江苏2026年专利代理师《专利代理实务》模拟试题及答案_第1页
江苏2026年专利代理师《专利代理实务》模拟试题及答案_第2页
江苏2026年专利代理师《专利代理实务》模拟试题及答案_第3页
江苏2026年专利代理师《专利代理实务》模拟试题及答案_第4页
江苏2026年专利代理师《专利代理实务》模拟试题及答案_第5页
已阅读5页,还剩17页未读 继续免费阅读

付费下载

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

江苏2026年专利代理师《专利代理实务》模拟试题及答案第一部分:专利申请代理实务(撰写)【客户技术交底书】发明名称:一种基于深度学习的自适应交通信号控制方法及系统技术领域本发明涉及智能交通技术领域,具体涉及一种基于深度学习的自适应交通信号控制方法及系统。背景技术随着城市化进程的加快,机动车保有量急剧增加,交通拥堵已成为制约城市发展的主要问题之一。传统的交通信号灯控制主要采用固定配时方案或简单的感应控制。固定配时方案无法根据实时交通流变化进行调整,容易导致绿灯时间浪费或排队长度过长;简单的感应控制虽然能检测车辆存在,但缺乏对路口整体交通流状态的预测和全局优化能力,难以应对复杂的非饱和及过饱和交通流状况。近年来,深度学习技术在图像识别和数据处理领域取得了显著进展,利用深度学习模型处理交通流数据成为可能。然而,现有的基于深度学习的交通控制方法大多存在计算量大、实时性差的问题,难以在边缘计算设备上部署,且大多仅针对单一路口进行优化,忽略了相邻路口之间的关联性。发明内容本发明旨在解决现有技术中交通信号控制实时性差、缺乏全局协调的问题,提供一种基于深度学习的自适应交通信号控制方法及系统。本发明提供的技术方案如下:一种基于深度学习的自适应交通信号控制方法,包括以下步骤:S1:通过设置在路口及上下游路段的传感器采集实时交通流数据,所述数据包括车流量、车速、排队长度及车头时距;S2:对采集的原始交通流数据进行预处理,包括数据清洗、归一化处理,并将处理后的数据输入至预先构建的交通状态特征提取网络;S3:所述交通状态特征提取网络采用卷积神经网络(CNN)与长短期记忆网络(LSTM)相结合的混合架构,CNN用于提取空间特征,LSTM用于提取时间特征,输出当前路口及关联路口的高维特征向量;S4:构建深度强化学习(DRL)决策模型,所述决策模型以所述高维特征向量作为状态空间输入,以信号灯相位及相序组合作为动作空间,以车辆平均延误时间最小化和通行量最大化为目标函数,输出最优的信号灯控制策略;S5:引入注意力机制对DRL决策模型的奖励函数进行动态加权,当检测到紧急车辆(如救护车、消防车)时,动态调整奖励权重,优先给予紧急车辆所在车道绿灯通行权;S6:将最优控制策略下发至交通信号控制机执行,并收集执行后的反馈数据,利用经验回放机制更新DRL决策模型的参数。进一步地,在步骤S3中,所述CNN与LSTM相结合的混合架构具体为:首先利用一维卷积层处理同一时刻不同检测断面的数据以捕捉空间相关性,然后将卷积层输出的特征序列输入LSTM层捕捉时间依赖性。进一步地,在步骤S4中,所述目标函数J的计算公式为:J其中,为策略网络参数,为时刻t的奖励值,γ为折扣因子,T为决策周期。奖励值的计算包含车辆平均延误和排队长度的负相关项,即=−α·β·,其中α,进一步地,步骤S5中所述的紧急车辆优先逻辑包括:识别紧急车辆的GPS定位和行驶轨迹,预测其到达路口的时间,若<Δt本发明还提供一种基于深度学习的自适应交通信号控制系统,包括:数据采集模块,用于获取实时交通流数据;数据处理模块,用于对数据进行预处理和特征提取;决策模块,包含基于DRL的决策模型,用于生成最优信号灯配时方案;执行模块,用于控制信号灯状态;模型更新模块,用于根据反馈数据在线更新模型参数。有益效果本发明通过CNN-LSTM混合网络有效提取交通流的时空特征,结合深度强化学习实现全局优化;引入注意力机制处理紧急车辆,提高了系统的应急响应能力;通过经验回放机制不断优化模型,使系统具备自进化的能力,显著提升了交通通行效率。附图说明图1为本发明方法的流程图;图2为CNN-LSTM混合网络结构示意图;图3为DRL决策模型交互过程示意图。