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！

龙图腾网获悉河南大学申请的专利一种基于硬参数共享多任务学习的交通事故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：CN116307103B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202310121835.1，技术领域涉及：G06Q10/04；该发明授权一种基于硬参数共享多任务学习的交通事故预测方法是由周毅;侯宏鑫;王力;宁念文;石华光;张延宇设计研发完成，并于2023-02-15向国家知识产权局提交的专利申请。

本一种基于硬参数共享多任务学习的交通事故预测方法在说明书摘要公布了：本发明提出了一种基于硬参数共享多任务学习的交通事故预测方法，其步骤如下：对交通事故原始数据进行预处理；对影响交通事故发生的外部因素的数据进行处理分别得到静态因素数据和动态因素数据；通过多通道卷积网络和压缩‑激发网络提取各种静态因素数据的特征；通过Transformer网络提取各种动态因素数据的特征；进行信息融合；根据不同的预测任务分别构建其特定的网络层，在特定的网络层得到不同预测任务的预测值；构建多个预测任务的联合损失函数，利用Adam优化器得到预测模型；利用预测模型得到多个交通事故预测任务的预测结果。本发明实现了对多个交通事故预测任务的共同学习，提供更加全面更加明确的交通事故预测结果，且提高了预测精度。

本发明授权一种基于硬参数共享多任务学习的交通事故预测方法在权利要求书中公布了：1.一种基于硬参数共享多任务学习的交通事故预测方法，其特征在于，其步骤如下： 步骤S1：对交通事故原始数据进行预处理，得到多个预测任务的历史数据； 步骤S2：对预处理后的历史数据中影响交通事故发生的外部因素的数据进行处理，分别得到静态因素数据和动态因素数据； 步骤S3：利用多通道卷积网络、压缩-激发网络、Transformer网络和注意力长短期记忆网络搭建多任务学习架构的硬参数共享底层； 步骤S4：通过多通道卷积网络和压缩-激发网络的共同作用提取各种静态因素数据的特征，得到静态因素相关性信息； 所述步骤S4中多通道卷积网络和压缩-激发网络的处理方法为：将每种静态因素数据视为一个特征通道输入到多通道卷积网络中，多通道卷积网络通过多个通道卷积层的作用将其通道数压缩至与批大小相同，学习和聚合不同静态因素数据的特征在局部感受野上的表征； 将多通道卷积网络输出的数据输入到压缩-激发网络中，通过自适应全局平均池化层将多通道卷积网络输出的数据顺着空间维度进行特征压缩，将每个二维的特征通道变成一个实数，然后通过两个全连接层和两个激活层分别为每个特征通道生成权重，其中的参数被学习用来显式地建模特征通道间的相关性；最后与多通道卷积网络输出的数据逐通道进行点积求和完成对静态因素数据的相关性加权处理，得到包含相关性的带权静态因素数据即静态因素相关性信息； 步骤S5：通过Transformer网络提取各种动态因素数据的特征，得到随时间变化影响交通事故发生的动态因素相关性信息； 步骤S6：将静态因素相关性信息和动态因素相关性信息与多个预测任务的历史数据进行信息融合来提取外部因素对交通事故的影响，得到信息融合数据；利用注意力长短期记忆网络对信息融合数据进行处理捕捉交通事故复杂的时间相关性； 步骤S7：根据不同的预测任务分别构建其特定的网络层，在特定的网络层分别提取不同预测任务的特定表示，得到不同预测任务的预测值； 所述特定的网络层均采用多层感知机网络来处理注意力长短期记忆网络的输出数据以提取各个预测任务的特定表示，获得对应的预测值；多层感知机网络由两层全连接层组成，用于建模特征的非线性关系； 步骤S8：构建多个预测任务的联合损失函数，将多个预测任务的历史数据按照比例8：2划分为训练集和测集，利用Adam优化器和训练集优化硬参数共享底层和特定的网络层得到预测模型； 步骤S9：保存训练好的预测模型，使用测试集对预测模型进行预测，得到多个交通事故预测任务的预测结果。

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河南大学，其通讯地址为：450046 河南省郑州市郑东新区明理路北段379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”。