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！

龙图腾网获悉大连海事大学申请的专利一种复杂度学习驱动的无人电卡集疏运路径优化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：CN119670998B 。

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：202411731939.5，技术领域涉及：G06Q10/047；该发明授权一种复杂度学习驱动的无人电卡集疏运路径优化方法是由缪鸿志;沈浩;李歆蔚;李嘉威;张翔;甘佐贤设计研发完成，并于2024-11-29向国家知识产权局提交的专利申请。

本一种复杂度学习驱动的无人电卡集疏运路径优化方法在说明书摘要公布了：本发明提供一种复杂度学习驱动的无人电卡集疏运路径优化方法，包括：综合考虑静态道路属性、动态交通流、天气因素以及车流和路网交互特征，根据n个道路场景样本构架自然驾驶数据集；采用独立性权重法MCC计算道路场景样本各个特征的客观权重，表征不同特征对复杂度贡献的差异；利用逼近理想解法TOPSIS对道路场景样本发复杂度进行量化评分；搭建神经网络模型自适应学习道路场景样本的内在规律，估计动态不确定场景的复杂度；利用自然驾驶数据集对神经网络模型进行训练；引入ODD边界和车辆续航约束，构建复杂约束车辆路径优化模型，实现路径优化。

本发明授权一种复杂度学习驱动的无人电卡集疏运路径优化方法在权利要求书中公布了：1.一种复杂度学习驱动的无人电卡集疏运路径优化方法，其特征在于，包括： 综合考虑静态道路属性、动态交通流、天气因素以及车流和路网交互特征，根据n个道路场景样本构架自然驾驶数据集； 采用独立性权重法MCC计算道路场景样本各个特征的客观权重，表征不同特征对复杂度贡献的差异； 利用逼近理想解法TOPSIS对道路场景样本复杂度进行量化评分； 搭建神经网络模型自适应学习道路场景样本的内在规律，估计动态不确定场景的复杂度； 利用自然驾驶数据集对神经网络模型进行训练； 引入ODD边界和车辆续航约束，构建复杂约束车辆路径优化模型，实现路径优化； 所述复杂约束车辆路径优化模型基于以下假设： 假设港口集疏运网络表示为一个完全图，其中为节点集合，包括港口节点0和客户节点集合，为节点间的有向弧集合； 假设客户节点的进出口箱需求已知，且可进行拆分，即每个节点可以被多辆无人电卡多次服务； 假设无人电卡车队由额定TEU、续航里程相同的纯电动集卡组成，且均支持在特定ODD边界内自动驾驶； 假设不考虑随机因素，且单位距离能耗恒定； 假设各客户节点的集装箱尺寸统一为标准TEU，且节点间可共享空箱； 假设规划期内客户需求已知且固定，不考虑需求的动态变化； 所述引入ODD边界和车辆续航约束，构建复杂约束车辆路径优化模型，具体包括： 考虑集装箱运输的多次取送特征和空箱共享模式；将复杂约束车辆路径优化模型建模为混合整数规划模型，表示为： ， ， ， ， ， ， ， ， ， ， ， 其中，表示需求节点集合，表示节点集合，其中，0表示港口，表示无人电卡集合，表示无人电卡出行次数集合；表示节点和之间运输路线的道路场景向量，表示节点和之间的距离，表示节点的出口箱需求量，表示节点的进口箱需求量，表示无人电卡的载运能力，表示无人电卡的续航里程，表示无人电卡的ODD边界复杂度，为0-1变量，若号无人电卡第次行程由驶向则为1，否则为0；表示号无人电卡第次行程由驶向的途中所装载的出口集装箱量，表示号无人电卡第次行程由驶向的途中所装载的进口集装箱量。

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大连海事大学，其通讯地址为：116026 辽宁省大连市甘井子区凌水街道凌海路1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”。