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！

龙图腾网恭喜北京林业大学申请的专利基于动态时空超图与大语言模型的多模态交通流预测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：CN119942803B 。

龙图腾网通过国家知识产权局官网在2025-07-01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：202510426857.8，技术领域涉及：G08G1/01；该发明授权基于动态时空超图与大语言模型的多模态交通流预测方法是由霍光煜;卢雅轩;崔晓晖设计研发完成，并于2025-04-07向国家知识产权局提交的专利申请。

本基于动态时空超图与大语言模型的多模态交通流预测方法在说明书摘要公布了：本发明公开了基于动态时空超图与大语言模型的多模态交通流预测方法，涉及计算机机器学习领域，包括：获取交通数据集，对齐文本描述与传感器数据的时间戳，划分训练集、验证集与测试集；构建动态时空超图，保留关键时空依赖关系；构建交通流预测模型，采用训练集对模型进行训练，验证集监控训练过程并调整超参数，最终采用测试集评估模型预测性能。本发明优于现有方法，证明了其在复杂动态交通环境中的有效性。

本发明授权基于动态时空超图与大语言模型的多模态交通流预测方法在权利要求书中公布了：1.基于动态时空超图与大语言模型的多模态交通流预测方法，其特征在于，包括以下步骤： 获取交通数据集，对齐文本描述与传感器数据的时间戳，划分训练集、验证集与测试集； 通过FastDTW算法计算DTW距离，再使用阈值筛选关键依赖关系，构建动态时空超图； 构建交通流预测模型，采用训练集对模型进行训练，验证集监控训练过程并调整超参数，最终采用测试集评估模型预测性能； 其中，所述交通流预测模型包括：动态时空超图学习模块DSTHL，文本特征集成模块，基于大语言模型的特征提取模块FEM-LLM以及回归预测模块； 动态时空超图学习模块DSTHL：首先，对动态超图结构进行归一化处理，平衡节点间复杂的时空关联强度；其次，通过两层图网络处理交通数据，生成融合动态关系的节点嵌入表示，最后，通过可学习的投影矩阵将小时星期编码映射至统一嵌入空间，实现动态权重分配； 文本特征集成模块：使用BERT语言模型提取交通事件文本描述的语义特征，进而采用文本卷积操作TConv将归一化后的嵌入转换为最终表示，与空间卷积SConv得到的空间拓扑特征沿特征维度拼接，通过融合卷积FConv生成多模态特征联合表示； 基于大语言模型的特征提取模块FEM-LLM：采用分层参数解冻策略的Transformer架构，在初始的F层中冻结多头自注意力MHA机制和前馈网络FFN，后续的U层中，动态解冻MHA组件实现局部参数微调，同时保持FFN固定以维持长期依赖表征稳定性，最后融合多模态特征表示和多尺度时空特征并输出深层时空表示； 回归预测模块：将基于大语言模型的特征提取模块FEM-LLM输出的深层时空表示通过二维卷积层解码，得到未来交通流量的预测结果，设计复合损失函数融合L1损失与L2正则化项，在最小化预测误差的同时控制模型复杂度。

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北京林业大学，其通讯地址为：100083 北京市海淀区清华东路35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”。