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！

龙图腾网获悉北京交通大学申请的专利在稀疏数据条件下的高速公路行程时间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：CN118644978B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202410753835.8，技术领域涉及：G06Q10/04；该发明授权在稀疏数据条件下的高速公路行程时间预测方法及系统是由赵婷婷;王亚倩;贾斌;高自友设计研发完成，并于2024-06-12向国家知识产权局提交的专利申请。

本在稀疏数据条件下的高速公路行程时间预测方法及系统在说明书摘要公布了：本发明提供一种在稀疏数据条件下的高速公路行程时间预测方法及系统，属于高速公路管理运营技术领域，获取高速公路车辆轨迹数据，计算得到真实交通状况下的时空速度场；构建物理信息深度学习模型估计时空速度场；构建STA_LSTM模型预测高速公路行程时间。本发明构建基于物理信息的深度学习模型，用于时空速度场的估计重建，该模型为深度学习神经网络配备了交通流理论的先验知识，利用稀疏数据进行更准确更具泛化能力的时空速度场估计。考虑交通数据中的时空信息的重要性，结合空间和时间注意力机制，构建时空注意力长短期记忆网络模型来预测行程时间，动态分配空间权重和时间权重给输入要素，更好地捕捉时空信息，提高了行程时间预测的准确性和鲁棒性。

本发明授权在稀疏数据条件下的高速公路行程时间预测方法及系统在权利要求书中公布了：1.一种在稀疏数据条件下的高速公路行程时间预测方法，其特征在于，包括： 步骤A：获取高速公路车辆轨迹数据，计算得到真实交通状况下的时空速度场； 步骤B：构建物理信息深度学习模型估计时空速度场；包括：结合物理模型与深度学习模型，将物理定律编码为先验知识，嵌入到神经网络的损失函数中参与训练，利用观测值与无物理信息深度学习模型的估计值之间的差异作为数据损失，同时考虑物理信息深度学习模型与无物理信息深度学习模型的估计值之间的差异作为物理损失，通过加权得到模型训练的损失函数；将物理定律编码为先验知识，嵌入到神经网络的损失函数中参与训练，使用L-BFGS-B优化算法来执行物理信息深度学习模型的参数优化，确保损失函数的最小化； 步骤C：根据估计的时空速度场，构建STA_LSTM模型预测高速公路行程时间；包括：引入时空注意力机制，通过动态分配空间权重和时间权重，增强了LSTM模型对时空数据复杂关系的捕捉能力；在预测行程时间时，考虑时间和空间特征的动态变化，提高预测的准确性和可靠性；采用余弦退火动态调整学习率策略，提高模型的训练效果和泛化能力。

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交通大学，其通讯地址为：100044 北京市海淀区西直门外上园村3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。