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！

龙图腾网获悉广州交信投科技股份有限公司申请的专利基于在线学习的动态反馈权重优化的地图匹配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：CN121211027B 。

龙图腾网通过国家知识产权局官网在2026-03-13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：202511734597.7，技术领域涉及：G06F18/22；该发明授权基于在线学习的动态反馈权重优化的地图匹配方法是由尹杰丽;罗建平;黄毅泉;赖炤宇;李志武;王逸;张林枫;曾腾;喻莲设计研发完成，并于2025-11-25向国家知识产权局提交的专利申请。

本基于在线学习的动态反馈权重优化的地图匹配方法在说明书摘要公布了：本发明公开了一种基于在线学习的动态反馈权重优化的地图匹配方法，属于地图匹配技术领域，该方法包括对路网数据进行空间连通性与网格化预处理，对车辆卫星定位数据进行统一标准网格化处理；计算目标网格内车辆卫星定位与候选路段的属性向量特征值，所述属性向量包括距离匹配度、余弦相似度和形状相似度；利用基于融合注意力机制的时空图卷积网络捕获路网拓扑和时序变化，在线学习动态权重，预测综合匹配度；对车辆卫星定位数据与候选路段的综合匹配度进行评估，筛选出当前卫星定位数据的最优匹配路段。通过上述方法，本发明提升了地图匹配精确度与效率。

本发明授权基于在线学习的动态反馈权重优化的地图匹配方法在权利要求书中公布了：1.一种基于在线学习的动态反馈权重优化的地图匹配方法，其特征在于，包括以下步骤： 步骤1:对路网数据进行空间连通性与网格化预处理，并对车辆卫星定位数据进行标准网格化处理； 步骤2:计算目标网格内车辆卫星定位与候选路段的属性向量特征值，所述属性向量包括距离匹配度、余弦相似度和形状相似度；计算目标网格内车辆卫星定位与候选路段的属性向量特征值，具体包括： 步骤2-1:计算目标网格内车辆卫星定位点与候选路段的垂直距离d，并进行垂直距离的距离匹配度值映射，得到距离匹配度特征值δ： 其中，为候选路段的垂直距离阈值最小值，为候选路段的垂直距离阈值最大值； 步骤2-2:计算目标网格内车辆当前卫星定位点和上一个卫星定位点之间的向量方向，与候选路段方向的余弦相似度特征值r； 步骤2-3:将目标网格内车辆当前卫星定位点以及之前连续的多个卫星定位点形成定位序列数据，利用Douglas-Peucker算法对所述定位序列数据进行压缩； 步骤2-4:获取候选路段，并形成路段序列数据，利用动态时间规整算法计算步骤2-3压缩后的定位序列数据与所述路段序列数据之间的形状相似距离s，并基于所述形状相似距离s进行形状相似度匹配映射，得到形状相似度特征值β： 其中，为候选路段之间的形状相似度阈值最小值，为候选路段之间的形状相似度阈值最大值； 步骤3:利用基于融合注意力机制的时空图卷积网络捕获路网拓扑和属性向量的时序变化，并在线学习动态权重，得到车辆卫星定位数据与候选路段的综合匹配度；具体包括： 步骤3-1:通过路网连通性构建拓扑图； 其中，表示对应区域内n路段在t时刻的属性向量，为的邻接矩阵，所述属性向量包括距离匹配度、余弦相似度、以及形状相似度； 步骤3-2：构建提取空间结构特征的图卷积层，将路网拓扑图空间域转换为频域，对每个维度进行放缩操作，聚合邻接节点完成卷积操作，再逆变换至空间域，输出路网拓扑图的空间结构特征；逆变换至空间域，采用如下变换公式： ； 其中，L为路网拓扑图的拉普拉斯矩阵，x是一个n维的列向量，L=D-A，D为路网拓扑图的度矩阵，A为路网拓扑图的邻接矩阵，表示目标网格内车辆卫星定位与相邻网格候选路段的属性向量，表示变换系数； 步骤3-3:构建提取时序特征的Transformer模块，所述Transformer模块输入路网拓扑图各自对应节点T时间长度的属性向量时序序列，输出车辆卫星定位点匹配路段的时序特征； 步骤3-4：将步骤3-2提取空间结构特征和步骤3-3提取时序特征输入至全连接网络层，输出车辆卫星定位匹配路段的综合匹配度值； 步骤4:对车辆卫星定位数据与候选路段的综合匹配度进行评估，筛选出当前卫星定位数据的最优匹配路段。

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广州交信投科技股份有限公司，其通讯地址为：510000 广东省广州市黄埔区黄埔大道东884号南方智媒北塔30楼3008室；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。