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！

龙图腾网获悉重庆亿连信息科技有限公司申请的专利一种基于深度学习的错峰停车管理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：CN119028167B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202411069754.2，技术领域涉及：G08G1/14；该发明授权一种基于深度学习的错峰停车管理系统是由严萍;郑伟;夏伟铭;杨阳;唐奇;董炳霖设计研发完成，并于2024-08-06向国家知识产权局提交的专利申请。

本一种基于深度学习的错峰停车管理系统在说明书摘要公布了：本发明提出了一种基于深度学习的错峰停车管理系统，包括数据获取模块，用于通过云端获取每个停车场相应的数据，并且将每个车辆数据汇总为向量；数据预处理模块，用于将车辆数据中的缺失值进行填充计算，从而有效的处理缺失值，并对车辆数据进行标准化；模型训练模块，用于使用Transformer模型作为深度学习模型，根据具体架构，注意力头数、嵌入维度、前馈神经网络的维度；需求预测模块，用于将实时数据输入模型中，自注意力机制计算各时间点之间的相关性。旨在通过优化停车位资源分配，提高停车管理的效率和车主的停车体验。系统采用Transformer模型进行停车需求预测，通过深度学习算法处理停车数据，实现高精度的停车需求预测和错峰管理。

本发明授权一种基于深度学习的错峰停车管理系统在权利要求书中公布了：1.一种基于深度学习的错峰停车管理系统，其特征在于，包括： 数据获取模块，用于通过云端获取每个停车场相应的数据，并且将每个车辆数据汇总为向量； 数据预处理模块，用于将车辆数据中的缺失值进行填充计算，从而有效的处理缺失值，并对车辆数据进行标准化； 模型训练模块，用于使用Transformer模型作为深度学习模型，将预处理后的车辆数据输入到Transformer模型并进行训练； 将使用Z-score标准化预处理后的车辆数据，包括停车时长zi1、停车费用zi2、车位使用率zi3、车流量zi4、交通流量zi5，车牌号ni1、停车位置ni2；以及车辆进出时间ni3、天气信息ni4整合为车辆数据向量Zi，将多个车辆数据向量Z1、Z2、…、Zi、…、ZN，组合成车辆数据特征矩阵Z， Zi＝[zi1,zi2,zi3,zi4,zi5,ni1,ni2,ni3,ni4] 将车辆数据特征矩阵Z输入到transformer模型中， 其中表示预测的停车需求结果，Transformer为模型训练函数； 对于训练结果通过动态学习率的反向传播更新模型参数 其中，θ是当前的模型参数，θt+1为下一阶段模型参数，表示混合损失函数L对初始参数θ的梯度， 为学习率的计算方式，η-λt为学习率的随训练步数的变化值，ε是防止分母为0的常数，η是学习率的初始设定值，λ是衰减率，t是当前的训练步数，是梯度的历史积累，θ为在第τ个训练步数的模型参数； 所述模型训练模块还包括： 模型训练模块通过混合损失函数计算验证集上的损失和评价指标，来更新训练模型的参数，混合损失函数公式为： 其中α为均方误差权重系数、β为平均绝对误差权重系数、γ为平均绝对百分比误差权重系数，yi,j表示第i个样本的第j个特征的真实值，表示第i个样本的第j个特征的预测值； MSE是均方误差： MAE是平均绝对误差： MAPE是平均绝对百分比误差： N表示车辆数据中的车辆总数，M表示特征数； 权重系数α、β、γ的计算方式如下，基于损失值的动态调整与基于训练阶段的动态调整，组合为一个复合的动态调整方式： 其中，LMSE、LMAE和LMAPE分别是当前训练步中MSE、MAE和MAPE的损失值，权重基于损失值动态调整， 其中，α0、β0和γ0分别为均方误差权重系数α、平均绝对误差权重系数β、平均绝对百分比误差权重系数γ的初始设定值，t是当前的训练步数，T是总训练步数； 需求预测模块，用于将实时数据输入模型中，进行需求预测； 所述需求预测模块包括： 形成的车辆数据矩阵XN的维度为N，I，dmodel，N是车辆数据中的车辆总数，I是获取车辆数据特征的长度，dmodel为车辆基准维度， 其中，WQ、WK和WV是需要更新的参数权重矩阵，WQ、WK和WV的维度为dmodel，dk，dmodel为车辆基准维度，dk为每个车辆实时维度，下标Q为查询矩阵、下标K为键矩阵和下标V为值矩阵； 采用梯度下降法的反向传播更新参数，将学习率简化为η，WQ、WK和WV的更新方式为： 其中，η是学习率，控制每次更新的步长，和分别是损失函数对权重矩阵的梯度， 注意力得分计算 其中，Z′为训练后的车辆数据矩阵； 需求预测计算，模型根据输入数据进行计算，多头注意力机制从多个角度捕捉信息， MultiHeadQ,K,V＝Concathead1,......,headhWO 其中，是第i个查询矩阵的权重，是第i个键矩阵的权重，是第i个值矩阵的权重，Concat为拼接操作，h为注意力头数，WO为可学习权重矩阵，WO的维度为h，dk，dmodel。

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重庆亿连信息科技有限公司，其通讯地址为：401121 重庆市渝北区两江新区大竹林街道金开大道西段106号4幢202；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。