【对比文件1】公开日:2023年5月10日发明名称:一种基于强化学习的单点交通信号控制方法技术方案摘要:对比文件1公开了一种利用强化学习(Q-learning)算法对单个路口交通信号进行控制的方法。该方法通过地磁线圈检测车辆排队长度,将排队长度作为状态空间输入Q-learning算法,算法根据当前状态选择动作(保持当前相位或切换相位),目标是最小化车辆平均等待时间。该方法针对单一路口,未涉及图像数据或深度学习网络结构,也未考虑多路口的协调控制。【对比文件2】公开日:2024年2月15日发明名称:基于视频检测的路口交通流特征提取方法技术方案摘要:对比文件2公开了一种利用摄像头采集路口视频图像,通过卷积神经网络(CNN)提取图像中的车辆特征,进而统计车流量和车速的方法。该文件侧重于利用深度学习进行交通参数检测,即将视频数据转化为结构化数据,但不涉及信号灯的控制决策逻辑,也未提及LSTM网络或强化学习控制。【试题要求】假设您是客户的专利代理师,请根据上述客户技术交底书及提供的对比文件,完成以下任务:1.撰写权利要求书。要求:独立权利要求应当具备新颖性和创造性,从属权利要求应当对独立权利要求作进一步的限定,并形成层次化的保护范围。权利要求数量应当适当,通常为5-10项。要求:独立权利要求应当具备新颖性和创造性,从属权利要求应当对独立权利要求作进一步的限定,并形成层次化的保护范围。权利要求数量应当适当,通常为5-10项。注意:需要考虑对比文件1和对比文件2公开的技术特征,确保撰写的权利要求能够有效区别于现有技术。注意:需要考虑对比文件1和对比文件2公开的技术特征,确保撰写的权利要求能够有效区别于现有技术。2.简述说明权利要求1-5的新颖性或创造性理由。要求:结合对比文件1和对比文件2的内容,论述本申请权利要求相对于现有技术的区别特征和由此带来的技术效果。要求:结合对比文件1和对比文件2的内容,论述本申请权利要求相对于现有技术的区别特征和由此带来的技术效果。第二部分:无效宣告请求实务【无效宣告请求书】请求人:甲公司专利权人:乙公司专利号:ZL20231XXXXXXX.X发明名称:一种高功率密度锂离子电池电解液及电池请求宣告专利权全部无效的理由及事实:请求人认为,该专利的权利要求1-5不具备《专利法》第22条第3款规定的创造性,具体理由如下:权利要求1请求保护一种高功率密度锂离子电池电解液。对比文件3(CN112XXXXXA)公开了一种锂离子电池非水电解液,其包含锂盐、有机溶剂和添加剂。其中,有机溶剂为碳酸乙烯酯(EC)和碳酸甲乙酯(EMC)的混合物,添加剂为1,3-丙烷磺酸内酯(PS)。权利要求1与对比文件3的区别在于:权利要求1限定了添加剂还包含二氟磷酸锂(LiPO2F2)。然而,对比文件4(US2022/XXXXXA1)公开了在锂离子电池电解液中加入二氟磷酸锂(LiPO2F2)能够改善高温循环性能和降低阻抗,这是本领域的公知常识。因此,在对比文件3的基础上结合对比文件4及公知常识得到权利要求1的技术方案是显而易见的,权利要求1不具备创造性。权利要求2-5直接或间接引用权利要求1,在权利要求1不具备创造性的前提下,权利要求2-5也不具备创造性。【涉案专利权利要求书】1.一种高功率密度锂离子电池电解液,其特征在于,包括有机溶剂、锂盐和添加剂;所述有机溶剂由环状碳酸酯和链状碳酸酯组成,所述环状碳酸酯为碳酸乙烯酯,所述链状碳酸酯为碳酸甲乙酯;所述锂盐为六氟磷酸锂;所述添加剂包括第一添加剂和第二添加剂,所述第一添加剂为1,3-丙烷磺酸内酯,所述第二添加剂为二氟磷酸锂;基于所述电解液的总重量,所述第一添加剂的质量百分含量为0.5%-2%,所述第二添加剂的质量百分含量为0.1%-1%。2.如权利要求1所述的电解液,其特征在于,所述有机溶剂中环状碳酸酯和链状碳酸酯的体积比为30:70-50:50。3.如权利要求1所述的电解液,其特征在于,所述锂盐的浓度为1.0mol/L-1.2mol/L。4.如权利要求1所述的电解液,其特征在于,所述电解液还包含不饱和环状碳酸酯,所述不饱和环状碳酸酯选自碳酸亚乙烯酯(VC)或乙烯基碳酸乙烯酯(VEC)。5.