Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 广科通立(广东)数据服务有限公司邵金麟获国家专利权

广科通立(广东)数据服务有限公司邵金麟获国家专利权

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!

龙图腾网获悉广科通立(广东)数据服务有限公司申请的专利一种交通数据分析方法及系统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:CN119181238B

龙图腾网通过国家知识产权局官网在2025-07-01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:202411168738.9,技术领域涉及:G08G1/01;该发明授权一种交通数据分析方法及系统是由邵金麟;陈桂发;洪少楷;陈斌华设计研发完成,并于2024-08-23向国家知识产权局提交的专利申请。

一种交通数据分析方法及系统在说明书摘要公布了:本发明公开了一种交通数据分析方法及系统,涉及数据分析技术领域,包括收集多源数据形成全面的城市交通数据体系,构建动态时空图分析不同时间和空间维度的交通数据得到不同区域公共交通出行需求;对不同区域的公共交通服务水平进行评估,根据不同区域的出行需求和公共交通服务水平制定差异化的线路规划。本发明通过收集和融合多源数据,构建动态时空图分析不同时间和空间维度的交通数据,从而精确预测不同区域的公共交通需求,不仅能够更全面地捕捉交通流动的复杂特征,还能根据公共交通服务水平的评估结果制定差异化的线路规划并基于预测的交通密度为用户推荐最优的公共交通路线,提高了公共交通服务的均衡程度,满足区域用户公共交通出行需求。

本发明授权一种交通数据分析方法及系统在权利要求书中公布了:1.一种交通数据分析方法,其特征在于:包括, 收集多源数据形成全面的城市交通数据体系,构建动态时空图分析不同时间和空间维度的交通数据得到不同区域公共交通出行需求; 对不同区域的公共交通服务水平进行评估,根据不同区域的出行需求和公共交通服务水平制定差异化的线路规划; 预测不同区域的车辆交通密度并根据用户出行数据为用户推荐公共交通路线;所述收集多源数据形成全面的城市交通数据体系指确定主要数据源包括交通监控数据,GPS数据以及社交媒体平台数据,实时从各数据源中收集数据并对数据进行预处理,将所有数据源的时间和日期转换为统一格式并统一数据的地理位置信息,将预处理后的数据存储进中央数据库中形成全面的城市交通数据体系并按照地理区域将城市划分为不同区域;所述构建动态时空图分析不同时间和空间维度的交通数据得到不同区域公共交通出行需求指定义动态图结构,从城市交通数据体系中提取人口和交通特征数据,选择城市的交通交叉口以及公共交通站点作为节点,利用GIS系统和城市交通布局图定位每个节点的地理位置; 基于实际交通路线和公共交通连接线确定节点之间的连接边,将人口和交通特征数据融入节点,使用交通和出行时间数据加强边的属性,根据实时交通流量数据动态更新边的权重; 根据从城市交通数据体系中获得的实时数据更新图中的节点和边的状态; 基于定义的节点和边构建时空张量网络,包括空间张量图和时间张量图: 所述构建空间张量图指通过收集GIS数据测量节点间的实际距离,基于节点间的地理距离和交通流量连接确定节点间的空间关系; 基于节点间的交通流量和通勤数据计算节点间的连接权重,将空间关系和权重转化为多维张量,每个维度代表一个节点,节点间的连接通过张量的权重表示; 所述构建时间张量图指收集每个节点的时间序列数据,包括每日的交通流程以及特殊事件的影响,为每个时间点创建独立的层,每层代表一个时间段内的交通状态,通过时间依赖性描述定义层与层之间的连接; 使用投影纠缠对态算法优化时空张量网络,将时空张量网络中的数据转换为多维数组形式,根据数据的维度和结构选择张量格式,设定投影纠缠对态算法的核心参数,包括虚拟维度和优化迭代次数,使用仿真数据测试不同的参数设置选择最佳的参数组合; 将多维数据输入进投影纠缠对态算法中进行张量分解处理,将复杂的多维数据简化为易于管理和分析的格式,使用梯度下降算法根据最新的时空数据定期优化张量网络的参数; 设计多层图卷积网络结构,每层负责处理节点的特征和集成邻近节点的信息,通过残差连接配置网络层; 使用图卷积公式更新每个节点的特征表示: 式中,是节点v在第l+1层的特征表示,是第l层中节点v的特征向量,Nv是节点v的邻居节点集合,Wl是第l层的可学习权重矩阵,σ是非线性激活函数ReLU,cvu是节点v的邻居数量,u是节点v的邻居节点,是节点u在第l层的特征表示; 对于每个节点,聚合其自身和邻居的特征获得新的节点表示,使用历史交通数据进行模型训练并定义交叉熵损失函数,通过反向传播算法计算损失函数关于每个权重的梯度,应用梯度下降更新权重,在训练过程中,实时计算模型损失,若模型损失在连续3个周期中没有下降,则停止训练得到图神经网络模型; 将图神经网络模型部署在中央数据库中实时接收交通数据预测各区域公共交通的出行需求。

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广科通立(广东)数据服务有限公司,其通讯地址为:510000 广东省广州市黄埔区横沙智慧西街4号801室;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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。