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！

龙图腾网获悉集美大学申请的专利一种面向车路云一体化的交通信息共享方法、设备及介质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：CN120849726B 。

龙图腾网通过国家知识产权局官网在2026-01-16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：202511358128.X，技术领域涉及：G06F16/9536；该发明授权一种面向车路云一体化的交通信息共享方法、设备及介质是由高志斌;杨长进;方煌杰;许伟坚;孙养龙;赖联有;宋中哲设计研发完成，并于2025-09-23向国家知识产权局提交的专利申请。

本一种面向车路云一体化的交通信息共享方法、设备及介质在说明书摘要公布了：本发明公开了一种面向车路云一体化的交通信息共享方法、设备及介质，包括：构建车辆社交网络图；解析用户的自然语言订阅请求，生成结构化决策要素；采用数据与知识双驱动的协同决策框架进行多属性决策，生成最优工作组配置；将感知需求参数加密下发至最优工作组中的各个节点，实现多节点时空关联的感知融合，得到多源感知数据；对采集的多源感知数据进行标准化封装和可信度评估，过滤不可信数据，得到可信数据；对可信数据进行清洗，并对可信数据中的敏感信息实施分级脱敏，得到交通信息；将交通信息推送给订阅用户，并基于用户反馈构建智能闭环优化体系以优化交通信息共享服务。本发明能提高交通信息服务中中动态协同感知能力。

本发明授权一种面向车路云一体化的交通信息共享方法、设备及介质在权利要求书中公布了：1.一种面向车路云一体化的交通信息共享方法，其特征在于，包括如下步骤： 步骤1、构建并实时更新以车辆为节点和以车辆间关系为边的车辆社交网络图； 步骤2、解析用户的自然语言订阅请求，提取时空约束和事件类型特征，生成结构化决策要素； 步骤3、基于所述结构化决策要素，采用数据与知识双驱动的协同决策框架进行多属性决策，生成车辆社交网络图中最优工作组配置；所述数据与知识双驱动的协调决策框架具体包括： 数据驱动层：基于车辆社交网络图中的多源实时车辆数据，采用动态聚类算法融合时空轨迹与状态向量的复合距离度量进行动态用户聚类，生成用户特征向量； 知识驱动层：通过多库协同系统进行本体映射与知识融合，提取约束条件；所述多库包括交通本体库、专家规则库、历史案例库和交互知识库； 资源约束层：由量化指标与电网监控数据共同构成，并实时监控边缘计算节点与电网状态，构建设备能力模型与能耗约束； 决策融合层：通过图神经网络集成知识注入的关系特征与多目标优化机制，将数据特征、知识约束与资源画像进行联合建模，通过混合整数规划生成最优工作组配置； 步骤4、基于最优工作组配置结果，将感知需求参数加密下发至最优工作组中的各个节点，建立跨设备时空同步机制，实现多节点时空关联的感知融合，得到多源感知数据； 步骤5、对采集的多源感知数据进行标准化封装和可信度评估，过滤不可信数据，得到可信数据；具体包括： 步骤51、最优工作组完成感知任务后，边缘设备针对采集的多源感知数据进行预处理，采用带时空锚点的链式数据结构对多源感知数据进行标准化封装，得到结构化数据；再将结构化数据上传至云服务平台；所述结构化数据包含设备ID、时间戳序列、空间坐标、数据内容、后向指针和时空标识字段； 步骤52、边缘设备通过时间戳序列与空间坐标的双向锚定，为每帧数据生成唯一的时空标识，形成具备时序连续性与地理可追溯性的数据链； 步骤53、基于车辆社交网络图引入的图注意力机制和优化层次分析法构建包含目标层、准则层与指标层的层次化图结构评估体系，其中，所述目标层为综合可信度，所述准则层依赖于设备能力、时空一致性和环境干扰这三个准则的可信度评估构成，准则层由车辆社交网络图中各节点的属性形成多维度指标关联网络； 步骤54、通过指标层与图注意力机制的融合，实现从细粒度指标关联建模到全局场景适配的智能评估计算综合可信度； 步骤55、设定准入阈值，若综合可信度超过该准入阈值，则过滤对应的不可信数据；若综合可信度不超过该准入阈值，则保留对应的可信数据； 步骤6、基于交通知识图谱对可信数据进行清洗，并对可信数据中的敏感信息实施分级脱敏，得到交通信息； 步骤7、将交通信息推送给订阅用户，并基于用户反馈构建智能闭环优化体系以优化交通信息共享服务。

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集美大学，其通讯地址为：361000 福建省厦门市集美区银江路185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。