一种锂离子电池,包括正极、负极、隔膜和电解液,其特征在于,所述电解液为权利要求1-4任一项所述的电解液。【对比文件3摘录】相关部分:一种锂离子电池非水电解液,包含锂盐、有机溶剂和添加剂。有机溶剂为碳酸乙烯酯(EC)和碳酸甲乙酯(EMC)的混合物,体积比40:60。锂盐为LiPF6,浓度1.1mol/L。添加剂为1,3-丙烷磺酸内酯(PS),含量1wt%。该电解液能够提高电池的低温性能。【对比文件4摘录】相关部分:二氟磷酸锂(LiPO2F2)作为锂离子电池电解液添加剂使用,能够有效修复正极材料表面的SEI膜,降低界面阻抗,提升电池的高温循环性能。通常添加量为0.1%-2%。【试题要求】假设您是专利权人乙公司的代理师,请针对上述无效宣告请求撰写意见陈述书。1.具体要求:分析权利要求1相对于对比文件3和对比文件4的结合是否具备创造性。分析权利要求1相对于对比文件3和对比文件4的结合是否具备创造性。如果认为具备创造性,请详细论述理由,重点说明“第一添加剂”与“第二添加剂”之间的协同作用(如果存在),或者对比文件4给出的技术教导与本案实际解决的技术问题不同。如果认为具备创造性,请详细论述理由,重点说明“第一添加剂”与“第二添加剂”之间的协同作用(如果存在),或者对比文件4给出的技术教导与本案实际解决的技术问题不同。分析权利要求4的创造性。分析权利要求4的创造性。格式要求:符合意见陈述书的一般格式,逻辑清晰,有理有据。格式要求:符合意见陈述书的一般格式,逻辑清晰,有理有据。第三部分:综合论述题【背景信息】某研发团队开发了一种新型的“全固态电池制备工艺”,该工艺涉及在真空环境下将固态电解质薄膜溅射到正极材料表面。在申请专利前,检索发现了一篇非专利文献(学术论文),该文献公开了在氩气保护环境下将固态电解质薄膜溅射到正极材料表面的方法。研发团队认为,真空环境与氩气保护环境在物理本质上都旨在隔绝氧气和水分,因此该学术论文破坏了其发明的新颖性,决定不申请专利。【试题要求】1.请根据《专利法》及《专利审查指南》的相关规定,分析研发团队关于“学术论文破坏其发明新颖性”的观点是否正确。2.请阐述“真空环境”与“氩气保护环境”在技术方案中的等同性判断原则。3.假如研发团队坚持申请专利,作为代理师,你将如何建议其修改权利要求以克服潜在的创造性问题,或者如何通过意见陈述来争取专利权?(请从技术效果、微观机理等角度进行论述)。参考答案与解析第一部分:专利申请代理实务(撰写)【参考权利要求书】1.一种基于深度学习的自适应交通信号控制方法,其特征在于,包括以下步骤:S1:通过设置在路口及上下游路段的传感器采集实时交通流数据;S2:对采集的实时交通流数据进行预处理,并将处理后的数据输入至预先构建的交通状态特征提取网络;S3:所述交通状态特征提取网络采用卷积神经网络与长短期记忆网络相结合的混合架构,所述卷积神经网络用于提取空间特征,所述长短期记忆网络用于提取时间特征,输出当前路口及关联路口的高维特征向量;S4:构建深度强化学习决策模型,所述决策模型以所述高维特征向量作为状态空间输入,以信号灯相位及相序组合作为动作空间,输出最优的信号灯控制策略;S5:将最优控制策略下发至交通信号控制机执行。2.如权利要求1所述的方法,其特征在于,在步骤S3中,所述卷积神经网络与长短期记忆网络相结合的混合架构具体为:利用一维卷积层处理同一时刻不同检测断面的数据以捕捉空间相关性,将卷积层输出的特征序列输入长短期记忆网络层捕捉时间依赖性。3.如权利要求1所述的方法,其特征在于,在步骤S4中,所述深度强化学习决策模型的目标函数J的计算公式为:J其中,为策略网络参数,为时刻t的奖励值,γ为折扣因子,T为决策周期。4.如权利要求1所述的方法,其特征在于,在步骤S4之后还包括步骤S5:引入注意力机制对所述深度强化学习决策模型的奖励函数进行动态加权,当检测到紧急车辆时,动态调整奖励权重,优先给予紧急车辆所在车道绿灯通行权。5.如权利要求4所述的方法,其特征在于,所述紧急车辆优先逻辑包括:识别紧急车辆的GPS定位和行驶轨迹,预测其到达路口的时间,若<Δt6.如权利要求1所述的方法,其特征在于,在步骤S5之后还包括:收集执行后的反馈数据,利用经验回放机制更新所述深度强化学习决策模型的参数。