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！

龙图腾网获悉无锡学院申请的专利一种基于对比学习和知识蒸馏的交通拥堵预测方法及装置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：CN121542933B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202610076327.X，技术领域涉及：G06F18/2431；该发明授权一种基于对比学习和知识蒸馏的交通拥堵预测方法及装置是由王泉;居小斐;吴豪;娄琼丹;阚希;朱灵龙;孔磊设计研发完成，并于2026-01-21向国家知识产权局提交的专利申请。

本一种基于对比学习和知识蒸馏的交通拥堵预测方法及装置在说明书摘要公布了：一种基于对比学习和知识蒸馏的交通拥堵预测方法及装置。属于交通拥堵预测技术领域。包括以下步骤：步骤S1、对原始交通数据集进行预处理得到交通特征时序数据；步骤S2：构建交通拥堵预测模型；步骤S3：构建多任务损失函数；步骤S4：使用交通特征时序数据训练交通拥堵预测模型，通过最小化多任务损失函数来优化模型参数；步骤S5：将待预测交通数据集输入至训练后的交通拥堵预测模型，输出各节点的预测拥堵等级。本发明采用对比学习模块最大化样本间的隐空间差异以增强特征的鲁棒性，缓解了传统变分自编码器生成模式单一的问题，提升了复杂场景下的预测精度。

本发明授权一种基于对比学习和知识蒸馏的交通拥堵预测方法及装置在权利要求书中公布了：1.一种基于对比学习和知识蒸馏的交通拥堵预测方法，其特征在于，包括以下步骤： S1：对原始交通数据集进行预处理，得到交通特征时序数据，其中，所述交通特征时序数据包含交通指标和基于交通密度划分的拥堵等级； S2：构建交通拥堵预测模型，依次包括： 时间特征生成器，用于对所述交通特征时序数据进行时间特征增强，其包括变分自编码器和对比学习模块，其中，所述对比学习模块被配置为通过时间序列扰动生成正样本，并利用不同节点或时间段的特征作为负样本，以最大化隐空间差异； 空间拓扑学习模块，用于对时间特征增强后的数据进行空间特征增强，得到时空特征增强后的数据； 主干时空图神经网络，用于基于时空特征增强后的数据输出拥堵等级预测值，其中，所述主干时空图神经网络采用自蒸馏机制，包括教师模型和学生模型，并利用指数移动平均更新所述教师模型的参数； S3：构建多任务损失函数； S4：使用所述交通特征时序数据训练所述交通拥堵预测模型，通过最小化所述多任务损失函数来优化模型参数； S5：将待预测交通数据集输入至训练后的交通拥堵预测模型，输出各节点在各采样时间点的预测拥堵等级。

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无锡学院，其通讯地址为：214105 江苏省无锡市锡山区锡山大道333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。