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！

龙图腾网获悉同济大学申请的专利一种基于GIS和InSAR的地下快速路强化学习智能选线方法和计算机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：CN119537502B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202411585328.4，技术领域涉及：G06F16/29；该发明授权一种基于GIS和InSAR的地下快速路强化学习智能选线方法和计算机系统是由周彪;刘龙坤;谢雄耀设计研发完成，并于2024-11-07向国家知识产权局提交的专利申请。

本一种基于GIS和InSAR的地下快速路强化学习智能选线方法和计算机系统在说明书摘要公布了：本发明公开一种基于GIS和InSAR的地下快速路强化学习智能选线方法，包括：基于GIS和InSAR提供城市环境多源数据建立栅格化的观察空间，建立初始的线性连续的线路空间，共同构建强化学习模型的选线空间；强化学习模型的策略网络接收选线空间的参数信息输出线型参数；线型构建器修正线型参数，并对选线空间进行更新；多指标评价模型依据新的选线空间的参数信息输出奖惩值，强化学习模型的价值网络接收奖惩值计算梯度进行更新，并传递梯度更新策略模型；循环直到完成一轮选线，并计算积累的奖励值；当积累的平均奖励值未达到优化目标时，循环直到达到优化目标，找到最优设计。本发明的优点是有利于提高地下道路设计的效率和准确性。

本发明授权一种基于GIS和InSAR的地下快速路强化学习智能选线方法和计算机系统在权利要求书中公布了：1.一种基于GIS和InSAR的地下快速路强化学习智能选线方法，包括如下的步骤： 步骤S1，基于地理信息系统GIS和干涉合成孔径雷达InSAR提供的城市环境多源数据建立栅格化的观察空间，依据规范参数化地下快速的平面线形建立初始的线性连续的线路空间，两者共同构建强化学习模型的选线空间； 步骤S2，强化学习模型的策略网络接收选线空间的参数信息输出线型参数； 步骤S3，线型构建器根据规范要求修正线型参数，并对选线空间进行更新； 步骤S4，多指标评价模型依据新的选线空间的参数信息输出奖惩值，强化学习模型的价值网络接收奖惩值计算梯度进行更新，并传递梯度更新策略模型；包括： 步骤S41，多指标评价模型根据更新后的选线空间从多因素综合评价当前生成线路的，多指标评价模型参考的因素包括当前线路的设计参数，GIS遥感信息的地物分级、障碍信息、目标信息，以及InSAR提供的沉降信息；多指标评价模型需考虑的评价方面包括，目标的抵达性、避障性、经济性、安全性；具体的奖惩值计算如下： 4； 其中：为奖励值修正； 靠近目标的奖励：5； 其中：D为线路起始点至目标点的距离； 方向修正的奖励： 6； 指向障碍的惩罚：7； 线路长度的惩罚：8； 沉降风险的惩罚：9； 式中，指线路生成至第i步时，线路末端切线与端点至目标点连线的夹角；为第i步生成线路距离目标的距离；为状态信息的获取范围；为线路方向20°以内的最近障碍物的距离；l为当前生成一组单位线型的长度；为当前生成一组单位线型所历经的全部区块；为当前生成一组线型所历经的高风险区块；为奖励值修正，随着线路靠近终点增大，其中当线路抵达终点时，获得固定奖励值100，撞上障碍物，获得固定惩罚值-100； 步骤S42，强化学习价值网络和目标价值网络依据得到的奖励值，计算梯度进行价值网络更新，并将梯度传递值策略网络同时进行更新，目标网络部分复制策略网络和价值网络的参数进行软更新，梯度的计算方式如下： 10； 式中，表示价值网络的更新梯度，表示价值网络估计的未来最大奖励值，表示评价模型返回的奖惩值，表示更新后目标价值网络估计的未来最大奖励值； 步骤S5，循环步骤S2-S4，直到完成一轮选线，并计算积累的奖励值； 步骤S6，当积累的平均奖励值未达到优化目标时，循环步骤S1-S5，直到达到优化目标，找到最优设计。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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”。

以上内容由龙图腾AI智能生成。