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！

龙图腾网获悉飞音软件(南京)有限公司申请的专利基于人工智能的工程车智能调度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：CN120410015B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202510379772.9，技术领域涉及：G06Q10/0631；该发明授权基于人工智能的工程车智能调度方法是由张丹萍设计研发完成，并于2025-03-28向国家知识产权局提交的专利申请。

本基于人工智能的工程车智能调度方法在说明书摘要公布了：本发明公开了一种基于人工智能的工程车智能调度方法，包括：构建调度目标函数，调度目标函数至少包含工程车运输成本、任务完成时间成本、路径拥堵成本及能源消耗成本；基于历史任务数据及实时交通数据，建立多维度任务需求预测模型，输出未来时段内的任务分布预测值及交通状态预测值；将其输入基于深度强化学习算法建立的工程车动态调度模型进行迭代优化；基于优化后的动态调度模型生成实时调度指令，动态分配工程车任务路径及资源，并实时监控执行状态以调整调度策略。本发明通过构建调度目标函数、多维度需求预测、深度强化学习动态优化及实时调度与监控，实现了工程车辆高效、经济、环保的智能化调度。

本发明授权基于人工智能的工程车智能调度方法在权利要求书中公布了：1.一种基于人工智能的工程车智能调度方法，其特征在于，包括： 构建调度目标函数，所述调度目标函数至少包含工程车运输成本、任务完成时间成本、路径拥堵成本及能源消耗成本； 基于历史任务数据及实时交通数据，建立多维度任务需求预测模型，输出未来时段内的任务分布预测值及交通状态预测值；所述多维度任务需求预测模型，包括： 所述历史任务数据至少包含任务的时间标记、地理位置、任务类型及车辆使用情况； 所述实时交通数据至少包含道路流量、拥堵指数、交通事故及限行信息； 对所述历史任务数据和所述实时交通数据进行缺失值填补、异常值剔除及数据格式统一处理； 将所述历史任务数据按时间序列重排，提取日、周、月不同周期的时序特征； 采用基于LSTM的时序模型，对未来短期及中长期的任务需求趋势进行联合预测，其中，通过计算所述时序模型在验证集上的均方根误差作为评价指标，若所述评价指标高于第一阈值，则自动执行模型参数调优，否则进入下一步骤； 根据地理位置，对所述历史任务数据进行网格化处理，得到若干空间子区域，对每个子区域，结合任务发生频次、车辆行驶距离特征，构建空间分布预测模型，其中，在每个子区域内，对比预测值与实际历史数据的偏差，若所述偏差超过第二阈值，则重新训练空间分布预测模型，否则保持现有模型； 基于实时采集的道路流量和拥堵指数，采用回归模型对不同路段的未来拥堵情况进行动态预测，叠加交通事故、限行信息，修正各路段在不同时间窗口下的拥堵概率，其中，若某些路段在预测中长期处于高拥堵状态，则标记为风险路段并提高拥堵成本权重，否则按常规拥堵系数处理； 根据工程车任务类别，利用分类模型对各类任务需求进行独立预测，对上述步骤得到的判断结果进行多维度融合，输出未来时段内的任务分布预测值和交通状态预测值； 若融合后的整体预测误差大于第三阈值，则重新进行迭代训练，反之则输出预测结果； 将所述任务分布预测值和所述交通状态预测值输入基于深度强化学习算法建立的工程车动态调度模型，所述工程车动态调度模型以所述调度目标函数为优化目标，以历史调度数据及实时反馈数据进行迭代优化；所述工程车动态调度模型，包括： 选取深度Q网络作为深度强化学习算法； 将所述任务分布预测值和所述交通状态预测值，作为深度强化学习算法的环境状态向量； 定义所述深度强化学习算法中可执行的动作空间，所述动作空间包括对车辆的调度分配、路径选择； 基于所述调度目标函数进行奖励的拆分，其中，若调度决策降低了运输成本、时间成本、拥堵成本及车辆能源消耗，则给予正向奖励，若所述调度决策造成延误、拥堵及能源过度消耗，则给予负向奖励； 在每个调度决策周期结束后，累积奖励用于更新模型参数； 基于优化后的动态调度模型生成实时调度指令，动态分配工程车任务路径及资源，并实时监控执行状态以调整调度策略。

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飞音软件(南京)有限公司，其通讯地址为：211100 江苏省南京市江宁区苏源大道19号九龙湖国际企业总部园A1座四层(江宁开发区)；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。