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！

龙图腾网获悉南京大学申请的专利一种用于行人流量实时预测的深度神经网络在线集成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：CN120031189B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202510087483.1，技术领域涉及：G06Q10/04；该发明授权一种用于行人流量实时预测的深度神经网络在线集成方法是由赵鹏;周志华设计研发完成，并于2025-01-20向国家知识产权局提交的专利申请。

本一种用于行人流量实时预测的深度神经网络在线集成方法在说明书摘要公布了：本发明公开一种用于行人流量实时预测的深度神经网络在线集成方法，首先利用离线数据初始化一个基于深度神经网络的行人流量预测模型，然后在线部署模型预测行人流量，同时收集在线数据更新模型，让模型快速适应实时变化的复杂场景。多分辨率更新策略把深度神经网络分为多个子模块，采用不同分辨率的历史数据训练不同的子模块，让子模块的行人流量预测能力具有多样性；在线集成策略根据实时数据分布的变化，动态选择与组合最能适应当前场景的子模块，生成实时预测结果。与现有方法相比，本发明在实时行人流量预测的精度和响应速度上显著提升，尤其适用于交通监控、公共安全管理等需要实时数据处理的场景。

本发明授权一种用于行人流量实时预测的深度神经网络在线集成方法在权利要求书中公布了：1.一种用于行人流量实时预测的深度神经网络在线集成方法，其特征在于，包含多分辨率更新策略和在线集成策略；首先利用离线数据初始化一个基于深度神经网络的行人流量预测模型，之后部署模型预测行人流量，同时收集在线数据更新模型； 所述的多分辨率更新策略指的是，把深度神经网络分为多个子模块，采用不同分辨率的历史数据训练不同的子模块； 所述的在线集成策略指的是，根据实时数据分布的变化，动态选择与组合最能适应当前场景的子模块，生成实时预测结果； 所述利用离线数据初始化一个基于深度神经网络的行人流量预测模型，具体步骤为： 步骤101：采集行人流量预测的离线数据集，；其中，，是维实数空间，是的所有可能取值构成的集合，是用于预测行人流量的特征，共有个维度，每个维度是一个实数值，数据共有条；，是对应的真实行人流量，共有种； 步骤102：利用离线数据集初始化行人流量预测模型；模型把维实数的特征映射为维实数的置信度，行人流量预测模型预测的类别是置信度最高的维度对应的类别，如果有多个维度置信度都是最高则任选其一；每个模型包括两部分，是深度神经网络模型，把维实数的特征映射为维实数的希尔伯特空间表征，其中是深度神经网络参数，共有个实数参数；是线性分类模型，把维实数的希尔伯特空间表征映射为维实数的置信度，其中是线性分类模型参数，是一个的实数矩阵； 步骤103：利用梯度下降技术确保步骤102中的初始化行人流量预测模型对于离线数据集和损失函数收敛；其中损失函数，用于衡量行人流量预测模型的输出和真实行人流量之间的差，进而用于训练和更新和； 所述多分辨率更新策略，具体步骤为： 步骤201：把深度神经网络分为个子模块，第个子模块用掩码表示；掩码是一个n维的仅由0和1构成的数组，如果的第位是1则表明第j个子模块包含深度神经网络的第个实数参数，否则不包含；对于每个，，指的是个子模块应该互不相交而且覆盖深度神经网络的所有参数；划分子模块需要选择的数值，取，并且分配每个子模块覆盖的参数的个数，对于每个，； 步骤202：采用不同分辨率的历史数据训练不同的子模块，指的是使用连续区间的历史数据训练第个子模块，区间的起始端点是，区间的终止端点是，其中是在线部署行人流量预测模型之后模型预测并收集在线数据的次数；越大，第个子模块使用的历史数据所属的区间越短、分辨率越高；恰当的分配历史数据的分辨率指的是尽可能的差异化不同子模块使用的历史数据的分辨率，在时，对于每个，或者，指的是第个子模块使用的历史数据所属的区间的长度是关于的指数函数或者是关于的线性函数； 步骤203：让子模块的行人流量预测能力具有多样性，指的是在步骤201中恰当的划分子模块以及在步骤202中恰当的分配历史数据的分辨率。

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南京大学，其通讯地址为：210023 江苏省南京市栖霞区仙林大道163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”。

以上内容由龙图腾AI智能生成。