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！

龙图腾网获悉苏交科集团股份有限公司申请的专利基于多尺度的公路长周期养护目标智能确定系统及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：CN120147095B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202510290524.7，技术领域涉及：G06Q50/26；该发明授权基于多尺度的公路长周期养护目标智能确定系统及方法是由卢勇;李豪;杨克;韦武举;洪盛祥;成正伟;倪玮;郭靖;黄九达;李亚丽设计研发完成，并于2025-03-12向国家知识产权局提交的专利申请。

本基于多尺度的公路长周期养护目标智能确定系统及方法在说明书摘要公布了：本发明公开了基于多尺度的公路长周期养护目标智能确定系统及方法，涉及公路长周期养护技术领域，所述系统包括：公路监测模块，用于利用监测设备，实时采集路面状况指标，同时监测交通流量数据；养护数据管理模块，用于记录各公路养护过程中的历史数据；养护数据智能更新模块，用于在公路长周期的养护过程中，基于路龄的大小变化以及实时交通流量数据变化，智能更新公路养护目标。本申请可以加强各环节之间的衔接，确保养护工作的连贯性和有效性，提高养护投资的效益，从而实现公路养护管理的高质量发展，综合提升公路养护科学决策水平、资金使用效率、市场专业程度、行业管理水平以及公众出行体验。

本发明授权基于多尺度的公路长周期养护目标智能确定系统及方法在权利要求书中公布了：1.基于多尺度的公路长周期养护目标智能确定方法，其特征在于：所述方法包括以下步骤： S1、在公路侧设置监测设备，实时采集路面状况指标，同时监测交通流量数据； S2、构建养护数据管理平台，记录各公路养护过程中的历史数据，形成历史大数据库，用于模型调用； S3、实时采集路龄的大小变化以及实时交通流量数据变化，智能更新公路养护目标； 在步骤S3中，还包括： 设置路面状况指标阈值作为公路养护目标，以公路养护过程中的历史数据作为训练数据，构建学习模型； 选取公路养护过程中的历史数据下的公路路龄大小和养护过程中对应的交通流量数据作为训练数据的自变量，所述养护过程中对应的交通流量数据取一个时间周期的交通流量平均值作为取值，若养护过程不足一个时间周期的，按照养护过程中的交通流量数据平均值作为取值； 所述一个时间周期指根据当前需要进行长周期养护的公路养护项目进行确定； 建立自变量样本数据取值X，其中X＝[x1、x2]，x1、x2分别代表公路路龄大小和养护过程中对应的交通流量数据；建立因变量样本数据取值y0，y0代表路面状况指标中的任一个指标；则形成训练数据的数据集其中，i的取值为1至N，N指训练数据的总数量； 基于训练数据的数据集，构建网络结构： 设置两个神经元作为输入层，分别对应x1、x2；设置L层隐藏层，每层设置有j个神经元，分别记为{H1、H2、…、Hj}；设置一个神经元作为输出层，对应因变量样本数据y0； 对于隐藏层中的第b层，前向传播公式为： zb＝Wbab-1+kb 其中，Wb是第b层的权重矩阵；kb是第b层的偏置向量；ab-1是第b-1层的激活值；b是常数，大于0小于等于L； 对应的输出层： ab＝ReLUzb 其中，代表第b+1层的预测值；Wb+1代表参与计算的第b+1层的权重矩阵；kb+1代表参与计算的第b+1层的偏置向量；ab代表参与计算的第b层的激活值；ReLU代表激活函数；G代表损失函数；ω代表学习率； 初始化权重矩阵与偏置向量的参数，设置训练轮次，不断更新参数，在到达设置的训练轮次时停止训练，形成的模型记为学习模型； 对于新的输入X，基于学习模型输出预测值进一步形成路面状况指标： 其中，M指路面状况指标阈值；Δm为养护过程中前序周期的差值平均值，具体计算包括： 其中，t指前序的周期数量；s代表序号；Ys指第s周期的养护形成的实际路面状况指标；ps指验收路面状况指标。

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苏交科集团股份有限公司，其通讯地址为：210000 江苏省南京市水西门大街223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。