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！

龙图腾网获悉哈尔滨理工大学申请的专利一种基于时空特征深度融合的全周期交通流量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：CN119541195B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411604504.4，技术领域涉及：G08G1/01；该发明授权一种基于时空特征深度融合的全周期交通流量预测方法是由赵中楠;谢旭;王钺设计研发完成，并于2024-11-12向国家知识产权局提交的专利申请。

本一种基于时空特征深度融合的全周期交通流量预测方法在说明书摘要公布了：本发明公开了一种基于时空特征深度融合的全周期交通流量预测方法，旨在深度整合交通流的复杂时空依赖，形成复合交通态势感知，实现对交通多周期综合流量预测。首先通过时空信息综合表征，提取多时间模态的时序特征并构建具象的真实空间关系。为进一步构建融合多尺度以及多粒度综合要素的数字化城市交通流量预测方法，本发明针对短期交通流量预测提出深度融合短期时空依赖的综合交通流量预测模型，提高对瞬时流量变化的敏感性，充分建模交通流量在多功能空域节点的短期动态变化；此外，还设计了一种深度空域解构与时序特征融合的模型用于中长期交通预测，深层次提取复杂交通模式。仿真结果显示，本发明所提方法优于现有交通流量预测技术。

本发明授权一种基于时空特征深度融合的全周期交通流量预测方法在权利要求书中公布了：1.一种基于时空特征深度融合的全周期交通流量预测方法，其特征在于，包括以下步骤： S1：将交通路网数据进行时空信息综合表征，首先设计基于距离与局部邻域密度的方式来构建路网的邻接矩阵，通过综合考虑道路节点间的空间距离和局部密度关系，以更精确地捕捉相邻节点间的影响关系；与此同时设计多维时序周期融合方式融合多个时间尺度，通过五种特征矩阵来表示，分别是基于多级时间窗口的近期特征矩阵Fmt，基于周内时间段的特征矩阵Fwt，基于时间-日期的交互特征矩阵Ftdt，基于滑动窗口周期性特征的特征矩阵Fpt，基于时间分辨率的特征矩阵Frest，这些时序特征不仅有助于改善模型的预测性能，也为揭示交通流量的潜在规律提供了基础，然后将时空信息融合作为模型初步输入； S2：设计双向门控时序卷积网络Bi-GatedTCN捕捉短期时序依赖，有效提取历史与未来流量数据中的短期潜在模式，提升对瞬时交通变化的响应能力； S3：设计基于时变多邻域图卷积和上下文多图感知注意力的模型TVMGCN-CAMGA捕捉短期多属性邻域交互，通过多功能邻域间的多层融合来聚合短期空域依赖性，并将短期时空特征降维； S4：设计TVFormer深入挖掘历史流量数据中的长期趋势，确保模型适应不同时间尺度下的交通流量变化，提升对交通流量长周期性波动的特征识别能力； S5：设计SpaGraphFormer深度解构高维交通数据中的关键区域，充分挖掘复杂道路网络中的拓扑结构，提升模型对区域内流量综合变化的感知，并将中长期时空特征降维； S6：将短期和中长期时空特征降维并进行多周期性有机融合，执行多周期交通流量预测； S7：将预测分析结果与原始交通流数据就平均绝对误差、平均绝对百分比误差和均方根误差进行对比和评价。

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哈尔滨理工大学，其通讯地址为：150080 黑龙江省哈尔滨市南岗区学府路52号哈尔滨理工大学；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。