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！

龙图腾网获悉浙江工业大学申请的专利基于Transformer的能够感知局部-全局时空关系的交通流预测方法和装置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：CN119990191B 。

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：202510050036.9，技术领域涉及：G06N3/0455；该发明授权基于Transformer的能够感知局部-全局时空关系的交通流预测方法和装置是由孔祥杰;周文峰;杜嘉欣;沈国江设计研发完成，并于2025-01-13向国家知识产权局提交的专利申请。

本基于Transformer的能够感知局部-全局时空关系的交通流预测方法和装置在说明书摘要公布了：基于Transformer的能够感知局部‑全局时空关系的交通流预测方法和装置，其方法包括：首先获取待预测所有路段的历史交通数据，所述历史数据包括预测路段的交通流特征数据、路网节点间的静态邻接矩阵数据及历史数据的采样时间戳数据；其次，通过构造一个时空信息嵌入层为模型主干提供多种类型的嵌入输入，增强模型的学习能力，包括三种不同类型的嵌入分别是历史数据信息嵌入、时间信息嵌入和空间节点自适应嵌入；然后，构建局部‑全局时间依赖提取模块，利用多尺度TCN和时间维度上的自注意力机制分别学习数据中的短时和长时时间依赖关系，同时引入一种双路自适应信息门控融合技术来实现对不同层级时间特征的有效融合；随后构建局部‑全局空间依赖提取模块，利用动‑静态图卷积网络和空间维度上的自注意力机制分别学习数据中的局部和全局空间依赖关系，同时也基于双路自适应信息门控融合技术实现对不同层级空间特征的有效融合；最后通过一个全连接层网络将潜在时空特征表示映射为预测结果。

本发明授权基于Transformer的能够感知局部-全局时空关系的交通流预测方法和装置在权利要求书中公布了：1.一种基于Transformer的能够感知局部-全局时空关系的交通流预测方法，包括以下步骤： S1：获取待预测所有路段的历史交通数据，所述历史交通数据包括预测路段的交通流特征数据、路网节点间的静态邻接矩阵数据及历史数据的采样时间戳数据；将上述数据融合得到历史样本数据集，并进一步将历史样本数据集划分为训练数据集、验证集和测试集； S2：基于所述训练数据集通过构造一个时空信息嵌入层为模型主干提供多种类型的嵌入输入，包括历史数据特征嵌入、时间周期性嵌入和空间节点自适应嵌入，增强后续时空模块的时空依赖学习能力； S3：基于所述嵌入层得到的嵌入数据，通过构建局部-全局时间依赖模块进行时间特征学习，所述时间特征包括交通流数据中的短时和长时时间依赖关系；所述局部-全局时间依赖模块基于嵌入数据，采用多尺度卷积模块MGTU提取短时时序依赖，采用多头注意力机制MHA提取长时时序依赖；采用双路自适应信息门控融合机制，对短时时序依赖和长时时序依赖进行融合得到时间依赖特征，所述双路自适应信息门控融合机制由两个门控机制组成，分别为保持门和重置门； S4：基于所述局部-全局时间依赖模块学习到的时间特征数据，通过构建局部-全局空间依赖模块进行空间特征学习，所述空间特征包括交通流数据中的局部和全局空间依赖关系；所述局部-全局空间依赖模块基于时间依赖特征，采用基于静态图结构和动态图结构的GCN建模局部空间依赖关系，并通过全连接层FC提取局部空间依赖特征；采用缩放点积自我注意力机制提取全局空间依赖特征；采用双路自适应信息门控融合机制，对局部空间依赖和全局空间依赖进行融合得到空间依赖特征； S5：基于所述空间依赖特征通过一个全连接层网络映射出最终待预测路段的未来交通流数据结果。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18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。