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！

龙图腾网获悉长江空间信息技术工程有限公司(武汉)申请的专利基于时间点过程神经网络模型的道路交叉口拥堵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：CN116311887B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202211673867.4，技术领域涉及：G08G1/01；该发明授权基于时间点过程神经网络模型的道路交叉口拥堵预测方法是由王建龙;义崇政;张力;马瑞;吴学宇;张航;祝宪章;刘成堃设计研发完成，并于2022-12-26向国家知识产权局提交的专利申请。

本基于时间点过程神经网络模型的道路交叉口拥堵预测方法在说明书摘要公布了：本发明公开了一种基于时间点过程神经网络模型的道路交叉口拥堵预测方法。它包括如下步骤，首先，在空间关联建模过程中，通过将多个交叉口的空间区域拥堵变化模式融合到单个交叉口级，构建空间关联模块；其次，在双粒度时间关联建模过程中，通过时间点过程捕获拥堵事件时间粒度，并进一步与门控循环网络单元集成、构建新的神经点过程门控循环单元，通过新的神经点过程门控循环单元，分别对拥堵在不同时间粒度下建模，得到双粒度时间关联模块；最后，基于序列得到序列架构和时空关联模块建立时空点过程神经网络模型，进行参数优化，实现拥堵事件的多步预测。本发明具有针对精细化的城市交叉口车道间、信号周期内拥堵事件预测，预测精度高的优点。

本发明授权基于时间点过程神经网络模型的道路交叉口拥堵预测方法在权利要求书中公布了：1.基于时间点过程神经网络模型的道路交叉口拥堵预测方法，其特征在于：基于时间点过程理论和深度学习方法，通过时间点过程神经网络模型在信号灯周期的精细时间尺度下，预测交叉口车道级拥堵事件级的发生、发展和消散的全生命周期过程， 具体方法为： 首先，在空间关联建模过程中，通过将多个交叉口的空间区域拥堵变化模式融合到单个交叉口级，构建空间关联模块，辅助路口车道之间、信号灯周期粒度精细化拥堵预测，实现局部路口和区域路网级动态关联；同时，在信控交叉口级空间关联建模时，将信号周期变化和局部交叉口的图卷积网络集成，捕获固定信号周期下的局部交叉口车道级粒度的动态空间关联； 其次，在双粒度时间关联建模过程中，通过时间点过程捕获拥堵事件时间粒度，并进一步与门控循环网络单元集成、构建新的神经点过程门控循环单元，通过新的神经点过程门控循环单元，分别对拥堵在不同时间粒度下建模，得到双粒度时间关联模块；通过空间关联模块和双粒度时间关联模块构成时空关联模块； 最后，基于序列到序列架构和时空关联模块建立时间点过程神经网络模型，进行参数优化，实现拥堵事件的多步预测； 具体预测方法，包括如下步骤， 步骤一：基础资料整理； 步骤二：定义拥堵事件； 步骤三：基于交叉口图结构的空间关联建模； 步骤四：集成时间点过程的时间关联建模； 步骤五：基于序列到序列架构和时空关联模块建立时间点过程神经网络模型； 步骤六：模型的损失函数表示； 模型的损失函数表示，具体方法为： 给定一个包含区域级交通流特征χg、和交叉口级交通流特征χl的时间不规则性交通状态集合，一个离散的历史和未来时间内部因素事件特征集合和通过设kc＝1表示当前时刻发生拥堵，当前时刻未发生拥堵，则为kc为0；通过最大化联合对数似然估计更新模型参数，模型的损失函数表示为： 其中，tc∈0,P]表示第c次拥堵事件发生的时间戳；表示此次拥堵事件标值信息；mj∈[1,2,…,K],K∈Z+表示在历史时间间隔0,p]个信号周期内发生拥堵事件累计次数；P表示历史时间； 步骤七：输出预测结果； 时间关联模块基于序列到序列的框架结构，通过递归计算，学习历史拥堵事件编码表示，通过公式14选择条件概率最大的最优参数θ、生成未来多步拥堵事件输出； 在时间关联模型学习拥堵模式过程中，历史多步时刻的事件和交通流数据被输入到堆叠的NPPGRU单元中，实现双时间粒度的信息编码； 而在解码预测阶段，前一个NPPGRU单元的输出将作为下一个单元的输入，计算未来多步时刻下是否发生拥堵和拥堵标值。

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长江空间信息技术工程有限公司(武汉)，其通讯地址为：430010 湖北省武汉市汉口解放大道1863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”。