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！

龙图腾网获悉中国地质大学(武汉)申请的专利基于改进时空图注意力神经网络的船舶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：CN116612664B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202310503760.3，技术领域涉及：G08G3/00；该发明授权基于改进时空图注意力神经网络的船舶交通流量预测方法是由江宝得;罗海燕;宋雨薇设计研发完成，并于2023-05-06向国家知识产权局提交的专利申请。

本基于改进时空图注意力神经网络的船舶交通流量预测方法在说明书摘要公布了：本发明涉及基于改进时空图注意力神经网络的船舶交通流量预测方法，本发明通过建立时空融合模型对船舶交通流量进行预测，主要采用基于改进的时空图注意力神经网络方法进行处理。首先，对船舶自动识别系统AIS数据进行清洗和初步统计分析，提取各港区的船舶交通流量数据，然后引入图注意力神经网络GAT对门控循环网络GRU进行改进，以识别多港区船舶交通流量之间的时空关联性，并加入时间模式注意力机制TPA，深度挖掘多个港区时间序列的内在联系，从而提高模型对时间依赖关系的建模能力。本发明从水上交通路网的拓扑图空间角度出发，综合考虑海上交通流量中复杂的时空特征，能够有效提高船舶交通流量预测效果。

本发明授权基于改进时空图注意力神经网络的船舶交通流量预测方法在权利要求书中公布了：1.基于改进时空图注意力神经网络的船舶交通流量预测方法，其特征在于，包括以下步骤： 步骤1、数据提取；从船舶自动识别系统AIS数据中提取航行船舶的数据，得到一段时间内每个时刻进出各个港区的船舶交通流量； 步骤2、数据预处理；采用某时刻前后同一时间段的船舶交通流量数据的平均值对该时刻缺失的船舶交通流量数据进行缺失值填充，并对所有船舶交通流量数据进行归一化处理； 步骤3、构建邻接矩阵A和特征矩阵X；假设港区数量为N，将水上交通网络表示为G＝VN,E,A，其中，VN表示N个节点的集合，E是连接节点间的边集合，A是邻接矩阵，表示各节点的连接情况； 基于统计的各港区历史船舶交通流量构造特征矩阵X： 式中，表示在t时刻第i港区的船舶交通流量，m表示时间数据维度； 步骤4、将邻接矩阵A和特征矩阵X输入基于改进时空图注意力神经网络的预测模型，所述基于改进时空图注意力神经网络的预测模型包括时空特征模块、注意力机制模块和全连接层模块，所述时空特征模块是引入图注意力神经网络来替代门控循环网络中的全连接网络，通过结合邻接矩阵A，学习历史交通流量数据序列{x1,x2,…,xt}来捕获船舶交通流量数据中的时空特征，输出时空特征张量{h1,h2,…,ht}，其中x1为特征矩阵X中的第1列，h1为x1对应的时空特征张量；所述注意力机制模块用于利用时空特征模块处理得到每个时刻的时空特征张量{h1,h2,…,ht}，令{h1,h2,…,ht-1}和ht分别为时间模式注意力机制中的key和query，并使用一维卷积深度挖掘多个港区时间序列的内在联系，得到时间模式注意力机制模块的输出ht′； h′t被输入全连接层模块，全连接层模块输出未来一段时间n内每个时刻的船舶交通流量预测结果Yn×N：Yn×N＝σWO·ht′+bO，式中：WO为n×N的权重矩阵，bO为n×N的偏差矩阵，σ为tanh激活函数； 步骤5、根据船舶交通流量预测结果与实际值，利用损失函数计算损失值，通过重复进行步骤4对基于改进时空图注意力神经网络的预测模型进行训练，调整模型参数，直到损失函数最小化后，模型训练完毕，得到最终的船舶交通流量预测模型； 步骤6、利用最终的船舶交通流量预测模型对未来的船舶交通流量进行预测。

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国地质大学(武汉)，其通讯地址为：430074 湖北省武汉市洪山区鲁磨路388号中国地质大学(武汉)；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。