7.一种基于深度学习的自适应交通信号控制系统,其特征在于,包括:数据采集模块,用于获取实时交通流数据;数据处理模块,用于对数据进行预处理和特征提取;决策模块,包含基于深度强化学习的决策模型,用于生成最优信号灯配时方案;执行模块,用于控制信号灯状态。【新颖性/创造性分析】权利要求1:权利要求1请求保护一种基于深度学习的自适应交通信号控制方法。对比文件1公开了一种基于强化学习(Q-learning)的单点交通信号控制方法,其公开了利用地磁线圈采集数据、利用强化学习输出控制策略等特征。对比文件2公开了利用CNN提取交通流特征(空间特征)。区别特征:权利要求1采用了“CNN与LSTM相结合的混合架构”来提取特征,并以此作为深度强化学习(DRL)模型的状态输入;而对比文件1仅使用简单的排队长度作为状态,且使用的是传统Q-learning;对比文件2仅涉及特征提取,未涉及信号控制。技术效果:CNN提取空间特征,LSTM提取时间特征,这种混合架构能够更全面地捕捉交通流的时空依赖性,为DRL提供更丰富的状态信息,从而提升控制策略的准确性和全局协调性。对比文件1未给出使用深度学习提取特征并结合LSTM的任何启示,对比文件2也未启示将提取的特征用于DRL信号控制。因此,权利要求1具备突出的实质性特点和显著的进步,具备创造性。权利要求2:权利要求2进一步限定了混合架构的具体实现方式:一维卷积层处理空间特征,LSTM层处理时间特征。对比文件1和对比文件2均未公开“一维卷积层”结合“LSTM层”用于交通信号控制的具体网络结构。该具体结构优化了特征提取流程,提高了数据处理效率。因此,权利要求2具备创造性。权利要求3:权利要求3具体限定了DRL决策模型的目标函数公式。该公式是深度强化学习中标准的期望回报函数,虽然数学公式本身可能属于公知常识,但将其应用于“以高维特征向量(来自CNN-LSTM)为状态”的交通信号控制系统中,构建了特定的优化目标,使得控制策略不仅基于简单规则,而是基于数学期望的长期优化。结合区别特征,该权利要求限定的具体模型构建方式未被对比文件公开,具备创造性。权利要求4:权利要求4增加了“引入注意力机制对奖励函数进行动态加权”以处理紧急车辆的步骤。对比文件1和2均未公开注意力机制,也未涉及紧急车辆优先权控制。该特征使得系统在常规优化基础上具备了应急响应能力,解决了现有技术缺乏对特殊车辆实时响应的问题,具备创造性。权利要求5:权利要求5进一步限定了紧急车辆优先的具体逻辑(GPS定位、轨迹预测、时间阈值判断)。该具体逻辑是权利要求4中“注意力机制”的具体实现方式,提供了可操作的技术手段,使得系统不仅能检测紧急车辆,还能基于预测进行主动相位切换,进一步增强了技术效果,具备创造性。第二部分:无效宣告请求实务【意见陈述书】专利号:ZL20231XXXXXXX.X发明名称:一种高功率密度锂离子电池电解液及电池陈述事项:针对请求人甲公司于2026年X月X日提交的关于上述专利的无效宣告请求书,专利权人乙公司现陈述意见如下:请求人认为权利要求1-5不具备创造性,专利权人不能认同,具体理由如下:一、关于权利要求1的创造性权利要求1请求保护一种高功率密度锂离子电池电解液。对比文件3公开了一种锂离子电池非水电解液,其公开了有机溶剂(EC和EMC)、锂盐和第一添加剂(PS)。对比文件4公开了二氟磷酸锂(LiPO2F2)可作为添加剂用于改善高温循环性能和降低阻抗。虽然对比文件3公开了大部分溶剂和基础成分,对比文件4公开了LiPO2F2的用途,但权利要求1相对于对比文件3与对比文件4的结合,具备《专利法》第22条第3款规定的创造性。理由如下:1.技术领域和解决的技术问题不同对比文件3主要关注提高电池的低温性能,其核心在于通过PS添加剂改善低温下的离子电导率。对比文件4虽然提及LiPO2F2可以降低阻抗,但其主要应用场景是针对高电压正极材料的界面保护,侧重于高温循环性能。本申请权利要求1旨在解决“高功率密度”电池的性能问题。高功率密度电池意味着电池需要进行大倍率充放电,这对电解液的离子传输速率和电极/电解质界面的电荷转移阻抗提出了极高要求。2.