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！

龙图腾网获悉北京工业大学申请的专利一种公共交通乘客出行行为时空语义相似性度量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：CN115718799B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202211492149.7，技术领域涉及：G06F16/35；该发明授权一种公共交通乘客出行行为时空语义相似性度量方法是由林鹏飞;张云飞;翁剑成;王茂林;李文杰设计研发完成，并于2022-11-25向国家知识产权局提交的专利申请。

本一种公共交通乘客出行行为时空语义相似性度量方法在说明书摘要公布了：本发明公开了一种公共交通乘客出行行为时空语义相似性度量方法，该方法的实施步骤包括：1基于乘客的刷卡数据提取出发地、出发时间、出行方式、活动类型和目的地5类出行属性，进而构建公共交通乘客个体出行序列；2将乘客出行序列中的出行属性表示为离散变量；3将出行行为属性和出行序列分别类比为单词和句子，应用Word2vec模型将出行属性转化为词向量，从而实现出行序列的时空语义嵌入表示；4利用改进的词移距离度量乘客多天出行行为的时空语义相似性。本发明解决了传统出行行为相似性度量模型无法考虑其时空语义相关性的缺陷，可以为乘客市场细分、个体出行需求建模和公共交通政策制定等提供支撑。

本发明授权一种公共交通乘客出行行为时空语义相似性度量方法在权利要求书中公布了：1.一种公共交通乘客出行行为时空语义相似性度量方法，其特征在于，包括以下步骤： 步骤1：公共交通乘客个体出行序列构建； 步骤2：出行序列离散化表示； 步骤3：基于Word2vec模型嵌入时空语义信息； 步骤4：基于改进的词移距离度量出行序列的时空语义相似性； 步骤2所述的出行序列离散化表示，是将出行序列中的出行起点、出行方式、出发时间、活动类型和目的地5类出行属性均采用离散化变量表示，具体步骤为： S1.将出发地和目的地站点的经纬度使用6位Geohash地理编码表示； S2.针对无换乘的出行链，采用字符串“bus”、“subway”和“bike”分别表示公交、地铁和公共租赁自行车三种出行方式；针对有换乘的出行链，采用“to”将两种方式进行连接； S3.将一天按小时粒度划分为24个时间段，采用字符串“hour”与时段标签拼接构成的字符串表示； S4.将“回家”、“上班”、“上学”、“生活外出”以及“其他”5种活动类型分别表示为“home”，“work”，“study”，“main”和“other”5个字符串； 步骤3中基于Word2vec模型嵌入时空语义信息，具体步骤为： 将出行行为属性和出行序列分别类比为单词和句子，乘客的所有出行序列集合构成一个文档，文档中所有的出行属性采用长度为V；每个出行属性都采用长度为N的One-hot编码表示； 利用Word2vec模型中的Skip-gram框架将出行属性训练为词向量，捕获每个属性不同粒度之间的时空语义相关性；Skip-gram框架是由输入层、隐藏层和输出层构成的神经网络结构；对于词汇表中索引为i的出行属性，分别使用vi和ui表示其作为中心词和上下文词时的向量；对于给定的出行属性wc，生成任何上下相邻的出行属性wo的条件概率通过向量点积的softmax函数计算： 式中，uo为出行属性wo作为上下文词时的向量，vc为出行属性vc作为中心词时的向量； 对于给定的长度为L的出行文档，模型的似然函数为在给定任意出行属性作为中心词的情况下生成相邻上下出行属性的概率： 式中，wl为索引为l的出行属性，m为上下文窗口； 模型参数为词汇表中所有出行属性的中心词向量和上下文词向量；模型的目标为最小化损失函数Loss，目标函数取为如下的对数似然函数： 训练得到的中心词向量即为出行属性的词向量表示，将出行序列中所有出行属性均采用词向量表示，即得到出行序列的词向量表示。

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工业大学，其通讯地址为：100025 北京市朝阳区平乐园100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。