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！

龙图腾网获悉南京航空航天大学申请的专利一种空中交通流模式识别驱动的流量精细化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：CN120450387B 。

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：202510945152.7，技术领域涉及：G06Q10/0631；该发明授权一种空中交通流模式识别驱动的流量精细化预测方法是由杨磊;刘会鹏;任禹蒙;胡明华;陈雨童;周逸;田文;谢华;赵征;张颖设计研发完成，并于2025-07-09向国家知识产权局提交的专利申请。

本一种空中交通流模式识别驱动的流量精细化预测方法在说明书摘要公布了：本发明实施例公开了一种空中交通流模式识别驱动的流量精细化预测方法，涉及空中交通态势感知和流量管理技术领域。通过高效提取飞行轨迹中的时空特征、精准识别局部流模式，并基于代表性流模式构建图模型，实现空域内交通流量的细粒度预测，从而大幅提升局部区域调控的精细性和动态响应能力。尤其适用于空域扇区内飞行轨迹数据的深度解析，为空中交通管制、航路规划以及空域设计提供了准确的辅助决策支持。

本发明授权一种空中交通流模式识别驱动的流量精细化预测方法在权利要求书中公布了：1.一种空中交通流模式识别驱动的流量精细化预测方法，其特征在于，包括： 从自动相关监视广播ADS-B系统获取飞行轨迹数据并进行预处理，其中，子预处理的过程中按照所述飞行轨迹数据的时空特征进行数据分离； 对分离后的飞行轨迹数据进行低维特征提取，其中，时间属性和空间属性的低维特征融合为联合特征； 构建图结构模型，其中，图结构中以反映各流模式特征的代表轨迹作为节点，图结构中边的连接权重与相邻节点之间的航班流量关联； 通过建立的并联融合预测模型，获取未来预定时间步内的空中交通流量预测结果； 进行低维特征提取的过程包括：利用基于时域卷积网络TCN构建的深度自编码器和基于卷积神经网络CNN构建的深度自编码器，分别对分离后的时间属性数据和空间属性数据进行低维特征提取，得到所述时间属性低维特征与空间属性低维特征； 对分离后的时间属性数据进行低维特征提取，包括：针对航迹中连续时刻的动态变化特征进行建模，并构建以TCN为基础的深度自编码器模型，之后对所述自编码器模型进行训练，所述自编码器模型用于实现数据向潜在空间的映射和重构两个阶段，表示为： ； 其中，分别是输入轨迹和重构轨迹的描述矩阵，是轨迹个数，是轨迹的维度，和分别是编码器和解码器的参数，、分别表示用于处理时间属性数据的解码器和编码器，训练过程中通过最小化目标函数提高和的相似度； 所述最小化目标函数为： ； 其中，模型参数，是L2范数，从编码器获得的低维表示为； 对分离后的空间属性数据进行低维特征提取，包括：建立以CNN为基础的深度自编码器模型，并用于空间属性数据的低维特征的提取,其中，所述空间属性数据的低维特征包括：飞行轨迹中隐藏的轨迹长度、方位角、飞行状态和机场信息；对于非数值型的机场信息，采用Embedding技术转化为固定维度的向量表示；深度自编码器模型用于对空间属性数据进行重构，并获得其低维特征表示，包括： ； 其中，表示重构的空间属性数据，表示用于处理空间属性数据的解码器参数，表示用于处理空间属性数据的编码器参数，是重构空间属性数据的自编码器模型参数，表示用于处理空间属性数据的解码器，表示用于处理空间属性数据的编码器；采用的目标函数为：。

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南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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。