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！

龙图腾网获悉东南大学申请的专利一种基于多权重图三维卷积的路网交通拥堵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：CN117037461B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202210867442.0，技术领域涉及：G06F16/9537；该发明授权一种基于多权重图三维卷积的路网交通拥堵预测方法是由王晨;刘宇晴;徐嗣轩;周威设计研发完成，并于2022-07-22向国家知识产权局提交的专利申请。

本一种基于多权重图三维卷积的路网交通拥堵预测方法在说明书摘要公布了：本发明公开了一种基于多权重图三维卷积的路网交通拥堵预测方法，该方法使用的模型包括图三维卷积模块和事故模块事故影响模块。在图三维模块中，首先使用权重图卷积提取考虑多种静态外部因素兴趣点和道路结构属性的空间异质性影响下的交通拥堵空间关联性，再使用三维卷积考虑多种静态外部因素的时间异质性影响下的交通拥堵时间关联性。事故模块事故影响模块使用简单神经网络，不仅根据事故本身的特征事故类型、严重程度等、事故发生地点和从事故发生到预测时间步长的时间长度，提取了事故影响在不同时间和路段上的交通拥堵的不同影响，即时空异质性影响。为避免稀疏的事故数据造成模型过拟合，事故模块事故影响模块被单独构建，独立与图三维模块之外，且在邻近历史时间段内路网上有事故发生时才被使用。

本发明授权一种基于多权重图三维卷积的路网交通拥堵预测方法在权利要求书中公布了：1.基于多权重图三维卷积的路网交通拥堵状态预测方法，其特征在于，包括以下步骤： S1.以路段为节点、交叉口为边，将路网定义为一个无向图G＝V,E,A，其中V为路网的节点集，|V|＝N，E为路网图的边集，A为路网图的邻接矩阵，N为节点数； S2.收集路网交通状态预测所需数据，包括交通速度数据，兴趣点POI数据、道路结构属性数据和交通事故数据；并根据交通速度数据和交通事故数据，分别构建历史拥堵指数数据库和历史交通事故数据库； S3.将步骤S2获得的历史拥堵指数数据库、POI数据和道路结构属性数据作为输入，使用图三维模块提取考虑兴趣点和道路结构属性时空异质性影响的路网交通拥堵时空关联性，得到忽略交通事故影响的路网拥堵指数预测值； S4.在设定最近历史时间段内有交通事故发生时，使用基于深度学习网络构建的事故影响模块提取交通事故对路网交通拥堵的时空异质性影响，得到考虑交通事故影响的路网拥堵指数预测值；其中，步骤S2获得的历史交通事故数据库和步骤S3获得忽略交通事故影响的路网拥堵指数预测值作为事故影响模块的输入； 所述步骤S3的具体步骤为： S31.计算路网的1～k阶邻接矩阵，其中，1阶邻接矩阵A′为： A′＝I+A 其中，I为单位矩阵；A′认为路段i自身也是与路段i相连的邻近路段，当路段i和路段j直接相连时，A′ij＝A′ji＝1，否则A′ij＝A′ji＝0；A′ij、A′ji分别为A′中第i行第j列、第j行第i列元素； k阶邻接矩阵Ak为： 其中，当路段i和路段j间的最短路径由小于k个边组成时，否则分别为A中第i行第j列、第j行第i列元素；a为1阶邻接矩阵A′已经被连乘的次数； S32.使用权重图卷积提取考虑外部因素空间异质性影响的路网交通拥堵空间关联性： 1根据获取的POI数据和道路结构属性数据，使用高斯公式计算得到以节点数N为行、列长度的POI、道路种类和道路长度权重系数矩阵： 其中，为路段i和路段j之间的第m类POI权重系数，为路段i和路段j附近100米范围内第m类兴趣点的个数，varsimPOI,m为第m类兴趣点相似性系数simPOI,m的方差； 其中，RTij为路段i和路段j之间的道路种类权重系数，Ti和Tj为路段i和路段j的道路种类信息，varsimRT为路网上道路种类相似度系数simRT的方差； 其中，Distij为路段i和路段j之间的距离权重系数，dij为路段i和路段j之间的距离，vard为路网上路段间距离d的方差； 2根据1～k阶邻接矩阵以及POI、道路种类和道路长度权重系数矩阵，计算得到多阶权重邻接矩阵，公式如下： Wk＝[Ak⊙POI1,…,Ak⊙POI6,Ak⊙RT,AkDist],k＝1,2,… W＝[W1,W2,…,Wk] 其中，W为多阶权重邻接矩阵，Wk为k阶权重邻接矩阵，⊙为点乘操作； 3以多阶权重邻接矩阵为输入，进行权重图卷积操作，公式如下： 其中，为权重图卷积的输出，WMHW为W的可学习参数矩阵，⊙为点乘操作，为叉乘操作，Xt为最近历史时间段上的路网交通拥堵指数数据； S33.使用三维卷积提取考虑外部因素时间异质性影响的交通拥堵时间关联性： 1确定三维卷积层的数量L和三维卷积的卷积核大小； 2将权重图卷积的输出作为输入，进行三维卷积操作，公式如下： 其中，l＝1,2,…,L，为第l层三维卷积层的输出结果，为第l-1层三维卷积层的输出结果，*为三维卷积操作，为第l层三维卷积层的可学习参数矩阵，为第l层三维卷积层的偏差参数矩阵，f为激活函数ReLU； S34.使用全连接层输出忽略事故影响下的路网拥堵指数预测值，公式如下： 其中，为预测时间段内的忽略事故影响下的拥堵指数预测数据，FC为全连接层，flatten为展平层。

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东南大学，其通讯地址为：210096 江苏省南京市玄武区四牌楼2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。