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！

龙图腾网获悉北京交通大学申请的专利基于注意力机制的城市轨道交通多步短时客流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：CN116227668B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202211660412.9，技术领域涉及：G06Q10/04；该发明授权基于注意力机制的城市轨道交通多步短时客流预测方法是由张金雷;杨立兴;陈奕洁;李小红;高自友设计研发完成，并于2022-12-23向国家知识产权局提交的专利申请。

本基于注意力机制的城市轨道交通多步短时客流预测方法在说明书摘要公布了：本发明公开一种基于注意力机制的城市轨道交通多步短时客流预测方法。该方法包括：获取目标区域的客流数据信息；将所述客流数据信息输入到经训练的时空综合预测模型，预测出后续多个时间步的短时客流信息，其中所述时空综合预测模型包含三个分支结构，分别为Inflow分支、OD分支和POI分支，Inflow分支基于多头注意力机制处理进站客流时间序列数据，捕捉时间维度特征；OD分支用于提取出进出站信息矩阵所携带的时间和空间相关性；POI分支用于利用感兴趣点的客流矩阵捕捉空间特征，并增强空间特征与时间特征之间的联系。本发明能够提高了短时客流预测的准确度，并扩宽预测的时间跨度。

本发明授权基于注意力机制的城市轨道交通多步短时客流预测方法在权利要求书中公布了：1.一种基于注意力机制的城市轨道交通多步短时客流预测方法，包括以下步骤： 获取目标区域的客流数据信息，所述客流数据信息包括进站客流时间序列矩阵Pt，基于时间步的进出站信息矩阵ODt，以及感兴趣点的客流矩阵POI，其中，Pt反映各车站在设定时间间隔内的进站客流量观测值，ODt反映设定时间间隔内不同车站之间的进出站数量，POI反映感兴趣点的位置和类别信息； 将所述客流数据信息输入到经训练的时空综合预测模型，预测出后续k个时间步的短时客流信息，所述时空综合预测模型的输入数据与预测值之间的非线性关系表示为： [Yt+1…Yt+k]＝fPt,ODt,POI 其中，所述时空综合预测模型包含三个分支结构，分别为Inflow分支、OD分支和POI分支，Inflow分支基于多头注意力机制处理进站客流时间序列数据，捕捉时间维度特征；OD分支用于提取出进出站信息矩阵所携带的时间和空间相关性；POI分支用于利用感兴趣点的客流矩阵捕捉空间特征，并增强空间特征与时间特征之间的联系；所述三个分支结构的输出经过特征融合层进行融合，进而经由全连接层后获得预测结果； 其中，对于所述Inflow分支，进站客流时间序列矩阵Pt通过位置编码、基于Transformer的LSTM网络层处理，并通过展平层后进入全连接层，该全连接层输出设定数量的携带有时间特征的神经元并传递到所述特征融合层； 其中，所述基于Transformer的LSTM网络层包括位置编码层、多头注意力层、第一相加与归一化层、LSTM网络以及第二相加和归一层，其中，所述位置编码层的输出以及第一相加与归一化层的输出之间具有残差连接，第一相加与归一化层的输出以及第二相加与归一化层的输出之间具有残差连接； 其中，所述OD分支包含多个深度注意力模块、展平层和全连接网络层，所述深度注意力模块执行以下步骤： 通道注意力单元通过池化操作将输入数据进行空间维度的特征压缩，将每个二维特征矩阵池化为一个实数ac，表示为： 利用激励加权操作生成每个特征通道对应的权值，表示为： W＝SigmoidFullConnectedac 经过相应线性运算完成对不同通道之间的重要性程度建模，表示为： 其中，w和h代表OD矩阵的维度，OD0t表示时间步t下的OD矩阵，OD0tci,j表示OD0t矩阵的第i行第j列对应的元素； 其中，所述POI分支结构包含POI图堆叠层、CNN网络、展平层和全连接网络层。

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北京交通大学，其通讯地址为：100044 北京市海淀区西直门外上园村3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。