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！

龙图腾网获悉华中科技大学;湖北省建筑设计院有限公司申请的专利基于深度学习的建成环境空间友好度评价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：CN120875278B 。

龙图腾网通过国家知识产权局官网在2026-01-20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：202511403940.X，技术领域涉及：G06Q10/063；该发明授权基于深度学习的建成环境空间友好度评价方法是由刘剀;梁海岫;程捷慧;姚欣;牟林森;朱宇宁;高小涵;朱昕苗设计研发完成，并于2025-09-29向国家知识产权局提交的专利申请。

本基于深度学习的建成环境空间友好度评价方法在说明书摘要公布了：本发明公开了一种基于深度学习的建成环境空间友好度评价方法。本发明将校园空间离散化为独立单元，整合静态空间属性、动态环境状态与儿童行为响应数据，构建统一的时空图结构。通过图卷积网络捕捉空间单元间的拓扑关系，并利用门控循环单元建模时序动态变化，生成同时编码空间结构、环境波动与行为反馈的融合表征，实现了跨模态信息的深度协同分析。基于融合后的时空特征，采用共享底层网络与多分支输出层结构，同步预测综合空间友好度评分及多样性、开放性等子维度评分，为校园的空间布局改造和优化提升提供了科学决策支持。

本发明授权基于深度学习的建成环境空间友好度评价方法在权利要求书中公布了：1.一种基于深度学习的建成环境空间友好度评价方法，其特征在于，包括： 构建时空图结构；其中，节点集对应个空间单元，边集基于空间单元的邻近关系，节点特征矩阵在每个时间窗口动态生成，为每个节点将其静态空间特征、当前时间窗口的环境特征和当前行为响应特征在特征维度上进行拼接，整个矩阵表示为；所述静态空间特征包括：每个单元的总面积、单元间活动区域质心间沿可行走路径的最短网络距离、绿化覆盖率、建筑密度和户外活动设施密度；所述环境特征包括：绿视率、天空开阔度、景观丰富度、色彩丰富度、时间窗口内风速的均值、时间窗口内风速的标准差、时间窗口内空气温度的均值、时间窗口内空气温度的标准差、时间窗口内相对湿度的均值和时间窗口内相对湿度的标准差；所述行为响应特征包括：在每个单元内的停留总时间、人员密度、单元内所有用户在RR序列间期差值的均方根的均值、单元内所有用户均方根的标准差、单元内所有用户窗口均值的均值、单元内所有用户潜在事件的均值、单元内所有用户频段功率比的均值、注视点数量和累积注视时间； 将所述时空图结构输入图卷积网络GCN，建模空间单元间的依赖关系并提取空间上下文增强的特征，其表达式为；其中，表示第层所有节点的输出特征，是添加了自连接的邻接矩阵，是单位阵，是边集的邻接矩阵，是对应的度矩阵，是第层的可学习权重矩阵，是Sigmoid激活函数操作；经过层传播，得到空间上下文增强的节点表征；其中节点的向量融合了其自身及其空间邻居在时刻的信息； 通过表达式计算得到重置门；其中，是重置门中输入的权重矩阵，是重置门中历史状态的权重矩阵，是重置门的偏置向量，是时刻的状态； 通过表达式计算得到更新门；其中，是更新门中输入的权重矩阵，是更新门中历史状态的权重矩阵，是更新门的偏置向量； 通过表达式计算得到候选隐藏状态；其中，是双曲正切函数，表示逐元素乘法，是当前输入的权重矩阵，是重置后历史状态的权重矩阵，是候选隐藏状态的偏置向量； 通过表达式计算得到节点在时间的时空融合表征，得到在时间窗口的全局时空状态矩阵； 将所述全局时空状态矩阵输入到预测模型，所述预测模型采用多层感知机MLP作为预测头，通过表达式得到中间特征向量；其中，是激活函数，是全连接层的权重矩阵，是全连接层的偏置向量； 将所述中间特征向量输入到两个分支的输出层，通过表达式得到主任务的预测的综合友好度评分，通过表达式得到次任务的预测的个子维度评分向量；其中，是主任务的权重矩阵,是主任务的偏置向量，是子任务的权重矩阵,是子任务的偏置向量。

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华中科技大学;湖北省建筑设计院有限公司，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037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。