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！

龙图腾网获悉福建师范大学申请的专利一种基于多元时空特征提取的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：CN119863929B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411985073.0，技术领域涉及：G08G1/01；该发明授权一种基于多元时空特征提取的交通流量预测方法是由王兴;王小军;黄发良;邹复民;廖律超;曾睿昊设计研发完成，并于2024-12-31向国家知识产权局提交的专利申请。

本一种基于多元时空特征提取的交通流量预测方法在说明书摘要公布了：本发明提供一种基于多元时空特征提取的交通流量预测方法，采用多元时空特征提取模型，在时间维度上，利用门控卷积改进的Res2Net模块，以捕获交通流随时间尺度变化模式；在空间维度上，从全局和局部视角出发，分别使用空间注意力机制和双视图Geom‑GCN，捕获城市路网中节点之间的全局空间相关性、地理邻域空间相关性和语义相似空间相关性；在时间‑空间交互维度上，使用时空注意力构建的动态时空同步聚合模块，捕获跨时间片下节点或区域之间的动态交互关系，以预测未来道路交通流。

本发明授权一种基于多元时空特征提取的交通流量预测方法在权利要求书中公布了：1.一种基于多元时空特征提取的交通流量预测方法，其特征在于：采用多元时空特征提取模型，在时间维度上，利用门控卷积改进的Res2Net模块，以捕获交通流随时间尺度变化模式；在空间维度上，从全局和局部视角出发，分别使用空间注意力机制和双视图Geom-GCN，捕获城市路网中节点之间的全局空间相关性、地理邻域空间相关性和语义相似空间相关性；在时间-空间交互维度上，使用时空注意力构建的动态时空同步聚合模块，捕获跨时间片下节点或区域之间的动态交互关系，以预测未来道路交通流； 所述多元时空特征提取模型包括：数据嵌入层、L个堆叠的时空特征提取层以及输出层；所述数据嵌入层用于将交通流量与时间和空间信息进行整合，以对交通流数据进行嵌入表示；所述时空特征提取层用于对特征进行提取与融合，包括用于捕捉空间特征的局部-全局空间特征提取模块，用于提取多尺度时间特征的门控卷积改进的Res2Net模块，用于对时空互相关性进行建模的动态时空同步聚合模块，以及将提取的多种时空特征进行拼接，通过两个线性层和一个Relu激活函数进行融合的时空特征融合模块；所述输出层用于对未来交通流量进行预测； 所述局部-全局空间特征提取模块包括局部空间特征提取模块与动态全局空间特征提取模块；所述局部空间特征提取模块用于在双视角下使用Geom-GCN对交通流的局部空间相关性建模：基于道路网络连通性对应的传感器邻接矩阵和交通数据相似性，构建地理空间图结构和语义空间图结构；利用Struc2vec和Node2vec嵌入算法构建潜在空间邻域，使用Geom-GCN进行图聚合；所述动态全局空间特征提取模块利用空间自注意力机制动态地给不同位置的空间信息分配权重，捕获全局动态空间相关性； 所述局部空间特征提取模块中： 地理邻域空间图结构GG基于传感器邻接矩阵构建，邻接矩阵AG∈RN×N的表达式如下： 其中，v表示道路网络上的传感器节点，E表示节点之间的边集，A∈RN×N是将交通路网建模为有向图的加权邻接矩阵； 语义相似空间图结构GS通过给定任意两个时间序列X＝x1,x2,x3,...,xm和Y＝y1,y2,y3,...,yn，序列长度分别为m和n，使用FastDTW算法计算任意两个传感器节点交通流序列之间的相似度，从而得到两个传感器节点之间的相似性；根据FastDTW的计算结果，找出与每个节点相似度最大的K个传感器节点top_kvi，从而建立邻接矩阵AS∈RN×N： 基于地理邻域建立的图结构使用Struc2Vec算法作为节点嵌入算法，基于语义相似性所建立的图结构使用Node2vec作为节点嵌入算法； 给定输入特征基于地理邻域空间图结构GG和语义相似性空间图结构GS，分别使用Geom-GCN捕获局部空间相关性，得到和通过门控融合机制，同时考虑地理邻接和语义相似性两种空间依赖关系，得到局部空间特征XLS： z＝sigmoidXGWG+bG+XSWS+bS XLS＝z⊙XG+1-z⊙XS 其中，为融合后的特征，WG、WS为两个可学习的参数矩阵，bG和bS是权重偏置，⊙是哈达玛乘积； 所述动态全局空间特征提取模块采用多头自注意力机制捕捉全局动态空间相关性，具体表示为以下步骤： 在t时刻，给定输入数据首先通过线性变换获得计算多头自注意力所需要的三个矩阵： 其中，是三个可学习的参数矩阵； 使用缩放点积注意力机制计算每个注意力头中各个传感器节点之间的相关性： 其中，表示t时刻传感器节点vi与节点vj之间的相似性向量； 使用softmax函数对所述相似性向量进行归一化，计算出节点vi与各个传感器节点之间的相似性得分；使用相似性得分对值进行加权； 其中，是可学习的参数矩阵，表示t时刻第h个注意力头模块的输出，是第t时刻多头自注意力模块的输出。

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福建师范大学，其通讯地址为：350117 福建省福州市闽侯县上街镇学府南路8号福建师范大学旗山校区；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。