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！

龙图腾网恭喜福州大学申请的专利考虑路段尺度尾气排放的公交专用道优化设计方法及系统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：CN119761222B 。

龙图腾网通过国家知识产权局官网在2025-06-06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：202510260771.2，技术领域涉及：G06F30/27；该发明授权考虑路段尺度尾气排放的公交专用道优化设计方法及系统是由赖元文;郭榕彬;王书易;丘勋涛;魏烨榕;何泓焮设计研发完成，并于2025-03-06向国家知识产权局提交的专利申请。

本考虑路段尺度尾气排放的公交专用道优化设计方法及系统在说明书摘要公布了：本发明提出一种考虑路段尺度尾气排放的公交专用道优化设计方法及系统，所述方法包括以下步骤：采集城市公交专用车道设计要素信息、路段交通流信息、路段基础信息；采用虚拟仿真方法获取城市公交专用车道所在路段的交通流运行工况数据，获取路段车辆的尾气排放当量；采用封装式特征选择方法，从城市公交专用车道设计要素信息筛选特征变量；采用可解释机器学习方法，分析特征变量对路段车辆尾气排放的影响，输出特征变量的影响贡献度排序；以最小化路段车辆尾气排放总量为目标函数，采用优化算法，优化公交专用车道的设计方案。本发明提供一种面向公交专用车道的生态设计方案，以显著降低城市公交专用车道路段车辆尾气排放量。

本发明授权考虑路段尺度尾气排放的公交专用道优化设计方法及系统在权利要求书中公布了：1.考虑路段尺度尾气排放的公交专用道优化设计方法，其特征在于，具体包括以下步骤：步骤S1，采集城市公交专用车道设计要素信息、路段交通流信息、路段基础信息；步骤S2，利用步骤S1获取的城市公交专用车道设计要素信息、路段交通流信息、路段基础信息，采用虚拟仿真方法，构建映射实际公交专用车道路段的车辆行驶分析场景，获取城市公交专用车道所在路段的交通流运行工况数据，获取路段车辆的尾气排放当量；步骤S3，利用步骤S1获取的城市公交专用车道设计要素信息，结合步骤S2获取的路段车辆的尾气排放当量信息，进行数据整合，采用封装式特征选择方法，筛选特征变量；步骤S4，利用步骤S2获取的路段车辆的尾气排放当量信息，步骤S3所获取的特征变量，采用可解释的机器学习方法构建预测模型，通过SHAP值法获取特征变量对路段车辆尾气排放影响贡献度；步骤S5，利用步骤S4获取的特征变量的影响贡献度，以最小化路段车辆尾气排放总量为目标函数，采用优化算法，对特征变量进行参数寻优，确定公交专用车道的优化设计方案；所述步骤S3的具体过程如下：步骤S31，针对获取的城市公交专用车道设计要素信息，结合步骤S2获取的不同测试场景下路段车辆的尾气排放当量，进行数据整合，形成包含设计要素与排放当量映射关系的结构化数据集；步骤S32，采用适配的封装式特征选择方法，通过变量评估和模型性能反馈机制对城市公交专用车道设计要素信息进行特征变量迭代筛选，以模型性能评估指标作为评价指标，保留重要性评分排名前30%的特征变量；步骤S33，采用互信息法，验证保留后的特征变量与尾气排放当量的非线性相关性，通过统计显著性检验确定动态阈值区间，剔除互信息值小于阈值的变量，获得初次筛选的特征变量；步骤S34，采用逐步回归法，评估初次筛选的特征变量在不同测试场景下的稳定性和泛化能力，通过多场景交叉验证分析特征敏感性，剔除方差膨胀因子的特征变量，确实最终的特征变量；所述步骤S4的具体过程如下：步骤S41，基于S3获取的特征变量集，结合不同测试场景下路段车辆的尾气排放当量数据，采用可解释机器学习算法，加载数据集，构建特征变量与尾气排放的预测模型；所述的机器学习算法包括：随机森林法、XGBoost算法、梯度提升决策树法；步骤S42，基于步骤S41构建的特征变量与尾气排放的预测模型，对特征变量进行编码或标准化处理；划分数据集，将70%的数据集用于训练模型，余下30%的数据集用于模型测试，设置模型参数，开展模型训练；步骤S43，采用模型性能诊断方法，通过误差传播分析，计算模型预测值与实际排放当量之间的平均绝对百分比误差，评估模型性能，确保模型稳定性与泛化能力；步骤S44，采用网格搜索法，对模型的超参数进行调优，通过敏感性分析，评估不同超参数对模型性能的影响，进一步优化模型；步骤S45，采用SHAP值法，计算预测模型中每个特征变量的Shapley值，根据计算所得的Shapley值，获取不同特征变量对公交专用车道路段车辆尾气排放的影响贡献度，生成特征变量影响贡献度排序；所述步骤S5的具体过程如下：步骤S51，针对步骤S4获取的特征变量的影响贡献度排序信息，结合不同测试场景下路段车辆的尾气排放当量，采用优化算法，开展公交专用车道优化设计；所述的优化算法包括：遗传算法、蚁群优化算法、粒子群优化算法；步骤S52，设置优化目标函数：以最小化路段车辆尾气排放总量为目标，排放种类包括CO2、CO、NOX、PM2.5，采用加权求和方式，设定约束条件，按照特征变量的影响贡献度从大到小的顺序设置寻优的优先级，以优先对影响贡献度大的特征变量进行寻优；所述的约束条件包括：路段形式、路段交通量、路段限速、公交车辆发车频率、道路设计规范、环境法规、预算限制；步骤S53，设置优化算法参数，采用自动化参数调整方法，确定算法的关键参数，包括迭代次数、交叉概率及变异概率；所述的自动化参数调整方法包括：网格搜索法、随机搜索法、贝叶斯优化法；步骤S54，运行优化算法，对特征变量进行优化并输出优化结果，确定公交专用道的优化设计方案；步骤S55，将优化方案反馈至仿真软件，验证优化方案的排放降低效果。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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”。