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！

龙图腾网获悉水利部交通运输部国家能源局南京水利科学研究院申请的专利基于时空图神经网络的洪涝灾害下交通网络韧性诊断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：CN121615957B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202610141626.7，技术领域涉及：G06Q10/063；该发明授权基于时空图神经网络的洪涝灾害下交通网络韧性诊断方法是由苏鑫;王磊之;林方超;周庆霈;杨铖;王莉莉;李伶杰;刘勇;徐致扬;轩省伟;胡鉴闻;张野;陈兆懿;王双;李昕阳设计研发完成，并于2026-02-02向国家知识产权局提交的专利申请。

本基于时空图神经网络的洪涝灾害下交通网络韧性诊断方法在说明书摘要公布了：本发明公开了一种基于时空图神经网络的洪涝灾害下交通网络韧性诊断方法，涉及交通工程与人工智能交叉领域。该方法包括：采集交通拓扑、洪涝监测及交通流数据并进行时空对齐；构建洪涝耦合的动态时空图，引入水深‑通行能力响应机制，利用满足物理单调性约束的衰减函数，根据实时水深动态更新图结构的边权，实现灾害物理状态向网络拓扑的实时映射；将动态图输入预先训练的时空图神经网络模型，提取时空演化特征并输出韧性诊断结果；模型训练采用基于反事实基线生成的韧性标签进行监督学习，并引入物理约束损失函数。本发明解决现有技术中灾害特征与图结构解耦以及韧性标签不可得的问题，提升诊断的物理一致性与准确性。

本发明授权基于时空图神经网络的洪涝灾害下交通网络韧性诊断方法在权利要求书中公布了：1.一种基于时空图神经网络的洪涝灾害下交通网络韧性诊断方法，其特征在于，包括： 采集并获取交通网络的拓扑数据、洪涝动态监测数据以及交通流运行数据； 对交通网络拓扑数据、洪涝动态监测数据及交通流运行数据进行预处理及多源时空对齐，得到统一时空粒度下的时空序列数据； 构建反映交通网络状态的时空图结构，时空图结构包含节点集合、边集合及描述边连接关系的权重矩阵，并将时空序列数据映射至时空图结构中； 将映射数据后的时空图结构输入预先训练完成的时空图神经网络模型，提取交通网络的时空演化特征； 基于时空演化特征，计算并输出交通网络的韧性诊断结果； 构建反映交通网络状态的时空图结构，包括： 以交通网络的路口为节点构建节点集合，以连接路口的物理路段为边构建边集合； 建立描述边集合中各边之间连接关系的邻接权重矩阵； 时空图结构由节点集合、边集合及邻接权重矩阵构成； 将时空序列数据作为节点集合或边集合的属性特征进行关联，完成数据映射； 邻接权重矩阵为静态矩阵；建立邻接权重矩阵具体包括： 获取边集合中各路段的车道数及设计时速； 基于车道数及设计时速计算各路段的基准通行能力，并将基准通行能力作为邻接权重矩阵中对应边的静态权重值； 邻接权重矩阵还配置为随时间步变化的动态矩阵；动态建立邻接权重矩阵具体包括： 引入水深-通行能力响应机制，基于洪涝动态监测数据确定各路段在每一时间步的实时水深； 利用水深-通行能力响应机制，计算实时水深对应的通行能力衰减系数，并结合路段的基准通行能力得到实时有效通行能力； 根据实时有效通行能力，动态更新时空图结构在每一时间步的邻接权重矩阵； 时空图神经网络模型通过监督学习预先训练获得，其训练所用的监督标签通过反事实韧性标签生成方法构建；反事实韧性标签生成方法包括：选取历史非洪涝时段的交通运行数据，构建表征无灾害状态下交通网络运行规律的反事实基线；获取洪涝灾害时段的交通实测数据，计算交通实测数据相对于反事实基线的功能衰减程度；基于功能衰减程度在灾害持续时间内的累积效应，生成交通网络的韧性标签；利用反事实韧性标签生成方法计算路段e的韧性标签Re，时空图神经网络模型的训练损失函数包含物理约束项，用于约束水深-通行能力响应函数φ·符合物理规律。

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水利部交通运输部国家能源局南京水利科学研究院，其通讯地址为：210029 江苏省南京市鼓楼区广州路223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。