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！

龙图腾网获悉广州交信投科技股份有限公司申请的专利一种多模态时序数据分析驱动的公共交通调度优化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：CN120355045B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202510847042.7，技术领域涉及：G06Q10/04；该发明授权一种多模态时序数据分析驱动的公共交通调度优化方法是由陈欢;邹祥莉;冯川;罗秀玲;李欣怡;程亚杰;罗建平;欧勇辉;赵家乐设计研发完成，并于2025-06-24向国家知识产权局提交的专利申请。

本一种多模态时序数据分析驱动的公共交通调度优化方法在说明书摘要公布了：本发明涉及智能交通管理技术领域，公开了一种多模态时序数据分析驱动的公共交通调度优化方法，包括：获取多模态交通数据并进行时空对齐预处理，提取特征向量；基于跨模态交互学习方法融合多种特征向量；基于多模态融合特征向量进行公共交通状况的实时预测，得到公共交通流量预测值，并基于得到公共交通流量预测值制定公共交通调度策略。本发明基于跨模态交互学习方法融合多种特征向量，有效捕捉不同类型数据间的相互关系，并基于粒子群优化算法制定公共交通调度策略，有效地平衡全局搜索和局部搜索的能力，可以有效提升PSO算法在公共交通车辆调度问题中的性能，实现更高效的调度方案。

本发明授权一种多模态时序数据分析驱动的公共交通调度优化方法在权利要求书中公布了：1.一种多模态时序数据分析驱动的公共交通调度优化方法，其特征在于，包括： 获取多模态交通数据并进行时空对齐预处理，提取特征向量； 基于跨模态交互学习方法融合多种特征向量； 基于多模态融合特征向量进行公共交通状况的实时预测，得到公共交通流量预测值； 基于公共交通流量预测值制定公共交通调度策略； 多模态交通数据包括车载卫星定位数据、交通流量数据以及社交软件反馈的实时数据，其中结构化数据为交通流量数据，半结构化数据包括车载卫星定位数据，非结构化数据包括社交软件反馈的文本数据； 提取特征向量包括： 基于自动编码器对结构化数据进行处理； 构建城市交通路网图，基于图注意力网络对半结构化数据进行空间特征提取，图注意力网络的邻接矩阵根据道路拓扑关系构建； 基于双向长短期记忆网络对非结构化数据进行时间序列分析和关键信息提取； 基于跨模态交互学习方法融合多种特征向量，包括： 1城市交通路网图基础上构建多模态时空关联图，节点表示不同模态特征向量，边权重通过时空注意力机制计算，边权重计算过程为： 计算模态注意力权重： 其中，WQ，WK分别表示查询变换矩阵、键变换矩阵，K表示注意力头数，D是变换后的特征维度，hi和hj分别表示节点i和节点j的特征向量，αmodal是模态注意力权重； 计算基于空间距离的注意力权重： 其中，dgeo表示栅格中心点欧氏距离，σ为时间衰减系数，αspace表示基于空间距离计算得到的注意力权重； 计算基于时间差的注意力权重： 其中，τ表示时间衰减系数，Δt表示两个节点之间的时间间隔，αtime表示基于时间差计算得到的注意力权重； 归一化注意力权重： wi→j＝softmaxαmodal+αspace+αtime； 其中，softmax表示激活函数，wi→j表示从节点i到节点j的最终注意力权重； 2通过图注意力网络聚合多模态特征，包括： 使用K个独立的注意力头并行计算： 其中，表示第k个注意力头的值变换矩阵，表示节点i的邻居节点，表示第k个注意力头的归一化注意力权重，表示第k个注意力头的特征； 对多个注意力头并行计算后进行多头特征拼接，输出中间融合特征； 对中间融合特征进行残差连接与归一化； 3经过图注意力网络聚合多模态特征后再通过多层时空图卷积输出节点特征，节点特征通过全连接层映射为多模态融合特征向量。

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广州交信投科技股份有限公司，其通讯地址为：510000 广东省广州市黄埔区黄埔大道东884号南方智媒北塔30楼3008室；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”。