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！

龙图腾网获悉南昌航空大学申请的专利基于多视角嵌入与对抗网络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：CN120894916B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202511416750.1，技术领域涉及：G08G1/01；该发明授权基于多视角嵌入与对抗网络的交通流量预测方法是由谭文涛;刘琳岚;舒坚设计研发完成，并于2025-09-30向国家知识产权局提交的专利申请。

本基于多视角嵌入与对抗网络的交通流量预测方法在说明书摘要公布了：本发明公开了一种基于多视角嵌入与对抗网络的交通流量预测方法，包括：构建起讫点对的边集合和节点集合，按照固定的时间间隔将边集合划分为多个子集，聚合每个子集的起讫点，生成真实的起讫点需求矩阵序列；分别从连续时间和离散时间两个视角获取节点的连续时间信息、节点记忆信息和离散时间信息，再进行联合更新生成节点时序嵌入向量；将节点时序嵌入向量输入到图注意力模块中，融合邻居信息，得到节点的最终嵌入向量；对抗网络的生成器使用高斯核函数对节点的最终嵌入向量进行重构，得到重构的起讫点需求矩阵。本发明能够解决数据稀疏性和信息获取不够全面导致的预测精度较低的问题。

本发明授权基于多视角嵌入与对抗网络的交通流量预测方法在权利要求书中公布了：1.一种基于多视角嵌入与对抗网络的交通流量预测方法，其特征在于，包括： 步骤S1，读取行程记录数据库，构建起讫点对的边集合和节点集合，再按照固定的时间间隔将边集合划分为多个子集，聚合每个子集的起讫点，生成真实的起讫点需求矩阵序列； 步骤S2，根据起讫点对的边集合和节点集合以及真实的起讫点需求矩阵序列，分别从连续时间和离散时间两个视角获取节点的连续时间信息、节点记忆信息和离散时间信息，再进行联合更新生成包含时间信息的节点时序嵌入向量； 步骤S3，将节点时序嵌入向量输入到图注意力模块中，融合邻居信息，得到节点的最终嵌入向量； 步骤S4，对抗网络的生成器使用高斯核函数对节点的最终嵌入向量进行重构，得到重构的起讫点需求矩阵，重构的起讫点需求矩阵中的元素表示在预测时间段里从起点到终点的交通流量预测值，对抗网络的判别器使用多层感知机对重构的起讫点需求矩阵和真实的起讫点需求矩阵进行判别训练，再将判别结果和差异总和损失结合，构建混合目标损失函数； 其中，步骤S1包括： 步骤S11，通过从行程记录数据库中提取汽车从起点到终点的出行事件，构建起讫点对的边集合和节点集合，每个起讫点对都是一个带时间戳的边； 步骤S12，设定固定的时间间隔，按照固定的时间间隔将边集合划分为多个子集，聚合子集内部所有的起讫点对生成真实的起讫点需求矩阵，多个真实的起讫点需求矩阵构成真实的起讫点需求矩阵序列，、、分别表示第1个、第2个、第个时间间隔的真实的起讫点需求矩阵； 其中，步骤S2包括： 步骤S21，从连续时间的视角出发，通过原始时间数据中的连续时间信息更新节点信息，首先对边集合中的边进行时间编码得到边的时间编码结果，编码之后聚合来自同一条边的连续时间信息，得到聚合信息，将所有的起讫点对按照边的数量均分为个批次并行处理，然后聚合批次内源自同一节点的时间信息： 对每个批次进行聚合操作用于更新节点历史记忆，将所有节点的聚合信息进行拼接得到当前批次内所有节点的连续聚合信息，同时保留最后一个批次聚合的信息，将最后一个批次聚合的信息作为连续时间信息，用于后续联合更新； 将聚合的连续时间信息融合到节点记忆中，通过门控循环网络更新节点记忆信息，得到更新前的节点记忆信息和更新后的节点记忆信息； 步骤S22，从离散时间的视角出发，将真实的起讫点需求矩阵序列处理为包含关键信息的特征矩阵序列，通过计算真实的起讫点需求矩阵的对称拉普拉斯矩阵得到关键结构；然后将对称拉普拉斯矩阵作为噪声输入，与节点属性矩阵拼接，通过高斯随机投影进行降维，得到最终的特征矩阵；利用最终的特征矩阵捕捉离散时间信息，使用门控循环网络进行记忆更新，得到离散时间信息； 步骤S23，将连续时间信息和离散时间信息融合到记忆节点中，输入的信息有三个，分别是、、，通过两个门来控制连续时间信息和离散时间信息的输入量，从而生成包含时间信息的节点时序嵌入向量。

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昌航空大学，其通讯地址为：330000 江西省南昌市红谷滩区丰和南大道696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。