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！

龙图腾网获悉广州交信投科技股份有限公司申请的专利基于无监督终身学习的道路异常事件检测预警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：CN119889015B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202510386896.X，技术领域涉及：G08B31/00；该发明授权基于无监督终身学习的道路异常事件检测预警方法及系统是由邹祥莉;黄毅泉;冯川;程亚杰;罗秀玲;李莹设计研发完成，并于2025-03-31向国家知识产权局提交的专利申请。

本基于无监督终身学习的道路异常事件检测预警方法及系统在说明书摘要公布了：本发明公开了基于无监督终身学习的道路异常事件检测预警方法及系统，包括：利用分道路沿线和车端的多种传感器采集交通场景数据并预处理；采用自编码器对图像数据进行无监督特征提取，对非图像数据使用主成分分析法进行特征降维提取主要特征；初始化异常检测模型，采用K‑Means聚类算法将特征空间划分簇，形成初始的正常交通模式的正常簇集合；接收新的交通数据，采用增量学习法，基于密度的聚类算法以及弹性权重整合方法，对模型持续进行在线学习和更新；将新采集数据输入更新后的模型中进行异常检测和道路异常事件报警；本发明通过无监督特征提取、模型初始化以及终身学习与模型更新机制实现对道路异常事件的高效、准确检测和及时预警。

本发明授权基于无监督终身学习的道路异常事件检测预警方法及系统在权利要求书中公布了：1.一种基于无监督终身学习的道路异常事件检测预警方法，其特征在于，包括以下步骤： S1.利用分布在道路沿线和车端的多种传感器采集交通场景数据，并进行预处理； S2.采用自编码器对预处理后的图像数据进行无监督特征提取，对非图像数据使用主成分分析法进行特征降维，提取主要特征； S3.利用提取的特征初始化基于聚类的异常检测模型，采用K-Means聚类算法将特征空间划分为多个簇，形成初始的正常簇集合，每个簇代表一种正常的交通模式； S4.接收新的交通数据，采用增量学习法，基于密度的聚类算法，以及弹性权重整合方法，对异常检测模型持续进行在线学习和更新正常交通模式和异常事件模式； S5.将新采集的数据输入到更新后的模型中进行异常检测和道路异常事件报警； 步骤S4的具体内容为： S41.判断新的交通数据与已有簇的相似度，使用距离度量计算新数据点到各个簇中心的距离； S42.如果新数据点与某个簇的距离小于设定阈值，则将新数据点分配到该簇，并更新簇的中心和统计信息； S43.对于距离所有簇中心都大于阈值的数据点，判断为潜在异常数据，并进一步使用基于密度的聚类算法对潜在的异常数据进行分析，创建新簇加入模型，代表异常交通模式； S44.在模型更新过程中，采用弹性权重整合EWC方法，在学习新任务时，最小化新任务的损失函数同时保留旧任务的知识； 骤S43的具体内容为： 对于数据集X中的每个数据点xi，计算给定半径∈内的邻居点数量N∈xi； 如果N∈xi大于等于最小邻居点数量MinPts，则将xi标记为核心点，并创建一个新的簇，将其邻居点加入该簇，递归地检查邻居点的邻居点，直到没有新的点可以加入簇为止； 如果N∈xi小于MinPts，但在某个核心点的邻居范围内，则将xi标记为边界点并分配到相应的簇； 如果异常数据形成了一个新的密集区域，则作为一个新的簇加入模型，代表异常交通模式； 步骤S44的具体内容为： S441.在旧任务上进行模型训练，得到旧任务训练结束后模型的参数； S442.旧任务训练结束后，计算每个模型参数对旧任务的重要性权重： S443.进行新任务学习，并在更新参数时引入正则化项以约束参数的更新，惩罚与旧任务的重要参数偏离较大的更新，使得与旧任务相关的重要参数不会发生过大变化，从而避免遗忘旧知识。

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广州交信投科技股份有限公司，其通讯地址为：510000 广东省广州市黄埔区黄埔大道东884号南方智媒北塔30楼3008室；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”。