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！

龙图腾网获悉北京航空航天大学申请的专利基于图卷积模型的路网交通时空状态不确定性计算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：CN118865684B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202410957844.9，技术领域涉及：G08G1/01；该发明授权基于图卷积模型的路网交通时空状态不确定性计算方法是由丁川;张宏良;宋英杰;于滨;鲁光泉设计研发完成，并于2024-07-17向国家知识产权局提交的专利申请。

本基于图卷积模型的路网交通时空状态不确定性计算方法在说明书摘要公布了：本发明公开了一种基于图卷积模型的路网交通时空状态不确定性计算方法，包括：采集历史交通时空数据；基于DCRNN模型构建路网交通状态点预测模型；建立描述偶然不确定性的损失函数方法，并利用历史交通时空数据，基于贝叶斯框架的MC‑Dropout对路网交通状态点预测模型进行交通状态不确定性训练，获得训练好的路网交通状态区间范围预测模型；将待预测交通时空数据输入到训练好的路网交通状态区间范围预测模型中得到预测的时间范围内的交通状态。本发明通过结合深度学习技术和贝叶斯框架，更深入有效地量化交通状态的不确定性，为交通管理和调度提供更灵活和全面的决策支持。

本发明授权基于图卷积模型的路网交通时空状态不确定性计算方法在权利要求书中公布了：1.一种基于图卷积模型的路网交通时空状态不确定性计算方法，其特征在于：包括如下步骤： S1：采集历史交通时空数据，包括路网交通空间数据，及所述路网交通空间下的交通状态时间序列数据； S2：基于DCRNN模型构建路网交通状态点预测模型，以历史交通状态时间序列数据和路网交通空间数据作为输入，路网交通状态时空预测点值以及预测点值的方差作为输出；所述S2包括对空间特征进行建模的步骤： 利用扩散卷积的方法对路网交通空间数据进行处理，捕捉节点之间的空间依赖关系； 所述DCRNN模型在扩散卷积步骤中通过双边随机游走捕捉路网交通空间数据的结构信息，包括： 利用空间关联矩阵构建交通网络图G＝V,E，其中V表示路段集合，E表示表征路段之间的关联关系的边集合； 其中，H表示经过扩散过程后聚合输入特征X的输出矩阵，K表示扩散步数，X表示输入特征矩阵，包括各节点的交通状态数据，扩散算子Dk用于捕捉节点之间的信息传播和影响关系，Θk表示扩散卷积模型中需要学习的权重矩阵，通过学习权重矩阵的参数，模型自适应调整内部计算使得输出结果尽可能接近真实的交通流量； S3：建立描述偶然不确定性的损失函数方法，并利用所述历史交通时空数据，基于贝叶斯框架的MC-Dropout对所述路网交通状态点预测模型进行交通状态不确定性训练，获得训练好的路网交通状态区间范围预测模型；所述S3中建立描述偶然不确定性的损失函数方法包括： 通过使用条件方差函数σxi2来建模输出噪声的方差，其中N为一个批次中输入数据x的个数，θ为模型参数，y分别表示真实值和模型的预测值，x为输入的交通状态数据，建立损失函数： S4：将待预测交通时空数据输入到所述训练好的路网交通状态区间范围预测模型中得到预测的时间范围内的交通状态；所述S4包括： 应用Dropout从后验分布中进采样，估计输出的认知不确定性；总预测方差以及总预测区间由以下表达式得到： 其中，T为MC-Dropout的采样次数，代表第t次采样得到的预测值，uy和ly分别表示预测区间的上下界，zα2为标准正态分布中置信水平1-α％对应的临界值。

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北京航空航天大学，其通讯地址为：100000 北京市海淀区学院路37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。