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！

龙图腾网获悉东莞理工学院申请的专利基于自适应动态多尺度时空超图卷积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：CN120340245B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202510340197.1，技术领域涉及：G08G1/01；该发明授权基于自适应动态多尺度时空超图卷积的交通流预测方法是由任斌;张浩;何春红设计研发完成，并于2025-03-20向国家知识产权局提交的专利申请。

本基于自适应动态多尺度时空超图卷积的交通流预测方法在说明书摘要公布了：本发明的一种基于自适应动态多尺度时空超图卷积的交通流预测方法，包括：S1:采交通数据；S2:交通数据形成时空增强数据；S3:多尺度自适应因果卷积模块提取多尺度交通流变化特征；S4:构建动态超图结构，定义超图关联矩阵，并采用注意力增强矩阵分解方法生成自适应超图；S5:融合S3的时间特征与S4的超图结构，设计多尺度融合同质卷积模块，实现多个不同的尺度时空特征融合；S6:利用多尺度时空特征，分别通过图卷积网络与超图卷积网络提取拓扑节点特征，并通过门控特征融合单元进行自适应加权融合；S7:残差特征聚合模块进行多尺度特征整合；S8：生成未来多个时间步的交通流预测结果；优点：提取交通时空依赖关系，提高预测精度和泛化能力，更适应动态交通。

本发明授权基于自适应动态多尺度时空超图卷积的交通流预测方法在权利要求书中公布了：1.一种基于自适应动态多尺度时空超图卷积的交通流预测方法，其特征在于，其包括如下步骤： S1:采集原始交通数据，并对其进行预处理； S2:对预处理后的原始交通数据进行增强，并结合空间位置嵌入矩阵和时间周期嵌入矩阵形成时空增强数据； S3:将步骤S2的时空增强数据输入多尺度自适应因果卷积模块，自适应调整卷积核步幅和扩张因子，在时间维度上扩展感受野，提取多尺度交通流变化特征； S4:基于步骤S3时空增强数据，构建动态超图结构，定义超图关联矩阵，并采用注意力增强矩阵分解方法生成自适应超图，以刻画交通网络高阶空间关系； S5:融合步骤S3提取的时间特征与步骤S4得到的超图结构信息，设计多尺度融合同质卷积模块，结合二维卷积与注意力增强转置卷积，实现多个不同的尺度时空特征融合； S6:利用步骤S5提取的多尺度时空特征，分别通过图卷积网络与超图卷积网络提取拓扑节点特征，并通过门控特征融合单元进行自适应加权融合，以优化时空特征表达； S7:通过残差特征聚合模块将对步骤S6融合的特征进行多尺度特征整合； S8：基于步骤S7融合后的特征，生成未来多个时间步的交通流预测结果； 在步骤S5中，设计的多尺度融合同质卷积模块包含自适应局部信息提取与全局信息增强两部分，该多尺度融合同质卷积模块的处理过程如下： 采用多尺度自适应二维卷积，实现自适应下采样与特征优化，从而去除冗余信息，突出关键局部模式，为后续的全局信息提取优化输入特征，计算公式如下： ， 其中，进行结构化正则化，防止过拟合，通过非线性激活增强特征表达能力，并提高梯度流动性，通过标准化每一层的输入分布，稳定训练过程，提高模型训练的稳定性，负责提取局部空间特征，捕捉短时交通变化模式，为自适应卷积权重，可根据交通模式的变化动态调整， 为进一步建模全局交通流模式，将同质卷积与注意力增强转置卷积结合进行全局信息增强，并引入注意力增强转置卷积，通过自适应上采样逐步恢复数据的空间拓扑信息，以增强模型的全局特征捕捉能力，最终，输出的交通流特征表示能够有效整合局部信息与全局信息，从而提升模型的时空预测能力，其计算公式如下所示： ， 其中为局部时空特征，它包含特定时间窗口内的交通流信息，用于捕捉短时间范围内的动态变化及空间分布特征；表示同质卷积操作，用于建模全局空间依赖关系，为超图关联矩阵，用于捕捉不同节点间的高阶动态关系，为转置卷积操作，通过逐步上采样恢复空间细节信息，为全局特征提取权重，可学习并在训练过程中动态调整，以优化局部与全局信息的融合；作为自适应注意力机制，可自动识别并强化关键全局特征，提高模型的预测精度。

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东莞理工学院，其通讯地址为：523808 广东省东莞市松山湖科技产业园区大学路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。