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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于时空图卷积网络的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：CN115293399B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202210684371.0，技术领域涉及：G08G1/01；该发明授权一种基于时空图卷积网络的交通流量预测方法是由蒋云良;夏壬焕;张雄涛;孙丹枫;刘勇设计研发完成，并于2022-06-16向国家知识产权局提交的专利申请。

本一种基于时空图卷积网络的交通流量预测方法在说明书摘要公布了：本发明公开了一种基于时空图卷积网络的交通流量预测方法，包括S1：利用道路传感器收集目标区域的交通流量数据并进行预处理；S2：收集额外信息并进行编码，所述额外信息包括气候数据、当天是否为工作日以及节点周围的公共场所的种类和数量；S3：根据步骤S1得到的预处理后的交通流量数据生成时间序列数据；S4：构建两个自适应向量ESS,ETT作为节点的空间嵌入表示，生成空间相关性矩阵；S5：构建基于DSGRU单元的DSRNN网络模型，将步骤S3得到的时间序列数据作为输入和标签，再将步骤S2得到的额外信息向量输入到模型中，辅助模型对目标区域的交通流量进行预测，可更好捕捉交通流量数据的动态空间依赖，并达到更好的预测效果。

本发明授权一种基于时空图卷积网络的交通流量预测方法在权利要求书中公布了：1.一种基于时空图卷积网络的交通流量预测方法，其特征在于，包括如下步骤： S1：利用道路传感器收集目标区域的交通流量数据并进行预处理； S2：收集额外信息并进行编码，所述额外信息包括气候数据、当天是否为工作日以及节点周围的公共场所的种类和数量，所述气候数据先进行预处理再进行编码； S3：根据步骤S1得到的预处理后的交通流量数据生成时间序列数据； S4：构建两个自适应向量ES,ET作为节点的空间嵌入表示，生成空间相关性矩阵； 其中，ES,ET为可训练参数，由高斯分布随机初始化，随着模型进行学习训练； S5：根据步骤S4得到的空间相关性矩阵构建基于DSGRU单元的DSRNN网络模型，所述DSRNN网络模型包括DSGRU单元和Fusion模块，将步骤S3得到的时间序列数据作为输入和标签，再将步骤S2得到的额外信息向量输入到模型中，辅助模型对目标区域的交通流量进行预测； 所述步骤S5包括如下步骤： S51：将步骤S3生成的时间序列数据进行划分，对于每条数据把前L个数据作为输入，后24-L个数据作为标签，把输入数据记为{X1,X2,X3,…XL}，标签数据记为{XL+1,XL+2,XL+3,…X23}； S52：搭建以DSGRU为循环单元的DSRNN网络模型，将输入数据{X1,X2,X3,…XL}按时间先后输入DSGRU单元，建模时间与空间依赖关系，再将最后的输出结果与步骤S2得到的额外信息编码送入Fusion混合模块，输出得到预测结果Y，将流量预测值与真实流量值比较，以平均绝对误差MAE作为损失函数训练调整DSRNN网络模型的参数，以达到预期的精度要求，平均绝对误差计算公式为： 其中，y为流量预测值，为真实流量值； 所述DSGRU单元由动态空间图卷积单元DSGC和门控循环单元GRU组成； 对于t时刻的交通流数据X，由动态空间图卷积单元DSGC捕捉其动态空间依赖关系，利用步骤S4中构建的自适应空间嵌入表示E,E，在空间域上定义动态空间图卷积运算如下： 其中，为耦合映射函数用以构建不同时刻的空间嵌入表示，和b为动态空间图卷积的可训练参数。

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杭州电子科技大学，其通讯地址为：310000 浙江省杭州市下沙高教园区；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。