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！

龙图腾网获悉中建照明有限公司申请的专利一种基于5G的智慧城市智能化交通管控系统及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：CN118470991B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202410768187.3，技术领域涉及：G08G1/08；该发明授权一种基于5G的智慧城市智能化交通管控系统及方法是由何润;余万纤子;吴观华;张黎设计研发完成，并于2024-06-14向国家知识产权局提交的专利申请。

本一种基于5G的智慧城市智能化交通管控系统及方法在说明书摘要公布了：本发明提出一种基于5G的智慧城市智能化交通管控系统及方法，通过获取目标城市各类数据，构建城市数字孪生模型，在目标道路布置视频与环境数据采集终端；这些终端将视频与环境数据通过5G上传至边缘计算节点，后者利用物体检测、语义分割等技术从视频中识别交通与环境对象，并通过深度学习实时预测各路段风险指数；如果风险指数超限，边缘计算节点将控制指令通过5G发送至信号灯，调整车流；同时，边缘计算节点将拥堵预警结果上传至加密的区块链，并发送至车载设备；对紧急事件，边缘计算节点将通过区块链和联邦学习寻找最优排障方案并不断优化。本发明方案利用边缘计算、区块链及多学科技术整合，提高了交通管理工作的分析效率与服务安全性。

本发明授权一种基于5G的智慧城市智能化交通管控系统及方法在权利要求书中公布了：1.一种基于5G的智慧城市智能化交通管控系统，其特征在于，包括：云服务器、边缘计算节点、视频采集终端、环境数据采集终端和5G基站；其中， 所述云服务器被配置为： 获取目标城市的规划数据、路网数据、交通设施数据、历史交通状态数据、实景三维数据、实景图像数据及实景视频数据； 根据所述规划数据、所述路网数据、所述交通设施数据、所述历史交通状态数据、所述实景三维数据、所述实景图像数据和所述实景视频数据构建所述目标城市的城市数字孪生模型； 根据所述城市数字孪生模型，在所述目标城市区域内的目标道路配置多个通过5G网络互联的所述视频采集终端和所述环境数据采集终端； 其中，所述视频采集终端和所述环境数据采集终端分别用于通过所述5G基站将采集的第一视频数据、第一环境数据上传至所述边缘计算节点； 所述边缘计算节点被配置为： 对所述第一视频数据进行物体检测和语义分割，识别车辆、人员及环境对象，得到第一视频识别数据； 利用深度学习模型对所述第一视频识别数据和所述第一环境数据进行实时预测分析，评估各路段拥堵风险指数和人员安全风险指数； 若所述拥堵风险指数和或所述人员安全风险指数超过预设风险指数阈值，则将第一控制指令发送至所述5G基站； 所述5G基站配置为：根据所述第一控制指令控制对应的交通信号灯以调整车流； 所述边缘计算节点被配置为： 将拥堵预警结果上传至区块链结点，经加密验证后推送至车载设备； 如遇紧急事件，利用区块链技术寻找最优排障方案，并通过跨域联邦学习模型不断优化方案； 所述车载设备被配置为：将其所在第一车辆的第一车辆数据上传至对应的所述边缘计算节点； 所述边缘计算节点还被配置为：从所述第一视频识别数据解析出第一交通数据、第一道路状态数据、第一道路设施数据，并将所述第一交通数据、所述第一道路状态数据、所述第一道路设施数据、所述第一环境数据和所述第一车辆数据上传至云服务器； 所述云服务器还被配置为： 通过分析所述第一交通数据、所述第一道路状态数据、所述第一道路设施数据、所述第一环境数据和所述第一车辆数据，以及结合预设的全局最优交通组织策略及车辆编队方案，将在道路上行驶的所有车辆划分为多个车辆小组； 以每个所述车辆小组为单位，获取每个单位中的每辆成员车辆的第一行驶状态数据、每辆所述成员车辆互相间的第一相互影响关系数据以及每辆所述成员车辆所处的第一当前环境状况数据和第一当前道路状况数据； 根据所述第一行驶状态数据、所述第一相互影响关系数据、所述第一当前环境状况数据和所述第一当前道路状况数据，分析每个所述车辆小组中各辆所述成员车辆存在的第一风险，并根据所述第一风险对所述车辆小组中的每个所述成员车辆进行的管控； 动态调整每个所述车辆小组的车辆成员，并根据调整后的车辆小组的情况进行车辆的管控； 其中，所述通过分析所述第一交通数据、所述第一道路状态数据、所述第一道路设施数据、所述第一环境数据和所述第一车辆数据，以及结合预设的全局最优交通组织策略及车辆编队方案，将在道路上行驶的所有车辆划分为多个车辆小组，包括： 