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！

龙图腾网获悉东南大学申请的专利一种基于事故影响因果推断的应急车辆动态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：CN118447701B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202410356507.4，技术领域涉及：G08G1/0968；该发明授权一种基于事故影响因果推断的应急车辆动态路径规划方法是由王晨;卢畅;徐嗣轩;张季洋;施明亮设计研发完成，并于2024-03-27向国家知识产权局提交的专利申请。

本一种基于事故影响因果推断的应急车辆动态路径规划方法在说明书摘要公布了：本发明公开了一种基于事故影响因果推断的应急车辆动态路径规划方法，本发明收集路网交通流信息进行因果推断模型训练，并为应急车辆选择耗时最短的路线到达事故现场。通过读取路网信息，获得路网交通流数据，设置目标节点、源节点与路网中其他交叉口节点，并确定事故发生的类型，地点与时间，生成相应的事故信息作为输入；通过因果推断方法获得时空速度的影响值，并得到时变周期下更新的新的路段行程时间；通过路网权值时变特性的全局最优路径规划方法进行应急车辆最优路径选择。本发明将机器学习方法与传统因果效应模型相结合，实现应急车辆的动态路径规划，提高通行效率。

本发明授权一种基于事故影响因果推断的应急车辆动态路径规划方法在权利要求书中公布了：1.一种基于事故影响因果推断的应急车辆动态路径规划方法，其特征在于，针对应急救援车辆，执行如下步骤S1-步骤S5，完成应急救援车辆到应急救援目的地之间的最优路径选择： 步骤S1：获取应急救援车辆的出发地位置，以及应急救援目的地位置；在路网中设置目标节点、源节点与路网中其他交叉口节点； 步骤S2：采集历史路网信息，获得应急救援车辆的出发地位置，以及应急救援目的地位置所在区域路网中所有路径上的交通状态信息，包括车辆流量、车辆密度、车辆速度； 步骤S3：选取控制变量，所述的控制变量包括影响事故发生的类型变量、地点变量、时间变量，并根据各控制变量之间的因果关系，构建因果推断模型； 步骤S3具体步骤如下： 步骤S3.1：更新当前时刻应急救援车辆所处交叉口s以及应急救援目的地位置t； 步骤S3.2：根据步骤S2获取的交通状态信息，求解出应急救援车辆在各个路段的行程时间，作为各个路段的初始路阻； 步骤S3.3：定义为事故发生dur后，应急救援车辆在节点i和节点j之间路段上的速度，定义xi,j为节点i和节点j之间路段的长度，Ti,j∈{0,1}为节点i和节点j之间路段是否发生事故，Ti,j＝1表示发生事故，Ti,j＝0表示未发生事故；其中dur表示距离事故发生后的时长，单位为min，并且将dur对应的数值作为一个更新周期； 步骤S3.4：选取控制变量，并划分为基本属性变量Xbasic，交通状态变量Xcondi，以及道路线性变量Xalign；利用皮尔逊相关系数进行控制变量的筛选，构建变量剔除的判断依据CSVI； 变量剔除的判断依据CSVI如下式： 式中，ω表示权重因子，表示控制变量，对于控制变量若无论T＝0或T＝1，对的Shap值均近似为0，则认为与无关，应当剔除； 步骤S3.5：根据各控制变量之间的因果关系，构建因果推断模型DRL； 步骤S3.5具体步骤如下： 步骤S3.5.1：计算事故因果效应的估计值： 其中，P·表示不同控制变量发生的概率；因此，事故因果效应的估计值CATEdur为： 步骤S3.5.2：计算不同条件变量组合下的倾向得分ex： 步骤S3.5.3：构建逆倾向概率加权IPW，以解决样本不均衡问题: 步骤S3.5.4：计算逆倾向概率加权IPW效应的估计值CATEIPW如下式: 增加一项关于的回归模型，因果推断模型DRL的估计值CATEDR： 其中，表示采用分类机器学习进行估计，表示采用回归机器学习进行估计； 步骤S4：基于步骤S2所获得的交通状态信息、步骤S3所构建的因果推断模型，通过因果推断方法获得时空速度的影响值，并获得时变周期下更新的路径行驶时间； 步骤S4具体步骤如下： 步骤S4.1：基于因果推断模型DRL计算不同周期dur下的速度影响值，并计算基于事故影响下的对不同路径的速度影响的估计值，计算各路径在不同周期dur下的速度 步骤S4.2：通过实时的车辆流量与车辆速度的变化，获得应急救援车辆在不同周期dur下的行程时间，同时计算源节点s到节点i的最小累计权重di： 