Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 黑龙江龙廷信息技术有限公司汪冲获国家专利权

黑龙江龙廷信息技术有限公司汪冲获国家专利权

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!

龙图腾网获悉黑龙江龙廷信息技术有限公司申请的专利一种基于5G网络的智慧城市交通优化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:CN120088986B

龙图腾网通过国家知识产权局官网在2025-07-25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:202510558792.2,技术领域涉及:G08G1/01;该发明授权一种基于5G网络的智慧城市交通优化方法及系统是由汪冲;祖卓炬;魏博;刘思廷;史存龙;孔凡彬;郭俊;周凤成;程博远;王鑫设计研发完成,并于2025-04-30向国家知识产权局提交的专利申请。

一种基于5G网络的智慧城市交通优化方法及系统在说明书摘要公布了:本发明公开了一种基于5G网络的智慧城市交通优化方法及系统,具体涉及智能交通技术领域,所述一种基于5G网络的智慧城市交通优化方法是通过部署5G基站,并在道路上安装传感器和交通设备,以采集交通数据,所述交通数据包括车流量数据和交通信号状态,利用5G网络将采集到的交通数据快速传输至云平台进行存储,在云平台中对采集到的交通数据进行预处理,通过机器学习算法进行深度分析,以识别交通模式,基于分析后的结果,预测交通流量需求,提前预判出现的拥堵情况,并通过调整信号灯周期进行优化,所述一种基于5G网络的智慧城市交通优化系统包括数据采集模块、数据分析模块,以及交通流量控制模块。

本发明授权一种基于5G网络的智慧城市交通优化方法及系统在权利要求书中公布了:1.一种基于5G网络的智慧城市交通优化方法,其特征在于,具体包括以下步骤: 步骤S1、通过部署5G基站,并在道路上安装传感器和交通设备,以采集交通数据,所述交通数据包括车流量数据和交通信号状态,利用5G网络将采集到的交通数据快速传输至云平台进行存储; 步骤S2、在云平台中对步骤S1采集到的交通数据进行预处理,通过机器学习算法进行深度分析,以识别交通模式,具体步骤如下: 步骤B1、特征提取:对接收到的交通数据进行预处理,去除重复和不完整的数据记录,填补缺失值,确保数据质量,并将车流量数据和交通信号状态分别表示为和,其中,表示红灯,表示绿灯,表示黄灯;计算在过去n个时间点内的车流量的平均值为:,并获取峰值车流量、最低车流量以提取统计特征,其中,表示在时间t时刻的平均车流量,n用于计算平均值的时间窗口大小,表示过去的时间段数,是在时间t−i时刻的车流量数据,代表过去n个时间点的车流量,i表示时间滑动窗口中的偏移量索引; 步骤B2、构建LSTM模型:创建一个数据集,其中每一行包含当前时间点t的车流量和交通信号状态,以及统计特征,所述统计特征包括峰值车流量、最低车流量和平均车流量,使用提取的统计特征作为输入特征向量X,目标输出为未来t+1时间点的车流量,表示为,使用深度学习框架构建LSTM模型,包括输入层、LSTM层和输出层; 步骤B3、在模型训练后,使用聚类算法对特征进行聚类,以识别不同的交通模式,包括交通高峰期、低谷期和正常期; 所述步骤B2构建LSTM模型中,使用深度学习框架构建LSTM模型,包括输入层、LSTM层和输出层,进一步包括以下步骤: 步骤B201、输入层:用于接收特征数据,输入为一个包含车流量统计特征和交通信号状态的向量; 步骤B202、LSTM层:用于捕捉时间序列中的长期依赖关系,LSTM层的输出是:; 步骤B203、输出层:用于预测未来的车流量,输出层未来t+1时刻的车流量为,其中,W是权重矩阵,b是偏置项,输出为预测的车流量,是当前时刻的隐状态,表示在上一时刻隐状态和当前输入数据的基础上,LSTM层更新隐状态; 所述步骤B3中,在模型训练后,使用聚类算法对特征进行聚类,以识别不同的交通模式,包括交通高峰期、低谷期和正常期,进一步包括以下步骤: 步骤B301、将模型训练后得到的特征数据进行标准化,确保所有特征的尺度相同,并组合为一个向量:,选择k个初始簇中心进行K-means聚类,记为,执行以下步骤: 步骤B302、对于每个数据点,计算其与每个簇中心的距离,选择最近的簇中心:,将数据点分配给距离最小的簇中心; 步骤B303、计算每个簇的新中心,其位置为簇内所有数据点的均值:,其中,是簇中数据点的数量,表示簇中的所有数据点集合; 步骤B304、重复上述分配和更新簇中心的过程,直到簇中心不再变化;聚类完成后,每个簇代表一种不同的交通模式,通过分析每个簇的特征,识别交通模式的类别; 步骤S3、基于步骤S2分析后的结果,预测交通流量需求,提前预判出现的拥堵情况,并通过调整信号灯周期进行优化; 所述步骤S3中,基于步骤S2分析后的结果,预测交通流量需求,提前预判出现的拥堵情况,并通过调整信号灯周期进行优化,具体步骤如下: 步骤C1、预判拥堵情况:设置拥堵阈值为,基于LSTM模型预测未来时间点的交通流量需求是,根据预测结果和交通模式识别,提前预判出现的拥堵区域,对于每个路口j,当预测车流量大于拥堵阈值,且当前为高峰期,记录该路口的状态为拥堵,表示为;当预测车流量小于拥堵阈值R,记录该路口的状态为畅通,表示为; 步骤C2、交通信号控制优化:根据预测结果和拥堵情况,优化交通信号控制策略,每个路口的信号周期包括绿灯周期、红灯周期和黄灯周期,设定信号总周期为:,通过优化绿灯周期来提高整体交通流量,最大化路口的通行能力,对于每个路口,设定通行能力与车流量之间的关系,并通过调整绿灯周期最大化这一能力,设置目标函数为,约束条件为每个路口的总周期和绿灯周期不超过一个上限值,数学表达式为:,其中,是第j路口绿灯周期,是第j路口车流量对应的通行能力,表示通过该路口的最大车辆数量,M是路口的总数量,是路口的最大信号周期,是路口的最大绿灯周期。

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黑龙江龙廷信息技术有限公司,其通讯地址为:150028 黑龙江省哈尔滨市高新技术产业开发区科技创新城创新创业广场19号楼(创新一路699号)B505-35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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。