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！

龙图腾网获悉中国矿业大学申请的专利多视角融合的时空动态图卷积网络城市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：CN116935649B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202311004107.9，技术领域涉及：G08G1/01；该发明授权多视角融合的时空动态图卷积网络城市交通流量预测方法是由袁冠;赵文竹;张艳梅;周勇;牛强设计研发完成，并于2023-08-09向国家知识产权局提交的专利申请。

本多视角融合的时空动态图卷积网络城市交通流量预测方法在说明书摘要公布了：本发明公开了一种多视角融合的时空动态图卷积网络交通流量预测方法，该方法从空间关联性与时序相似性出发，全面地挖掘路网节点之间多元的空间关联，捕捉路网节点中局部空间结构和全局空间相关性之间的依赖关系，首先使用历史的交通流量数据作为输入，将空间嵌入矩阵和时间嵌入矩阵添加至交通流量序列之中。其次将处理后的历史交通流量序列输入包含时间局部卷积多头自注意力模块和空间多视角动态图卷积模块编码器，通过编码器提取时空特征。最后将包含空间嵌入矩阵和时间嵌入矩阵的历史交通流量序列和编码器的输出，输入解码器生成未来的交通流量数据，实现了在多种时间窗口下的准确流量预测，提高了城市交通流量预测的准确性。

本发明授权多视角融合的时空动态图卷积网络城市交通流量预测方法在权利要求书中公布了：1.一种多视角融合的时空动态图卷积网络城市交通流量预测方法，其特征在于，针对目标区域，执行以下步骤，获得以当前时刻为起点的预设未来时间段内目标区域的预测城市交通流量： 步骤1：针对目标区域，采集以当前时刻为终点的预设历史时间段内各采样时刻分别对应的历史交通流量数据； 步骤2：在步骤1采集到的历史交通流量数据中添加空间嵌入矩阵和时间嵌入矩阵，得到各个保留节点空间异质性与时间序列顺序特征的历史交通流量序列； 步骤3：构建编码器：编码器由L个完全相同的编码器层堆叠构成，每个编码器层均包含两个基本模块：在时间维度上建模交通数据时间依赖关系的时间局部卷积多头自注意力模块、在空间维度上捕获交通数据空间动态特性和时序相似交互特征的空间多视角动态图卷积模块；将步骤2得到的各个保留节点空间异质性与时间序列顺序特征的历史交通流量序列输入编码器中提取时空特征，输出各个历史交通流量时空特征序列； 步骤3具体包括：经过时空嵌入处理的历史交通流量序列，依次输入编码器层中的时间局部卷积多头自注意力模块和空间多视角动态图卷积模块，提取交通数据的时空特征与动态特性： 步骤3.1：构建时间局部卷积多头自注意力模块，利用卷积操作的局部感知特性，使用1D时序卷积计算替换查询和键上的线性投影，卷积核在卷积操作时仅关注输入中的局部区域，使得模型能够捕捉交通数据中的局部趋势特征以及序列数据中的短期相关性，为了避免在学习过程中，将未来时序信息暴露给模型，影响预测结果，使用因果卷积操作掩盖当前位置之后的信息，更好的捕捉因果关系而不受到未来信息的干扰，局部卷积多头自注意力机制的形式化定义如下： ； ； 其中，为1D卷积核参数，为因果卷积核参数，表示卷积运算，第层编码器输入为，所有节点上进行时间局部卷积多头自注意力操作之后，得到序列的中间表示； 步骤3.2：构建空间多视角动态图卷积模块，首先建模空间结构图和动态关联图，然后进行空间双视角下的空间结构图卷积和动态关联图卷积运算，计算路网的全局表示学习，最后将学习得到的路网全局表示与空间动态图卷积模块和时序动态图卷积模块的输出进行加权融合； 步骤3.2中，所述计算路网的全局表示学习，最后将学习得到的路网全局表示与空间动态图卷积模块和时序动态图卷积模块的输出进行加权融合，具体为：从节点的全局视角出发，计算路网的全局表示学习用于捕获路网中不同节点之间的全局空间相关性，使用皮尔逊相关系数来分析交通网络中节点之间的全局空间相关性，对于路网中任意节点和，构建二者之间的全局相关性矩阵，表示如下: ； 其中为节点在时间段内的交通流量特征，为的平均值，通过设置相关性阈值选择高相关性的节点对；若节点之间的相关性度量大于，则保持其相关性度量值，反之表示为0； 路网的全局表示学习使用图卷积对高相关度的节点特征进行聚合，建模路网全局范围内的节点空间相关性，路网的全局表示学习计算如下： ； 将学习得到的路网全局表示与空间动态图卷积模块和时序动态图卷积模块的输出进行加权融合，实现多元空间特征与全局特征的节点表示，融合操作的定义如下： ； 其中，为全局表示的融合比例，为两种图表示的融合比例，经过融合操作得到空间多视角动态图卷积模块的输出； 步骤4：构建解码器：编码器由L个完全相同的解码器层堆叠构成，每个解码器层由两个时间局部卷积多头自注意力模块和一个空间多视角动态图卷积模块组成，第一个时间局部卷积多头自注意力模块用来捕获解码器序列中的时序相关性，第二个时间局部卷积多头自注意力模块用来捕获编码器输出历史交通流量时空特征序列和解码器序列之间的相关性； 将步骤2的各个保留节点空间异质性与时间序列顺序特征的历史交通流量序列和步骤3的各个历史交通流量时空特征序列输入解码器，输出以当前时刻为起点的预设未来时间段内目标区域的预测城市交通流量。

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矿业大学，其通讯地址为：221116 江苏省徐州市铜山区大学路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。