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！

龙图腾网获悉淮阴工学院申请的专利一种基于堆叠回归的道路交通流量预测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：CN117116042B 。

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：202311065471.6，技术领域涉及：G06F18/27；该发明授权一种基于堆叠回归的道路交通流量预测方法是由胡勇;金鹰;康瑶;李乐怡;徐亿如;张水星设计研发完成，并于2023-08-22向国家知识产权局提交的专利申请。

本一种基于堆叠回归的道路交通流量预测方法在说明书摘要公布了：本发明公开了一种基于堆叠回归的道路交通流量预测方法，包括获取公共数据集，并进行预处理以及特征提取，将特征序列划分为训练集以及测试集，作为后续模型的输入；构建Bi‑GRU模型以及GBR模型，设置两个模型对应的模型参数，完成两个模型的构建；将Bi‑GRU模型和GBR模型作为基础模型单元，通过将ridge算法作为元模型，利用堆叠回归算法搭建出混合模型，然后对模型进行集权处理；对混合模型进行模型的训练以及通过权重划分，实现模型数据的预测；将模型预测的结果进行校验并且检测其准确性。本发明利用堆叠回归算法将GBR与Bi‑GRU模型以ridge算法作为元模型堆叠起来，对混合模型进行训练与预测，可以提高了交通流量预测的精确性与准确性。

本发明授权一种基于堆叠回归的道路交通流量预测方法在权利要求书中公布了：1.一种基于堆叠回归的道路交通流量预测方法，其特征在于，包括如下步骤： S1、获取历史车流量统计数据，作为公共数据集，并进行预处理以及特征提取，将特征序列划分为训练集和测试集，作为后续模型的输入； S2、构建双向门控循环单元Bi-GRU模型以及梯度提升回归GBR模型，首先设置两个模型对应的模型参数，然后依据对应参数，完成两个模型的构建； S2.1、双向门控循环单元Bi-GRU神经网络结构，设置其神经元个数以及激活函数，进而创建Bi-GRU模型，Bi-GRU模型包括输入层、双向GRU层、合并层、输出层，其中双向GRU层包括前后GRU层，前GRU层与后GRU层的设置的参数是一致的，其运算公式如： Zt＝σWzxt+Uzht-1+bz rt＝σWrxt+Urht-1+br 其中，σ是sigmoid函数，xt是输入特征序列的第t个时间步，ht-1是前一个时间步的隐状态，rt、Zt分别为重置门和更新门，ht'为候选隐状态，ht为当前隐状态，Wz和Uz分别是输入xt和隐藏状态ht-1与更新门的权重矩阵，bz是偏置向量，Wh是输入xt与候选隐藏状态ht'的权重矩阵，Wr和Ur分别是输入xt和隐藏状态ht-1与重置门的权重矩阵，br是偏置向量，Uh、bh是模型的权重和偏置，表示按元素相乘，tanh是双曲正切函数； S2.2、梯度提升回归GBR迭代决策树结构，设置决策树的数量，决策树深度，学习率以及损失函数，进而创建GBR模型，GBR模型使用梯度提升回归算法： Ftx,ht-1＝Ft-1x,ht-1+λt*gtx,ht-1 其中，Ft-1x,ht-1是前一个时间步的预测结果，λt是步长learningrate，gtx,ht-1是GBR模型在时间步t的回归预测结果； S3、将Bi-GRU模型和GBR模型作为基础模型单元，通过将ridge算法作为元模型，利用堆叠回归算法搭建出混合模型，并对模型进行集权处理； S3.1、创建Bi-GRU模型与GBR模型，方便后续混合模型的创建； S3.2、堆叠回归模型由Bi-GRU模型和GBR模型组成，并使用ridge回归模型作为元模型，将两个模型拼接成一个混合模型： Fx,h0＝ridge[F0x+λ1*g1x,h0+λ2*g2x,h1+......+λt*gtx,ht-1 其中，F0x是初始的预测值，h0是初始的隐状态，λ1,λ2......λt是每个时间步的步长； S4、对通过堆叠算法产生的混合模型进行模型的训练、通过权重划分，进而实现模型数据的预测； S5、将模型预测的结果进行校验并且检测其准确性。

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淮阴工学院，其通讯地址为：223005 江苏省淮安市经济技术开发区枚乘东路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”。