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！

龙图腾网获悉同济大学申请的专利一种基于大语言模型的语义驱动交通仿真场景生成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：CN121328352B 。

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：202511882215.5，技术领域涉及：G06F30/27；该发明授权一种基于大语言模型的语义驱动交通仿真场景生成方法是由朱宏;谢小龙;唐克双设计研发完成，并于2025-12-15向国家知识产权局提交的专利申请。

本一种基于大语言模型的语义驱动交通仿真场景生成方法在说明书摘要公布了：本发明涉及一种基于大语言模型的语义驱动交通仿真场景生成方法，包括以下步骤：接收用户输入的交通仿真场景自然语言描述；构建工具知识库，基于用户输入在工具知识库中进行检索，将检索结果与用户输入合并，得到扩展输入；调用大语言模型对扩展输入进行多步推理，确定工具知识库中所需调用的工具，并利用确定的工具生成结构化的仿真配置要素；将生成的仿真配置要素转换为可直接加载至交通仿真平台的配置文件，并在交通仿真平台中执行仿真验证。与现有技术相比，本发明能够在无需人工干预的情况下，将自然语言输入自动转换为结构化、可执行的交通仿真配置文件，实现场景构建的高效化与智能化。

本发明授权一种基于大语言模型的语义驱动交通仿真场景生成方法在权利要求书中公布了：1.一种基于大语言模型的语义驱动交通仿真场景生成方法，其特征在于，包括以下步骤： S1，接收用户输入的交通仿真场景自然语言描述； S2，构建工具知识库，并对用户输入进行向量化编码，得到输入语义编码，计算所述输入语义编码与工具知识库中各工具描述的相似度，检索出多个相关的工具描述，与用户输入合并，得到扩展输入； S3，调用大语言模型对扩展输入进行多步推理，确定工具知识库中所需调用的工具，并利用确定的工具生成结构化的仿真配置要素；其中，所述大语言模型基于蒸馏学习的方式进行训练，并在蒸馏过程中引入教师模型第一步的思维链推理作为前缀； S4，将生成的仿真配置要素转换为可直接加载至交通仿真平台的配置文件，并在交通仿真平台中执行仿真验证； 所述S3具体为：大语言模型进行分阶段多步推理，生成由个按顺序生成的仿真配置元素组成的仿真配置，其中，第t阶段的仿真配置元素的生成过程包括以下步骤： S31，将扩展输入和工具知识库输入大语言模型，并结合步骤S2的检索结果，确定本阶段仿真配置元素生成要执行的工具集： ，其中，表示大语言模型，表示步骤S2检索到的前个最相关工具构成的集合；S32，基于本次仿真配置元素生成前已生成的元素、当前知识库以及选择的工具集，生成第阶段的仿真配置元素： ，其中，表示当前调用的知识库，当本阶段生成的仿真配置元素为交通流量OD需求分布时，取交通知识库，当本阶段生成交通流量OD需求分布之外的其他仿真配置元素时，取工具知识库，表示一个结构化的仿真配置生成函数； 重复执行以上步骤S31和S32，直至形成完整仿真配置元素集合； 所述利用确定的工具生成结构化的仿真配置要素中，生成交通流量OD需求分布的过程包括以下步骤： 基于用户输入中的地名与范围半径获取边界框 ，即地理范围经纬度，并提取行政分区； 从外部路网源下载网络数据并转换为SUMO网络，提取节点集与边集； 将路网中的道路映射至行政分区得到，提取各分区每个节点的功能属性； 利用大语言模型LLM与交通知识库对每对区推理节点潜力，所述节点潜力包括起点潜力和吸引潜力： ，其中，表示起点节点的类型，表示目的地节点的类型，为路网的邻接矩阵，表示其拓扑结构和层次信息； 将时间段下的节点潜力以及节点间阻抗转换为节点到的预测OD流量： ，其中，表示在时间区间内，从节点到节点的预测OD流量，为阻抗函数，为时间区间内的起点潜力，为时间区间内的吸引潜力，、分别为生产与吸引弹性系数； 综合所有节点的预测OD流量，并考虑时间维度的变化，得到交通流量OD需求分布矩阵。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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。