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！

龙图腾网获悉北方工业大学申请的专利一种基于多源信息融合的全息交通状态数据集构建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：CN116311945B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202310317338.9，技术领域涉及：G08G1/01；该发明授权一种基于多源信息融合的全息交通状态数据集构建方法是由王庞伟;何昕泽;王天任;刘程设计研发完成，并于2023-03-29向国家知识产权局提交的专利申请。

本一种基于多源信息融合的全息交通状态数据集构建方法在说明书摘要公布了：本发明涉及交通数据处理技术领域，尤其涉及一种基于多源信息融合的全息交通状态数据集构建方法，包括获取原始数据集，根据路网拓扑关系构造有向路网图与无向路网图，路网图根据颜色匹配方程为交通信息进行图像化处理，构造邻阶矩阵，结合交通信息图经过空间‑时间信息补偿网络对原始交通特征数据进行初步修正补全，建立迭代补全生成式对抗性网络IGANI模型，生成补全数据集，基于邻阶矩阵与有向路网图建立的道路物理连接关系模型搭建加权有向图，经GE‑LSTM交通状态预测模型预测出周期内交通状态数据生成预测数据集，构建全息交通状态数据集，本发明有效克服由于设备损坏老化故障问题造成的数据缺失问题，有效提升交通控制系统的控制效果。

