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！

龙图腾网获悉湖南高速信息科技有限公司;湖南省高速公路联网收费管理有限公司申请的专利一种基于ETC系统的高速公路交通数据分析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：CN120877529B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202511369451.7，技术领域涉及：G08G1/01；该发明授权一种基于ETC系统的高速公路交通数据分析方法是由邓翔;吴竹青;邵泽峰;黄勇;刘菊华;胡彬;徐椿乔;易智铭;孙世国设计研发完成，并于2025-09-24向国家知识产权局提交的专利申请。

本一种基于ETC系统的高速公路交通数据分析方法在说明书摘要公布了：本发明属于高速公路交通数据分析领域，涉及到一种基于ETC系统的高速公路交通数据分析方法，其通过获取监控路段预设时段内所有ETC门架采集的包括车辆标识、通行时间戳、门架位置编码及车型编码的原始过车数据流，解析原始过车数据流生成车速个体动态特征及车型群体静态特征，构建以路段标识和时间窗口为索引的多维风险数据集，将多维风险数据集输入预训练的深度学习模型，输出事故隐患概率值结果并基于概率梯度判定规则执行预警状态判定，根据预警状态生成监控路段的事故风险热力图并反馈，有效解决现有技术中前瞻性预测不足和区域性事故隐患评估精度低的问题，显著提升交通风险评估的时效性和准确性。

本发明授权一种基于ETC系统的高速公路交通数据分析方法在权利要求书中公布了：1.一种基于ETC系统的高速公路交通数据分析方法，其特征在于，包括： 获取监控路段预设时段内所有ETC门架采集的原始过车数据流，所述原始过车数据流包括车辆标识、通行时间戳、门架位置编码及车型编码； 解析原始过车数据流生成车速个体动态特征及车型群体静态特征，构建以路段标识和时间窗口为索引的多维风险数据集； 将多维风险数据集输入预训练的深度学习模型，输出事故隐患概率值结果并基于概率梯度判定规则执行预警状态判定； 所述预训练的深度学习模型构建过程包括： 获取历史过车数据流及对应事故标签数据集，其中事故发生时标签为1，未发生时标签为0； 将历史过车数据流转换为历史多维风险数据集，并基于事故标签将历史多维风险数据集划分为事故样本集和非事故样本集； 分别计算事故样本集与非事故样本集中各特征维度的分布统计指标，量化每个特征维度在事故与非事故状态下的分布差异度，生成特征关联强度向量； 构建时间序列深度学习模型架构，并在隐藏层嵌入所述特征关联强度向量作为先验约束； 以历史多维风险数据集作为模型输入，二进制事故标签作为训练目标，通过前向传播计算模型输出的概率预测值，并借助最小化概率预测值与二进制标签的交叉熵损失函数，迭代更新模型网络权重参数，直至验证集输出的概率预测值与实际事故状态的关联一致性指标达到预设达标阈值时终止训练； 上述特征关联强度向量生成过程为：对各特征维度在事故与非事故状态下的分布差异度赋予权重执行数值修正，修正后组成二维向量以作为特征关联强度向量，其中各特征维度的权重分配可根据行内经验进行设定，也可以通过有限次历史试验数据进行获取，先收集监控路段事故各次发生时车速个体动态特征和车型群体静态特征的历史数据，使用回归分析或逻辑回归分析确定车速与车型相对事故发生的贡献度，最后归一化处理后，将贡献度转化为权重且其总和为1； 通过计算事故样本集与非事故样本集的车型分布向量之间的JS散度以量化在车型群体静态特征维度上的分布差异度，通过计算事故样本集与非事故样本集车速统计特征向量所聚合的概率分布之间的Wasserstein距离，以衡量在车速个体动态特征维度上的分布差异度； 根据预警状态生成监控路段的事故风险热力图并反馈。

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湖南高速信息科技有限公司;湖南省高速公路联网收费管理有限公司，其通讯地址为：410005 湖南省长沙市开福区月湖街道三一大道500号马兰山公寓综合楼第1幢N单元12层1201房；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。