区别特征及其带来的协同作用权利要求1与对比文件3的区别在于:权利要求1限定了添加剂还包含二氟磷酸锂(LiPO2F2),且限定了PS和LiPO2F2的特定含量范围(PS0.5%-2%,LiPO2F20.1%-1%)。请求人认为简单叠加LiPO2F2是显而易见的,然而,专利权人通过实验发现,PS与LiPO2F2在特定比例下产生了非显而易见的协同效应。PS主要在负极表面形成富含磺酸酯的SEI膜,有利于锂离子传输,但其成膜阻抗相对较高;LiPO2F2倾向于在正极表面形成CEI膜,并能分解产生LiF,降低界面阻抗。当两者共存且处于权利要求1限定的比例范围内时,LiPO2F2分解产生的LiF会掺杂进PS形成的SEI膜中,显著降低了PS膜的阻抗,同时保持了PS膜优异的热稳定性。这种“正极-负极双界面修饰”以及“膜阻抗-膜稳定性协同优化”的效果,是对比文件3或对比文件4单独未揭示的,也是本领域技术人员无法从对比文件4中直接得出的技术启示。3.对比文件4并未给出结合启示对比文件4虽然提到LiPO2F2,但其并未教导将其与PS联用。本领域技术人员在对比文件3的基础上,为了进一步优化低温性能,可能会尝试其他低温添加剂,而没有动机去引入主要用于高温/高电压保护的LiPO2F2。本申请将两者结合,意外地解决了高功率密度电池在大倍率充放电下的产热和阻抗问题,取得了预料不到的技术效果。综上,权利要求1具备创造性。二、关于权利要求4的创造性权利要求4进一步限定了电解液还包含不饱和环状碳酸酯(VC或VEC)。在权利要求1具备创造性的前提下,权利要求4的附加技术特征也带来了进一步的技术效果。不饱和环状碳酸酯(如VC)是已知的成膜添加剂,但在本申请的特定体系(含PS和LiPO2F2)中,VC的加入能够优先于PS和LiPO2F2在负极表面聚合,形成更致密的底层SEI膜,进一步抑制电解液在高压下的分解。这种三层复合界面膜结构(VC-PS/LiPO2F2)显著提升了电池在4.5V以上高电压下的循环稳定性。对比文件3和4均未公开在含有PS和LiPO2F2的体系中再加入VC,也未公开由此形成的高稳定性复合膜结构。因此,权利要求4也具备创造性。三、结论综上所述,权利要求1-4相对于对比文件3、4及公知常识具备实质性特点和显著的进步,请求人的无效理由不能成立。请求专利复审委员会维持专利权有效。第三部分:综合论述题【参考答案】1.研发团队观点分析研发团队的观点是不正确的。根据《专利法》第22条第2款的规定,新颖性是指该发明或者实用新型不属于现有技术;现有技术是指申请日以前在国内外为公众所知的技术。判断新颖性时,适用“单独对比”原则,即应当将一项权利要求的技术方案与一篇现有技术文件(如该学术论文)中的技术方案进行单独对比。虽然学术论文公开了在“氩气保护环境”下进行溅射,而本发明涉及“真空环境”,但在化学气相沉积或溅射技术领域,真空与惰性气体保护是两种常见的不同工艺环境。如果学术论文中明确指出了“真空度”为某一数值,或者其“氩气保护”是在特定气压下进行的,且该气压与本发明的真空环境在物理参数上完全一致,则可能因公开了本发明的技术特征而破坏新颖性。如果学术论文中明确指出了“真空度”为某一数值,或者其“氩气保护”是在特定气压下进行的,且该气压与本发明的真空环境在物理参数上完全一致,则可能因公开了本发明的技术特征而破坏新颖性。但通常情况下,“真空环境”意味着极低的气压(接近绝对真空),而“氩气保护环境”通常指常压或微正压下的惰性气体氛围,二者在工艺条件、设备要求上存在显著差异。但通常情况下,“真空环境”意味着极低的气压(接近绝对真空),而“氩气保护环境”通常指常压或微正压下的惰性气体氛围,二者在工艺条件、设备要求上存在显著差异。因此,仅凭“氩气保护环境”这一特征,并不能直接等同于破坏了“真空环境”技术方案的新颖性,除非该论文明确指出该环境本质上就是真空(例如“在高纯氩气气氛的真空腔体内”)。研发团队混淆了技术手段的“功能相似”与“特征相同”,错误地认为功能相似即丧失新颖性。2.“真空环境”与“氩气保护环境”的等同性判断原则在专利侵权判定或创造性评价中,判断两个技术特征是否等同,通常遵循以下原则:手

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论