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！

龙图腾网获悉中国科学院生态环境研究中心申请的专利一种基于多源数据融合与集成算法驱动的城市道路CO2浓度逐时模拟预测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：CN119476027B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411605759.2，技术领域涉及：G06F30/27；该发明授权一种基于多源数据融合与集成算法驱动的城市道路CO2浓度逐时模拟预测方法是由王思远;刘迪;张明慧;王晶;秦文凯;刘千禧;付浩设计研发完成，并于2024-11-12向国家知识产权局提交的专利申请。

本一种基于多源数据融合与集成算法驱动的城市道路CO2浓度逐时模拟预测方法在说明书摘要公布了：本发明公开了一种基于多源数据融合与集成算法驱动的城市道路CO2浓度逐时模拟预测方法，包括通过整合道路走航监测CO2浓度数据、道路信息与交通数据、气象数据和人文地理数据等多源异构数据，构建一种基于随机森林RF模型与长短期记忆网络LSTM模型集成算法的CO2浓度模拟模型。本发明在模拟城市道路CO2浓度时，考虑到单一模型可能无法很好地准确性模拟的问题，采用了集成算法，将随机森林模型与长短期记忆网络模型进行组合集成，选择最优模型对道路CO2浓度模拟，从而有效提升模拟的准确性。

本发明授权一种基于多源数据融合与集成算法驱动的城市道路CO2浓度逐时模拟预测方法在权利要求书中公布了：1.一种基于多源数据融合与集成算法驱动的城市道路CO2浓度逐时模拟预测方法，其特征在于：所述方法具体步骤如下： 步骤1、构建道路走航监测系统，设计走航监测方案，获取城市部分道路CO2浓度数据、车速、路景影像、风速、风向、温度、湿度、监测数据对应时间及地理坐标信息； 步骤2、以部分道路走航监测CO2浓度数据为基础数据，进行数据清洗与预处理； 步骤3、结合对应路景影像，使用YOLO-v8算法等图像识别算法进行道路车辆行驶状况和车辆类型信息进行提取； 步骤4、收集道路属性信息、交通状况、气象数据、大气背景CO2浓度观测数据、土地利用数据、POI数据、人口分布数据，根据时空匹配算法与道路CO2浓度监测数据和车辆信息提取结果进行匹配，构建多源输入特征变量数据集； 所述步骤4的具体步骤为： 步骤41、针对城市POI数据与高空间分辨率人口分布数据，对每个CO2浓度监测点，设置半径为500m的缓冲区，统计缓冲区范围内监测点的POI总数与人口总数，作为该监测点对应的POI与人口数据值； 步骤42、针对高空间分辨率土地利用数据，对每个CO2浓度监测点，设置半径为500m的缓冲区，统计缓冲区范围内工业用地、商业服务业用地、居民住宅用地、林地、草地、水域用地类型在缓冲区范围内的面积占比，该监测点对应的各类土地利用类型占比作为该监测点对应的土地利用类型数据； 步骤43、针对收集的道路车道数量、道路宽度、根据道路监测点的经纬度坐标与路段信息进行匹配； 步骤44、针对道路拥堵状况数据与车辆平均行驶速度数据，根据道路监测点的经纬度坐标、监测时间进行一一匹配； 步骤45、基于高时空分辨率的地表气象要素数据与大气背景CO2浓度数据，对道路监测数据定义与其相同空间分辨率的格网，并通过道路监测点的经纬度坐标，确定其所在格网位置，并结合道路CO2浓度数据采集时间，实现监测点数据与气象要素在空间和时间上的匹配，完成多源输入特征数据集构建； 步骤5、以道路CO2浓度数据为真值，其他数据作为输入特征变量，对数据进行标准化处理，对数据进行划分，构成训练集、验证集； 步骤6、基于收集的多源异构数据，构建一种基于随机森林模型与长短期记忆网络集成算法的城市道路CO2浓度逐时模拟预测模型，并使用训练集进行模型训练； 步骤7、使用验证集对模型进行精度验证与评价； 步骤8、基于训练完成的城市道路CO2浓度模拟预测模型，对城市逐条道路碳浓度逐时模拟。

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中国科学院生态环境研究中心，其通讯地址为：100085 北京市海淀区双清路18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。