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！

龙图腾网获悉淮阴工学院申请的专利一种基于GAT和改进PKO-ELM算法的交通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：CN119694119B 。

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：202411813974.1，技术领域涉及：G08G1/01；该发明授权一种基于GAT和改进PKO-ELM算法的交通流预测方法是由陈晓兵;孙苏;张洋;汪佳成;王佳佳设计研发完成，并于2024-12-11向国家知识产权局提交的专利申请。

本一种基于GAT和改进PKO-ELM算法的交通流预测方法在说明书摘要公布了：本发明公开了一种基于GAT和改进PKO‑ELM算法的交通流预测方法。首先，对实时采集和历史交通流数据集进行预处理；其次，将交通道路图建模为图结构，构建节点特征矩阵和邻接矩阵；再次，通过GAT对矩阵进行特征的更新和聚合，提取节点的空间特征；然后，构建PKO‑ELM模型，通过反向学习的策略初始化种群进行PKO算法改进，利用改进的PKO算法优化ELM参数，搜索模型参数的最优解；最后，利用训练优化后的PKO‑ELM模型对交通流数据进行预测，并通过交互式地图进行可视化展示。本发明基于深度学习的空间特征提取和参数优化后的进化算法，提供了一种更准确的交通流预测结果，从而缓解交通拥堵和改善交通管理。

本发明授权一种基于GAT和改进PKO-ELM算法的交通流预测方法在权利要求书中公布了：1.一种基于GAT和改进PKO-ELM算法的交通流预测方法，其特征在于，包括如下步骤： 步骤1：采集确定实时和历史交通流数据集，数据集包括路段的车流量F、平均速度V和密度D，以及计算拥堵指数C，并对数据进行预处理； 步骤2：将交通道路图构造为图结构，其中节点代表路段，边表示路段之间的连接关系，构建节点特征矩阵X和邻接矩阵A； 步骤3：将节点特征矩阵X和邻接矩阵A作为图注意力网络GAT的输入，进行特征的更新和聚合，通过注意力机制动态地给邻居节点分配不同的权重，从而提取节点的空间特征，最终得到更新后的节点特征矩阵H； 步骤4：获得的特征矩阵H作为输入，构建一个改进的花斑翠鸟优化算法PKO与极限学习机ELM相结合的模型，即PKO-ELM模型用于交通流预测，所述改进的花斑翠鸟优化算法PKO采用反向学习策略进行种群初始化； 步骤4.1：初始化PKO算法的基本参数，设置种群规模M、迭代次数B和问题的维度Dim； 步骤4.2：种群初始化，PKO通过搜索空间随机生成一个包含N个体的种群，每个个体X代表一组权重w和偏置b，用于生成初始种群的方程如下： wi＝UBw-LBw×rand+LBw bi＝UBb-LBb×rand+LBb 其中，i指的是第i个体，wi、bi表示第i个体的权重和偏置，rand是一个在[0,1]区间内均匀分布的随机数，UBw和LBw是权重w的上界和下届，UBb和LBb是偏置b的上界和下界； 步骤4.3：计算ELM隐藏层的输出，使用第i个体Xi的权重wi和偏置bi来配置ELM,通过激活函数计算隐藏层的输出矩阵O，计算公式如下： O＝σHwi+bi 其中，σ·是Sigmoid激活函数，H为经过GAT处理后的节点特征矩阵，wi、bi表示第i个体的权重和偏置； 步骤4.4：计算ELM输出层的权重矩阵Wo，根据Moore-Penrose广义逆矩阵的数学知识，求解广义矩阵Wo，计算公式如下： Wo＝OτO-1Oτt 其中，OΤO-1Oτ为矩阵O的Moore-Penrose广义逆矩阵，Oτ是矩阵O的转置，OτO-1是OτO的逆矩阵，t为样本标签； 步骤4.5：计算预测输出计算公式如下： 步骤4.6：计算适应度值，采用均方误差MSE作为目标函数，计算预测误差作为适应度值； 步骤4.7：对于种群中的个体Xi，计算其对应的反向解Xi'，计算公式如下： wi'＝UBw+LBw×rand-wi bi'＝UBb+LBb×rand-bi 其中，wi'、bi'表示第i个体的反向解的权重和偏置，rand是一个在[0,1]区间内均匀分布的随机数，UBw和LBw是权重w的上界和下届，UBb和LBb是偏置b的上界和下界； 步骤4.8：计算原始个体和其反向解的适应度值，重复步骤4.2-步骤4.6，更新保留适应度值较低的Q解，作为最终的初始种群； 步骤4.9：将初始种群Q的每个个体，执行PKO算法的三个阶段，包括探索阶段，开发阶段和局部逃逸阶段； 步骤4.10：探索阶段，用来模拟花斑翠鸟寻找潜在猎物的行为，通过改变当前解的位置来寻找最优解，当前位置的更新公式为： Xit+1＝Xit+α*T×Xjt-Xit,i,j＝1,2,...Nandj≠i α＝2*randn1,Dim-1 其中，Xit是当前个体迭代t时的位置，Xit+1是下一次迭代的位置，α是步长参数，计算方式为2×randn1,Dim-1,randn1,Dim表示从一个正态分布中抽取的随机数，T是一个动态确定的参数，其值根据当前使用的策略来确定，当前使用的策略为栖息策略或悬停策略： 栖息策略T参数计算公式如下： Crest_angles＝2*pi*rand 其中，Max_Iter是最大迭代次数，pi表示圆周率，恒定值BF设置为8； 悬停策略T参数的计算公式如下： 其中，PKO_Fitnessj和PKO_Fitnessi分别表示第i和第j只斑翠鸟的适应度值，恒定值BF设置为8； 步骤4.11：开发阶段，通过局部搜索进一步改进已找到的可行解，位置更新计算公式如下： Xit+1＝Xit+HA*U*α*b-Xbestt,i＝1,2,...N b＝Xit+U2*randn*Xbestt 其中，Xit是当前个体迭代t时的位置，Xit+1是下一次迭代的位置，α是步长参数，b表示适应度影响参数，Max_Iter是最大迭代次数，Best_Fitness表示所有迭代中得到的最佳适应度值，Xbestt表示当前迭代中所有个体的最佳位置； 步骤4.12：局部逃逸阶段，促进种群中信息的共享，避免过早收敛，位置更新公式如下： 其中，从种群中随机抽取2个个体，其位置用Xmt和Xnt表示，abs为绝对值函数，PE表示斑翠鸟的捕食效率，PEMAX表示迭代过程中感知误差的最大允许值，PEmax和PEmin表示为捕食效率的最大值与最小值，分别为0.5和0； 步骤4.13：进行迭代更新，重复步骤4.9更新每个个体的位置，重复步骤4.6计算适应度值，更新保留适应度值低的个体，直到迭代结束； 步骤4.14：完成迭代，选择具有最低的适应度值的个体作为最优的w和b； 步骤4.15：将最优的w和b配置到ELM模型中，进行交通流的预测； 步骤4.16：将预测结果经过可视化地图展示给用户。

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淮阴工学院，其通讯地址为：223005 江苏省淮安市经济技术开发区枚乘东路1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。