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！

龙图腾网获悉中国地质大学(武汉)申请的专利结合空间多尺度与时序多粒度结构的交通流量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：CN117173880B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202310920561.2，技术领域涉及：G08G1/01；该发明授权结合空间多尺度与时序多粒度结构的交通流量预测方法是由禹文豪;赵心如设计研发完成，并于2023-07-26向国家知识产权局提交的专利申请。

本结合空间多尺度与时序多粒度结构的交通流量预测方法在说明书摘要公布了：本发明提供了一种结合空间多尺度与时序多粒度结构的交通流量预测方法，属于时空数据挖掘领域。首先，对原始数据进行预处理，选取合适的时空聚合方法，得到多空间尺度数据以及多粒度时序数据；其次，将原始数据时序粒度下的多空间尺度数据输入多空间特征挖掘模块，学习并融合交通单元间的多尺度空间关联；然后，分别将多空间尺度下的多时序粒度数据输入多时间特征挖掘模块，学习并融合多粒度交通时态信息；最后，通过一个多时空特征融合模块，有效聚合多空间尺度、多时态的交通模式特征，输出最后的预测结果。通过在实施例中与传统方法比较，本发明在预测精度上有明显优势，而且能够有效提升交通流量预测效率，可以实现高效预测。

本发明授权结合空间多尺度与时序多粒度结构的交通流量预测方法在权利要求书中公布了：1.一种结合空间多尺度与时序多粒度结构的交通流量预测方法，其特征在于包括以下步骤： S1、设训练数据集的原始输入数据为细空间粒度交通数据，各传感器之间的拓普关系以图的形式存储表示为，对于细空间粒度交通数据，其任意节点所代表的第i个传感器，其在设定时间内采集到的交通数据为一个信号值序列，该信号值在总序列信息表述为，其中表示细时间粒度数据的总时间步长，任意第q个元素表示第q个时间步长内采集到的信号值总和，所有节点的序列信息构成细空间细时间粒度总序列信息，为细空间粒度节点数； 对细空间粒度交通数据进行数据预处理，得到城市区域尺度交通数据即粗空间粒度交通数据，同时得到细空间粒度交通数据到粗空间粒度交通数据的映射矩阵；粗空间粒度交通数据的节点数为M，粗空间粒度交通数据中，对于任意节点i所代表的传感器，其采集的交通数据经预处理后的总序列信息表述为，任意第q个元素表示预处理后第q个时间步长内信号值，所有节点的序列信息构成粗空间细时间粒度总序列信息；细空间粒度交通数据和粗空间粒度交通数据构成多空间尺度的交通数据； S2、多空间尺度的交通数据均为细时间粒度数据，对细空间粒度交通数据做聚合处理，得到细空间粗时间粒度交通数据，其中对于任意节点所代表的传感器，其交通数据经预聚合得到细空间粗时间粒度流量数据，表示粗时间粒度数据的总时间步长，任意第q个元素表示聚合后第q个时间步长内的信号值，所有节点的序列信息构成细空间粗时间粒度总序列信息； 对粗空间粒度交通数据做聚合处理，得到粗空间粗时间粒度交通数据，其中对于任意节点所代表的传感器，其交通数据经聚合后粗空间粗时间粒度流量数据，表示粗时间粒度数据的总时间步长，任意第q个元素表示聚合后第q个时间步长内的信号值，所有节点的序列信息构成细空间粗时间粒度总序列信息； S3、将细空间粒度交通数据和粗空间粒度交通数据经过多空间尺度神经网络模块处理并融合多空间尺度数据的时空特征，得到多空间粒度输出结果； S4、将细空间粒度交通数据和细空间粗时间粒度交通数据，以及粗空间粒度交通数据和粗空间粗时间粒度交通数据分别经过多时间尺度神经网络模块处理并融合多时间尺度数据的时空特征，分别得到对应空间尺度下的细时间粒度输出结果； S5、将多空间粒度输出结果和细时间粒度输出结果经过输出融合层，将相同空间尺度下的输出结果分别融合，交互多时空特征信息，输出交通流量预测值； S6、将交通流量预测值与训练数据集的实际流量值之间的平均绝对误差平均值作为损失函数，用Adam优化器进行训练，得到训练好的结合空间多尺度与时序多粒度结构的交通流量预测模型； S7、将实际交通数据输入训练好的结合空间多尺度与时序多粒度结构的交通流量预测模型中，完成交通流量预测。

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中国地质大学(武汉)，其通讯地址为：430070 湖北省武汉市洪山区鲁磨路388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。