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！

龙图腾网获悉福建省高速公路联网运营有限公司申请的专利基于联邦学习的多模态高速公路拥堵识别方法及系统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：CN116796854B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202310367094.5，技术领域涉及：G06N20/00；该发明授权基于联邦学习的多模态高速公路拥堵识别方法及系统是由姚凌云;邹莹;郭建平;郑昱;唐昌林设计研发完成，并于2023-04-07向国家知识产权局提交的专利申请。

本基于联邦学习的多模态高速公路拥堵识别方法及系统在说明书摘要公布了：本发明涉及一种多模态高速公路拥堵识别方法及系统，该方法包括：A、本地客户端对收集的高速公路多模态数据进行预处理；B、基于多模态数据，本地客户端对各种模态数据构造训练模型；对于各个训练模型，本地客户端和可信的中央服务器利用联邦学习和同态加密技术进行协同迭代训练模型，训练完成后产生输出模型；C、对输出模型进行多模态数据的后端融合，即对不同模态数据分别训练好的分类器输出决策进行融合，得到模型输出的平均拥堵程度；D、基于平均拥堵程度，对模型的拥堵计算区间进行优化和更新，实现高速路网拥堵识别的算法参数的自适应修正。该方法及系统可以提高高速公路拥堵识别的速度和准确性，并保证数据共享的安全性。

本发明授权基于联邦学习的多模态高速公路拥堵识别方法及系统在权利要求书中公布了：1.一种多模态高速公路拥堵识别方法，其特征在于，包括以下步骤： 步骤A、本地客户端C={Ci,i=1,2,…,n}对收集的高速公路多模态数据进行预处理，得到n个客户端预处理后的数据D={Di,i=1,2,…,n}，其中C为所有独立持有数据的高速路网区域客户端的集合，D为所有客户端持有数据的集合； 步骤B、基于预处理后的多模态数据，本地客户端对每一种模态数据构造训练模型；对于每一个独立的训练模型，n个本地客户端和可信的中央服务器进行协同训练，利用联邦学习和同态加密技术迭代训练模型以实现高速路网隐私数据的安全共享，训练完成后产生输出模型，M={Mz,z=1,2,…,q}，其中Mz为第z种模态数据训练出的模型； 步骤C、基于步骤B得到的输出模型，进行多模态数据的后端融合，即对不同模态数据分别训练好的分类器输出进行决策级融合，得到模型输出的平均拥堵程度Ji； 步骤D、基于步骤C得到的平均拥堵程度Ji，对模型的拥堵计算区间进行优化和更新，实现高速路网拥堵识别的算法参数的自适应修正； 所述步骤A具体包括以下步骤： 步骤A1、对本地客户端Ci收集的包括图像、文本的多模态数据进行清洗、分类；对于文本数据，去除重复值、空值及异常值；完成预处理步骤后得到该本地客户端对应的数据Di； 步骤A2、基于步骤A1处理后的数据，对于每一个需要拥堵识别区域中的高速公路，对于划分出的决策区间[Tk-1,Tk，有Qik={Qivk,v=1,2,…,l}为决策区间内高速公路摄像头拍摄的路况媒体切帧图像数据或路网门架文本数据，其中k为当前正在决策的时间点，i表示第i个客户端，l为数据的总数； 所述步骤B具体包括以下步骤： 步骤B1、对于一种模态数据的训练，构建可信的本地客户端CServer； 步骤B2、对于该种模态数据，初始化对应的深度学习模型Model； 步骤B3、本地客户端在进行一轮训练后对中间数据进行加密； 步骤B4、中央服务器接收到来自本地客户端的加密数据后执行聚合和更新操作，然后将新的参数下发至本地客户端进行下一轮训练； 步骤B5、独立的本地客户端获取中央服务器下发的新一轮训练参数，使用私钥解密后得到真实数据； 步骤B6、中央服务器主导协同训练，持续迭代更新本地模型参数，直到达到终止条件后完成基于联邦学习的模型训练； 步骤B1中，中央服务器初始化配置参数P，下发至本地客户端； 步骤B2中，本地客户端将配置参数P加入各自模型中完成本地模型的初始化操作； 步骤B3中，本地客户端对中间数据的加密方式为： 其中t为训练的轮次，Zit为第i个本地客户端加密后的参数，Cit为第i个客户端在本轮的产生的中间数据，PK为生成的公钥，E·为加密函数； 步骤B4中，中央服务器执行的参数更新方式为： 其中，Zit+1为下一轮的参数，t为训练的轮次，pi为第i个客户端上的样本数，pall为本轮参与客户端上样本的总数，n为客户端总数；在若干轮训练中，每一轮选择1到n个客户端参与，中央服务器将收集来的数据用加权平均的方式进行聚合； 步骤B5中，本地客户端使用私钥解密后得到真实数据的方式为： 其中，Vit+1为解密后的从中央服务器得到的最新一轮下发参数，D·为解密函数，SK为私钥，本地客户端根据这一轮的得到的数据进行本地模型中参数的更新； 步骤C中，基于步骤B中对多模态数据分别训练好的分类器M={Mz,z=1,2,…,q}，将步骤A中的区间数据Qik={Qivk,v=1,2,…,l}输入每个模型，得到模型的输出结果： 其中，getJ为计算模型的预测值，Ji,zk为在决策时刻k模型Mz输出的预测值； 然后对模型Mz输出的预测值进行决策级融合，得到模型输出的平均拥堵程度的Ji的方法为： 其中，Ji为第i个本地客户端模型融合后的平均拥堵程度，wz为第z个模型的权重，q为模型总数，Ji,zk为第z个模型输出的拥堵程度预测值； 所述步骤D具体包括以下步骤： 步骤D1、基于步骤C得到的平均拥堵程度J，对应第i个区域的第j条高速公路，其在决策时刻Tk具有的平均拥堵程度定义为Jijk，对应决策区间[Tk-1,Tk其优化参考值为Pijk，目标函数为： 其中，Fijk为本决策时刻的附加影响因子，Pijk为决策时刻的优化参考值； 步骤D2、基于步骤D1中的目标函数，定义附加影响因子与本决策时刻的优化参考值： 其中，c为附加影响因子的个数，δ为可控制的优化参数。

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福建省高速公路联网运营有限公司，其通讯地址为：350013 福建省福州市仓山区城门镇林浦路367号林浦广场(一期)3号楼3层01办公、4-5层01、02办公；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。