【发明授权】202410499007.6 一种基于人工智能的城市综合管理方法

6 月 17, 2024 | 授权案例

申请/专利权人：哈尔滨华鲤跃腾科技有限公司申请日：2024-04-24
发明/设计人：邓茂胜;王博文公开（公告）日：2024-05-28
代理机构：安徽思尔六知识产权代理事务所(普通合伙)公开（公告）号：CN118098000A
代理人：贾凤仪主分类号：G08G1/0968
地址：150000 黑龙江省哈尔滨市南岗区哈尔滨经开区南岗集中区南直路181号盟科视界9栋1单元5层15号分类号：G08G1/0968;G08G1/01;G08G1/14;G06N3/042;G06N3/0442;G06N3/0455;G06N3/0464;G06N3/08
专利状态码：在审-公开优先权：
法律状态：2024.05.28#公开   
摘要：本发明涉及公共资源规划技术领域，公开了一种基于人工智能的城市综合管理方法，包括以下步骤：S100：当车辆进入车场时，获取车辆信息和当前车场的快照信息，输入到训练好的模型中；S200：模型预测出该车辆在未来时间步的最优路径和车位占用状态，并显示在显示设备上。本发明架构融合了图神经网络的结构建模能力、RNN/Transformer的序列建模能力，并通过注意力层捕捉车辆相互影响，能够学习车场的拓扑结构、车流模式等隐含信息，同时优化车辆行驶路径和车位利用效率，同时学习空间拓扑结构、时间动态过程和车辆相互影响，为复杂的车辆引导问题提供全面的建模和优化方案。
主权项：1.一种基于人工智能的城市综合管理方法，其特征在于，包括以下步骤：/nS100：当车辆进入车场时，获取车辆信息和当前车场的快照信息，输入到训练好的模型中；/nS200：模型预测出该车辆在未来时间步的最优路径和车位占用状态，并显示在显示设备上；/nS300：根据预测结果，在显示设备上引导车辆按照最优路径行驶，并更新车位占用信息；/nS400：同时实时获取车场中车辆的驾驶意图信息，在显示设备界面输出图形化的车辆的驾驶意图信息，根据驾驶意图信息重新优化车辆的路径和当前车场的快照信息；/nS500：重复以上步骤S100-S400，直到车辆到达最优的目标车位；/n在步骤S100-S200中，所提及的模型包括以下几个部分，图神经网络层、注意力层、序列建模层和输出层；/n图神经网络层是使用门控图卷积网络层，其中ReLU为整流线性单元激活函数：/n ；/n其中是图的邻接矩阵，/>是门控卷积操作，包括以下步骤：/n ；/n ；/n ；/n其中为第l层的节点特征矩阵，/>为标准图卷积，/>为门控信号，/>为Hadamard积，/>为元素乘积，/>为sigmoid函数；/n注意力层在节点特征上应用多头注意力机制，捕获车辆间影响，具体的：/n ；/n ；/n ；/n ；/n其中、/>和/>分别表示查询、键和值，/>表示使用多少个不同的注意力“头”,即/>，，/>被分别分割为H份进行并行计算，其中/>表示注意力层的输出特征，其中/>，/>，分别是查询、键和值的线性变换矩阵，/>为缩放因子，/>为时间步长；/n序列建模层对车辆运动序通过LSTM进行建模：/n ；/n其中是时间步/>的隐藏状态向量，/>是时间步/>的隐藏状态向量，/>为时刻t注意力层的输出特征；/n输出层包括路径输出层和车位状态输出层，具体的：/n路径输出层：；/n状态输出层：；/n其中和/>分别是路径和状态输出的线性变换矩阵。/n