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！

龙图腾网获悉北京建筑大学申请的专利基于多尺度超图卷积深度聚类的货车出行类别划分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：CN119830057B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202510023472.7，技术领域涉及：G06F18/2323；该发明授权基于多尺度超图卷积深度聚类的货车出行类别划分方法及系统是由李之红;赵霞;吴梦琳;赵莉;刘剑锋设计研发完成，并于2025-01-07向国家知识产权局提交的专利申请。

本基于多尺度超图卷积深度聚类的货车出行类别划分方法及系统在说明书摘要公布了：本发明涉及交通运输信息工程领域，公开了一种基于多尺度超图卷积深度聚类的货车出行类别划分方法及系统，其中方法包括：构建各个空间尺度下的货车出行特征矩阵；构建各个空间尺度下的货车出行模式超图，建模货车在多个空间尺度“多对多”高阶关联关系；构建多尺度超图卷积深度聚类模型，进行货车出行类别划分的训练和测试；进行货车出行类别划分的实例验证。将所提模型运用于一系列实证数据集和自采数据集上，证实它能取得优于基线模型的良好划分性能。

本发明授权基于多尺度超图卷积深度聚类的货车出行类别划分方法及系统在权利要求书中公布了：1.基于多尺度超图卷积深度聚类的货车出行类别划分方法，其特征在于，包括： 步骤1，构建各个空间尺度的货车出行特征矩阵，根据N辆货车的历史出行记录集合，得到给定时段N辆货车的历史出行记录集合；在空间尺度s，为每辆货车提取F维出行特征，构建N辆货车的出行特征矩阵得到S个层级空间尺度的货车出行特征矩阵X＝{X1,…,Xs,…,XS}，其中，xs,i为空间尺度s第i辆货车的出行特征表达式，1≤i≤N；xi为第i辆货车的出行特征表达式，1≤i≤N；每辆货车的F维出行特征分别来自时间、空间和属性维度，时间维度包括货车司机疲劳驾驶次数、夜间行驶时长、货车出发时刻和日均出行时长；空间维度包括货车出行距离、货车停留点功能和货车出行平均速度；属性维度包括车牌颜色和运输趟次； 步骤2，构建各个空间尺度的货车出行模式超图，建模货车多对多的高阶关联关系，根据步骤1的所述货车的出行特征矩阵Xs，构建Xs在空间尺度s的出行模式超图Gs＝Vs,Xs,Ws,Es,Hs，将N辆货车做为图上的N个节点，构成表达所有货车的节点集合Vs；将每辆货车的F维出行特征视为每个节点的属性，构成表达货车出行模式的节点属性集合Xs；连接近邻的两两节点，两者欧氏距离的倒数作为相应节点的边权值，构成表达邻域群体重要程度的边权值集合Ws；选取前k-1位欧氏距离最小的邻域货车，构成第i辆货车的邻域群体将上述邻域群体类比为超边，得到M条超边集合，构成表达邻域群体多对多的出行模式的复杂关联关系的超边集合Es；Hs是表达单辆货车与邻域群体隶属关系的N行N列关联矩阵，Hs的内部元素hv,e表征了节点v和超边e的隶属关系，具体计算方式见式1： 其中，v∈e表示节点在超边上； 步骤3：构建多尺度超图卷积深度聚类模型，进行货车出行类别划分的训练和测试，包括： 步骤3.1，利用自编码器模型，学习货车的隐含出行模式表示； 步骤3.2，利用超图卷积网络结构，学习货车邻域群体在局部空间的隐含出行模式表示； 步骤3.3，利用交叉自注意力机制，融合货车及货车的邻域群体在各个空间尺度的隐含出行模式表示，通过超图卷积网络进行深度聚类，获取各个空间尺度货车出行类别的划分结果； 步骤3.4，对货车出行类别划分性能进行训练和测试； 步骤4：实例验证，输入第S+1个空间尺度的N辆货车出行特征矩阵XS+1，构建融合多尺度空间特征的货车出行模式超图G'S+1，实现货车群体出行类别划分；应用于ACM数据集、Cite数据集和货车GPS数据集中，通过对比及消融实验，验证基于多尺度超图卷积深度聚类的货车出行类别划分方法的有效划分性能。

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北京建筑大学，其通讯地址为：100044 北京市西城区展览馆路1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”。