其中，为节点i与节点j在周期dur下的行程时间； 步骤S5：通过路网权值时变特性的全局最优路径规划方法，完成应急救援车辆的最优路径选择； 步骤S5具体步骤如下： 步骤S5.1：初始时刻，应急救援车辆从源节点s＝0出发，其目标节点为t；初始时刻最小累计权重di已知节点集合S＝{0}，最小累计权重di未知节点集合U＝{1,2,…,t}；与s＝0相邻的节点di为已知节点，其余节点为未知节点，权重均为∞； 步骤S5.2：遍历集合U；在集合U中搜索距离源节点s权重最小的节点a；将该节点从集合U中移动到集合S中，同时将该节点a的权重与对应的路径分别存放到da和pa中，其中da表示源节点s到节点a的最小累计权重，pa是源节点s到节点a所经过的路径集合； 因此，集合S＝{0,a}，集合U＝{1,2,…,t}，pa＝{0,a}，其中 步骤S5.3：比较更新邻近节点权重；设节点a至邻近子节点j的路段权重为da,j，比较da+da,j与dj的大小，由于节点j与源节点s不相邻，则dj为∞，da+da,j＜dj；因此，需要更新源节点s至节点j的最小累计权重dj；更新后的dj如下式： 式中，x0,a为源节点和节点a之间路段的长度，xa,j为节点a和节点j之间路段的长度；和分别为事故发生dur后，应急救援车辆在源节点和节点a之间路段、在节点a和节点j之间路段上的速度； 假设步骤S5.2中与节点a相邻的节点为b，c，d，由于节点b，c，d与源节点s不相邻，其权重为∞，因此更新源节点s至节点b，c，d的最小累计权重db，dc，dd，此时集合S＝{0,a,b,c,d}，集合U＝{1,2,…,t}，其中 步骤S5.4：判断周期dur是否更新，确定路径pi；若至节点a的最小累计权重dur＜da＜2dur，则在到达节点a的路段将经历周期dur更新； 经过步骤S5.1-步骤S5.3，当前集合S＝{0,a,b,c,d}，集合U＝{1,2,…,t}，其中假设集合U中存在某一节点q，q为节点b，c，d中某一个节点的相邻节点，假设q为节点b的相邻节点，步骤S5.3计算得到节点q具有最小累计权重dq，且满足dur＜dq＜2dur，表明按照路径pi＝{0,a,b,q}，周期dur更新路段为b→q；定义节点b为临界父节点，节点q为临界子节点，节点b和节点q共同构成临界节点对； 步骤S5.5：计算临界节点对的最小累计权重；基于步骤S5.4，假设临界路段b→q在第一个周期dur和第二个周期dur，即durnum＝1和durnum＝2的权重分别为和假设应急救援车辆在路段b→q的行驶路程比例为r，则采用下式计算得出在durnum＝1的行驶路程比例r： 则路径pi＝{0,a,b,q}的最小累计权重为dq；此时集合S＝{0,a,b,c,d,…,q}，其中省略号中还包括b，c，d的其他相邻子节点集合U＝{1,2,…,t}，pi＝{0,a,b,q}； 路径pi＝{0,a,b,q}的最小累计权重dq的计算公式如下： 式中，db为源节点s到节点b的最小累计权重，r为应急救援车辆在路段b→q的行驶路程比例，和分别为临界路段b→q在第一个周期dur和第二个周期dur的权重；x0,a为源节点和节点a之间路段的长度，xa,b为节点a和节点b之间路段的长度；和分别为事故发生dur后，应急救援车辆在源节点和节点a之间路段、在节点a和节点b之间路段上的速度； 步骤S5.6：循环步骤S5.2至步骤S5.5，直到集合假设下一个路径选择为pi＝{0,a,b,q,f}，基于步骤S5.3，获得相应的最小累计权重df；此时，集合S＝{0,a,b,c,d,…,q,…,f}，其中第一个省略号意义同步骤S5.5，第二个省略号为子节点q的相邻子节点，集合U＝{1,2,…,t}，最后再次循环步骤S5.2至步骤S5.5，其中周期dur的下一个更新节点α满足dur＜dα＜3dur，直到 路径pi＝{0,a,b,q,f}的最小累计权重df的计算公式如下： 式中，dq为路径pi＝{0,a,b,q}的实际累计权重；xq,f为节点q和节点f之间路段的长度，为事故发生2dur后，应急救援车辆在节点q和节点f之间路段上的速度。

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东南大学，其通讯地址为：210096 江苏省南京市玄武区四牌楼2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”。

以上内容由龙图腾AI智能生成。