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！

龙图腾网获悉重庆大学申请的专利一种用于城市场景中的车辆速度预测方法及系统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：CN119091646B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202411091310.9，技术领域涉及：G06Q10/04；该发明授权一种用于城市场景中的车辆速度预测方法及系统是由周鹏展;何跃鹏;翟翊君;秦志达;李明妍;陈超;郭松涛设计研发完成，并于2024-08-09向国家知识产权局提交的专利申请。

本一种用于城市场景中的车辆速度预测方法及系统在说明书摘要公布了：本发明涉及一种应用于城市场景的车辆速度预测方法及系统，该方法利用个性化联邦学习方法在服务器上实现个性化聚合，捕获客户端特定信息，并通过基于多头注意力的序列到序列长短期记忆网络模型进行个性化车速预测。个性化联邦学习方法包括：服务器发送全局模型至客户端初始化本地模型；客户端执行迭代训练并上传模型至服务器；服务器聚合本地模型更新全局模型，并根据迭代轮数决定是否计算个性化聚合权重；若需计算，则基于加权均方误差得到个性化聚合权重，进而生成客户端定制的聚合模型并发送。网络模型采用编码器‑解码器架构，包含两层长短期记忆网络和多头注意力层，最后接全连接层。本发明能在保护数据隐私的同时实现个性化车速预测。

本发明授权一种用于城市场景中的车辆速度预测方法及系统在权利要求书中公布了：1.一种用于城市场景中的车辆速度预测方法，其特征在于：在该方法中，采用个性化联邦学习方法在服务器上实现个性化聚合步骤来捕获客户端的信息；利用获取的数据信息通过基于多头注意力的序列到序列长短期记忆网络模型对车辆速度进行个性化的预测； 所述个性化联邦学习方法包括以下步骤： S1、服务器发送初始化的全局模型给所有客户端，初始化各个客户端的本地模型，客户端的编号为i，当前个性化联邦学习方法的迭代轮数为t； S2、客户端i执行第t轮迭代，通过梯度下降方式训练本地模型，并将训练后的本地模型上传到服务器； S3、服务器对上传的本地模型执行全局聚合，得到全局模型； S4、服务器根据当前的迭代轮数t是否大于设定的阀值r，判断是否需要计算个性化聚合权重；若不大于，则服务器将全局模型发送给选中的客户端，作为其初始化本地模型，返回步骤S2；若大于，则进入步骤S5； S5、服务器通过计算客户端本地模型和全局模型参数之间的加权均方误差，并将其归一化，得到这轮迭代的个性化聚合权重； S6、服务器基于个性化聚合权重，通过在元素级别聚合客户端本地模型和全局模型的最高p层网络，而其余较低层网络采用全局模型对应部分，得到客户端定制的聚合模型； S7、服务器将客户端定制的聚合模型发送给选中的客户端，作为其初始化本地模型； S8、重复步骤S2至步骤S7，执行T轮迭代，t∈[0，T]，直到各个客户端的本地模型训练收敛； 所述基于多头注意力的序列到序列长短期记忆网络模型具体包括：基于一段历史输入特征数据来预测未来一段时间内的车速；所述模型采用编码器-解码器架构；此外，所述模型采用长短期记忆网络和多头注意力机制；具体而言，所述模型首先通过两层长短期记忆网络作为编码器处理输入序列，提取出时间序列数据的高维表示；随后，通过一个自定义的多头注意力层，并行地在多个子空间内捕获序列依赖关系，增强对时间序列复杂模式的理解；接下来，多头注意力模块的输出被送入两层长短期记忆网络作为的解码器中，逐步构建对未来车速的预测；最后，通过一个全连接层将解码器的输出映射为预测的车速。

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重庆大学，其通讯地址为：400030 重庆市沙坪坝区沙正街174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”。

以上内容由龙图腾AI智能生成。