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！

龙图腾网获悉湖南工商大学申请的专利基于稀疏补全协同Q深度学习的交通最优路径规划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：CN119940678B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202510426169.1，技术领域涉及：G06Q10/047；该发明授权基于稀疏补全协同Q深度学习的交通最优路径规划方法是由魏建好;林炜佳;肖桐;李翔;李宗耀;陈妍设计研发完成，并于2025-04-07向国家知识产权局提交的专利申请。

本基于稀疏补全协同Q深度学习的交通最优路径规划方法在说明书摘要公布了：本发明提供了基于稀疏补全协同Q深度学习的交通最优路径规划方法，涉及交通路径规划领域，包括：基于加权误差控制的关键区域自适应选择方法，对稀疏区域进行采样选择；基于transformer的交通图特征隐私保护方法，对交通图特征进行高效提取和保护；基于KNN加权平均的稀疏交通图特征矩阵补全方法，将缺失部分进行补全；面向稀疏交通图预训练的Q深度学习自适应梯度保护方法，对模型参数进行保护；基于Kalmanfilter的稀疏交通流最优路径规划方法，以选择最优路径；本发明所采用的保护方法取得本地差分隐私，在确保稀疏交通数据的隐私保护前提下，实现高可用性的最优路径规划。

本发明授权基于稀疏补全协同Q深度学习的交通最优路径规划方法在权利要求书中公布了：1.基于稀疏补全协同Q深度学习的交通最优路径规划方法，其特征在于，包括以下步骤： 步骤一：基于加权误差控制的自适应选择方法，对关键区域进行稀疏采样，通过计算相邻采样数据变化率控制稀疏性保障质量； 所述步骤一，具体包括： 步骤1.1：根据自适应采集方法，对不同时间的不同路径给定动态的权重，计算路径的交通流量和权重并对权重进行归一化，对当前周期所选路径权重进行累加求和得到整体权重； 步骤1.2：利用整体权重进行加权误差控制减轻异常值对整体优化过程的干扰，进行相对误差限制，计算相邻两个周期之间的数据变化率，当数据变化率小于规定阈值时，停止本轮稀疏采样； 步骤二：基于transformer的交通图特征隐私保护方法，得到交通图片特征矩阵，并进行差分隐私保护； 步骤三：基于KNN加权平均的稀疏交通图特征矩阵补全方法，通过加权平均计算缺失数据补全特征矩阵； 步骤四：面向稀疏交通图预训练的Q深度学习自适应梯度保护方法，根据梯度变化趋势对模型参数进行差分隐私保护； 所述步骤四，具体包括： 步骤4.1：基于完整的交通图特征矩阵的集合构建个体Q网络和局部Q网络，个体Q网络生成最优路径动作，局部Q网络则生成最优联合动作，执行动作后，转移数据存入经验缓冲区，为后续网络更新提供训练数据； 步骤4.2：从经验缓冲区采样数据，设定目标值，并计算个体Q网络的损失函数和局部Q网络损失函数； 步骤4.3：设计余弦相似度协调机制，计算个体与局部Q值方向一致性损失，加权整合至预训练损失，通过梯度下降优化参数，平衡个体与全局策略冲突； 步骤4.4：通过二阶指数平滑机制预测得到第t+1轮模型训练的梯度范数，再根据第t+1轮和第t轮的梯度范数得到第t+1轮梯度变化趋势，再计算得到调整因子； 步骤4.5：根据调整因子调整梯度裁剪阈值，然后通过自适应梯度拉普拉斯噪声，生成加噪后的模型参数向量； 步骤五：基于Kalmanfilter的稀疏交通流最优路径规划方法，优化模型参数并进行最优路径规划。

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湖南工商大学，其通讯地址为：410000 湖南省长沙市岳麓区岳麓大道569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”。