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！

龙图腾网获悉重庆邮电大学申请的专利一种基于多模动态记忆性图卷积网络的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：CN119107798B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202411122085.0，技术领域涉及：G06Q10/04；该发明授权一种基于多模动态记忆性图卷积网络的交通流量预测方法是由黄晓舸;杨文卓;周恩舟;陈前斌设计研发完成，并于2024-08-15向国家知识产权局提交的专利申请。

本一种基于多模动态记忆性图卷积网络的交通流量预测方法在说明书摘要公布了：本发明涉及一种基于多模动态记忆性图卷积网络的交通流量预测方法，属于智能交通技术领域。目前图卷积神经网络的方法时空相关特性提取不足、周期性特征考虑不充分、动态演变相关性捕捉不准确。为了解决上述问题，本发明首先建立了时序特征提取模块和双向记忆循环网络模块，并将捕获的时序特征融合形成综合特征向量。然后，在动态图卷积模块中，通过扩散图卷积神经网络、注意力机制和典型交通模式的融合方式，捕捉节点间的空间相关性，并生成新的动态邻接矩阵。该动态邻接矩阵能够反映随时间变化的节点连接关系。本发明通过多模动态记忆性图卷积网络动态更新邻接矩阵，更好地应对突发事件和异常情况，有效提高了交通流量预测的准确性和鲁棒性。

本发明授权一种基于多模动态记忆性图卷积网络的交通流量预测方法在权利要求书中公布了：1.一种基于多模动态记忆性图卷积网络的交通流量预测方法，其特征在于：该方法包括以下步骤： S1：基于聚合卷积网络的时序特征提取模型，通过时间嵌入编码和时序聚合卷积，捕捉高维时空数据中的时间相关性，并将其融入特征维度； S2：基于双向记忆循环网络模块Bi-MRNM的周期性特征捕获模型，结合长短期记忆网络LSTM和改进型门控循环单元GRU，从前后两个方向捕捉时间依赖关系，并提取周期性变化特征；所述双向记忆循环网络模块Bi-MRNM包括： 前向长短期记忆网络LSTM层，用于处理前向时间序列数据； 后向门控循环单元GRU层，用于处理后向时间序列数据； 特征融合模块，将前向LSTM层和后向GRU层的输出进行融合，形成综合特征表示； S3：基于典型交通模式的动态图卷积模型，通过扩散图卷积层、注意力机制和典型交通模式交互，动态捕捉节点间的空间相关性，并生成新的动态邻接矩阵； 所述动态图卷积模型包括： 扩散图卷积层DGCL，通过扩散过程在图中传播信息，捕捉节点的局部和全局结构信息； 全连接层，对扩散图卷积层输出的特征进行非线性变换和特征融合； 注意力层，根据节点特征的重要性动态调整权重，突出关键节点间的关系； 典型交通模式交互层，将节点特征与典型交通模式记忆库进行交互，增强模型对节点间隐藏的动态空间相关性的捕捉能力； 图生成器，生成新的动态邻接矩阵，反映随时间变化的节点连接关系； S4：基于门控循环单元GRU循环网络的动态邻接矩阵更新方法，利用GRU门控机制更新邻接矩阵，反映随时间变化的节点连接关系； S5：基于多模动态记忆性图卷积网络MM-DMGCN的交通流量预测方法，预测输出模块将前述各模块提取和处理的特征进行整合，最终生成交通流量的预测结果；预测输出模块由全连接层和回归层组成，对经过多模动态记忆性图卷积网络MM-DMGCN处理后的特征进行线性变换和映射，最终生成交通流量的预测结果。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路2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。