Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 积分商城 国际服务 IP管家助手 科技果 科技人才 商标交易 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 同济大学涂梅婷获国家专利权

同济大学涂梅婷获国家专利权

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!

龙图腾网获悉同济大学申请的专利一种融合时间混合效应与机器学习的事故预测方法及系统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:CN119719836B

龙图腾网通过国家知识产权局官网在2026-02-27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:202411559065.X,技术领域涉及:G06F18/24;该发明授权一种融合时间混合效应与机器学习的事故预测方法及系统是由涂梅婷;郭建翔;李晔;史童童;楚锡洋设计研发完成,并于2024-11-04向国家知识产权局提交的专利申请。

一种融合时间混合效应与机器学习的事故预测方法及系统在说明书摘要公布了:本发明涉及一种融合时间混合效应与机器学习的事故预测方法及系统,其中所述的方法包括:获取包含时间类别的交通状态数据和交通事故数据,并基于交通事故数据将交通状态数据划分为事故数据以及非事故数据,将事故数据作为数据平衡模型的训练数据集;利用训练好的数据平衡模型生成平衡事故数据,将事故数据、平衡事故数据和非事故数据集整合得到第一数据集,将第一数据集进行预处理后,作为实时事故预测模型的训练数据集;将实时采集到的交通状态数据输入训练好的实时事故预测模型,输出事故预测结果,所述的系统用于实现上述方法。与现有技术相比,本发明通过数据平衡处理,保障采样方法生成的数据质量,使得对事故的预测结果更精准。

本发明授权一种融合时间混合效应与机器学习的事故预测方法及系统在权利要求书中公布了:1.一种融合时间混合效应与机器学习的事故预测方法,其特征在于,该方法包括: 获取包含时间类别的交通状态数据和交通事故数据,并基于交通事故数据将交通状态数据划分为事故数据以及非事故数据,将事故数据作为数据平衡模型的训练数据集;所述的数据平衡模型为WGAN-GP; 使用测试集对更新参数后的数据平衡模型进行性能评估,选取性能最优的数据平衡模型; 利用训练好的数据平衡模型生成平衡事故数据,将事故数据、平衡事故数据和非事故数据整合得到第一数据集,将第一数据集进行预处理后,作为实时事故预测模型的训练数据集;所述的实时事故预测模型为T-MEXGB; 将实时采集到的交通状态数据输入训练好的实时事故预测模型,输出事故预测结果; 所述的数据平衡模型包括生成器和判别器,训练过程包括: 将所述的事故数据进行标准化处理后,作为数据平衡模型的训练数据集,且按照第一预设比例将事故数据划分为训练集和测试集,并设定训练周期; 随机抽取训练集中一批真实的事故数据作为生成器输入并输出一批伪造的事故数据;生成器的第一层输入维度为100,输出维度为256;第二层输入维度为256,输出维度为512;第三层输入维度为512,输出维度为1024;第四层输入维度为1024,输出维度为事故数据的维度;前三层激活函数为ReLU激活函数,最后一层为Tanh激活函数; 将真实的事故数据和伪造的事故数据输入判别器,由插入的梯度惩罚函数和损失函数计算损失和梯度惩罚项,并使用梯度下降法更新判别器和生成器的参数,重复进行至最大训练周期;判别器的第一层输入维度为事故数据的维度,输出维度为1024;第二层输入维度为1024,输出维度为512;第三层输入维度为512,输出维度为256;第四层输入维度为256,输出维度为1;激活函数均为LeakyReLU激活函数,且负斜率为0.2。

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同济大学,其通讯地址为:200092 上海市杨浦区四平路1239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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。