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！

龙图腾网获悉煤炭科学研究总院有限公司;天地科技股份有限公司北京技术研究分公司申请的专利深度学习驱动的小样本数据多维扩充的消防车行程时间预测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：CN119476563B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202411409427.7，技术领域涉及：G06Q10/04；该发明授权深度学习驱动的小样本数据多维扩充的消防车行程时间预测方法是由刘晗;杨海强;张奥;姜立平;颜丙乾;张博;李丹;吴兵;王月;程业;刘千惠;甘一雄;魏世博;顾彧;张婧雯;张泽玮;仙文豪;潘圣其;贾新雷设计研发完成，并于2024-10-10向国家知识产权局提交的专利申请。

本深度学习驱动的小样本数据多维扩充的消防车行程时间预测方法在说明书摘要公布了：本申请提出一种深度学习驱动的小样本数据多维扩充的消防车行程时间预测方法，涉及应急管理技术领域，其中，方法包括：结合消防站点信息和历史救援行程时间信息，构建消防救援行程时间数据集合；利用消防站间的相似历史数据与社会车辆行程时间信息，对消防救援行程时间数据集合进行扩充，得到训练样本集合；构建基于多图卷积的消防车行程时间预测模型，根据训练样本对模型进行训练；根据训练完成的消防车行程时间预测模型，实现消防车行程时间的预测。通过结合消防站点和历史救援信息，并利用消防车历史数据自身和社会车辆数据扩充训练集，实现了消防车行程时间的精准预测，避免了数据不足导致的误差，提高了预测的准确性和应急响应效率。

本发明授权深度学习驱动的小样本数据多维扩充的消防车行程时间预测方法在权利要求书中公布了：1.一种深度学习驱动的小样本数据多维扩充的消防车行程时间预测方法，其特征在于，包括以下步骤： 结合消防站点信息和历史救援行程时间信息，构建消防救援行程时间数据集合，包括：在特定城市范围内，定义全部可派遣消防车的消防站点集合为：，式中，表示消防站点，下标为各消防站点的编号；对于每个消防站点，定义其在特定时段的特征集合为：，其中，表示从消防站点到不同距离救援地点的行程时间，其对应的救援距离分别为：；根据消防站点在特定时段的特征集合，将消防站点在历史各时段~内不同距离范围的全部特征表示为以下矩阵：，其中，限定为任一自然日的0:00~1:00时段中的时间点；对于所有消防站集合、所有时段集合和所有距离范围的行程时间，建立一个的张量特征库，作为所述消防救援行程时间数据集合； 根据历史消防救援数据信息对所述消防救援行程时间数据集合进行填充，并利用消防站间的相似历史数据与社会车辆行程时间信息，对所述消防救援行程时间数据集合进行扩充，得到训练样本集合； 构建基于多图卷积的消防车行程时间预测模型，根据所述训练样本对所述消防车行程时间预测模型进行训练； 根据训练完成的消防车行程时间预测模型，实现消防车行程时间的预测； 其中，利用所述消防站间的相似历史数据对所述消防救援行程时间数据集合进行扩充的过程，包括：对于给定的消防站和，根据其各自的历史特征数据集和，计算两消防站间的历史数据相似度；根据所述两消防站间的历史数据相似度，对所述消防救援行程时间数据集合进行扩充； 其中，利用所述社会车辆行程时间信息对所述消防救援行程时间数据集合进行扩充的过程，包括： 收集同城市范围、全部社会车辆的GPS定位点集合； 在所述GPS定位点集合中，筛选与消防站同属一个行政区划的所有GPS定位点集合； 在所述GPS定位点集合中，筛选特定时段的所有GPS定位点集合； 根据所述GPS定位点集合，计算此时段内消防站的不同距离范围对应的行程时间，表达式为：，其中，是不同距离范围的中位数值，是集合中所有定位点的瞬时速度的平均值； 若所述张量特征库中不存在满足计算要求的消防车历史数据，将填入所述张量特征库中对应位置，其中，为对应的衰减因子； 循环进行上述筛选步骤、计算步骤、填入步骤，直至所有消防站集合、所有时段集合中的元素被遍历完毕。

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煤炭科学研究总院有限公司;天地科技股份有限公司北京技术研究分公司，其通讯地址为：100013 北京市朝阳区和平里青年沟东路5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。