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！

龙图腾网获悉中国公路工程咨询集团有限公司申请的专利基于大数据的公路工程智能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：CN120496325B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202510755566.3，技术领域涉及：G08G1/01；该发明授权基于大数据的公路工程智能交通流量预测方法是由王卿;彭家一;王伟;周耀设计研发完成，并于2025-06-06向国家知识产权局提交的专利申请。

本基于大数据的公路工程智能交通流量预测方法在说明书摘要公布了：本发明公开了基于大数据的公路工程智能交通流量预测方法，属于交通流量预测技术领域，包括以下步骤：多源交通数据采集传感器网实现交通数据的采集；数据预处理；在Transformer编码器之间插入卷积注意力融合模块，进行局部增强处理，突出关键信息；频域融合；结合特征与相似性矩阵的双重蒸馏压缩模型；输出未来时段的交通流量预测值。本发明可实现局部增强处理，突出关键信息；引入频域融合模块降低计算量的同时显式建模不同时间尺度特征，提升预测精度。本发明采用双重知识蒸馏机制，可有效降低计算量。

本发明授权基于大数据的公路工程智能交通流量预测方法在权利要求书中公布了：1.基于大数据的公路工程智能交通流量预测方法，其特征在于，包括以下步骤： 1多源交通数据采集传感器网，利用现有布设的传感器网络实现交通数据的采集，包括监控摄像头、道路传感器和车载GPS；多源交通数据采集传感器网与气象平台、交通事件平台通讯； 2数据预处理单元，用于对交通数据进行数据清洗、归一化处理、特征提取与时空对齐； 3局部数据增强与融合模块，在Transformer编码器之间的第2、6、9层插入卷积注意力融合模块，在卷积注意力融合模块内嵌入GRU，采用滑动窗口局部特征增强算法，对处理后的时空特征、统计特征、图像特征和环境与事件特征进行局部增强处理，突出关键信息； 4频域融合模块，将Transformer编码器输出的时序特征进行快速傅里叶变换FFT，转换到频域空间，得到频域特征；设定频率划分阈值K，将频域特征拆分为低频分量和高频分量；进行低频和高频分量的信息交互融合；进行离散傅里叶逆变换得到最终融合特征F最终； 步骤4中，对低频分量和高频分量分别进行降维处理，将通道数C降至C′=C2，得到降维后的低频分量F低和高频分量F高；对降维后的低频和高频分量进行加权求和，计算公式为： Ffusion=W低⊙F低+W高⊙F高 其中，W低、W高表示可学习的权重向量，W低∈RC′，W高∈RC′，R表示卷积操作得到局部特征的空间响应，W低+W高=1，⊙表示按元素相乘； 通过线性加权实现低频和高频分量的信息交互融合； 步骤4中，在进行逆变换前，先将融合后的频域特征Ffusion补齐至原始频域特征的长度T，可通过在高频分量缺失的频率点上补零的方式实现，得到完整频域特征F完整，之后对F完整进行离散傅里叶逆变换，将其转换回时域，得到最终融合特征F最终；5知识蒸馏模块，采用双重蒸馏机制，结合特征与相似性矩阵的双重蒸馏压缩模型； 步骤5中，双重蒸馏机制中，特征表示蒸馏强制学生模仿教师的中间层特征，采用MSE损失函数： ； 其中，Ftea表示教师模型的特征表示，Fstu表示学生模型的特征表示，Lfeat表示特征蒸馏损失； 步骤5中，双重蒸馏机制中，相似性矩阵蒸馏用于引导学生学习教师的时空关联矩阵，采用L2损失函数： ； 其中，l表示网络层级；i，j表示相似性矩阵的行列索引，对应时空维度的样本对，包括时间相似性矩阵，i，j对应不同时间步，空间相似性矩阵，i，j对应不同路段；表示学生模型第l层输出的相似性矩阵，表示教师模型第l层输出的相似性矩阵；表示对教师模型和学生模型的对应层进行求和； 6流量预测模块，最终融合特征F最终输入Transformer解码器，输出未来时段的交通流量预测值。

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中国公路工程咨询集团有限公司，其通讯地址为：100010 北京市东城区青龙胡同甲1号、3号2幢2层；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。