CN120279746A 一种道路性态自适应拓扑感知与应用系统及方法 （长沙理工大学）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120279746A(43)申请公布日2025.07.08

(21)申请号202510779695.6

(22)申请日2025.06.12

(71)申请人长沙理工大学

地址410114湖南省长沙市天心区万家丽

南路二段960号

(72)发明人段海辉张文武吕松涛丛波日

韦慧唐梓涵鲁巍巍葛冬冬

于静

GO6F

GO6F

GO6F

GO6N

GO6N

GO6N

18/214(2023.01)

18/21(2023.01)

18/25(2023.01)

3/0442(2023.01)

3/0455(2023.01)

3/0985(2023.01)

(74)专利代理机构长沙楚为知识产权代理事务

所(普通合伙)43217专利代理师李大为

(51)Int.CI.

G08G1/0968(2006.01)

G08G1/01(2006.01)

GO6Q10/047(2023.01)

权利要求书3页说明书10页附图2页

(54)发明名称

一种道路性态自适应拓扑感知与应用系统及方法

(57)摘要

CN120279746A本申请涉及道路性态智慧感知与应用技术领域，具体涉及一种道路性态自适应拓扑感知与应用系统及方法：性态集群感知模块实时监测道路结构性态参数；数据传输通讯模块实现差异化数据传输策略；路段动态风险等级评估模块根据道路结构性态参数和风险评估模型计算路段风险指数和等级；节点调整与资源分配模块根据路段风险等级调整各传感器的激活状态和采样频率，并利用构建的道路系统数字孪生模型模拟验证不同路段风险等级下资源分配方案的实施效果，采用多目标优化算法优化资源分配方案；应用业务模块将风险等级转化为具体业务动作；以上模块的协同运行实现了道路性态感知、通讯与

CN120279746A

性态集群感知模块

性态集群感知模块

数据传输通讯模块

路段动态风险等级评估模块

节点调整与资源分配模块应用业务模块

CN120279746A权利要求书1/3页

2

1.一种道路性态自适应拓扑感知与应用系统，其特征在于，所述系统包括：

性态集群感知模块，用于通过多模态传感器构成的异构感知网络实时监测道路结构性态参数；

路段动态风险等级评估模块，用于根据所述道路结构性态参数和风险评估模型计算路段风险指数，并根据所述路段风险指数得到路段风险等级；

数据传输通讯模块，用于采用分层通信协议对异常事件进行低时延传输和常规事件低功耗传输，并基于三维地理网格编码和精确时间协议对所述异构感知网络生成的多源异构数据进行时空对齐；

节点调整与资源分配模块，用于根据所述路段风险等级调整所述异构感知网络中各传感器的激活状态和采样频率；以及用于通过构建的道路系统数字孪生模型模拟验证不同路段风险等级下各种资源分配方案的实施效果，进而采用多目标优化算法得到最优资源分配方案。

2.根据权利要求1所述的道路性态自适应拓扑感知与应用系统，其特征在于，所述路段动态风险等级评估模块还用于根据历史监测数据和LSTM-GRU混合网络模型动态调整所述风险评估模型中的权重；其中，所述LSTM-GRU混合网络模型包括输入层、LSTM隐藏层、全连接层和输出层，所述输入层用于接收所述历史监测数据，所述LSTM隐藏层包括三层LSTM单元，每层LSTM单元包括128个神经元，每个神经元均具有遗忘门、输入门和输出门结构，所述全连接层包括第一全连接层和第二全连接层，所述第一全连接层包括64个神经元，所述第二全连接层包括32个神经元，所述输出层用于输出未来一段时间的环境预测参数和权重调整系数。

3.根据权利要求2所述的道路性态自适应拓扑感知与应用系统，其特征在于，所述路段动态风险等级评估模块在LSTM-GRU混合网络模型训练阶段，采用AdamW优化器实现自适应学习率调节与权重衰减，并配置早停机制防止过拟合，所述LSTM-GRU混合网络的损失函数为FocalLoss损失函数。

4.根据权利要求2或3所述的道路性态自适应拓扑感知与应用系统，其特征在于，所述LSTM-GRU混合网络模型通过注意力机制赋予不同时间尺度的预测结果以不同的权重，进行短期、中期和长期的预测，且所述LSTM-GRU混合网络模型的输出还包括预测结果的置信区

间。

5.根据权利要求1所述的道路性态自适应拓扑感知与应用系统，其