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！

龙图腾网获悉烟台哈尔滨工程大学研究院申请的专利一种多通道网络的隐函数驱动的多目标路径规划优化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：CN119849726B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202510323985.X，技术领域涉及：G06Q10/047；该发明授权一种多通道网络的隐函数驱动的多目标路径规划优化方法是由杨翰琨;鲁帅;滕帅平;陈一;李冬雪设计研发完成，并于2025-03-19向国家知识产权局提交的专利申请。

本一种多通道网络的隐函数驱动的多目标路径规划优化方法在说明书摘要公布了：本发明公开了一种多通道网络的隐函数驱动的多目标路径规划优化方法，属于算法优化技术领域，包括获取交通数据并进行预处理；从时域维度和频域维度对交通数据中的车流密度信号进行特征提取；构建三通道网络模型并训练；进行目标函数设计；采用遗传算法搜索最优解。本发明采用上述的一种多通道网络的隐函数驱动的多目标路径规划优化方法，通过三个并行处理通道同时处理不同类型的数据，并通过融合层进行整合输出，精准地反映交通系统的复杂性和动态变化，提高路径规划的适应性和精度，显著提升系统对不同数据类型的处理能力和综合表达能力；通过隐函数的方式处理复杂的非线性关系，并嵌入到优化算法的目标函数中，有效提高路径规划的精准度。

本发明授权一种多通道网络的隐函数驱动的多目标路径规划优化方法在权利要求书中公布了：1.一种多通道网络的隐函数驱动的多目标路径规划优化方法，其特征在于，包括以下步骤： S1、获取交通数据并进行预处理，每个样本包括路径类型T、环境条件C、交通管理模式M、车速限制V、车流密度D，以及对应的道路损耗度实际值L； S2、从时域维度和频域维度对交通数据中的车流密度D信号进行特征提取，车流密度D信号中时域特征包括最大值、最小值、尖锐度、对称度、偏斜度、峰峰值、绝对峰均比、平均值和标准差，时域特征反映信号的振幅、波动程度以及分布特性；频域特征包括主频率、频谱能量、频谱中心、频率带宽、谐波能量比和谐波能量集中度；时域特征和频域特征共计15项； S3、将S2中时域特征和频域特征以及S1中车速限制V作为数值型特征，S1中交通管理模式M、路径类型T以及环境条件C作为分类型特征，S1中车流密度D作为时序型特征，构建三通道网络模型，具体为： S31、对数值型特征进行归一化处理，计算公式为： ； 其中，X代表原始数据，为归一化后的值，归一化区间为[0,1]，最终输入到数值型通道的特征向量形式为，其中分别为各自归一化后的15项时域特征和频域特征以及S1中车速限制V； S32、对分类型特征使用独热编码将每个类别的取值转化为二进制向量，其中每个类别用一个独立的维度表示； 路径类型T包含类，编码后得到一个长度为的二进制向量；环境条件C包含个等级，编码后得到一个长度为的二进制向量；交通管理模式M包含种，编码后得到一个长度为的二进制向量；将上述三个二进制向量进行拼接，得到输入分类型通道的特征向量 ， ； S33、对时序型特征，使用长短期记忆网络捕捉时间序列中的长期依赖关系；输入到时序型通道的特征向量由车流密度D的N个采样点组成，； S34、数值型通道和分类型通道将各自输入的特征分别通过一个全连接层进行处理， ； ； 其中，为数值型通道权重矩阵，维度为16×64；为数值型通道偏置项，维度为64，表示输出层的神经元数；ReLU为激活函数；为分类型通道权重矩阵，维度为；为分类型通道偏置项，维度为64；和为各自通道全连接层的输出，为数值向量形式，表示经过ReLU变换后的特征信息； S35、时序型通道通过长短期记忆网络LSTM来处理，得到一个隐藏状态序列，在每个时间步，LSTM的输出隐藏状态依赖于当前的输入和上一时刻的状态，具体为： ； 其中，为细胞状态，负责保存长期记忆；LSTM层输出长度为N的隐藏状态序列，设定隐藏层的大小为64，选择LSTM输出序列的最后一个时间步的隐藏状态作为整个时序数据的摘要表示； 通过一个全连接层将LSTM的最后一个时间步的隐藏状态映射到与数值型通道和分类型通道相同的特征空间维度，具体为： ； 其中，为时序型通道全连接层输出，和分别为时序型通道全连接层的权重矩阵和偏置项； S36、引入跨通道注意力机制，计算数值型通道、分类型通道和时序型通道的输出特征的重要性，并通过加权的方式进行融合，融合后的特征为： ； 其中，表示最终的特征，为数值向量形式，为三个通道的注意力权重，通过一个具备学习能力的评分网络计算得到； S37、融合后的特征通过一个最终的全连接层映射到最终的输出空间，得到最终的道路损耗度预测值： ； 其中，是最终融合层的权重矩阵，维度为192×1，为最终融合层的偏置项； S4、对三通道网络模型训练； S5、结合S2和S4进行目标函数设计；具体包括以下步骤： S51、将S4训练完成的三通道网络模型并结合车流密度D特征提取模块，视作道路损耗度计算值的函数F： ； S52、计算交通流动性，交通流动性指交通系统中车辆的流动程度，与路段上的车速限制V和车流密度D周期内的峰值相关，计算公式为： ； S53、将交通流动性和道路损耗度计算值进行加权组合，为优化算法提供综合评价标准，综合目标函数Z的设计为： ； 其中，为权重系数，用来控制交通流动性和道路损耗度计算值在路径规划优化中的相对重要性，并根据交通情况调整； S6、采用遗传算法搜索最优解。

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烟台哈尔滨工程大学研究院，其通讯地址为：264000 山东省烟台市烟台经济技术开发区青岛大街1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”。