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！

龙图腾网获悉河南城建学院申请的专利一种顾及邻接路段信息的道路限速层级挖掘方法和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：CN117315932B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202311208349.X，技术领域涉及：G08G1/01；该发明授权一种顾及邻接路段信息的道路限速层级挖掘方法和系统是由张彩丽;向隆刚;杨甲;姜永涛;潘传姣;高松峰设计研发完成，并于2023-09-18向国家知识产权局提交的专利申请。

本一种顾及邻接路段信息的道路限速层级挖掘方法和系统在说明书摘要公布了：本发明公开了一种顾及邻接路段信息的道路限速层级挖掘方法和系统。包括：数据预处理：进行道路网拓扑处理，轨迹数据清洗及地图匹配；多模态特征设计：分析与挖掘道路网及轨迹数据关于道路限速的多元、多阶互补特征，形成关于道路限速的高判别性描述特征集，作为识别道路限速的基础与依据；道路限速挖掘：综合考虑当前路段、左右邻接路段的路网特征、轨迹特征，顾及高低速信息，进行道路限速的层级挖掘。与单类特征相比，集成路网与轨迹特征之后提高了路段限速识别准确率；与仅顾及目标路段进行路段限速识别相比，顾及空间邻接信息进行路段限速识别效果更好；与直接进行路段限速识别相比，顾及高低速信息的路段限速识别方法准确率更高。

本发明授权一种顾及邻接路段信息的道路限速层级挖掘方法和系统在权利要求书中公布了：1.一种顾及邻接路段信息的道路限速层级挖掘方法，其特征在于，包括如下步骤： 步骤1，数据预处理：首先对路网数据进行拓扑检查，轨迹数据进行质量清洗，然后进行路网及轨迹数据的地图匹配，实现轨迹点与归属路段之间的连接； 步骤2，多模态特征设计：基于路网结构设计路网特征，包括道路几何特征、道路分布特征、道路拓扑连接特征；基于路网匹配轨迹信息设计轨迹特征，包括道路单双向、道路宽度、道路流量、道路运行速度； 步骤3，道路限速挖掘：结合步骤2中的多模态特征，以随机森林分类模型为基本分类器，采用道路限速训练样本进行模型训练得到道路限速分类器；然后顾及测试样本路段及上下游邻接路段的路网、轨迹特征，基于投票表决法进行道路限速层级识别； 步骤3的具体实现方式如下： 步骤3.1，邻接路段识别：基于道路stroke构建方法进行左右邻接路段识别； 步骤3.2，特征预处理：对设计的多模态特征进行缺失值处理及特征选择； 步骤3.3，模型训练：首先基于路网特征及轨迹特征进行L0级限速识别，然后基于轨迹特征对高、低限速分别建模实现L1级限速识别优化，基于路网特征，采用随机森林模型开展L1级限速识别，最后考虑当前路段、左右邻接路段，对当前路段基于轨迹特征识别L1级限速结果、当前路段基于路网特征识别L1级限速结果、左邻接路段基于轨迹特征识别L1级限速结果、左邻接路段基于路网特征识别L1级限速结果、右邻接路段基于轨迹特征识别L1级限速结果、右邻接路段基于路网特征识别L1级限速结果这6个结果进行投票，得到最终L1级限速识别结果； 步骤3.3的具体实现方式为： 3.3.1限速L0级及L1级划分：首先将限速粗略划分为超低速、低速、高速、超高速四大类，即为L0级限速信息，然后再对每大类进行细化，获得L1级限速信息； 3.3.2L0级限速识别：随机抽取样本的p%作为训练集，100-p%作为测试集；对训练集中的训练样本进行L0级划分，形成新的训练样本，基于轨迹特征，对随机森林分类器进行训练，形成L0级限速识别分类器；考虑左右邻接路段对当前路段限速影响，基于轨迹特征，采用L0级限速识别分类器，分别就测试集当前路段及左右邻接路段进行L0级限速识别，然后基于投票表决法，将三个结果融合，实现测试集的L0级限速识别； 3.3.3L1级限速识别：基于轨迹特征进行道路限速识别时，针对超低限速、超高限速很难精细化识别，仅将上述两类限速识别到L0级别；而对L0级分类后的低速、高速路段采用随机森林分类模型分别进行低分类器、高分类器建模，开展L1级限速识别优化； 基于路网特征进行道路限速识别时，直接采用随机森林分类器对标记的L1级限速样本进行训练，得到限速分类模型，然后对测试样本进行测试； 考虑左右邻接路段影响，基于当前路段及左右邻接路段的轨迹特征优化识别结果、当前路段及左右邻接路段的路网特征识别结果，采用投票表决法，将六个结果进行融合，最终得到L1级别限速识别结果。

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河南城建学院，其通讯地址为：467041 河南省平顶山市新城区龙翔大道；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。