在所述云服务器构建多源异构数据集成平台； 所述多源异构数据集成平台对接收的所述第一交通数据、所述第一道路状态数据、所述第一道路设施数据、所述第一环境数据和所述第一车辆数据进行清洗、融合和编码，得到第一综合数据； 根据所述第一综合数据和所述城市数字孪生模型生成交通状态数字孪生模型，所述交通状态数字孪生模型包含所述第一车辆所处的道路、车速、目的地，能实时反映各路段车辆流量、拥堵状况、道路设施状态； 根据所述交通状态数字孪生模型，并结合预设的全局最优交通组织策略和车辆编队方案，将在道路上行驶的所有所述第一车辆划分为多个车辆小组； 其中，所述根据所述第一行驶状态数据、所述第一相互影响关系数据、所述第一当前环境状况数据和所述第一当前道路状况数据，分析每个所述车辆小组中各辆所述成员车辆存在的第一风险，并根据所述第一风险对所述车辆小组中的每个所述成员车辆进行的管控，包括： 获取具有时空对应关系的历史车辆行驶状态数据、历史环境数据、历史道路数据、历史事故数据； 利用大数据分析技术对所述历史车辆行驶状态数据、所述历史环境数据、所述历史道路数据和所述历史事故数据进行分析，并根据分析结果构建包含车辆自身因素、道路因素、环境因素、车间相互影响因素的多维度风险评估指标体系； 利用所述历史车辆行驶状态数据、所述历史环境数据、所述历史道路数据、所述历史事故数据和所述多维度风险评估指标体系训练神经网络学习风险评估指标与风险程度的映射关系，得到风险识别模型； 将所述第一行驶状态数据、所述第一相互影响关系数据、所述第一当前环境状况数据和所述第一当前道路状况数据输入训练好的所述风险识别模型，得到第一风险的风险分数和风险类型； 对于所述风险分数超出预设的分数阈值的高风险车辆，确定其对应的所述第一风险的第一风险类型； 构建描述风险在车群中传播的动力学模型； 结合所述动力学模型和所述第一风险类型，分析所述高风险车辆的高风险状态影响到所述车辆小组中其他成员车辆的风险程度； 根据所述风险程度，利用所述车辆小组中的所有成员车辆间的交互数据实时构建整个所述车辆小组的风险传播拓扑关系，并评估传播影响； 考虑风险识别结果与传播影响，结合第一优化目标，通过预设的管控策略生成模型对每个所述成员车辆制定定制的第一风险管控策略； 所述第一风险管控策略包括：对于低风险情况，所述云服务器对车辆下发安全性策略建议；对于中风险情况，所述云服务器对车辆设定硬约束；对于高风险情况，所述边缘计算节点发出警示，所述云服务器将该车切换至遥控模式； 所述成员车辆反馈管控策略执行效果并打分，所述云服务器根据打分数据持续优化所述风险识别模型和管控策略生成模型以保证所述车辆小组在风险可控前提下实现更高的行驶效率和整体效用； 其中，所述动态调整每个所述车辆小组的车辆成员，并根据调整后的车辆小组的情况进行车辆的管控，包括： 实时监测每个所述车辆小组内部的所述车辆成员的相互影响和行驶效率，针对能量消耗、行车安全性、与路况的匹配程度这几个指标，对所述车辆小组的整体协同效率进行评估打分； 持续追踪外部条件的变化状态； 若所述车辆小组的整体协同效率评估分值低于预设的协同效率评估阈值和或者在外部条件的变化状态下现有的所述车辆小组无法维持最优协同状态，则触发小组重组需求检测，结合预设的重组优化策略确定是否需要重组； 若需要重组，基于强化学习算法，将车辆重组问题建模为马尔可夫决策过程，目标是通过重组获得更高的整体协同奖励，输出最优重组方案，确定新小组成员及各车编队序列； 控制原车辆小组内各车行驶轨迹以避免过渡阶段发生碰撞； 控制新车辆小组各车逐步调整间距和速度，过渡到新的编队状态； 对新车辆小组内各车辆状况及相互影响进行分析建模，结合环境交通因素，识别新车辆小组内部存在的风险点，针对性制定每辆车的行驶策略以确保新车辆小组达到协同高效、风险可控状态； 所述云服务器实时监测所有车辆小组的运行状况，对异常情况进行控制与处理； 收集所有车辆的实时运行数据，并根据所述实时运行数据持续优化重组优化策略和车辆管控策略模型； 将新的重组优化策略和新的车辆管控策略模型下发至所述车载设备和所述边缘计算节点以指导车群实时管控。

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中建照明有限公司，其通讯地址为：518000 广东省深圳市罗湖区黄贝街道经二路16号中饰大厦3楼；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。