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！

龙图腾网获悉电子科技大学(深圳)高等研究院申请的专利基于交通状态与深度学习的隧道交通安全实时评估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：CN120298984B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202510417155.3，技术领域涉及：G06V20/54；该发明授权基于交通状态与深度学习的隧道交通安全实时评估方法是由赵艳;贾磊;郑凯;张玉璞;李超;殷光强设计研发完成，并于2025-04-03向国家知识产权局提交的专利申请。

本基于交通状态与深度学习的隧道交通安全实时评估方法在说明书摘要公布了：本发明公开了一种基于交通状态与深度学习的隧道交通安全实时评估方法，涉及隧道交通安全技术领域，包括：将实时采集的宏观交通特征输入预训练的融合多车道交互特征的深度学习模型，该模型包括特征编码层、单道信息提取模块和安全等级预测模块；融合多车道交互特征的深度学习模型在训练阶段采用历史宏观交通特征与基于微观轨迹计算的TTC安全等级标签进行监督学习。本发明构建了非碰撞数据驱动的评估范式，模型训练摆脱了对低频碰撞事件的依赖，建立宏观特征与TTC安全等级的映射机制，通过深度学习模型将动态参数进行时空关联建模，间接表征原本依赖微观轨迹的TTC指标；本发明还解决了现有技术中模型更新频率与预测精度不可兼得的矛盾。

本发明授权基于交通状态与深度学习的隧道交通安全实时评估方法在权利要求书中公布了：1.一种基于交通状态与深度学习的隧道交通安全实时评估方法，其特征在于，包括： 实时采集隧道内各监控区域的宏观交通特征，所述宏观交通特征包括数值属性特征、车道ID和摄像头ID，所述数值属性特征包括车辆平均速度、车速标准差、交通密度、小型车占比、中大型车占比和危险化学品车占比； 将实时采集的所述宏观交通特征输入预训练的融合多车道交互特征的深度学习模型，该模型包括特征编码层、单道信息提取模块和安全等级预测模块；所述特征编码层用于将所述数值属性特征映射为高维向量，并融合时间箱ID、车道ID及摄像头ID的编码，生成多路段联合特征矩阵；所述单道信息提取模块用于根据多路段联合特征矩阵，基于多头注意力机制和残差连接，提取其对应车道上下游路段间的交互特征，最终得到携带车道内时空交互特征的增强型路段表征；所述安全等级预测模块用于融合所有携带车道内时空交互特征的增强型路段表征，输出各监控区域的安全等级预测结果； 所述融合多车道交互特征的深度学习模型在训练阶段采用历史宏观交通特征与基于微观轨迹计算的TTC安全等级标签进行监督学习。

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电子科技大学(深圳)高等研究院，其通讯地址为：518000 广东省深圳市龙华区观澜街道新澜社区观光路1301-78号银星智界二期2号楼；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。