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！

龙图腾网获悉中国矿业大学申请的专利一种基于嵌入词向量与PageRank算法的交通卡口重要性排序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：CN115879454B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202211548955.1，技术领域涉及：G06F40/284；该发明授权一种基于嵌入词向量与PageRank算法的交通卡口重要性排序方法是由关乐晨;邵虎;石景天;刘广义;陈子龙;徐玮喆;袁梓航;周金诚设计研发完成，并于2022-12-05向国家知识产权局提交的专利申请。

本一种基于嵌入词向量与PageRank算法的交通卡口重要性排序方法在说明书摘要公布了：本发明公开了一种基于嵌入词向量与PageRank算法的交通卡口重要性排序方法，包括以下步骤：1获取数据源，并对数据源的数据进行预处理；2提取用于表示位置的交通卡口集；引入自然语言处理中的Glove模型，通过训练车辆轨迹数据得到各卡口的嵌入词向量表示；3结合改进的PageRank算法对各卡口的重要性进行排序；4利用节点删除法模拟卡口因故失效的情况，在去掉指定卡口之后，通过预测误差检验步骤3各卡口重要性排序的有效性，本发明针对道路关键点排序，既考虑了交通网络的物理拓扑结构，又关注到交通需求以及真实出行轨迹，从多个角度更加客观地得出不同卡口的重要性；可以很好地考虑到历史的影响，并可以进行排序算法验证。

本发明授权一种基于嵌入词向量与PageRank算法的交通卡口重要性排序方法在权利要求书中公布了：1.一种基于嵌入词向量与PageRank算法的交通卡口重要性排序方法，其特征在于，包括以下步骤： （1）获取用户的车辆信息及其在各个卡口的过车信息集合在内的数据源，并对数据源的数据进行预处理，提取用户车辆轨迹； （2）提取步骤（1）中用户车辆轨迹中用于表示位置的交通卡口集；引入自然语言处理中的Glove模型，通过训练车辆轨迹数据得到各卡口的嵌入词向量表示； （3）根据步骤（2）的各卡口的嵌入词向量表示，结合改进的PageRank算法对各卡口的重要性进行排序；进行多层时序交通网络的动态建模，具体包括： （31）定义如下基本概念： 定义多层时序交通网络：多层时序交通网络为一有向图，其中N，E分别为多层时序交通网络中的节点个数与边集，是一系列子网的集合；相同节点按时间顺序建立层间有向连接，定义层指向层的层间链路为，其中； 定义卡口邻接矩阵A：若卡口与卡口相邻，则，否则为0； 定义卡口节点相似性矩阵S：，其中，为入度相似性，为出度相似性，为语义相似性； 在多层时序交通网络中，卡口节点与其上、下游卡口节点的相似性由以下三个部分线性组合而成： 入度相似性： 式中，和分别为指向卡口节点和的邻居卡口集； 出度相似性： 式中，和分别为卡口节点和v指向的邻居卡口集； 语义相似性： 式中，和分别为卡口节点和v的嵌入词向量； 定义有偏随机游走跳转概率矩阵P：某一时刻，网络层中经过卡口的车辆向卡口v移动的概率为 式中，表示网络层中卡口u和v的相似性；表示网络层中卡口u和v之间的相邻关系； （32）根据上述定义，计算初始时刻即网络的第一层中卡口节点的中心性；将有偏随机游走应用于经典PageRank算法，得到基于卡口节点相似性的有偏PageRankBSBPR来评估第一层中节点的重要性： （33）以递归的方式在层中计算节点的；定义层中节点的多层时序有偏PageRank为： 式中，和分别表示上层中同一卡口节点中心性、层内相邻卡口节点间的相似性的幂次方，其中指数和是偏差参数且，； （4）利用节点删除法模拟卡口因故失效的情况，在去掉指定卡口之后，根据其余卡口的历史交通流量数据预测未来全部卡口的交通流量，采用Xgboost模型与历史流量数据的关联性分析预测误差检验步骤（3）各卡口重要性排序的有效性，具体包括： （41）将指定卡口去除，在相应的卡口流量处用零填充以模拟卡口因故失效的特殊情况，并以下一天整个路网各卡口的流量预测总误差为主要指标，验证步骤（3）算法的合理性与有效性； （42）建立基于机器学习方法Xgboost的流量预测模型，以前一天路网无故障卡口的流量作为输入，下一天路网全部卡口的流量作为输出，按（41）所述方法进行预测。

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中国矿业大学，其通讯地址为：221000 江苏省徐州市铜山区大学路1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”。