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！

龙图腾网获悉河南大学申请的专利基于知识表示模型和图神经网络的知识驱动交通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：CN117116048B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202311088919.6，技术领域涉及：G08G1/01；该发明授权基于知识表示模型和图神经网络的知识驱动交通预测方法是由周毅;刘奕含;宁念文;吕怡宁;石华光;张延宇设计研发完成，并于2023-08-28向国家知识产权局提交的专利申请。

本基于知识表示模型和图神经网络的知识驱动交通预测方法在说明书摘要公布了：本发明提出了一种基于知识表示模型和图神经网络的知识驱动交通预测方法，步骤为：对采集到的交通数据进行预处理，根据传感器节点的位置构建交通路网拓扑图；将交通路网拓扑图中知识图谱中的实体和关系转换为低维向量，通过门控特征融合模块根据外部因素的重要性自适应且动态地将外部因素与交通特征进行融合并更新；将更新后的交通特征和邻接矩阵输入图卷积GCN；通过时空联合捕捉模块的扩张因果卷积对时间级与空间级上的交通特征联合捕捉生成预测速度；根据损失函数训练交通预测模型，进行测试得到预测的交通速度。本发明根据外部因素的重要性，自适应地对交通特征进行融合并动态更新，从而更好地反映交通特征的变化，提高了预测模型的准确性。

本发明授权基于知识表示模型和图神经网络的知识驱动交通预测方法在权利要求书中公布了：1.一种基于知识表示模型和图神经网络的知识驱动交通预测方法，其特征在于，其步骤如下： S1：对某一时间段内传感器采集到的交通数据进行预处理得到交通特征，根据传感器节点的位置信息构建交通路网拓扑图，获取数据集； S2：将数据集分为训练集及测试集； S3：将交通预测问题看作是根据交通路网拓扑图的基于深度学习模型的学习函数，计算未来一段时间的流量特征； S4：采用知识嵌入模型将交通路网拓扑图中知识图谱中的实体和关系转换为低维向量，通过交通预测模型的门控特征融合模块根据外部因素的重要性自适应且动态地将外部因素与交通特征进行融合并更新； S5：将更新后的交通特征和交通路网拓扑图的邻接矩阵输入图卷积GCN，得到路段的表示向量；通过交通预测模型的时空联合捕捉模块的扩张因果卷积对时间级与空间级上的交通特征联合捕捉，生成预测速度； S6：将训练集输入交通预测模型中，根据损失函数训练交通预测模型，在测试集中对交通预测模型进行测试，得到预测的交通速度。

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河南大学，其通讯地址为：450046 河南省郑州市郑东新区明理路北段379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。