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！

龙图腾网获悉江西赣粤高速公路股份有限公司;东南大学申请的专利一种基于时空注意力机制的高速公路交通流量预测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：CN118942054B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202410985950.8，技术领域涉及：G06V20/54；该发明授权一种基于时空注意力机制的高速公路交通流量预测方法及系统是由虞安军;刘志远;余小晴;杨哲懿;励英迪;余佳;童蔚苹;张晨洋设计研发完成，并于2024-07-23向国家知识产权局提交的专利申请。

本一种基于时空注意力机制的高速公路交通流量预测方法及系统在说明书摘要公布了：本发明公开了一种基于时空注意力机制的高速公路交通流量预测方法及系统。该方法以门架数据为基础，基于深度学习构建了高速公路交通流量预测模型MDAN。该模型主要包括：将扩散卷积与时间卷积网络进行融合，同时提取了空间特征和时间特征；从多个维度在模型中利用注意力机制，识别出不同特征、不同空间位置、不同时刻的重要程度，提高了模型的预测性能；采用了多任务学习架构，将每个门架的流量预测视为单独任务，并通过基于同方差不确定性的损失函数来平衡不同任务，共同学习以克服不同门架数据特征差别较大的问题，提高模型的泛化能力和鲁棒性。本发明融合了多种关键技术和组件，能够充分挖掘时空数据中的关键信息，实现高效准确的特征提取。

本发明授权一种基于时空注意力机制的高速公路交通流量预测方法及系统在权利要求书中公布了：1.一种基于时空注意力机制的高速公路交通流量预测方法，其特征在于，包括如下步骤： 获取高速公路门架数据，进行数据清洗后构建时空信息数据特征矩阵，包括每个门架在每个时间片的交通流量，应用高斯核函数将门架之间的距离信息融入构建为邻接矩阵，门架之间相距越远，在邻接矩阵中标记的值越小； 基于深度学习构建高速公路交通流量预测模型MDAN，MDAN模型将扩散卷积网络DCN与时间卷积网络TCN进行融合，同时提取空间特征和时间特征，并从多个维度在模型中引入注意力机制，识别出不同特征、不同空间位置和不同时刻的重要程度；MDAN模型采用多任务学习架构，将每个门架的流量预测视为单独任务，并通过基于同方差不确定性的损失函数来平衡不同任务； 将高速公路门架的时空信息数据输入训练好的MDAN网络进行每个门架的流量预测； MDAN模型利用扩散卷积网络DCN处理图结构数据，捕获节点间的空间依赖关系，理解节点之间的关联和结构特征；MDAN模型利用时间卷积网络TCN作为时序数据处理的核心组件，捕获时间序列内部的时间依赖关系，理解时序数据的特征；在特征提取过程中，MDAN模型采用LeakyReLU激活函数来引入非线性，增强模型的表达能力，并利用通道注意力层来辨识不同特征的重要性，提高特征的区分度；所述通道注意力层对输入的时空特征在时空维度做最大池化和平均池化，之后通过一个共享的多层感知机对信息进行变换，将所得结果相加，并经过Sigmoid激活函数，得到最终的注意力表示；MDAN模型通过空间注意力层提取图结构中节点间的重要特征，所述空间注意力层对输入的时空特征在时间维度做最大池化和平均池化，之后将两种池化的结果进行拼接，通过GraphSAGE网络提取邻接节点之间的空间依赖，接着通过多层感知机对信息进行非线性变换，并经过Sigmoid激活函数，得到最终的空间注意力表示；MDAN模型通过时间注意力层捕获时间序列中的关键信息，所述时间注意力层对输入的时空特征在空间维度做最大池化和平均池化，之后将两种池化的结果进行拼接，通过BiLSTM网络提取时间序列中的信息，接着通过多层感知机对信息进行非线性变换，并经过Sigmoid激活函数，得到最终的时间注意力表示；MDAN模型对经过空间注意力机制和时间注意力机制处理后的时空特征进行平均池化操作撇去时间维度，并输入外部注意力层，辨识节点间的关联关系。

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江西赣粤高速公路股份有限公司;东南大学，其通讯地址为：330025 江西省南昌市西湖区朝阳洲中路367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”。