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！

龙图腾网获悉哈尔滨工业大学申请的专利基于高斯混合模型与分层贝叶斯的交通流速度估计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：CN121564980B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202610100243.5，技术领域涉及：G08G1/01；该发明授权基于高斯混合模型与分层贝叶斯的交通流速度估计方法是由田毕江;盛林;孟祥海;魏鹏儒;张亦暄;孙一博;吴闻捷;明欣雨;郑春凤;郑敏;肖凡设计研发完成，并于2026-01-26向国家知识产权局提交的专利申请。

本基于高斯混合模型与分层贝叶斯的交通流速度估计方法在说明书摘要公布了：本发明涉及基于高斯混合模型与分层贝叶斯的交通流速度估计方法，属于智能交通系统技术领域。该方法包括数据准备与预处理、交通状态聚类划分、分层贝叶斯随机参数模型构建、模型验证与性能评估四大步骤。本发明通过高斯混合模型与层次贝叶斯模型的深度融合，实现了数据驱动的交通状态辨识与随机参数估计，可以有效地刻画交通流异质性，避免模型参数爆炸，同时提高了模型预测精度与泛化能力。

本发明授权基于高斯混合模型与分层贝叶斯的交通流速度估计方法在权利要求书中公布了：1.基于高斯混合模型与分层贝叶斯的交通流速度估计方法，其特征在于，包括如下步骤： S1、数据准备与预处理： 获取历史交通流单车数据，然后对获取的单车数据进行清洗，剔除明显不符合物理规律的异常数据；对清洗后的单车数据进行时间聚合处理，从而生成以分钟为间隔的聚合数据集；之后对聚合数据集中的数据进一步清洗，剔除密度超出有效范围的异常数据点；接着，将数据集划分，划分为训练集和测试集；其中，=1~5； S2、交通状态聚类划分： 基于训练集中观测样本的密度与速度，采用高斯混合模型对交通状态进行无监督聚类分析，将交通流划分为G个具有显著异质性的子组，得到的每个子组代表一类典型交通状态，通过将各数据点划分至其后验概率最大的子组，从而完成对所有观测样本的交通状态标签分配； S3、分层贝叶斯随机参数模型构建： 基于S2所得的交通状态划分结果构建分层贝叶斯随机参数模型； 所述的分层贝叶斯随机参数模型包括观测数据层、分组参数层和全局超参数层，并使用马尔可夫链蒙特卡罗方法进行参数估计； S4、模型验证与性能评估： 使用所述训练集和测试集对分层贝叶斯随机参数模型进行验证，包括对于已知分组的训练集进行点估计和后验预测检查，对于未知分组的测试集采用基于高斯混合模型后验边缘概率的混合预测策略。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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。