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！

龙图腾网获悉东南大学申请的专利一种基于节假日客流趋势相似性的城际客流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：CN119338507B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202411261093.3，技术领域涉及：G06Q30/0202；该发明授权一种基于节假日客流趋势相似性的城际客流预测方法是由王炜;周起豪;于维杰;赵德;赵扬震;孙浩楠设计研发完成，并于2024-09-10向国家知识产权局提交的专利申请。

本一种基于节假日客流趋势相似性的城际客流预测方法在说明书摘要公布了：本发明公开了一种基于节假日客流趋势相似性的城际客流预测方法，涉及城际客流预测领域。首先，通过数据采集获得城际客流数据，并计算趋势特征矩阵，将趋势特征矩阵与城际客流数据融合得到初始训练数据；其次，利用初始训练数据获取未来预测时段的视野变量组并定义主要视野变量，在空间和时间维度上聚合信息特征，得到时空变量；紧接着，根据时空变量和视野变量组计算并转化时空编码信息；最后，基于节假日客流趋势相似性特征，计算假期特征矩阵，提取并融合假期趋势特征，最终得到未来假期的城际客流预测结果。本发明提高了预测的准确性和可靠性。

本发明授权一种基于节假日客流趋势相似性的城际客流预测方法在权利要求书中公布了：1.一种基于节假日客流趋势相似性的城际客流预测方法，其特征在于，基于不同节假日客流变化趋势的相似性特征，采用时空特征和假期趋势特征融合的方式，预测未来节假日期间的城际客流；具体如下： 采集城际客流数据，根据采集到的城际客流数据，计算城际客流数据的趋势特征矩阵；将趋势特征矩阵与城际客流数据融合，得到初始训练数据； 利用初始训练数据获取未来预测时段的视野变量组，并定义主要视野变量； 将主要视野变量分别在空间维度和时间维度上进行信息特征聚合得到时空变量； 根据时空变量和视野变量组计算每个未来时刻的编码信息，并进一步转化为时空编码信息； 基于不同节假日客流变化趋势的相似性特征，利用城际客流数据计算假期特征矩阵并提取假期的趋势特征； 对时空编码信息与假期的趋势特征进行融合，得到未来假期的城际客流数据； 假期特征矩阵的计算方法为： 首先，针对一个假期长度为n天的假期，时间序列为X＝{X1,X2,...,Xl,...,Xn}，Xl表示假期第l天的时间序列值，1≤l≤n；将X与假期长度为m天的假期时间序列在变化趋势上进行对齐，m＞n，从左至右依次插值，直至插值数量达到m-n，得到的时间序列X'为：X'＝{X1,X1+X22,X2,X2+X32,X3,...,Xn},从而将两个长度不同的假期进行对齐； 其次，根据对齐后的假期进行特征标记，假设某一天处于假期长度为n的第l天，则建立特征n-l，并将符合这一特征的日期都标记为1，其余日期标记为0，从而得到一个二进制假期特征矩阵HL；提取假期的趋势特征指采用Prophet模型对假期的对齐和标记后的数据进行拟合和预测，得到未来假期的城际客流趋势特征； Prophet模型包括趋势部分、季节部分和假期部分，假期特征ytp计算过程为： ytp＝gtp+stp+htp+εp 其中，gtp为趋势特征项，用于描述时刻tp的非周期变化；stp为季节特征项，用于描述时刻tp周期性特征；htp＝HL表示节假日效应，用于描述特殊事件对时刻tp的影响程度，εp为误差项、表示模型不能解释的随机变化，并假设误差服从正态分布；通过整合Prophet模型的计算结果，得到假期的趋势特征

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东南大学，其通讯地址为：210096 江苏省南京市玄武区四牌楼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。