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！

龙图腾网获悉北京航空航天大学申请的专利一种联合流量和轨迹的城市时空数据动态表示学习模型及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：CN119763321B 。

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：202411890439.6，技术领域涉及：G08G1/01；该发明授权一种联合流量和轨迹的城市时空数据动态表示学习模型及方法是由李超;王静远;王永瑶;韩程凯;于勰设计研发完成，并于2024-12-20向国家知识产权局提交的专利申请。

本一种联合流量和轨迹的城市时空数据动态表示学习模型及方法在说明书摘要公布了：本发明公开了一种联合流量和轨迹的城市时空数据动态表示学习模型及方法，该模型包括：基于车流量的道路网络动态表示学习模块，用于对道路网络和车流量序列进行编码，得到第一道路网络动态表示矩阵；轨迹动态表示学习模块，用于对道路网络和动态转移概率矩阵进行编码，得到第二道路网络动态表示矩阵；协同注意力Transformer编码器，用于将第一和第二道路网络动态表示矩阵中的时空信息进行交换；将交换后的表示矩阵再分别输入到基于车流量的道路网络动态表示学习模块和轨迹动态表示学习模块，生成道路网络动态表示矩阵和轨迹动态表示向量。该模型可为下游任务提供更准确的时空数据表示。

本发明授权一种联合流量和轨迹的城市时空数据动态表示学习模型及方法在权利要求书中公布了：1.一种联合流量和轨迹的城市时空数据动态表示学习模型，其特征在于，包括： 基于车流量的道路网络动态表示学习模块，用于对道路网络和车流量序列进行编码，得到第一道路网络动态表示矩阵； 轨迹动态表示学习模块，用于对道路网络和动态转移概率矩阵进行编码，得到第二道路网络动态表示矩阵； 协同注意力Transformer编码器，用于将第一道路网络动态表示矩阵和第二道路网络动态表示矩阵中的时空信息进行交换； 将得到交换时空信息后的第一道路网络动态表示矩阵再输入所述基于车流量的道路网络动态表示学习模块，输出第三道路网络动态表示矩阵； 将得到交换时空信息后的第二道路网络动态表示矩阵再输入所述轨迹动态表示学习模块，并结合路段序列和时间序列，输出轨迹动态表示向量； 其中，所述轨迹动态表示学习模块，包括： 动态转移模式感知的图注意力网络，用于将输入的道路网络和动态转移概率矩阵，融合到图注意力网络中； 时间嵌入层，用于将时间戳转换为表示向量，包括周内星期、日内分钟、位置编码和时间差嵌入； 轨迹编码器，用于通过多层门控注意力单元捕捉轨迹中访问的长距离依赖关系和全局语义，并输出轨迹动态表示向量； 所述动态转移模式感知的图注意力网络，包括： 路段轨迹是相邻路段的时序序列，记录了个体在道路网络G范围内的移动行为，其中m是路段的数量，vi∈V是第i次访问的路段，ti是相应的访问时间戳； 确定划分多个时间片，引入动态转移概率矩阵pt,i,j描述不同时间片下路段vi和路段vj之间的动态转移模式；动态转移概率pt,i,j基于路段轨迹数据如下计算： pt,i,j＝countvj→vi|tcountvi|t, 其中，countvj→vi|t和countvi|t分别表示在时间片t的路段轨迹数据中路径vj,vi和路段vi出现的次数； 将动态转移概率pt,i,j融合到标准的Lg层图注意力网络中；对于时间片t，在第l层图注意力层，路段vi的隐状态特征是输出特征是其中上标dl表示第l层的特征维数，dl+1表示第l+1层的特征维数；路段vi和路段vj之间的相关性分数et,i,j和动态规范化注意力权重αt,i,j如下计算： et,i,j＝h′t,iW1+h′t,jW2+pt,i,jW3W4, 其中，和均表示可学习的参数，Ni表示路段vi的地理邻居路段集合，LeakyReLU·表示泄露修正线性单元的计算操作；路段vi的输出特征是基于路段vi与其邻居路段的注意力权重聚合其邻居路段的特征获得的： 其中，表示可学习的参数，ELU·表示指数线性单元的计算操作； 采用多头注意力机制的图注意力网络，图注意力层将每个注意力头的输出结果拼接起来，得到第l层图注意力层最终的输出

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航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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。