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！

龙图腾网获悉济南大学申请的专利一种基于多源信息融合的景区客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：CN120822673B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202511333022.4，技术领域涉及：G06Q10/04；该发明授权一种基于多源信息融合的景区客流量预测方法是由韩延彬;张圆圆;李梁;侯清涛;何为凯;董子昊设计研发完成，并于2025-09-18向国家知识产权局提交的专利申请。

本一种基于多源信息融合的景区客流量预测方法在说明书摘要公布了：本发明提供了一种基于多源信息融合的景区客流量预测方法，属于深度学习领域。该方法首先采集包括天气、节假日及相邻景区客流量在内的多源异构数据，并对其进行预处理、特征提取与降维，以获得更加紧凑且有效的特征表示；随后引入特征级注意力机制与时间注意力机制，以突出关键特征及关键时间片的重要性；最后结合长短时记忆网络LSTM对时序特征进行建模，实现对景区客流量的动态、精准预测，从而为景区的游客管理与资源调度提供有力支撑。

本发明授权一种基于多源信息融合的景区客流量预测方法在权利要求书中公布了：1.一种基于多源信息融合的景区客流量预测方法，其特征在于，包括以下步骤： 步骤1、从景区管理系统、气象服务平台及日历系统中采集客流量、天气状况和节假日信息，构建多源异构数据集； 步骤2、对采集到的多源异构数据进行预处理与标准化操作，构建标准化数据集； 步骤3、利用自编码器对周边景区客流量信息进行特征提取与降维，去除冗余信息，获得更具表达力的低维特征表示； 步骤4、引入特征级注意力机制，动态评估并计算各类特征在预测任务中的重要性权重，构建加权融合的统一特征序列； 步骤4.1、将降雨量R＝[R1,R2,...,RT]T、温度W＝[W1,W2,...,WT]T、节假日信息H＝[H1,H2,...,HT]T和周边景区客流量特征Z＝[Z1,Z2,...,ZT]T通过线性变换投影至统一的潜在空间，便于进行后续加权融合操作，降雨量嵌入表达公式记为： fR＝tanhWR·R+bR； 其中，WR为权重矩阵，bR为偏置项，fR为降雨量的嵌入表示； 步骤4.2、引入可学习的注意力查询向量v，并通过点积运算计算注意力得分，降雨量特征得分计算公式记为： eR＝vT·fR； 其中，vT为注意力向量的转置，用来对输入特征打分，得分eR越大，说明该特征越重要，类似地可以计算温度特征得分eW、节假日特征得分eH、周边景区客流量特征得分eZ，为便于比较不同特征间的相对重要性，对上述得分进行Softmax归一化处理，得到最终降雨量的权重系数，记为： 该归一化过程确保各类特征权重之和为1，形成概率分布； 步骤4.3、根据注意力机制输出的权重系数，对原始四类特征进行加权求和，构建统一的融合特征序列，记为： F′＝αR·R+αW·W+αH·H+αZ·Z； 其中，αR、αW、αH和αZ分别表示降雨量、温度、节假日信息、周边景区客流量对应的注意力权重系数，融合后的F′不仅保留了各类特征的有效信息，还通过注意力机制突出对预测最有贡献的特征类别，增强了模型对环境变化，节假日冲击和区域联动的感知能力； 步骤5、将加权融合后的特征与研究景区的历史客流量信息拼接后输入长短期记忆网络，并引入时间注意力机制以突出关键时间点对预测结果的贡献； 步骤5.1、将加权融合特征序列F′＝{F′1,F′2,...,F′T}与研究景区历史客流量序列X＝{X1,X2,...,XT}进行拼接，构成新的输入序列X′＝[X,F′],送入长短期记忆网络，获得各个时间步的隐藏状态ht； 步骤5.2、为每个时间步ht计算其对最终预测目标的注意力得分et,通过可训练的注意力函数实现，公式记为： et＝vTtanhWht+b； 其中，W、v、b为可学习参数； 步骤5.3、将所有时间步的注意力得分通过Softmax函数归一化，获得注意力权重αt； 步骤5.4、根据注意力权重对各时间步的隐藏状态进行加权求和，得到聚合的上下文向量c，公式记为： 其中，ht表示第t个时间步的隐藏状态向量，αt为第t个时间步对应的注意力权重； 步骤6、连接全连接层输出最终客流预测结果。

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济南大学，其通讯地址为：250024 山东省济南市市中区南辛庄西路336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。