買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉山東大通世紀實業(yè)有限公司申請的專利一種基于分布式架構(gòu)多源大數(shù)據(jù)交通控制管理方法及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120452211B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-16發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510962121.2，技術(shù)領域涉及：G08G1/01；該發(fā)明授權(quán)一種基于分布式架構(gòu)多源大數(shù)據(jù)交通控制管理方法及系統(tǒng)是由馬金國;鄭劉飛;郭斌;王棟;時曉磊設計研發(fā)完成，并于2025-07-14向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于分布式架構(gòu)多源大數(shù)據(jù)交通控制管理方法及系統(tǒng)在說明書摘要公布了：本申請實施例公開了一種基于分布式架構(gòu)多源大數(shù)據(jù)交通控制管理方法及系統(tǒng)，屬于智慧交通技術(shù)領域。解決現(xiàn)有技術(shù)對交通態(tài)勢預測精度不足，從而容易造成交通調(diào)控不精確的問題。包括，基于提取的特征數(shù)據(jù)與交通路網(wǎng)對應的動態(tài)時空圖，構(gòu)建動態(tài)交通流模型；通過交通路網(wǎng)中的中心節(jié)點，對交通態(tài)勢進行推演得到多種交通預測場景，并匹配相應的交通調(diào)控策略；在檢測到異常交通事件后，根據(jù)異常交通事件在空間軸上對應的傳播影響趨勢，劃定受影響區(qū)域；通過中心節(jié)點，對交通調(diào)控策略劃對應的多個操作單元進行動態(tài)組合，生成定制化調(diào)控方案；各邊緣節(jié)點基于本地交通流數(shù)據(jù)，以分布式優(yōu)化算法對定制化調(diào)控方案進行聯(lián)合優(yōu)化，以實現(xiàn)交通控制管理。

本發(fā)明授權(quán)一種基于分布式架構(gòu)多源大數(shù)據(jù)交通控制管理方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種基于分布式架構(gòu)多源大數(shù)據(jù)交通控制管理方法，其特征在于，所述方法包括： 基于時間順序，對交通路網(wǎng)對應的歷史交通流數(shù)據(jù)進行特征數(shù)據(jù)提取，并基于提取的特征數(shù)據(jù)與所述交通路網(wǎng)對應的動態(tài)時空圖，構(gòu)建動態(tài)交通流模型； 通過所述交通路網(wǎng)中的中心節(jié)點，基于所述動態(tài)交通流模型，對未來預設時段內(nèi)的交通態(tài)勢進行推演預測，得到多種交通預測場景，并為多種所述交通預測場景匹配相應的交通調(diào)控策略； 在檢測到異常交通事件后，以所述異常交通事件對應的所屬路段為中心，根據(jù)所述異常交通事件在空間軸上對應的傳播影響趨勢，劃定受影響區(qū)域； 通過所述中心節(jié)點，將所述交通調(diào)控策略劃分為多個操作單元，并基于所述異常交通事件對應的交通信息對所述操作單元進行動態(tài)組合，生成定制化調(diào)控方案； 確定出所述受影響區(qū)域?qū)倪吘壒?jié)點，以及確定出所述邊緣節(jié)點對應的本地交通流數(shù)據(jù)，各所述邊緣節(jié)點基于所述本地交通流數(shù)據(jù)，以分布式優(yōu)化算法對所述定制化調(diào)控方案進行聯(lián)合優(yōu)化，以實現(xiàn)交通控制管理； 所述為多種所述交通預測場景匹配相應的交通調(diào)控策略，具體包括： 將歷史交通數(shù)據(jù)中相似交通場景的數(shù)據(jù)進行劃分，并為每個場景類別建立對應的調(diào)控策略庫； 通過動態(tài)交通流模型得到未來預設時段內(nèi)的多個交通預測場景，將多個所述交通預測場景與歷史場景類別進行相似度計算，基于相似度選取各所述交通預測場景分別對應的匹配場景集； 