Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南京邮电大学程海涛获国家专利权

南京邮电大学程海涛获国家专利权

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!

龙图腾网获悉南京邮电大学申请的专利融合时空特征与大语言模型的城市交通流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:CN119649599B

龙图腾网通过国家知识产权局官网在2025-12-09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:202411831364.4,技术领域涉及:G08G1/01;该发明授权融合时空特征与大语言模型的城市交通流预测方法及系统是由程海涛;龚梓斌;王昶设计研发完成,并于2024-12-12向国家知识产权局提交的专利申请。

融合时空特征与大语言模型的城市交通流预测方法及系统在说明书摘要公布了:本发明公开了一种融合时空特征与大语言模型的城市交通流预测方法及系统,包括时空编译器模块和时空适配器模块,所述时空编译器模块通过使用时间步嵌入、时间嵌入天和空间嵌入来提取交通流量特征并进行特征融合得到关于交通流数据封装了时空模式的令牌;所述时空适配器模块通过冻结预训练Bert模型Transformer块,允许模型在适应交通流动态的同时保留其语言处理强度,将得到的令牌与预训练的BERT模型Transformer块融合得到交通流量最终预测。本发明将时空特征与大语言模型相结合,利用LLM的高级学习能力对交通数据中的空间和时间模式进行建模,从而实现高度准确的预测。

本发明授权融合时空特征与大语言模型的城市交通流预测方法及系统在权利要求书中公布了:1.一种融合时空特征与大语言模型的城市交通流预测方法,其特征在于,包括以下步骤: 根据交通流数据建立时空编译器模块,所述时空编译器模块通过使用时间步嵌入、时间嵌入天和空间嵌入来提取交通流量特征并进行特征融合得到关于交通流数据封装了时空模式的令牌; 所述时空编译器模块包括时间步嵌入单元、时间嵌入天单元、空间嵌入单元以及特征融合单元,所述时间步嵌入单元用于根据交通流数据生成时间步嵌入;时间嵌入天单元用于将绝对位置编码应用于天分辨率的交通流数据,得到位置编码,根据位置编码得到天嵌入;空间嵌入单元用于根据交通流数据通过采用自适应空间嵌入方法得到空间嵌入;特征融合单元利用卷积操作整合时间步嵌入、天嵌入和空间嵌入得到关于交通流数据封装了时空模式的令牌; 根据令牌建立时空适配器模块,所述时空适配器模块通过冻结预训练Bert模型Transformer块,允许模型在适应交通流动态的同时保留其语言处理强度,将得到的令牌与预训练的BERT模型Transformer块融合得到交通流量最终预测; 所述时空适配器模块包括输入嵌入层、冻结预训练Bert模型Transformer单元以及卷积输出层,所述输入嵌入层用于根据令牌嵌入、位置嵌入和段嵌入得到输入向量;冻结预训练Bert模型Transformer单元包括6个Transformer块,分别记为第一个Transformer块、第二个Transformer块、第三个Transformer块、第四个Transformer块、第五个Transformer块、第六个Transformer块,每个Transformer块包括多头注意力层和前馈神经网络模块,多头注意力层用于识别输入数据中不同位置的关系和连接,前馈神经网络模块用于捕获每个令牌内的时间模式;冻结第一个Transformer块中的多头注意力层,从预训练中保留学习到的空间语义;而剩下的5个Transformer块,对多头注意力层、前馈神经网络模块和层归一化进行微调,以有效地使模型适应预测任务;卷积输出层用于将最后一个Transformer块的输出特征转换为交通流量最终预测。

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邮电大学,其通讯地址为:210046 江苏省南京市栖霞区文苑路9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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。