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！

龙图腾网获悉深圳市城市交通规划设计研究中心股份有限公司申请的专利一种车道级流量检测与预测方法、电子设备及存储介质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：CN120808290B 。

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：202511307942.9，技术领域涉及：G06V20/54；该发明授权一种车道级流量检测与预测方法、电子设备及存储介质是由张枭勇;朱柯臣;杨德明;陈振武;罗佳晨;祝佳祥;胡芳侨设计研发完成，并于2025-09-15向国家知识产权局提交的专利申请。

本一种车道级流量检测与预测方法、电子设备及存储介质在说明书摘要公布了：一种车道级流量检测与预测方法、电子设备及存储介质，属于智慧交通管理技术领域。为解决提高车道级流量检测与预测的效率和准确性的问题。本发明包括使用路侧监控摄像头采集车道视频；对采集的车道视频，输入到检测跟踪模块中，检测跟踪模块基于YOLOv5目标检测神经网络和DeepSort特征提取模型对车道视频进行逐帧分析，得到交通车辆的检测跟踪结果，包括跟踪id、类型、位置和置信度数据；构建车辆轨迹的区域自动生成方法，生成车辆多边形配置区域，推算车辆多边形配置区域内的车辆轨迹的车道流量相关数据；结合时空注意力机制联合建模时间与空间依赖关系，描述单车道里时间与车流量之间的关系进行车道级流量的预测。

本发明授权一种车道级流量检测与预测方法、电子设备及存储介质在权利要求书中公布了：1.一种车道级流量检测与预测方法，其特征在于，包括如下步骤： S1.使用路侧监控摄像头采集车道视频； S2.对采集的车道视频，输入到检测跟踪模块中，检测跟踪模块基于YOLOv5目标检测神经网络和DeepSort特征提取模型对车道视频进行逐帧分析，得到交通车辆的检测跟踪结果，包括跟踪id、类型、位置和置信度数据； S3.基于步骤S2得到的交通车辆的检测跟踪结果，判断是否自动生成车辆多边形配置区域，判断为是则进行步骤S5，判断为否则进行步骤S4； S4.构建车辆轨迹的区域自动生成方法，对步骤S2得到的交通车辆的检测跟踪结果生成车辆多边形配置区域，推算车辆多边形配置区域内的车辆轨迹的车道流量相关数据； S5.基于步骤S4得到的车辆多边形配置区域内的车辆轨迹的车道流量相关数据，结合时空注意力机制联合建模时间与空间依赖关系，描述单车道里时间与车流量之间的关系进行车道级流量的预测； 步骤S5的具体实现方法包括如下步骤： S5.1.对步骤S4得到的车辆多边形配置区域内的车辆轨迹的车道流量相关数据，构建动态时空图边权重计算方法，表达式为： 其中，wijt为时刻t车道i到车道j的边权重，Nswitchi→j,t-ΔT,t为时间窗口ΔT内车道i变道到车道j的车辆数，vit为车道i在时刻t的平均车速，α,β分别为第一超参数、第二超参数；为随机因子，vjt为车道j在时刻t的平均车速； S5.2.构建时空注意力机制联合建模时间与空间依赖关系，描述单车道中时间与车流量之间的关系； S5.2.1.定义空间注意力机制，以捕捉车道之间的关联性，表达式为： 其中，为车道i与车道j在时刻t的关联强度，hit为车道i在时刻t的特征向量，包括流量、速度、信号灯状态；Qk为第k个注意力头的查询矩阵，Kk为第k个注意力头的键矩阵，Softmax为归一化指数函数，dk为模型维度； 空间注意力机制通过注意力机制捕捉车道之间的流量关联关系； S5.2.2.基于时间注意力机制，构建时间注意力系数，以捕捉历史时刻重要性，表达式为： 其中，为车道i在时刻t与历史时刻t-τ的时间注意力系数，为模型参数矩阵；时间注意力系数表示当前时刻与历史时刻特征的相似性； S5.2.3.构建车道时空注意力融合机制，以形成时空特征联合建模，建模定义如下： 其中，h′it为模型隐藏层参数，为车道i的相邻车道集合；Vk为第k个注意力头的值矩阵；K为注意力头数量； 时空注意力融合机制将时间特征和空间特征融合形成时空注意力网络； S5.3.结合步骤S5.1得到的动态时空图边权重与车道时空注意力融合机制，进行车道级流量的训练和预测。

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深圳市城市交通规划设计研究中心股份有限公司，其通讯地址为：518000 广东省深圳市龙华区民治街道北站社区龙华设计产业园总部大厦1栋1101；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。