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！

龙图腾网获悉中国科学技术大学申请的专利一种基于图神经网络的有桩共享单车出入数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：CN116167512B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202310103289.9，技术领域涉及：G06Q10/04；该发明授权一种基于图神经网络的有桩共享单车出入数量预测方法是由冯家辉;刘和福设计研发完成，并于2023-02-13向国家知识产权局提交的专利申请。

本一种基于图神经网络的有桩共享单车出入数量预测方法在说明书摘要公布了：本发明公开了一种基于图神经网络的有桩共享单车出入数量预测方法，其步骤包括：1获取城市中所有共享单车站点的出入站数据；2建立基于图神经网络的共享单车预测模型；3构建样本数据，训练建立的自适应共享单车数量预测模型；4利用建立好的模型实现预测，以达到预测所有共享单车站点进出站车辆数的目的。本发明构建局部时空信息提取模块和全部时空信息提取模块，获取共享单车系统中全局和局部的共享单车站点车辆变化，充分挖掘共享单车站点之间潜在的关联模式，从而能进一步提升共享单车系统中每个站点的预测精度。

本发明授权一种基于图神经网络的有桩共享单车出入数量预测方法在权利要求书中公布了：1.一种基于图神经网络的有桩共享单车出入数量预测方法，其特征在于，包括以下步骤： 步骤1：获取所有共享单车站点的进、出站车辆数据并进行预处理： 步骤1.1：获取共享单车的骑行记录，且每条骑行记录包含：初始站点、终止站点、开始时间、终止时间； 步骤1.2：根据预测的时间间隔，构建图结构数据集G，其中，第t个时间间隔的图结构数据记为，表示第t个时间间隔的共享单车站点集合，表示第t个时间间隔内各共享单车站点之间的邻接矩阵；在第t个时间间隔中，若从共享单车站点i到共享单车站点j有单车骑行记录，则令中第i行第j列的元素取值为1，否则，令取值为0；表示第t个时间间隔内所有共享单车站点特征，其中，表示第t个时间间隔内共享单车站点j的特征，包括：共享单车站点j的进站车辆数和共享单车站点j的出站车辆数； 步骤1.3：设置滑动窗口的宽度为T’，并通过滑动窗口对所述图结构数据集G进行样本划分，得到样本集，其中，表示第n个样本，表示第n个滑动窗口的历史数据，且，表示第n个滑动窗口的历史数据中第t个时间间隔的图结构数据，表示第n个历史数据中第t个时间段的邻接矩阵，表示第n个历史数据中第t个时间段所有共享单车站点的特征，表示共享单车站点的数目，表示第n个滑动窗口的历史数据中第t个时间段共享单车站点i的特征；表示第n个滑动窗口的历史数据所预测的第n+1个时间间隔内所有共享单车站点的出、入站车辆数；表示样本总数； 步骤2：搭建时空图神经网络，包括：局部时空信息提取模块、全局时空信息提取模块、输出层；其中，所述局部时空信息提取模块包括：动态图注意网络和时间卷积网络；所述全局时空信息提取模块包括：共享全连接网络和共享图神经网络； 步骤2.1：定义当前迭代次数为z，并初始化z＝1，定义迭代阈值为Z；初始化所述神经网络中的参数； 步骤2.2：所述局部时空信息提取模块对第n个滑动窗口的历史数据进行处理，第n个滑动窗口的历史数据中所有时间间隔的共享单车站点更新后的局部时空特征； 步骤2.3：所述全局时空信息提取模块对局部时空特征进行处理，得到第n个滑动窗口的历史数据的全局时空特征； 步骤2.4:所述输出层采用式13对输出特征的维度进行压缩，得到第n个滑动窗口的历史数据的最终输出结果： 13 式13中，是两个待学习的权重参数，是两个待学习的偏置参数；表示非线性激活函数； 步骤2.5：利用式14构建自适应目标函数，并利用梯度下降算法训练时空图神经网络，并以损失函数最小化为目标，通过时间反向传播算法对时空图注意力网络中的参数进行优化更新，直到z＞Z为止停止训练，从而得到训练好的时空图注意力网络模型，用于预测未来时间段的共享单车进、出站车辆数目； 14 式14中，是权重参数。

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中国科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96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”。