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！

龙图腾网获悉山东科技大学申请的专利一种用于交通流量数据补全的神经张量环融合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：CN119249286B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202411776138.0，技术领域涉及：G06F18/2415；该发明授权一种用于交通流量数据补全的神经张量环融合方法是由孙秋霞;田润智;郝华丽;李勍;陈敬雨;燕英设计研发完成，并于2024-12-05向国家知识产权局提交的专利申请。

本一种用于交通流量数据补全的神经张量环融合方法在说明书摘要公布了：本发明公开了一种用于交通流量数据补全的神经张量环融合方法，属于交通数据补全领域，包括如下步骤：步骤1、获取路网系统中的交通流量数据，将交通流量数据建模为三阶张量；步骤2、参考张量环分解思想构建神经张量环融合模型的目标函数；步骤3、基于神经张量环融合模型进行交通流量数据补全。本发明采用张量环分解思想构建了神经张量环融合模型，采用三阶因子张量的形式学习数据的潜在特征，在表达与处理高阶数据张量的同时可以更好的保存原始数据的结构与信息；同时，采用卷积长短期记忆网络捕获交通数据在时间上的多维交互，使用包含历史时间特征的多个矩阵共同补全缺失数据。

本发明授权一种用于交通流量数据补全的神经张量环融合方法在权利要求书中公布了：1.一种用于交通流量数据补全的神经张量环融合方法，其特征在于，包括如下步骤： 步骤1、获取路网系统中的交通流量数据，将交通流量数据建模为三阶张量； 步骤2、参考张量环分解思想构建神经张量环融合模型的目标函数； 步骤3、基于神经张量环融合模型进行交通流量数据补全；具体过程为： 步骤3.1、对每个交通流量值进行数据嵌入；具体过程为： 每个交通流量值中均包含节点、时段、天三项内容，分别对这三项内容进行独热编码，构造节点、时段、天的独热向量： en＝one_hotn； et＝one_hott； 其中，为第n个节点的独热向量；为第t个时段的独热向量；为第d天的独热向量；one_hot·表示独热编码过程；τ为时间规模参数； 通过独热向量，模型获得不同阶上的嵌入矩阵，各个嵌入矩阵中包含了各自的潜在特征，节点的嵌入矩阵中包含了节点特征，时段的嵌入矩阵中包含了时间特征，天的嵌入矩阵中包含了天特征；各个嵌入矩阵如下： 其中，Un为第n个节点的嵌入矩阵；Vt为第t个时段的嵌入矩阵； 分别为第d-τ天、第d-1天的嵌入矩阵；×2表示张量的mode-2积； 将前τ个嵌入矩阵输入ConvLSTM编码器获得第d天的潜在特征： 其中，c0、c1、cτ-1、cτ分别为初始、第1个、第τ-1个、第τ个记忆细胞；h0、h1、hτ-1、hτ分别为初始、第1个、第τ-1个、第τ个隐藏状态；ConvLSTM·为ConvLSTM编码器；为经过ConvLSTM编码器后得到的第d天的潜在特征；σ·为Sigmoid激活函数；ΘP、bP分别表示映射层的权重矩阵、偏秩项； 步骤3.2、利用嵌入矩阵构建融合特征，具体为对嵌入矩阵中的节点特征、时段特征、天特征分别进行向量化表示，并进行拼接，得到融合特征，公式如下： un＝vecUn； vt＝vecVt； 其中，un、vt、分别为向量化的节点特征、时段特征、天特征；vec·表示向量化；表示拼接操作；为融合特征，包含了所有的特征元素，r为设定的超参数，代表潜在特征维数； 步骤3.3、模型采用ω个特征提取模块捕获特征间的非线性相关性，每个特征提取模块由全连接层与一维卷积层构成，过程表示为： 其中，FE·表示特征提取模块；f1、fω-1、fω分别表示第1个、第ω-1个、第ω个特征提取模块的输出向量； 步骤3.4、神经张量环融合模型将fω输入全连接层，得到最终补全后的第d天中第t个时段第n个节点处的交通流量值 其中，FC·表示全连接层；Θa、ba分别为全连接层的权重矩阵、偏秩项。

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山东科技大学，其通讯地址为：266590 山东省青岛市黄岛区前湾港路579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”。