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！

龙图腾网获悉安徽师范大学申请的专利基于渐进式时空融合的大规模短时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：CN116386350B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202310318519.3，技术领域涉及：G08G1/065；该发明授权基于渐进式时空融合的大规模短时交通流量预测方法是由汪晨;左开中;谌章义;胡鹏设计研发完成，并于2023-03-28向国家知识产权局提交的专利申请。

本基于渐进式时空融合的大规模短时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渐进式的大规模短时交通流量预测方法，包括：S1、获取传感器采集的原始数据集，并对原始数据集进行预处理；S2、构建基于渐进式的大规模短时交通流量模型，将处理好的多种周期时间序列数据和驾车距离邻接矩阵作为模型的输入，训练所述大规模短时交通流量模型；S3、通过得到的模型对其输入当下的流量数据来预测未来的流量数据。该方法基于渐进式的思想，将时间特征和空间特征通过逐步融合的方式来更全面、更充分地进行时空融合操作，有效地解决现有方法在大规模交通流量预测中存在的时空融合不充分的问题，且大幅度降低了计算和空间依赖建模的时间开销；同时，预测效果更精准，能够为城市交通管理提供较为准确的参考依据。

本发明授权基于渐进式时空融合的大规模短时交通流量预测方法在权利要求书中公布了：1.一种基于渐进式时空融合的大规模短时交通流量预测方法，其特征在于，所述基于渐进式时空融合的大规模短时交通流量预测方法包括： S1、获取传感器采集的原始数据集，并对原始数据集进行预处理，得到多种不同周期模式的历史交通数据和传感器之间的真实道路驾车距离邻接矩阵； S2、构建基于渐进式时空融合的大规模短时交通流量模型，将处理好的多种周期时间序列数据和驾车距离邻接矩阵作为模型的输入，训练所述大规模短时交通流量模型，得到具有预测未来时间段内交通流量能力的大规模短时交通流量模型； S3、通过S2中得到的模型对其输入当下的流量数据来预测未来的流量数据；其中， 在S2中确定交通流量预测模型的输入和输出变量，所述输入变量包括：以月为周期、以周为周期和近期历史流量数据，以及驾车距离邻接矩阵；输出变量包括：对应传感器未来时间段内的交通流量； 基于渐进式时空融合的大规模短时交通流量模型包括：多视图时间序列编码模块、空间知识提取模块和基于渐进式的时空融合模块；将三个周期模式时间序列作为多视图时间序列编码模块的输入，驾车距离邻接矩阵作为空间知识提取模块的输入，基于渐进式的时空融合模块通过对多视图时间序列编码模块和空间知识提取模块的结果进行时空特征融合并产生输出； 所述多视图时间序列编码模块包括：一个初始化操作和两个双视图时间序列编码组件，所述初始化操作将给每一个输入的周期模式初始化一个低维向量，并将其嵌入到对应周期模式中；所述双视图时间序列编码组件有两个输入分支和一个输出分支，每个输入分支包括：一个自注意力组件、一个双分支交叉注意力组件和一层前馈神经网络层，输出分支将两个输入分支经过前馈神经网络层的最后结果相加作为输出结果； 在多视图时间序列编码模块中，对于输入数据和，先将月周期模式和周周期模式输入第一个双视图时间序列编码组件进行时间特征的融合，得到融合了月周期和周周期时间特征的中间变量： 再将中间变量与输入第二个双视图时间序列编码组件进行时间特征的融合，最后构建出交通流量数据的时间特征： 其中，表示自注意力组件的计算操作，表示双分支交叉注意力组件的计算操作，和为其输入且位置调换对结果有影响，表示前馈神经网络层的计算操作； 所述空间知识提取模块包括：一个大规模图嵌入编码组件；所述大规模图嵌入编码组件将驾车距离邻接矩阵作为输入，利用二阶相似性的计算方法来捕获交通流量数据的空间特征，其中，二阶相似性的计算方法首先根据传感器节点的个数将每个节点映射成两个低维向量表示和，并以为优化函数对其进行优化，最终提取到交通流量数据的空间特征；其中，表示节点本身的表示向量，表示节点作为其他节点邻居时的表示向量，表示从节点到节点的权值，表示所有节点的集合，； 所述基于渐进式的时空融合模块包括：个串联的渐进交叉注意力组件和一层前馈神经网络层；的取值与数据集有关，所述渐进交叉注意力组件包括：一个全连接层、两个渐进交叉注意力层和两个前馈神经网络层；其中，所述基于渐进式的时空融合模块将时间特征和空间特征作为输入，经过个渐进交叉注意力组件的时空融合处理后，得到充分融合的时空特征，不失一般化，这里用代表第个渐进交叉注意力组件的输出，特别的，当=0时，； 在得到充分融合的时空特征后，将其作为基于渐进式的时空融合模块的最后一层前馈神经网络层的输入，以产生最后的预测结果。

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安徽师范大学，其通讯地址为：241002 安徽省芜湖市九华南路189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。