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！

龙图腾网获悉华侨大学申请的专利基于图注意力网络和天气权重的城市车速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：CN115204489B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202210821384.8，技术领域涉及：G06F18/25；该发明授权基于图注意力网络和天气权重的城市车速预测方法及系统是由张惠臻;万子寒;黄智远;尹航;龚至文;张洛维;苏杭霖设计研发完成，并于2022-07-13向国家知识产权局提交的专利申请。

本基于图注意力网络和天气权重的城市车速预测方法及系统在说明书摘要公布了：本发明公开一种基于图注意力网络和天气权重的城市车速预测方法及系统，包括：构建由目标路段p及其相关路段组成的空间结构图Gp＝Vp,Ep；基于空间结构图，构建车速矩阵Cp,t,l和天气因素矩阵Dp,t,k,l；使用加权的方式将车速矩阵与天气因素矩阵进行加权融合，获得特征融合后的矩阵Ap,t,k,l；将特征融合后的矩阵输入构建好的W2‑GAT模型，预测出目标路段p当前时刻t之后k个时段的车速特征。本发明基于融合图注意力网络、门控循环单元和天气权重因子的深度学习预测模型，能够较好地反映实际路面情况下未来短时的车速特征，为具体的交通数据应用提供数据支撑。

本发明授权基于图注意力网络和天气权重的城市车速预测方法及系统在权利要求书中公布了：1.一种基于图注意力网络和天气权重的城市车速预测方法，其特征在于，包括如下步骤： 构建由目标路段p及其相关路段组成的空间结构图Gp＝Vp,E；其中，V是顶点集，E是边集； 基于空间结构图，构建车速矩阵Cp,t,l和天气因素矩阵Dp,t,k,l；其中，矩阵Cp,t,l表示要预测的目标路段p在当前时刻t之前l个时段的历史车速，矩阵Dp,t,k,l表示要预测的目标路段p在当前时刻t之前l个时段和t之后k个时段的天气因素； 使用加权的方式将车速矩阵与天气因素矩阵进行加权融合，获得特征融合后的矩阵Ap,t,k,l 将特征融合后的矩阵输入构建好的W2-GAT模型，预测出目标路段p当前时刻t之后k个时段的车速特征； 所述W2-GAT模型，具体包括： 上下两层，下层为Cell-X模块，包括图注意力网络GAT、残差连接Res-Conn和全连接FC三个组成部分，用于捕获空间特征；上层为GRU模型，用于捕获时间特征； 将特征融合后的矩阵输入构建好的W2-GAT模型，预测出目标路段p当前时刻t之后k个时段的车速特征，具体包括： 获取目标路段p与相关路段p之间的注意力系数e0,j，如下： 0,j＝μWGAT,WGATj＝0,1,…n-1 其中，e0,j表示了相关路段p对目标路段p的重要程度；a、a表示路段p、p的输入特征向量，即Ap,t,k,l的第0列和第j列；μ表示一个单隐层前馈神经网络，完成的变换；用于输入特征到输出特征之间的变换，min为输入特征数，mout为输出特征数； 对e0,j进行归一化操作，使用softmax函数进行归一化，归一化前先对e0,j后进行激活处理，归一化后的注意力系数e'0,j的计算方式如下： 其中，LeakyReLU为激活函数,是单隐层前馈神经网络μ的一个参数化权值向量，||表示如下所示的向量拼接操作： vr×1||v1×s＝vr×1×B1×s1+Br×11×v1×s 之后，用e'0,j对输入特征向量进行加权求和，从而得到目标路段在GAT处理后的输出特征o0，如下： 其中，σ表示非线性激活函数； GAT的输出特征o0经过残差连接按下式所示方法进行处理，得到输出结果o′0： 其中，|v|表示向量v的维度，conv1d为一维卷积； 将o'0经过全连接神经网络Full-C，变换成为下一阶段GRU层处理的输入xt； 预测出目标路段p当前时刻t之后k个时段的车速特征。

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华侨大学，其通讯地址为：362000 福建省泉州市丰泽区城东城华北路269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。