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！

龙图腾网获悉上海交通大学申请的专利一种智能交通系统异常预测方法、装置及存储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：CN116307033B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202211535501.0，技术领域涉及：G06Q10/04；该发明授权一种智能交通系统异常预测方法、装置及存储介质是由伍军;林夕;王洋;申小朋设计研发完成，并于2022-11-30向国家知识产权局提交的专利申请。

本一种智能交通系统异常预测方法、装置及存储介质在说明书摘要公布了：本发明涉及一种基于对比图神经网络的智能交通系统异常预测方法、装置及存储介质，其中方法包括：获取原始数据，所述原始数据包括交通事故数据集和道路数据集；提取道路数据集的信息，得到道路的交通拓扑图、空间特征、时空特征和额外特征，并结合交通事故数据集得到图数据集；建立基于对比图神经网络的智能交通系统异常预测模型，所述智能交通系统异常预测模型采用对比学习损失函数进行模型预训练；针对图数据集进行数据增广，并基于增广后的图数据集对模型进行预训练；将图数据作为输入，基于智能交通系统异常预测模型预测图中每个节点的异常情况。与现有技术相比，本发明具有解决了异常数据失衡问题、预测精度高等优点。

本发明授权一种智能交通系统异常预测方法、装置及存储介质在权利要求书中公布了：1.一种基于对比图神经网络的智能交通系统异常预测方法，其特征在于，包括以下步骤： 步骤1）获取原始数据，所述原始数据包括交通事故数据集和道路数据集； 步骤2）提取道路数据集的信息，得到道路的交通拓扑图、空间特征、时空特征和额外特征，并结合交通事故数据集得到图数据集； 步骤3）建立基于对比图神经网络的智能交通系统异常预测模型，所述智能交通系统异常预测模型采用对比学习损失函数进行模型预训练； 步骤4）针对图数据集进行数据增广，并基于增广后的图数据集对模型进行预训练； 步骤5）将图数据作为输入，基于智能交通系统异常预测模型预测图中每个节点的异常情况； 所述步骤2）包括以下步骤： 步骤21）基于道路拓扑数据生成交通拓扑图； 步骤22）基于道路拓扑数据和POI数据，利用基于Graph的空间卷积层提取空间特征； 步骤23）基于道路平均速度数据，利用基于Graph的时空卷积层提取时空特征； 步骤24）基于日期和天气数据，利用额外特征提取层提取额外特征； 步骤25）将空间特征、时空特征和额外特征进行拼接得到特征表达； 步骤26）结合交通事故数据集和特征表达得到图数据集； 所述针对图数据集进行数据增广包括基于交通拓扑图的拓扑增广和基于节点和边掩码的特征增广，其中， 所述基于交通拓扑图的拓扑增广包括以下步骤：对发生交通事故的节点为中心以最近邻方式采样K-hop，在此基础上对当前节点进行随机游走，从而获得经过图数据增广的； 所述基于节点和边掩码的特征增广包括以下步骤：对于当前，随机地删除或增加预配置百分比的与距离中心节点超过预设距离的边，并且对其特征进行部分扰动，获得当前的特征增广； 所述对比学习损失函数为： 其中，表示样本的标签，取0或1；表示第i个样本的欧几里得距离，m表示hinge损失函数的超参数。

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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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”。