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！

龙图腾网获悉陕西交通电子工程科技有限公司申请的专利基于机器视觉的高速交通流预测及交通管控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：CN121214702B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202511767856.6，技术领域涉及：G08G1/01；该发明授权基于机器视觉的高速交通流预测及交通管控方法是由孙楠;李绩;张骋驰;邹学敏;孙希志;周迎春设计研发完成，并于2025-11-28向国家知识产权局提交的专利申请。

本基于机器视觉的高速交通流预测及交通管控方法在说明书摘要公布了：本发明公开了基于机器视觉的高速交通流预测及交通管控方法，涉及数据分析技术领域，包括：分析各个道路历史交通流变化趋势，量化各个道路通行状态，构建监测高速交通网络通行场景识别模型，筛选监测高速交通网络中各个道路通行场景关注归因数据集，利用贝叶斯先验，生成各个道路通行场景概率分布向量，代入高速交通空间‑时间卷积拓扑网络，预测短时监测高速交通网络中各个道路通行场景交通流；基于高速道路已知若干交通管控动作集合，构建高速道路自适应交通管控函数，生成高速交通网络中各个道路的最优管控策略。本发明的有益效果在于：全面提升路网运行效率的同时，确保了管控策略的实际可行性与经济性。

本发明授权基于机器视觉的高速交通流预测及交通管控方法在权利要求书中公布了：1.基于机器视觉的高速交通流预测及交通管控方法，其特征在于，包括： S1、获取监测高速交通网络中各个道路历史交通流数据，分析各个道路历史交通流变化趋势，量化各个道路通行状态，构建监测高速交通网络通行场景识别模型，筛选监测高速交通网络中各个道路通行场景关注归因数据集，步骤S1具体包括： 针对监测高速交通网络中各个道路历史交通流数据进行数据清洗与数据对齐处理； 基于监测高速交通网络中各个道路历史交通流数据，按照STL分解法，提取各个道路历史交通流趋势项、季节项和残差项，组建监测高速交通网络中各个道路历史交通流时间序列； 预定义高速交通的若干个通行状态簇； 基于监测高速交通网络中各个道路历史交通流时间序列，提取各个道路历史交通流的车流量、车流平均速度和时间占有率特征，利用K-Means聚类，按照预定义高速交通的若干个通信状态簇的质心，计算相对各个道路历史交通流的车流量、车流平均速度和时间占有率特征的欧式距离最小值进行迭代划分，组建监测高速交通网络中各个道路历史交通流通行状态标签增强数据集； 预定义高速交通的若干个通行状态演变场景； 基于RNN循环神经网络，以监测高速交通网络中各个道路历史交通流通行状态标签增强数据集作为输入，按照定义高速交通的若干个通行状态演变场景，捕捉单位时间窗口内的各个道路历史交通流通行状态标签增强数据最后一个时间步的隐藏状态，代入一个全连接层和Softmax层，生成各个道路历史交通流通行状态标签增强数据的归属通行状态演变场景概率，训练构建监测高速交通网络通行场景识别模型； 基于监测高速交通网络通行场景识别模型，利用SHAP值理论，建立特征解释器，筛选归属通行状态演变场景概率中单位时间下各个道路历史交通流通行状态标签增强数据相对定义高速交通的若干个通行状态演变场景的贡献值最大值，记为监测高速交通网络中各个道路通行场景关注归因数据集； S2、基于监测高速交通网络中各个道路通行场景关注归因数据集，利用贝叶斯先验，生成各个道路通行场景概率分布向量，代入高速交通空间-时间卷积拓扑网络，预测短时监测高速交通网络中各个道路通行场景交通流，步骤S2具体包括： 基于监测高速交通网络中各个道路通行场景关注归因数据集，标记单位时间内的各个道路通行场景关注归因数据SHAP贡献值进行归一化，赋予各个道路通行场景关注归因数据权重与预定义高速交通的若干个通行状态演变场景，建立加权欧氏距离，计算单位时间内的各个道路通行场景关注归因数据与各个通行状态演变场景之间的空间距离； 利用高斯核函数，将单位时间内的各个道路通行场景关注归因数据与各个通行状态演变场景之间的空间距离按照单调递减函数映射为，单位时间内的各个道路通行场景关注归因数据与各个通行状态演变场景之间匹配得分； 根据单位时间内的各个道路通行场景关注归因数据与各个通行状态演变场景之间匹配得分，代入Softmax函数，生成单位时间内的各个道路通行场景概率分布向量； 基于STGNN图神经网络，以监测高速交通网络的各个道路作为节点，以高速交通网络的道路空间拓扑结构邻接矩阵作为连接关系，利用切比雪夫图卷积，提取各个道路的邻接节点聚合特征，捕捉监测高速交通网络的相邻道路之间的空间交互影响关系空间依赖性； 基于STGNN图神经网络，以监测高速交通网络中各个道路历史交通流数据作为输入，利用TCN时域卷积网络，捕捉监测高速交通网络的独立道路交通流随单位时间变化的通行状态演变场景趋势时间依赖性； 根据监测高速交通网络的相邻道路之间的空间交互影响关系空间依赖性与监测高速交通网络的独立道路交通流随单位时间变化的通行状态演变场景趋势时间依赖性，构建高速交通空间-时间卷积拓扑网络，提取监测高速交通网络的相邻道路之间的空间语义嵌入向量和时间演变场景嵌入向量； 将单位时间内的各个道路通行场景概率分布向量与监测高速交通网络的相邻道路之间的空间语义嵌入向量和时间演变场景嵌入向量进行特征拼接，代入全连接层，预测短时监测高速交通网络中各个道路通行场景交通流； S3、基于高速道路已知若干交通管控动作集合，量化已知各个交通管控动作的调度流向量与短时监测高速交通网络中各个道路通行场景交通流，构建高速道路自适应交通管控函数，生成高速交通网络中各个道路的最优管控策略。

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陕西交通电子工程科技有限公司，其通讯地址为：710000 陕西省西安市高新区唐延路6号2楼10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。