基于各所述匹配場景集分別對應的歷史交通流數(shù)據(jù)構(gòu)建第一時序曲線，以及，基于所述交通預測場景對應的交通數(shù)據(jù)流構(gòu)建第二時序曲線； 根據(jù)所述第一時序曲線與所述第二時序曲線之間的幅值差值，從所述匹配場景集中選取出候選場景； 在各所述候選場景對應的調(diào)控策略庫中提取候選策略集，以路網(wǎng)延誤率為目標，在所述候選策略集中篩選各所述交通預測場景分別對應的交通調(diào)控策略； 所述在檢測到異常交通事件后，以所述異常交通事件對應的所屬路段為中心，根據(jù)所述異常交通事件在空間軸上對應的傳播影響趨勢，劃定受影響區(qū)域，具體包括： 在檢測到異常交通事件后，獲取所述異常交通事件對應的交通信息；其中，所述交通信息至少包括交通事件類型、事件發(fā)生時間、所屬路段對應的車流量； 將所述異常交通事件對應的所屬路段為中心，將與所述所屬路段直接或間接相連路段作為鄰接節(jié)點，構(gòu)建所述空間軸； 將所述交通信息與所述空間軸輸入預置神經(jīng)網(wǎng)絡，以輸出所述異常交通事件傳播至鄰接節(jié)點的傳播概率與傳播影響衰減值； 根據(jù)所述傳播概率與預置概率閾值之間的比對結(jié)果，在所述空間軸中確定出參考空間區(qū)域集； 以及，基于各路段分別對應的周邊用地類型以及歷史事件響應頻率，確定出各路段在所述交通事件發(fā)生時刻的交通敏感度； 根據(jù)所述傳播影響衰減值與所述交通敏感度，對所述參考空間區(qū)域集進行篩選，得到所述受影響區(qū)域； 所述通過所述中心節(jié)點，將所述交通調(diào)控策略劃分為多個操作單元，并基于所述異常交通事件對應的交通信息對所述操作單元進行動態(tài)組合，具體包括： 通過所述中心節(jié)點，在預生成的交通調(diào)控策略中提取與所述異常交通事件匹配的交通預案； 通過所述中心節(jié)點，將所述交通預案劃分為多個所述操作單元，為每個所述操作單元標注執(zhí)行條件、依賴關系及沖突規(guī)則，并錄入交通知識圖譜； 通過所述中心節(jié)點，將所述異常交通事件對應的交通信息與所述交通知識圖譜進行語義匹配與時空約束過濾，篩選出適用的操作單元候選集； 通過所述中心節(jié)點，基于預設目標函數(shù)和優(yōu)化策略，對所述操作單元候選集中的操作單元進行動態(tài)組合，生成所述異常交通事件對應的定制化調(diào)控方案； 所述中心節(jié)點通過所述交通知識圖譜對應的關系網(wǎng)絡，對所述定制化調(diào)控方案進行協(xié)同關系校驗和沖突檢測，以對所述定制化調(diào)控方案進行動態(tài)修正； 所述通過所述中心節(jié)點，基于預設目標函數(shù)和優(yōu)化策略，對所述操作單元候選集中的所述操作單元進行動態(tài)組合，生成所述異常交通事件對應的定制化調(diào)控方案，具體包括： 通過所述中心節(jié)點構(gòu)建交通調(diào)控方案的多維度目標函數(shù)；其中，所述多維度目標函數(shù)包括效率目標與資源目標； 通過所述中心節(jié)點，基于所述交通知識圖譜的約束關系對所述操作單元候選集進行一級篩選，以及根據(jù)緊急度評分對所述操作單元候選集進行二級篩選； 通過貪心算法與所述多維度目標函數(shù)對篩選后的所述操作單元候選集進行迭代選擇，直至符合預設終止條件，以得到初始組合方案；其中，所述預設終止條件包括目標函數(shù)提升值小于閾值或資源耗盡； 通過所述中心節(jié)點中的強化學習模型，對所述貪心算法生成的初始組合方案進行優(yōu)化； 根據(jù)事件發(fā)展階段，對所述貪心算法與所述強化學習模型進行動態(tài)權(quán)重調(diào)節(jié)； 根據(jù)調(diào)節(jié)后的權(quán)重，對所述貪心算法與所述強化學習模型重新進行融合，以得到不同事件發(fā)展階段分別對應的定制化調(diào)控方案。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人山東大通世紀實業(yè)有限公司，其通訊地址為：250000 山東省濟南市歷下區(qū)解放東路1號C座1604、1605、1606室；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。