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！

龙图腾网获悉苏州博远容天信息科技股份有限公司申请的专利基于多模态协同和深度强化学习的资源调度方法及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：CN121809984B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202610269173.6，技术领域涉及：G06Q10/0631；该发明授权基于多模态协同和深度强化学习的资源调度方法及系统是由郭刚;徐健;雷聪;王雪山;曹红军;易川设计研发完成，并于2026-03-06向国家知识产权局提交的专利申请。

本基于多模态协同和深度强化学习的资源调度方法及系统在说明书摘要公布了：本申请涉及资源调度技术领域，尤其涉及一种基于多模态协同和深度强化学习的资源调度方法及系统，包括构建数字孪生环境并实时融合采集的视觉客流密度与听觉环境噪声，生成多模态状态矩阵；预测客流扩散趋势并将其与多模态状态矩阵进行融合生成复合特征向量；将复合特征向量输入深度协同调度模型，利用疏散效率最大化与能耗最低化双重约束的策略网络，生成包含广播音量增益与导向屏路径指向的初级协同策略；对初级协同策略进行二次约束校验确定最优资源调度指令；下发最优资源调度指令驱动现场广播与导向屏执行动作。本申请能够实现快速响应，动态平衡疏导效率与运行能耗，有效消除独立决策导致的指令离散，从而提升资源调度的决策一致性。

本发明授权基于多模态协同和深度强化学习的资源调度方法及系统在权利要求书中公布了：1.一种基于多模态协同和深度强化学习的资源调度方法，其特征在于，所述方法包括： 构建车站场景的数字孪生仿真环境，并实时融合现场采集的视觉客流密度与听觉环境噪声，生成表征当前时段空间拥堵状态与信息传递干扰度的多模态状态矩阵； 基于客流惯性运动规律预测无干预条件下的客流扩散趋势，并将该趋势与所述多模态状态矩阵进行融合与序列化处理，生成包含当前状态与未来惯性的复合特征向量； 将所述复合特征向量输入至预设的深度协同调度模型，利用模型内嵌的基于疏散效率最大化与能耗最低化双重约束的策略网络，生成包含广播音量增益与导向屏路径指向的初级协同策略； 对所述初级协同策略进行二次约束校验，基于物理空间映射关系对广播声场与屏幕视域的几何可视性与物理连通性进行校验及参数修正，确定最终的最优资源调度指令，包括： 以每一个网格单元的中心点作为观测原点,连接该原点与导向屏显示面的几何中心形成视线向量，计算视线向量与导向屏表面法线之间的夹角,同时测定原点至导向屏的直线欧几里得距离；利用立体角近似公式计算当前网格对导向屏的实际观测立体角: ； 其中，为导向屏的物理显示面积，若视线向量路径上存在物理障碍物,则令，设定参考立体角作为归一化基准，定义为在满足人眼视觉工效学的标准最佳视距且正对屏幕时所对应的理想立体角数值,计算为；计算几何可视度系数: ； 构建如下修正公式: ； 其中,为修正后的广播音量增益;为原始增益；为几何可视度系数;为归一化视觉客流密度;为基础惩罚因子;为风险放大系数； 读取路径指向,并基于车站地图构建全站网格的拓扑邻接矩阵，矩阵记录了每一个网格与其周边八邻域网格之间的物理通行状态，即连通或阻断；校验逻辑如下:检查指令所指示的移动方向在拓扑邻接矩阵中是否标记为阻断，若标记为阻断,则判定该初级协同策略无效,并启动局部邻域择优算法:以当前网格为中心,遍历其所有在拓扑上标记为连通的邻域网格;分别计算邻域网格中心点到最近安全出口的实际通行路径距离;选取距离最小且可通行的邻域网格所对应的方向,作为修正后的最优路径指向； 将校正后的广播音量增益与经过物理连通性校验修正后的路径指向重新封装,生成最终的最优资源调度指令； 下发所述最优资源调度指令驱动现场广播与导向屏执行动作，并实时监测执行后的客流疏散速率与实际能耗，基于监测结果计算反馈偏差以在线更新所述深度协同调度模型的网络参数。

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苏州博远容天信息科技股份有限公司，其通讯地址为：215000 江苏省苏州市高新区青城山路350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。