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)申请的专利一种基于空间异质性的细粒度城市交通流推断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：CN117496698B 。

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：202311378596.4，技术领域涉及：G08G1/01；该发明授权一种基于空间异质性的细粒度城市交通流推断方法是由禹文豪;贺正庭;张一帆设计研发完成，并于2023-10-24向国家知识产权局提交的专利申请。

本一种基于空间异质性的细粒度城市交通流推断方法在说明书摘要公布了：本发明提供了一种基于空间异质性的细粒度城市交通流推断方法，首先构建交通流量细粒度推断模型，推断出细粒度城市交通流，接着进行掩码，最后构建编码器‑双解码器模型，将粗粒度城市交通流等数据依次通过训练完成的交通流量细粒度推断模型和编码器‑双解码器模型，完成细粒度城市交通流推断以及细粒度困难区域的定位和补偿。本发明提供的一种基于空间异质性的细粒度城市交通流推断方法，充分考虑城市地理背景下的空间异质性，能够更有效地进行细粒度城市交通流量推断，引导模型在优化过程中更关注那些具有复杂流动模式的城市区域，进而更好地还原该类型区域的交通流量情况。

本发明授权一种基于空间异质性的细粒度城市交通流推断方法在权利要求书中公布了：1.一种基于空间异质性的细粒度城市交通流推断方法，其特征在于包括以下步骤： S1、构建交通流量细粒度推断模型，将粗粒度城市交通流数据与外部因素提取的特征集成构建的训练输入数据输入交通流量细粒度推断模型，推断出细粒度城市交通流；所述的交通流量细粒度推断模型由输入端至输出端依次包括第一卷积层、深度残差模块、上采样模块、第二卷积层和校正线性单元激活层；深度残差模块包括一组残差块模块、一个卷积层和一个批归一化层，其中残差块模块采用由两个卷积层、两个批归一化层和一个校正线性单元激活层组成的原始残差结构；上采样模块包括像素重组层； S2、生成误差映射并进行二值分类，自适应生成掩码，利用掩码对误差低于阈值的区域进行掩码，得到训练完成的交通流量细粒度推断模型；所述的掩码处理具体采用以下过程： ， ， 其中，MaskedFG表示掩码后的细粒度城市交通流，FG表示真实的细粒度城市交通流，Mask表示生成的掩码，表示哈达玛积，MaskedInput表示掩码后的训练输入数据，input表示训练输入数据，AvePool表示平均池化操作，S表示上采样因子； S3、构建编码器-双解码器模型，将训练输入数据依次通过训练完成的交通流量细粒度推断模型和编码器-双解码器模型，完成细粒度城市交通流推断以及细粒度困难区域的定位和补偿，所述的编码器-双解码器模型具体包括以下处理过程： S3.1、利用多层下采样过程提取城市交通流量数据的多尺度特征，多层下采样过程采用以下计算： ， ， 其中Extraction表示特征提取模块操作，MaxPool表示最大池化操作，I-FG表示交通流量细粒度断模型生成的细粒度城市交通流，F1表示底层尺度特征，Fi表示第i层尺度特征，n表示除底层以外的下采样层数，最后一层尺度特征即经过多层下采样的多尺度特征； S3.2、将多尺度特征流向双分支，包括一个注意力分支和一个残差特征分支，注意力分支和残差特征分支所输入的多尺度特征分别通过双线性插值过程上采样，然后分别依次与第n尺度特征至第1尺度特征相结合，得到注意力分支特征和残差特征； S3.3、注意力分支特征流向一个卷积层，由Sigmoid激活函数生成注意图； S3.4、将注意图与残差特征以哈达玛积形式结合计算残差误差。

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。