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基于图联邦学习的跨出行平台供需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：CN119863269B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202411939502.0，技术领域涉及：G06Q30/0202；该发明授权一种基于图联邦学习的跨出行平台供需预测方法是由童咏昕;魏淑越;李书缘;徐毅;许可设计研发完成，并于2024-12-26向国家知识产权局提交的专利申请。

本一种基于图联邦学习的跨出行平台供需预测方法在说明书摘要公布了：本发明公开了一种跨出行平台的图联邦学习预测方法，属于联邦计算领域。中心服务器负责协调各出行平台、算子解耦、模型聚合与模型更新；出行平台侧主要配合服务器，进行本地时空图建模与本地时空特征提取。各个出行平台首先将服务区域划分成不同的网格区域；然后，根据历史数据计算不同区域的供需数据，将区域内的历史供需作为预测特征；随后，将不同区域之间的关联关系建模成图联邦，并在中心服务器的协调下进行跨平台特征聚合，实现跨平台的时空供需预测。本发明降低了计算开销，兼顾了隐私与效率。

本发明授权一种基于图联邦学习的跨出行平台供需预测方法在权利要求书中公布了：1.一种基于图联邦学习的跨出行平台供需预测方法，其特征在于，具体步骤如下： 步骤一，将m个出行平台的数据分别进行时空供需区域划分，构建时空图联邦模型； 在空间维度上，将各个出行平台根据地理位置划分成不同大小的网格区域；将网格区域作为时空图的节点，通过时空学习方法构建不同网格区域的连接边； 在时间维度上，选择各出行平台的最大采样频率作为联邦时间窗大小，并将该时间窗处理为可滑动时间窗的历史供需预测特征； 最后，通过时空划分，构建各个出行平台供需预测的本地时空图表示出行平台o在时间窗tT的本地时空图；再由各出行平台本地时空图Go共同构成用于m个出行平台供需预测的时空图联邦模型G＝{G1,…,Gm}； 步骤二，对各出行平台进行本地时空特征提取，得到空间关联矩阵和时间特征； 在时间维度上，采用时序模型，对各出行平台数据进行本地时空图中时序特征处理，将出行平台o的时间窗t-This:t内的供需特征表示为m个出行平台的时间特征表示为 在空间维度上，基于历史数据学习得到本地时空图联邦关联权重，E＝[E1,…,Em]，其中Eo表示出行平台o的网格区域的关联性； 步骤三，中心服务器利用各出行平台的本地时空特征进行时空预测算子解耦，并将其用于各出行平台的本地计算； 所述时空预测算子解耦是指中心服务器将分布式的图卷积算子解耦为各个平台可单独执行的算子，再由各个出行平台完成本地计算； 求解优化问题，获得对ReLU函数的二次函数近似： 优化问题为： 选择p＝1时，基于L1损失函数的优化目标，求解得到ReLUx的近似激活函数为：ReLU2x＝0.867x2+0.499x+0.0395； 采用ReLU2x激活函数后，辅助时空图卷积算子A＝ReLU2E·ETht的计算解耦，具体为： 将激活函数ReLU2x·y等价变换为ReLU2,2x·y2+ReLU2,1xy+ReLU2,0x，其中，ReLU2,kx,k＝0,1,2表示ReLU2x激活函数第k次项；因此，时空图卷积算子ReLUEETht解耦变换为如下形式： 其中，表示矩阵Eo自身的张量积，Eo·Ep表示矩阵的内积； 经过解耦变换后，各出行平台仅需本地计算内部关联矩阵张量积即可； 步骤四，将各出行平台的本地计算结果进行聚合，并输入至全局时空图联邦模型中，进行全局的时空供需预测； 将各个计算结果通过基于随机掩码的安全聚合操作完成聚合，作为全局时空图预测中滑动窗口可接受的历史特征输入至全局模型，完成全局的时空供需预测； 步骤三中ReLU2的二次项和一次项，均可以采用随机掩码的安全求和，完成跨出行平台关于时间窗t的关联矩阵计算； 然后，将作为历史特征输入至全局的时空图联邦模型中，预测未来时间窗t+1至t+Tfut内不同区域的出行供需情况； 步骤五，中心服务器根据全局的时空供需预测结果更新全局时空图联邦模型，并将全局时空供需预测和新的全局时空图联邦模型分发至各出行平台，各出行平台更新本地时空图预测模型，返回步骤一进行迭代循环本地计算和全局联邦计算，直至时空图联邦学习的供需模型收敛； 步骤六，根据全局预测结果与本地历史数据预测各出行平台在不同区域的运力供给与用户需求。

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。