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！

龙图腾网获悉电子科技大学中山学院申请的专利停车场有效泊位数量预测方法、装置、设备和存储介质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：CN119623727B 。

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：202411693531.3，技术领域涉及：G06Q10/04；该发明授权停车场有效泊位数量预测方法、装置、设备和存储介质是由戚远航;罗育辉;叶立威;姚淮锐设计研发完成，并于2024-11-25向国家知识产权局提交的专利申请。

本停车场有效泊位数量预测方法、装置、设备和存储介质在说明书摘要公布了：本发明公开了一种停车场有效泊位数量预测方法、装置、设备和存储介质，方法包括如下步骤：获取固定区域内的所有停车场的历史时段内的有效泊位数据；第一停车场和第二停车场的分类后的有效泊位数据进行拼接，得到数据集；利用QRPSO算法构建LSTM神经网络，获取绝对误差序列；将绝对误差序列作为GRU残差预测神经网络的训练数据，构建GRU残差预测神经网络；判断预测日，获取与其对应的训练后的LSTM神经网络、GRU残差预测神经网络，使用训练后的LSTM神经网络对预测日有效泊位数量进行预测，使用GRU残差预测神经网络对预测日有效泊位数量的残差进行预测，得到预测日的各时段的有效泊位数据。本发明的方法能够得到精确的预测日有效泊位数量预测值。

本发明授权停车场有效泊位数量预测方法、装置、设备和存储介质在权利要求书中公布了：1.一种停车场有效泊位数量预测方法，其特征在于，包括如下步骤： 获取固定区域内的所有停车场的历史时段内的有效泊位数据，对所述有效泊位数据按照工作日、非工作日且非法定节假日、法定节假日进行分类； 所述固定区域内的第一停车场和第二停车场距离最近，将所述第一停车场和所述第二停车场的分类后的所述有效泊位数据进行拼接，得到数据集； 利用QRPSO算法构建LSTM神经网络，将所述数据集作为LSTM神经网络的输入训练数据得到训练后的LSTM神经网络，获取训练过程中最后一次迭代的每一个数据点的输出值与真实值的绝对误差序列；所述利用QRPSO算法构建LSTM神经网络的步骤包括： 使用QRPSO算法对LSTM神经网络的隐含层数目、初始学习率、最大迭代次数进行优化，获得最优参数组合； 在所述最优参数组合的基础上，执行QRPSO算法优化LSTM神经网络的每层神经元数目；执行QRPSO算法优化LSTM神经网络的每层神经元数目时，QRPSO算法的每一个粒子的编码如下： ； 其中，numi为第i层隐含层的神经元数目，k为使用QRPSO算法获得的最优粒子的隐含层数量；采用如下公示对粒子进行更新： ； 其中，为QRPSO算法第i个粒子在t+1次迭代时的位置；为第i个粒子的历史最优位置；为全局最优的粒子位置；g是0到1之间的随机数；c为常量，取值为5；r为-1到1之间的随机数；t为当前迭代次数；T为QRPSO算法执行的最大迭代次数；使用QRPSO算法时，还包括如下步骤： 执行粒子局部搜索操作，随机抽取QRPSO的两个不同的粒子，随机选取粒子的某一维度的数值进行交换，如果交换过后粒子的适应度值大于交换之前的适应度值，则保留此次交换过后的粒子； 执行粒子均值平滑局部搜索操作，计算QRPSO算法中所有粒子的均值粒子； 使用所述最优参数组合以及优化后的每层神经元数目，构建LSTM神经网络； 将所述绝对误差序列作为GRU残差预测神经网络的训练数据，构建GRU残差预测神经网络； 判断预测日属于工作日、非工作日且非法定节假日或者法定节假日，获取与其对应的训练后的LSTM神经网络、GRU残差预测神经网络，使用训练后的LSTM神经网络对预测日有效泊位数量进行预测，获得第一输出值，使用GRU残差预测神经网络对预测日有效泊位数量的残差进行预测，获得第二输出值，根据所述第一输出值和所述第二输出值得到预测日的各时段的有效泊位数据。

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电子科技大学中山学院，其通讯地址为：528402 广东省中山市石岐区学院路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。