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！

龙图腾网获悉智慧互通科技股份有限公司申请的专利基于深度学习的交通状态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：CN117037490B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202311010425.6，技术领域涉及：G08G1/01；该发明授权基于深度学习的交通状态预测方法及系统是由闫军;霍建杰设计研发完成，并于2023-08-11向国家知识产权局提交的专利申请。

本基于深度学习的交通状态预测方法及系统在说明书摘要公布了：本发明公开了基于深度学习的交通状态预测方法及系统，属于智慧交通领域，其中方法包括：获取交通状态预测空间的俯视图，并将其划分为M行N列的网格图；交互交通指挥中心，获取交通状态预测空间的历史交通数据，结合网格图获取历史交通拥堵图集；基于历史交通拥堵图集，构建交通状态预测模型；采集各网格的交通状态数据，获取实时交通数据；根据实时交通数据和网格图获取实时交通图，并输入交通状态预测模型中，获取交通状态预测结果，以颜色深浅在地图上显示交通状态预测空间的交通拥堵状态。本申请解决了现有技术中无法直观、精确预测交通状态的技术问题，达到了准确、实时、直观地预测交通状态的技术效果。

本发明授权基于深度学习的交通状态预测方法及系统在权利要求书中公布了：1.基于深度学习的交通状态预测方法，其特征在于，所述方法包括： 获取交通状态预测空间俯视图，将所述俯视图划分为划分成M行N列的网格图，其中，所述交通状态预测空间为道路交会空间，所述网格图包含X个网格，X=M＊N； 交互交通指挥中心，获取所述交通状态预测空间的历史交通数据； 根据所述历史交通数据和所述网格图获取历史交通拥堵图集； 基于所述历史交通拥堵图集，构建交通状态预测模型； 通过数据采集装置实时采集各网格的交通状态数据，获取实时交通数据； 根据所述实时交通数据和所述网格图获取实时交通图； 将所述实时交通图输入所述交通状态预测模型中，获取交通状态预测结果，以颜色深浅在地图上显示所述交通状态预测空间的交通拥堵状态； 所述基于所述历史交通拥堵图集，构建交通状态预测模型，包括： 选用卷积神经网络为空间状态预测子模型的模型结构，选用长短期记忆网络为时间状态预测子模型的模型结构； 将所述历史交通拥堵图集划分为样本训练集和样本测试集； 通过所述样本训练集对所述空间状态预测子模型和所述时间状态预测子模型进行训练，获取待用空间状态预测子模型和待用时间状态预测子模型； 通过所述样本测试集对所述待用空间状态预测子模型和所述待用时间状态预测子模型测试，获取满足测试阈值的所述空间状态预测子模型和所述时间状态预测子模型； 所述空间状态预测子模型和所述时间状态预测子模型构成所述交通状态预测模型； 所述空间状态预测子模型包括： 分别按照1小时、1日、1周的时间间隔对所述历史交通拥堵图集进行采样，获取第一交通拥堵图集、第二交通拥堵图集、第三交通拥堵图集； 通过所述卷积神经网络分别对所述第一交通拥堵图集、所述第二交通拥堵图集、所述第三交通拥堵图集进行特征提取，获取第一交通拥堵特征、第二交通拥堵特征、第三交通拥堵特征； 在所述空间状态预测子模型添加加权全连接层，通过所述加权全连接层对所述第一交通拥堵特征、所述第二交通拥堵特征、所述第三交通拥堵特征进行加权，获取空间状态分布结果； 所述将所述实时交通图输入所述交通状态预测模型中，获取交通状态预测结果，以颜色深浅在地图上显示所述交通状态预测空间的交通拥堵状态，包括： 所述交通状态预测结果为预测特征图片集； 将所述预测特征图片集按照时间进行排序，获取K个时刻的预测特征图片； 根据所述K个时刻，对所述预测特征图片集进行遍历，获取第一预测特征图片； 通过所述网格图对所述第一预测特征图片进行划分，获取X个第一预测特征； 遍历所述X个第一预测特征，当所述第一预测特征大于或等于第一拥堵阈值，将对应网格标记为红色，当所述第一预测特征小于第一拥堵阈值并大于第二拥堵阈值时，将对应网格标记为橙色，当所述第一预测特征小于或等于第二拥堵阈值时，将对应网格标记为绿色，获取第一预测结果图； 将所述第一预测结果图映射到所述交通状态预测空间的地图上，获取所述第一预测交通图； 将所述第一预测交通图添加至所述交通状态预测结果中进行显示。

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智慧互通科技股份有限公司，其通讯地址为：075000 河北省张家口市空港经济技术开发区一期十号楼；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。