组第j个数据块中的货车动态行驶数据，表示中对应的最小值，表示中对应的最大值，a和b表示缩放因子，c表示非线性变换的系数，表示正数，表示非线性函数； A4：把每个模态组归一化后的数据按照特征维度进行整理，形成各模态组的归一化特征向量，其中，表示归一化后的第i个模态组第N个数据块中的货车动态行驶数据； A5：根据各模态组归一化特征向量，计算两两模态组之间的相关性，并生成多维关联矩阵，公式为： ； 其中，表示归一化后的第i个模态组中的第n个货车动态行驶数据，n表示货车动态行驶数据的数量，且，表示每个数据块中的货车动态行驶数据的数量，表示第e个模态组和第r个模态组之间的相关性，表示归一化后的第e个模态组和第r个模态组中第k个货车动态行驶数据的加权因子，和分别表示归一化后的第e个模态组和第r个模态组中的第k个货车动态行驶数据，和分别表示归一化后的第e个模态组和第r个模态组中货车动态行驶数据的均值，和分别表示归一化后的第e个模态组和第r个模态组中第k个货车动态行驶数据的偏移量，r、e表示两个不同的模态组，表示第i个模态组和第i-1组之间的相关性； 所述多模态特征融合策略的具体步骤还包括： A6：基于多维关联矩阵，引入注意力机制，并将注意力机制的输出和业务优先级规则结合，通过改进的Softmax函数计算不同模态的实时权重，形成动态权重向量，其中，表示调整后的第i个模态组的重要性得分，表示正则化参数，u表示偏置项，v表示权重调整参数； A7：按照动态权重向量将各模态的特征向量进行加权求和，得到最终的融合货车数据，并将其存入特征提取输入缓冲区； 所述聚类分析单元采用一种改进的聚类策略，改进的聚类策略的具体步骤包括： B1：从缓冲区中提取A7中获得的最终的融合货车数据，根据聚类需求，设置核心点的判断阈值h，其中，表示第q个最终的融合货车数据，q表示最终的融合货车数据的数量； B2：对于中的每个数据点，计算每个数据点周围的密度； B3：将每个数据点周围的密度与h进行比较； 若，则判断该数据点为核心点； B4：以核心点为中心，根据设定的h，将周围的数据点归入同一聚类中； B5：对于已形成的聚类，继续寻找与已形成的聚类相邻且满足的数据点，并将满足的数据点归入该聚类中，直到无法再找到满足条件的数据点为止； B6：从聚类结果中提取出每个货车群体的特征信息，并将提取的特征信息填入预设的大数据画像模板中，生成每个货车群体的大数据画像模板，所述货车群体的特征信息包括行驶路线、速度分布、停留时间； 所述判断与分级模块，用于根据货车的大数据画像信息和实时采集货车的行驶数据来综合判断是否存在超限超载行为，并根据设定的分级规则，将货车划分为不同的级别； 所述实时采集货车的行驶数据包括当前载重； 所述预设的分级规则包括超限超载比例、历史违法违规频次、造成的危害后果。

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江苏东南智能科技集团有限公司;安徽交通职业技术学院，其通讯地址为：211106 江苏省南京市江宁区秣陵街道盛运路9号(江宁开发区)；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”。