本发明授权一种基于多源信息融合的全息交通状态数据集构建方法在权利要求书中公布了：1.一种基于多源信息融合的全息交通状态数据集构建方法，其特征在于，包括： 步骤S1，利用交通信号机和路侧传感器将信号灯配时数据、激光雷达和高清摄像机采集数据发送给具有V2X通信功能的智能车载单元OBU与多源信息融合装置MEC，再将处理后的数据信息上传至云服务器或计算机终端，形成原始数据集； 步骤S2，根据路网拓扑关系构造有向路网图与无向路网图； 步骤S3，所述路网图根据颜色匹配方程为交通信息进行图像化处理； 步骤S4，所述原始数据集根据路网连接关系与距离关系的物理属性构造邻阶矩阵A，以表示路段间关联关系； 步骤S5，所述邻阶矩阵A结合交通信息图经过空间-时间信息补偿网络对原始交通特征数据进行初步修正与补全； 步骤S6，建立迭代补全生成式对抗性网络IGANI模型，生成补全数据集； 步骤S7，基于所述邻阶矩阵A与所述有向路网图建立的道路物理连接关系模型搭建加权有向图，由图信号矩阵表示交通状态特征，经带有数据补全机制的图嵌入长短期记忆神经网络GE-LSTM构造交通状态预测模型预测出周期内的交通状态数据，在所述步骤S7中，建立交通状态预测模型步骤包括： S71，城市交叉口路网图构建，将交叉口场景表示为加权有向路网图M；城市交叉口路网图构建方法包括： 步骤S11，在交叉路口地段，安装V2X传感器； 步骤S12，当车辆驶入V2X传感器感知范围，在区域内建立车车车路无线通信，进行交叉口立体交通状态信息采集； 步骤S13，将交叉口场景表示为加权有向图，表示为G＝V,E,X；在时间t时，所述图M的交通状态Xt用图信号表示为Xt∈Rn×c， 其中，V＝{v1，v2，...，vn}表示路段网络上的节点的集合，n为节点的个数；E＝{eij}表示各个顶点vi和vj之间相互连通的一组边；X表示基于V2X路侧感知范围内的交通状态；c表示交通状态特征数量，包括交通流量、交通密度以及交通速度； S72，提取V2X多源信息融合数据，将数据的时间特征与空间特征进行融合，构造输入Xt； 在所述路网图M中，指定的滑动窗口l内其交通状态Xt表示为下式； Xt＝{xt-l+1,xt-l+2,...,xt} 其中，Xt作为LSTM神经网络模型的输入，其维度为d， S73，将其输入至长短期记忆网络LSTM单元预测下一个时间步长t的交通状态； 在时间t，LSTM单元有3个输入：当前交通状态Xt，前一隐藏层输出值ht-1以及输出状态ct-1；同时包含3个输出分别是此时隐藏层输出值ht以及输出状态ct，产生的预测结果为Yt，3个门的状态分别为it、ft、ot，为0到1之间的数值，其中，在此网络单元中，ct和ht会传递到下一个网络，其运算过程如下式11-式15； it＝σWxiXt+Whiht-1+Wcict-1+bi11 ft＝σWxfXt+Whfht-1+Wcfct-1+bf12 ot＝σWxoXt+Whoht-1+Wcoct-1+bo13 ct＝ftct-1+tanhWxcXt+Whcht-1+bc14 ht＝ottanhct15 其中，用Wxi表示式11交通状态的输入Xt的权重、Wxf表示式12交通状态的输入Xt的权重、Wxo表示式13交通状态的输入Xt的权重、Wxc表示式14交通状态的输入Xt的权重；Whi表示式11隐藏层ht的权重、Whf表示式12隐藏层ht的权重、Who表示式13隐藏层ht的权重、Whc表示式14隐藏层ht的权重；Wci表示式11输出状态ct的权重、Wcf表示式12输出状态ct的权重、Wco表示式13输出状态ct的权重；bi表示式11中的偏置向量、bf表示式12中的偏置向量、bo表示式13中的偏置向量、bc表示式13中的偏置向量；tanh表示激活函数，能够把变量一一映射在[0,1]的范围中， σx表示在等式中定义的sigmoid函数，表示为下式； tanhx表示等式中定义的双曲正切函数，由下式确定； S74，输出最终结果Yt； 网络预测输出最终结果Yt计算为：Yt＝Wy·ht+by 其中，W表示交通预测值隐藏层h的权重，b表示预测值的偏置向量； 步骤S8，所述交通状态数据与所述补全数据集构建全息交通状态数据集，在所述步骤S8中，构建全息交通状态数据集的计算方法如下： 基于多源车路信息融合的实时交通状态的数据采集装置采集原始数据为如下式16的label数据集； 其中，邻阶矩阵A表示道路网络之间的连接，Y表示道路状态特征包括信号相位，信号配时，排队长度，Y表示网联车辆状态特征包括车辆识别信息，车辆速度，车辆航向角，Y表示V2X通信设备状态特征包括信道带宽，传输延迟，丢包率，上行速率，X∽X表示时间序列下的特征值， 根据路网特征融合有效数据为原始交通状态数据集Y，数据集Y包括交通流量、交通流密度、平均车速； Y＝{Xt-n,Xt-n+1,Xt-n+2,...,X 其中，n为原始交通数据集时间序列长度， 融合数据集经映射函数f补全时间步长为T的交通状态数据； [Xt+1,...,Xt+T]＝fA；Xt-n,...,Xt-1,X 补全后的数据集label表示为下式； 其中，Y*为完整交通状态数据集， 其中，数据采集装置安装具体步骤包括： 步骤1:装置安装32线机械激光雷达，安装于交通信号灯最顶部，采样频率设置为10Hz，用于识别、获取道路中车辆位置的基本信息，通过千兆交换机与MEC单元链接； 步骤2：装置安装高清摄像机，安装于交通信号灯次顶部，用于实现机器视觉识别获取车辆实时位置信息功能，通过千兆交换机与MEC单元连接； 步骤3：装置安装千兆交换机，安装于交通信号灯杆上部，用于装置各组件间数据传递； 步骤4：装置安装路侧单元RSU5，安装于交通信号灯杆中部，用于与智能车载单元OBU通过V2I通信建立连接，接收智能车信息数据； 步骤5：装置安装GPS模块，安装于交通信号灯杆下部，用于获取智能信号灯杆所处地理位置； 步骤6：装置安装天线，安装于交通信号灯杆底座稳定处，用于装置与互联网连接，装置数据与云端数据互通； 步骤7：装置安装MEC单元，安装于交通信号灯杆底座处，用于多源数据融合等边缘计算任务处理； 步骤8：装置安装实时监控屏幕，安装于交通信号灯杆底座内，用于监控OBU的任务卸载过程、V2X的通信状态、道路的实时交通状态以及MEC任务处理状态。

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北方工业大学，其通讯地址为：100000 北京市石景山区晋元庄路5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。