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！

龙图腾网获悉南京莱斯信息技术股份有限公司申请的专利一种面向交通状态的时变性扇区动态分类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：CN115099322B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202210691344.6，技术领域涉及：G06F18/241；该发明授权一种面向交通状态的时变性扇区动态分类方法是由徐礼鹏;周超;唐敏敏;张翔;王天宇设计研发完成，并于2022-06-17向国家知识产权局提交的专利申请。

本一种面向交通状态的时变性扇区动态分类方法在说明书摘要公布了：本发明公开了一种面向交通状态的时变性扇区动态分类方法，步骤如下：采集扇区历史运行数据，计算动态运行特征变量数据并进行数据预处理，获取聚类输入特征向量；扇区交通运行状态聚类分析；构建基于多层感知器的神经网络的时变性扇区动态分类模型；开展面向扇区交通运行状态的时变性扇区动态分类。本发明的方法根据扇区不同时段的交通状态，进行航路航线流量分布的优化，充分利用空中交通管制资源，有助于打造资源动态互用、容量弹性可调、运行自主高效的强性能的民航空域系统。

本发明授权一种面向交通状态的时变性扇区动态分类方法在权利要求书中公布了：1.一种面向交通状态的时变性扇区动态分类方法，其特征在于，步骤如下： 1采集扇区历史运行数据，计算动态运行特征变量数据并进行数据预处理，获取聚类输入特征向量； 2扇区交通运行状态聚类分析；对步骤1中获得的聚类输入特征向量进行扇区交通运行状态的聚类划分，通过划分结果获取扇区各类交通运行状态的数据集，将其作为相应的交通运行状态度量标准； 3构建基于多层感知器的神经网络的时变性扇区动态分类模型； 4开展面向扇区交通运行状态的时变性扇区动态分类； 所述步骤3具体包括： 31将历史状态数据集分离成训练数据集和评估数据集；验证分割参数设置为原始数据集大小的0.2来实现数据集的分割，即80％的原始数据作为训练集和20％的原始数据作为测试集； 32选取激活函数与误差函数，其中激活函数分为隐含层激活函数和输出层激活函数； 33设定输入层的神经元数为输入数据集的特征变量个数，输出层的神经元数为扇区动态分类的预期目标维度；设计不同的隐藏层数和神经元数的参数组合下的多组对比寻优实验，通过TensorFlow提供的TensorBoard机器学习可视化工具监控模型的训练情况，得出不同隐藏层数对模型训练的影响情况；读取对比实验日志，输出的各组实验中准确率和损失函数的迭代变化对比图，确定扇区动态分类模型中隐藏层数和每个隐藏层中包含的神经元数；隐藏层神经元数量确定的经验公式如下： 式中，Ni为输入信号的个数；N0为预期目标输出维度；Ns为训练集包含的样本数；α为可以自取的任意值变量； 所述步骤32具体包括： 321选择Relu函数作为隐含层激活函数，表达式为： 322选择softmax函数作为输出层激活函数，表达式为： 式中，z为一个向量，zi和zj为其中的一个元素； 323使用交叉熵误差作为扇区动态分类模型的损失衡量；交叉熵的公式如下：损失函数参数设置为分类交叉熵对数损失函数，表达式为： 式中，log表示以e为底数的自然对数；yk为模型输出，tk为各个标签，tk中只有正确解的标签为1，其余均为0；正确解标签对应的输出越大，交叉熵的值越接近0；当输出为1时，交叉熵误差为0；反之，如果正确解标签对应的输出越小，则交叉熵的值越大； 所述步骤4具体包括： 41设定多层感知器算法参数及格式编码；对动态分类数据进行独热编码处理，当有y个类时，样本的输出目标值被编码成一个y维的向量，向量中表示该样本属于某个类别的位置上的标识为1，其余位置的标识均为0；设定多层感知器算法参数如下： Optimizer：使用高效梯度下降法中的adam算法作为搜索最优权重的优化算法； Metric：衡量指标，在多元分类问题中指定为accuracy； Epochs：设置对整体训练数据集进行训练的循环次数为i次； Batchsize：指定对权重进行更新的batch大小； 42分割样本验证评估扇区分类模型性能，使用扇区交通运行状态相关的时变性状态表征指标数据作为训练样本生成模型，并在保留样本上进行测试；根据已经分割完成的测试集和验证集，确定的最优的网络拓扑结构和相应的多层感知器算法参数设置开始训练模型并进行性能评估；并使用输出日志包含的数据观察数据在每个训练周期的变化趋势，判断模型是否正常训练以及是否需要终止训练； 43利用k-折交叉验证来评价分类算法性能；随机的把需要学习数据集分成m个不相交的子集，子集均具有相同的实例数量；任意选中1个子集作为评估数据集，其他的m-1个子集则被用于训练模型，后续每个子集依次作为其他m-1个子集训练得到的模型的测试集来评估模型的效果； 44输入扇区交通运行状态相关的时变性状态表征指标数据，利用扇区动态分类模型以15分钟为时间片段，针对一天96个时段的扇区内交通流指标数据，开展面向扇区交通运行状态的时变性扇区动态分类，获取每15分钟扇区所属类别；将得到的扇区15分钟时段动态类别与样本数据中扇区15分钟时段实际类别进行比较，说明扇区动态分类模型的准确性和可用性。

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南京莱斯信息技术股份有限公司，其通讯地址为：210014 江苏省南京市秦淮区永智路8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。