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！

龙图腾网获悉江西师范大学申请的专利一种基于边缘计算的潮汐车道交通流量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：CN120375606B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202510865048.7，技术领域涉及：G08G1/01；该发明授权一种基于边缘计算的潮汐车道交通流量预测方法是由金昌昊;马勇;罗江;叶礼斌;蔡昌;杨龙;江兴鸿设计研发完成，并于2025-06-26向国家知识产权局提交的专利申请。

本一种基于边缘计算的潮汐车道交通流量预测方法在说明书摘要公布了：本发明公开了一种基于边缘计算的潮汐车道交通流量预测方法，涉及智能交通技术领域。该方法包括：通过边缘服务器与云服务器获取潮汐车道配置数据、服务数据、交通流量数据及道路网络数据；对数据进行预处理；基于潮汐车道配置数据和道路网络数据构建静态道路网络图；结合时间粒度生成动态道路网络图；构建融合多头注意力机制与图神经网络的生成对抗网络模型，并进行对抗训练；将优化后的模型部署至边缘服务器，实现潮汐车道交通流量的预测。本发明提升了交通流预测的精度与时效性，增强了模型对时空特征的感知能力，促进了交通效率提升与边缘资源的智能化应用。

本发明授权一种基于边缘计算的潮汐车道交通流量预测方法在权利要求书中公布了：1.一种基于边缘计算的潮汐车道交通流量预测方法，其特征在于，包括： 通过边缘服务器和云服务器获取服务数据、潮汐车道配置数据、交通流量数据和道路网络数据； 对所述服务数据、潮汐车道配置数据、交通流量数据和道路网络数据进行预处理； 基于所述潮汐车道配置数据和所述道路网络数据进行建模，得到道路网络图； 对所述服务数据和所述交通流量数据设置时间粒度，通过所述时间粒度进行划分； 基于所述时间粒度将所述服务数据和所述交通流量数据添加到所述道路网络图，得到动态道路网络图； 构建生成对抗网络模型，将多头注意力机制和图神经网络添加到所述生成对抗网络模型的生成器中； 将所述动态道路网络图输入到所述生成对抗网络中进行对抗训练，得到优化后的生成对抗网络模型； 将所述优化后的生成对抗网络模型部署至边缘服务器上，并对潮汐车道交通流量进行预测； 所述基于所述潮汐车道配置数据和所述道路网络数据进行建模，得到道路网络图，包括： 利用潮汐车道配置向量和道路网络向量进行建模； 通过所述道路网络向量中的路口、路段起点和路段终点的经纬度构成所述道路网络图中的节点和边； 将所述道路网络向量中的道路数量和通行方向作为所述道路网络图中边属性； 通过所述潮汐车道配置向量中的潮汐车道起始位置、潮汐车道结束位置和潮汐车道路口对所述道路网络图中的节点和边进行标记； 将所述潮汐车道配置向量中道路数量和通行方向作为所述道路网络图中的边属性； 所述将所述动态道路网络图输入到所述生成对抗网络中进行对抗训练，包括： 将所述动态道路网络图输入到所述生成器中，生成预设数量时间窗口内的预测交通流量分布； 判别器接收所述预测交通流量分布，并从所述道路网络图中采集真实交通流量分布； 通过最小化生成器损失函数与最大化判别器损失函数进行对抗训练，使所述生成器逐步逼近所述真实交通流量分布； 训练公式为： ； 其中，为生成器，为判别器，为对抗训练目标函数，为真实数据特征，为判别器输出的概率的对数的平均值，为生成器的输入噪声向量，为生成器生成的样本被判别器判定为假的概率的对数的平均值； 所述通过最小化生成器损失函数与最大化判别器损失函数进行对抗训练，使所述生成器逐步逼近所述真实交通流量分布，包括： 在所述对抗训练过程中，动态更新动态道路网络图中的节点属性与边权重，以反映不同时刻的道路状态变化； 通过迭代训练，优化生成器参数，使其能够准确预测潮汐车道在不同时间段内的交通流量变化趋势。

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江西师范大学，其通讯地址为：330022 江西省南昌市高新区紫阳大道99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”。