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应用于排放估计的宏微观融合轨迹重构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：CN121599683B 。

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：202610130433.1，技术领域涉及：G06Q30/018；该发明授权一种应用于排放估计的宏微观融合轨迹重构方法是由刘皓冰;叶承鑫设计研发完成，并于2026-01-30向国家知识产权局提交的专利申请。

本一种应用于排放估计的宏微观融合轨迹重构方法在说明书摘要公布了：本发明属于电数据处理技术与交通运输工程交叉领域，具体涉及一种应用于排放估计的宏微观融合轨迹重构方法。包括以下步骤：S1.生成区域宏观速度场基准参考；S2.修正浮动车运行工况；S3.确定非浮动车辆的候选轨迹集；S4.基于候选轨迹确定非浮动车辆中的未变道车辆最终轨迹；S5.基于候选轨迹确定非浮动车辆中的变道车辆最终轨迹；S6.整合两类轨迹，校验运行工况，生成完整车辆轨迹。本方法能够有效对齐轨迹演化与交通波传播趋势，显著提升重构轨迹的时空精细度，为高分辨率排放评估提供精确输入；同时有效避免了传统确定性跟驰模型中常见的不切实际的速度或加速度突变现象；同时具有多源数据高效利用、时空连续性优化等优点。

本发明授权一种应用于排放估计的宏微观融合轨迹重构方法在权利要求书中公布了：1.一种应用于排放估计的宏微观融合轨迹重构方法，其特征在于，包括以下步骤： S1.生成区域宏观速度场基准参考； S2.修正浮动车异常工况； S3.确定非浮动车辆的候选轨迹集； S4.基于候选轨迹确定非浮动车辆中的未变道车辆融合轨迹； S5.基于候选轨迹确定非浮动车辆中的变道车辆融合轨迹； S6.整合两类轨迹，校验运行工况，生成完整车辆轨迹； 所述的区域宏观速度场基准参考生成由道路传感器收集的稀疏轨迹数据确定，具体步骤如下： 1.1利用道路传感器收集稀疏轨迹数据；然后利用基于自由流和拥堵流的自适应双滤波器对轨迹数据进行加权插值得到的插值速度 具体的，所述自适应双滤波器采用对主轴进行偏斜处理的各向异性核，通过分析时空点处的拥堵程度，融合双核得到的插值速度，计算公式如下： 其中，是基于拥堵流的滤波器插值得到的该时空点的速度；是基于自由流的滤波器插值得到的该时空点的速度；是权重调整函数；计算公式如下： 其中，为根据传感器获取到真实速度值的时空点；表示自由流和拥堵流之间的速度阈值；N和M分别为时间和空间根据数据集中的总空间距离和总时间除以最小单元得到的最大编号；为特定编号的距离坐标；为特定编号的时间坐标；表示在值附近取到的过渡宽度； 是基于自由流的滤波器；是基于拥堵流的滤波器，计算公式如下： 其中，空间插值宽度为滤波器中各向异性核高度的一半；时间插值宽度为滤波器中各向异性核长度的一半； 1.2对插值速度施加移动平均平滑处理，得到最终区域宏观速度场基准参考，计算公式如下： 其中，为单位空间间隔，为单位时间间隔，为窗口大小，和为道路时空二维索引； 步骤S2具体步骤如下： 2.1首先，通过对浮动车瞬时加速度数据进行差分处理，获取车辆的加加速度数据；随后，以0.2ms2为量化间隔划分加速度离散区间，并在此基础上统计各区间内所对应的加加速度分布；进而，提取每个加速度区间内加加速度分布的97.5%分位数和1%分位数，将其作为上界和下界；最终，通过对上界点和下界点分别进行函数拟合，建立两个连续的加速度-加加速度动力学约束函数； 2.2以0.5ms为量化间隔划分速度离散区间，并在此基础上统计各区间内所对应的加速度分布；进而，提取每个速度区间内加速度分布的97.5%分位数和1%分位数，将其作为上界和下界；最终，通过对上界点和下界点分别进行函数拟合，建立两个连续的速度-加速度动力学约束函数； 2.3基于车辆驾驶状态，对在约束边界以内的浮动车速度和加速度进行划分，通过统计上一时刻到当前时刻的隐状态转移矩阵和上一时刻到当前时刻的加速度条件联合概率密度函数，得到隐马尔可夫链HMM模型基本参数； 上一时刻到当前时刻的隐状态转移矩阵计算公式如下： 其中，是当前时刻的行驶状态，包括：加速状态、减速状态和匀速状态；是上一时刻的行驶状态；通过隐状态转移矩阵，利用上一时刻确定当前时刻的行驶状态； 上一时刻到当前时刻的加速度条件联合概率密度函数计算公式如下： 其中，该式所有参数均限定为当前时刻隐状态以及上一时刻速度所属区间的统计范围内，为上一时刻加速度分布方差；为当前时刻加速度分布方差；是上一时刻加速度和当前时刻加速度的相关系数；是当前时刻的分布均值；是上一时刻的分布均值； 2.4如果判定该时刻的工况数据异常，则输入上一时刻的速度和加速度到HMM模型中，结合前一时刻的速度和加速度，推断出前一时刻的隐状态；随后，依据隐状态转移矩阵，预测当前时刻的状态估计；最终，在当前预测状态下，基于当前速度区间和前一时刻加速度的条件约束，利用加速度条件概率密度函数进行随机采样，生成符合交通动力学约束的当前时刻加速度估计值。

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。