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！

龙图腾网获悉中山大学·深圳;中山大学申请的专利一种基于时空图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：CN115796007B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202211424117.3，技术领域涉及：G06F30/27；该发明授权一种基于时空图网络的交通流量预测方法是由黄玮;何国君设计研发完成，并于2022-11-15向国家知识产权局提交的专利申请。

本一种基于时空图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时空图网络的交通流量预测方法，包括：获取城市交通路网数据，构建交通流的特征矩阵；根据所述特征矩阵，融合空间注意力机制对初始图卷积模型进行优化，得到优化后的目标图卷积模型；根据所述特征矩阵，融合时间注意力机制对初始长短期记忆模型进行了优化，得到优化后的目标长短期记忆模型；融合所述目标图卷积模型和所述目标长短期记忆模型，构建时空图模型；根据所述时空图模型对待预测交通流量数据进行预测，得到交通流量预测结果。本发明能够充分考虑交通流时空特性的内在关联性和节点差异性，实现对路网流量的精确预测，同时模型对比现有模型有更好的可解释性，可广泛应用于计算机技术领域。

本发明授权一种基于时空图网络的交通流量预测方法在权利要求书中公布了：1.一种基于时空图网络的交通流量预测方法，其特征在于，包括： 获取城市交通路网数据，构建交通流的特征矩阵； 根据所述特征矩阵，融合空间注意力机制对初始图卷积模型进行优化，得到优化后的目标图卷积模型；其中，所述目标图卷积模型用于提取输入数据中的空间特征； 根据所述特征矩阵，融合时间注意力机制对初始长短期记忆模型进行了优化，得到优化后的目标长短期记忆模型；其中，所述目标长短期记忆模型用于提取输入数据中的时间特征； 融合所述目标图卷积模型和所述目标长短期记忆模型，构建时空图模型； 根据所述时空图模型对待预测交通流量数据进行预测，得到交通流量预测结果； 所述根据所述特征矩阵，融合空间注意力机制对初始图卷积模型进行优化，得到优化后的目标图卷积模型，包括： 在空间维度上同时结合图理论知识以及深度学习知识对所述初始图卷积模型进行优化； 其中，在所述图理论知识的层面，从交通图网络本身出发，提出节点间距离改进矩阵和步数改进矩阵对所述初始图卷积模型进行优化； 在所述深度学习知识的层面，将空间注意力机制与初始图卷积模型进行融合，实现对所述初始图卷积模型的优化； 所述节点间距离改进矩阵的计算过程为： 对于图上的源节点和目标节点，将所述源节点划入已知节点集合，其余节点划入未知节点集合； 遍历寻找已知节点集合中节点与未知节点集合中节点之间的最小边长，并将最小边长对应的路径一侧的节点加入所述已知节点集合中，记录下所述最小边长两端的节点； 重复遍历已知节点集合中节点与未知节点集合中节点之间的最小边长，直至同时包含所述源节点和所述目标节点； 根据遍历结果输出所述源节点和所述目标节点之间的最短路径； 所述节点间步数改进矩阵的计算过程为： 对交通路网所有节点之间的最小转移步数进行求解，建立步数改进矩阵。

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中山大学·深圳;中山大学，其通讯地址为：518107 广东省深圳市光明新区光明街道公常路66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。