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！

龙图腾网获悉重庆大学;重庆首讯科技股份有限公司申请的专利基于动态图原型对比学习的高速公路隧道拥堵识别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：CN121010951B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202511544548.7，技术领域涉及：G06V20/54；该发明授权基于动态图原型对比学习的高速公路隧道拥堵识别方法是由郑林江;黄俊涛;王璟婷;张栩;鄢祺阳;李扬扬;全欣宇;刘益岑设计研发完成，并于2025-10-28向国家知识产权局提交的专利申请。

本基于动态图原型对比学习的高速公路隧道拥堵识别方法在说明书摘要公布了：本发明属于隧道交通管理技术领域，公开了一种基于动态图原型对比学习的高速公路隧道拥堵识别方法，该方法能够整合不同时刻车辆的微观行为及其动态交互信息，捕捉车辆之间的复杂时空关系和长期演化依赖，从而提取多层次的交通演化特征，实现对隧道拥堵的有效识别。本发明还提出了提出了动态图原型对比学习模型DGPCL，基于真实隧道雷视融合数据的实验表明，DGPCL在多种交通状态识别任务中均优于现有最优方法，所提出的策略有效解决了现有方法在微观车辆交互建模和时空特征提取上的不足，为高速公路隧道拥堵识别研究提供了新的技术借鉴，具有较高的理论与应用价值。

本发明授权基于动态图原型对比学习的高速公路隧道拥堵识别方法在权利要求书中公布了：1.一种基于动态图原型对比学习的高速公路隧道拥堵识别方法，其特征在于，包括以下步骤： S1.采用雷达与视频监控相结合的方式采集高速公路隧道内的车辆数据； S2.对步骤S1采集的高速公路隧道内的车辆数据进行预处理，生成车辆轨迹时间序列数据； S3.构建动态图原型对比学习模型； 动态图原型对比学习模型包括图数据增强模块和原型对比学习模块； 图数据增强模块：用于实现对微观车辆行为的细粒度建模； 原型对比学习模块：用于捕捉隧道内车辆的微观行为及其时空演化模式，同时为后续的原型对比学习提供高质量嵌入； 所述步骤S3中图数据增强模块的设计为： I、图数据增强模块以车辆轨迹时间序列数据为输入，并将其转换为图结构； 在每个时间步，构建图；其中，表示该时间步隧道观测区域内的所有车辆节点；表示该时间步隧道观测区域内的第Nt车辆节点；Nt表示车辆数；表示车辆之间的空间邻近关系；为车辆特征矩阵，每行包含速度、加速度、位置、航向角和车道编号；为每辆车的特征维度；在固定时间区间内均匀采样个离散时间步，形成动态图序列； II、在步骤I的基础上，引入两种图增强策略生成不同视图，以提升模型对扰动的鲁棒性； 第一种策略：节点丢弃，用于提升模型在节点信息不完整情况下的鲁棒性； 以随机丢弃比例对原始图中的车辆节点及其相应边进行采样，得到增强图； ， 式中，为通过节点丢弃操作后得到的增强图，由节点集合、边集合和特征矩阵组成；为随机采样节点集合，是的子集，且其节点数量，表示向下取整；为增强图中的节点集合，是从原始图节点集合中去除随机采样节点集合后的节点集合；为增强图中的边集合，是从原始图边集合中筛选出两个端点都在中的边；为增强图中的车辆特征矩阵，是从原始车辆特征矩阵中选取属于节点对应的行得到的； 第二种策略：特征扰动，用于提升模型对节点特征变化的鲁棒性； 对于每个时间步的节点特征矩阵，添加高斯噪声，并通过掩码矩阵控制扰动范围，生成增强图 式中，表示逐元素相乘；为控制噪声强度；，服从均值为0、协方差矩阵为的高斯分布；I为单位矩阵，用于对节点特征矩阵添加噪声；为扰动概率； S4、设计一个附加轻量级分类器的隧道交通状态下游分类任务，用于评估动态图原型对比学习模型所学表示的可分性与判别能力； S5.将步骤S2预处理后的车辆轨迹时间序列数据输入步骤S3构建的动态图原型对比学习模型，然后将动态图原型对比学习模型提取的特征输入轻量级分类器，最终得到高速公路隧道的交通状态。

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重庆大学;重庆首讯科技股份有限公司，其通讯地址为：400044 重庆市沙坪坝区沙正街174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。