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！

龙图腾网获悉宁波数字孪生(东方理工)研究院申请的专利基于模型轻量化的交通流量预测方法、装置及介质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：CN121438577B 。

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：202512000631.4，技术领域涉及：G08G1/01；该发明授权基于模型轻量化的交通流量预测方法、装置及介质是由沈晓宇;邱鑫;童俊龙设计研发完成，并于2025-12-29向国家知识产权局提交的专利申请。

本基于模型轻量化的交通流量预测方法、装置及介质在说明书摘要公布了：本发明涉及一种基于模型轻量化的交通流量预测方法、装置及介质，其中方法包括：步骤S1：获取待优化的交通流量预测模型；步骤S2：计算训练后的交通流量预测模型所有中间层的层级重要性；步骤S3：得到各中间层的归一化重要性；步骤S4：采用累积贡献比例约束和绝对比例约束选择保留部分归一化重要性靠前的多个中间层得到临时交通流量预测模型；步骤S5：判断模型精度是否满足要求，若为是，则执行步骤S6，反之，则执行步骤S7；步骤S6：将临时交通流量预测模型作为当前交通流量预测模型，并返回步骤S2；步骤S7：输出当前交通流量预测模型作为轻量化后的结果。与现有技术相比，本发明在低算力的计算平台实现交通流量的准确预测。

本发明授权基于模型轻量化的交通流量预测方法、装置及介质在权利要求书中公布了：1.一种基于模型轻量化的交通流量预测方法，其特征在于，包括： 步骤S1：获取待优化的交通流量预测模型，以及一个或多个训练集，其中，所述交通流量预测模型为时间序列模型，输入为历史交通流量序列和时间特征，输出为未来交通流量序列； 步骤S2：采用任一训练集对当前交通流量预测模型进行训练，并计算训练后的交通流量预测模型所有中间层的层级重要性，其中，所述中间层为除特征输入层和预测输出层之外的所有层； 步骤S3：对所有中间层的层级重要性进行归一化，得到各中间层的归一化重要性； 步骤S4：基于各中间层的归一化重要性，采用累积贡献比例约束和绝对比例约束选择保留部分归一化重要性靠前的多个中间层得到临时交通流量预测模型； 步骤S5：采用任一训练集对当前的临时交通流量预测模型进行训练，并检测训练后的模型精度，判断模型精度是否满足要求，若为是，则执行步骤S6，反之，则执行步骤S7； 步骤S6：将临时交通流量预测模型作为当前交通流量预测模型，并返回步骤S2； 步骤S7：输出当前交通流量预测模型作为轻量化后的结果； 步骤S8：利用轻量化后的交通流量预测模型进行交通流量预测； 所述步骤S2包括： 步骤S2-1：采用任一训练集对当前交通流量预测模型进行训练； 步骤S2-2：选择任一样本作为训练好的交通流量预测模型的输入，基于各中间层的输入和输出分别计算各中间层输出和其他中间层输出的余弦相似度，以及每个中间层的每个注意力头的注意力权重； 步骤S2-3：基于每个中间层的每个注意力头的平均注意力权重进一步计算得到所有注意力头对的平均相似度； 步骤S2-4：基于各中间层输入和输出的余弦相似度计算得到前驱层影响衰减度量； 步骤S2-5：基于前驱层影响衰减度量和所有注意力头对的平均相似度计算层级重要性； 所述层级重要性为： 其中：Il为第l个中间层的层级重要性，Rl为第l个中间层的前驱层影响衰减度量，为第l个中间层的所有注意力头的平均注意力权重。

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宁波数字孪生(东方理工)研究院，其通讯地址为：315201 浙江省宁波市镇海区庄市街道同心路568号开元新青年广场3号楼6楼；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。