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！

龙图腾网获悉北京瞭望神州科技有限公司申请的专利基于大模型的人工智能时空数据处理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：CN119441641B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202510026396.5，技术领域涉及：G06F16/9537；该发明授权基于大模型的人工智能时空数据处理方法是由李政;石焜;王方东;陈晨乐;王长进;黄国雄设计研发完成，并于2025-01-08向国家知识产权局提交的专利申请。

本基于大模型的人工智能时空数据处理方法在说明书摘要公布了：本申请提供一种基于大模型的人工智能时空数据处理方法。该方法通过获取目标对象的时空轨迹信息，然后，根据时空轨迹信息中时空轨迹点序列的第一时空轨迹点以及第二时空轨迹点确定目标对象的速度特征向量，以形成时空轨迹点序列所对应的速度特征向量序列，以及根据时空轨迹点序列中的第一时空轨迹点、第二时空轨迹点以及第三时空轨迹点确定目标对象的加速度特征向量，以形成时空轨迹点序列所对应的加速度特征向量序列，从而根据速度特征向量序列、加速度特征向量序列以及预设时空轨迹预测模型确定当前时间节点的下一个时间节点目标对象的预测位置范围，进而实现预测目标对象在未来时间节点的位置范围的技术效果。

本发明授权基于大模型的人工智能时空数据处理方法在权利要求书中公布了：1.一种基于大模型的人工智能时空数据处理方法，其特征在于，包括： 获取目标对象的时空轨迹信息，所述时空轨迹信息包括时空轨迹点序列，所述时空轨迹点序列包括所述目标对象的多个时空轨迹点，各个时空轨迹点包括位置坐标以及对应的时间戳； 根据所述时空轨迹点序列中的第一时空轨迹点以及第二时空轨迹点确定所述目标对象的速度特征向量，以形成所述时空轨迹点序列所对应的速度特征向量序列，所述第一时空轨迹点与所述第二时空轨迹点为所述时空轨迹点序列中的任意两个相邻的时空轨迹点，所述第二时空轨迹点为所述第一时空轨迹点的下一个时空轨迹点； 根据所述时空轨迹点序列中的所述第一时空轨迹点、所述第二时空轨迹点以及第三时空轨迹点确定所述目标对象的加速度特征向量，以形成所述时空轨迹点序列所对应的加速度特征向量序列，所述第三时空轨迹点为所述第二时空轨迹点的下一个时空轨迹点； 根据所述速度特征向量序列、所述加速度特征向量序列以及预设时空轨迹预测模型确定当前时间节点的下一个时间节点所述目标对象的预测位置范围，所述当前时间节点所对应的时空轨迹点为所述时空轨迹点序列中的最后一个时空轨迹点，所述预设时空轨迹预测模型为基于深度时空神经网络模型所训练而成的预测模型，所述深度时空神经网络模型所包括的卷积神经网络用于提取所述时空轨迹点序列中的各个时空轨迹点之间的位置变化特征； 所述深度时空神经网络模型包括至少一层卷积神经网络层以及至少一层循环神经网络层，所述卷积神经网络层的与所述循环神经网络层连接；对应的，所述根据所述速度特征向量序列、所述加速度特征向量序列以及预设时空轨迹预测模型确定当前时间节点的下一个时间节点所述目标对象的预测位置范围，包括： 将所述速度特征向量序列以及所述加速度特征向量序列输入至所述卷积神经网络层，以使所述卷积神经网络利用公式3，提取所述时空轨迹点序列的行为特征值，以输出所述时空轨迹点序列所对应的特征图，所述公式3为： 其中，为特征图在位置的行为特征值，为预设激活函数，为卷积神经网络的卷积核的大小，且为奇数，为卷积核的扩展偏移量的权重，为输入数据在扩展后的位置的值，输入数据包括速度特征向量序列以及加速度特征向量序列，为预设偏置项，所述卷积核在所述输入数据的所有位置上共享，以减少所述深度时空神经网络模型的参数数量，并在整个所述输入数据上应用相同的特征检测器，以识别出不同位置的相似特征，所述卷积核的卷积操作用于捕捉所述速度特征向量序列中的速度突变以及所述加速度特征向量序列中的加速度突变； 将所述时空轨迹点序列所对应的所述特征图以及所述时空轨迹点序列输入至所述循环神经网络层，以输出所述预测位置范围。

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北京瞭望神州科技有限公司，其通讯地址为：100000 北京市西城区茶马街8号院5号楼2层2117；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”。

以上内容由龙图腾AI智能生成。