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！

龙图腾网获悉华南理工大学申请的专利一种基于协同过滤的超限超载车辆实时轨迹预测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：CN121542775B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202610056679.9，技术领域涉及：G06F18/22；该发明授权一种基于协同过滤的超限超载车辆实时轨迹预测方法是由何世超;蔡文学设计研发完成，并于2026-01-16向国家知识产权局提交的专利申请。

本一种基于协同过滤的超限超载车辆实时轨迹预测方法在说明书摘要公布了：本发明涉及智能交通和车辆行为预测技术领域，具体涉及一种基于协同过滤的超限超载车辆实时轨迹预测方法，尤其涉及一种面向超限超载车辆、结合多维度行为聚类与BiLSTM‑Transformer混合模型的轨迹预测方法，引入基于多维度综合相似度的DBSCAN聚类步骤，能够自动、准确地将行为模式相似的超限超载车辆归入同一群体。为目标车辆匹配最相似群体进行模型训练，有效解决了因数据异质性导致的模型学习目标模糊问题。同时，结合混合模型架构层擅长捕捉局部时序动态和短期行驶规律，而编码器的自注意力机制能有效建模全局长距离依赖和复杂的轨迹模式，二者优势互补，从而从整体上实现了预测精度的飞跃。算法能自动识别噪声点，进一步增强了方法对数据噪声的鲁棒性。

本发明授权一种基于协同过滤的超限超载车辆实时轨迹预测方法在权利要求书中公布了：1.一种基于协同过滤的超限超载车辆实时轨迹预测方法，其特征在于，包括以下步骤： S101：获取多辆超限超载车辆的历史GPS轨迹数据，所述历史GPS轨迹数据包括时间戳、经纬度坐标和瞬时车速； S102：对所述历史GPS轨迹数据进行预处理，包括数据清洗、插值处理、停留点检测和起讫点OD点识别，得到预处理后的历史轨迹数据；其中，OD点识别通过设定停留时间阈值和移动距离阈值实现，停留时间阈值范围为21分钟至69分钟，移动距离阈值为500米； S103：基于所述预处理后的历史轨迹数据，计算每两辆超限超载车辆之间的综合相似度；所述综合相似度通过加权融合轨迹空间相似度、OD点相似度和出行时间相似度得到，权重分别为0.4、0.4和0.2；所述轨迹空间相似度采用最长公共子序列算法LCSS计算，OD点相似度采用杰卡德相似系数计算，出行时间相似度采用余弦相似度计算； S104：将所述综合相似度转换为综合距离矩阵，使用DBSCAN聚类算法基于所述综合距离矩阵对超限超载车辆进行聚类，得到多个相似车辆群；其中，DBSCAN算法的超参数包括相似度阈值Eps和邻域密度阈值MinPts，通过轮廓系数优化选择； S105：对于每个相似车辆群，计算集群中心特征，包括代表轨迹、OD点集合和平均出行时间向量；所述代表轨迹选取与集群内所有车辆平均轨迹相似度最高的轨迹，OD点集合为集群内所有车辆OD点的并集，平均出行时间向量通过三角函数化后求均值得到； S106：获取目标超限超载车辆的当前历史轨迹数据，并提取其历史轨迹、OD点集合和平均出行时间向量； S107：计算目标车辆与每个相似车辆群的综合相似度，并将目标车辆匹配到综合相似度最高的相似车辆群； S108：使用匹配的相似车辆群的历史轨迹数据训练BiLSTM-Transformer轨迹预测模型；所述BiLSTM-Transformer轨迹预测模型包括BiLSTM层和Transformer编码器层，用于捕捉短期动态和长期依赖关系； S109：将所述目标车辆的历史轨迹数据输入训练好的BiLSTM-Transformer轨迹预测模型，输出未来时间步的预测轨迹点序列；所述历史轨迹数据以滑动窗口方式输入，窗口大小为50个时间步，预测未来10个时间步； S110：对所述预测轨迹点序列进行路网匹配，使用隐马尔可夫模型HMM算法将预测轨迹点映射到真实道路网络，输出符合车辆行驶逻辑的最终预测轨迹；其中，HMM算法以预测轨迹点为观测状态、路网路段为隐状态，通过维特比算法求解最大似然序列。

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华南理工大学，其通讯地址为：510000 广东省广州市天河区五山路；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。