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！

龙图腾网获悉安徽理工大学申请的专利一种车辆轨迹流数据时空混合索引与查询方法、系统及存储介质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：CN120508600B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202510659129.1，技术领域涉及：G06F16/29；该发明授权一种车辆轨迹流数据时空混合索引与查询方法、系统及存储介质是由闵祥强;张平松;王磊;薛理;李冠男;卢秀;赵慧设计研发完成，并于2025-05-21向国家知识产权局提交的专利申请。

本一种车辆轨迹流数据时空混合索引与查询方法、系统及存储介质在说明书摘要公布了：本发明公开了一种车辆轨迹流数据时空混合索引与查询方法、系统及存储介质，属于信息检索领域。方法包括：采集车辆轨迹流数据，并对其进行时空表达与建模；对车辆轨迹流数据进行时间划分，得到时间分区；并对每个时间分区的轨迹流数据进行空间划分，得到划分结果；基于划分结果，构建时空T‑SP‑TL学习索引；基于新输入的数据，对构建的T‑SP‑TL学习索引进行维护更新；基于T‑SP‑TL学习索引完成时空一体化查询。本发明可应用于车辆轨迹流大数据的时空查询，能在高效、准确的情况下完成地理大数据的组织与动态管理，提升轨迹流数据访问效率和实时更新性能，为交通有效管控疏导、公共安全监控与预警和应急救援等应用提供辅助支持。

本发明授权一种车辆轨迹流数据时空混合索引与查询方法、系统及存储介质在权利要求书中公布了：1.一种车辆轨迹流数据时空混合索引与查询方法，其特征在于，包括以下步骤： S1、采集车辆轨迹流数据，并对车辆轨迹流数据进行时空表达与建模； S2、对车辆轨迹流数据进行时间划分，得到时间分区；并对每个时间分区的轨迹流数据进行空间划分，得到划分结果；方法包括： S23、基于轨迹点对象数量设定终止条件； S24、基于路网图和轨迹流对象集构造线性图； S25、将所述线性图分解为若干个子线性图，并将每个子线性图添加到层次划分结果集中，直到满足终止条件，否则循环S25； S3、基于所述划分结果，构建时空T-SP-TL学习索引；S3包括以下步骤： S31、根据所述时间分区的特性，划分为历史时间分区和当前时间分区； S32、对所述历史时间分区和所述当前时间分区构建T-SP-TL学习索引； 对所述历史时间分区构建索引的方法包括： S321、将子线性图转换为子路网图subGi，根节点对应为整个路网图G，其为一个单叶节点，最初不包含任何其他树节点；路网图的子网络作为根节点的子节点，根节点变成一个非叶节点，并且每个子网络对应一个SP树节点，树节点之间的关系等于子网络之间的关系，没有子网络的子网络是叶节点； S322、对每个子网络进行桥接点识别，并添加到对应的树节点； S323、对叶节点的轨迹数据集中的每个轨迹对象进行编码，编码规则为轨迹点的时间特征的年-月-日-时-分-秒；将叶节点的轨迹数据集TraD按照时间属性平均分为n个子集{TraD1,TraD2,…,TraDn}；数据区域间不相交且大小有序，即第i+1个数据区域中的数据时间属性比第i个数据区域中的时间属性都要大；每个子集对应生成一个第二层模型fix；对于每一个子集，使用神经网络模型进行学习，其中，模型的输入为数据记录的键，训练标签为键的位置； 对第二层模型的平均误差设置一个阈值，记为Maxerror；当误差大于Maxerror时，对第二层模型对应的数据区域进行再次划分操作，将数据区域一分为二，同时增加一个第二层模型，此时数据集划分数量变为n+1，同时第二层模型数量也随之加1，分别重新对分裂后的数据子集进行学习，直到预测误差小于Maxerror； S324、对第二层模型构建完成后，构建第一层模型Fx；第一层模型的查询键为自变量，因变量为与其对应的第二层模型的编号，完成历史时间分区的索引构建； 对当前时间分区构建索引的方法包括： S325、根据历史数据集对当前时间间隔内的数据空间分布特征进行相应的探测与预测；对历史轨迹流数据进行空间分布特征分析，基于分析结果进行S2中的空间划分步骤，得到划分结果； S4、基于新输入的数据，对构建的所述T-SP-TL学习索引进行维护更新； S5、基于所述T-SP-TL学习索引完成时空一体化查询。

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安徽理工大学，其通讯地址为：232000 安徽省淮南市田家庵区；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。