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！

龙图腾网获悉长沙理工大学申请的专利基于大模型和多源信息融合的时空感知地铁客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：CN121543042B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202610073342.9，技术领域涉及：G06F18/25；该发明授权基于大模型和多源信息融合的时空感知地铁客流预测方法是由张曌;张媛;李皓;贺科翔;王正武;王杰;高志波设计研发完成，并于2026-01-20向国家知识产权局提交的专利申请。

本基于大模型和多源信息融合的时空感知地铁客流预测方法在说明书摘要公布了：本发明涉及地铁客流预测技术领域，公开了一种基于大模型和多源信息融合的时空感知地铁客流预测方法，包括基于大型语言模型和模型上下文协议构建数据智能体，并利用数据智能体基于各地铁站点的周边兴趣点数据生成各地铁站点的文本描述及其对应的空间上下文嵌入向量；根据空间上下文嵌入向量构建增强图神经网络，并利用增强图神经网络基于历史客流数据和空间上下文嵌入向量进行时空联合预测，得到初步客流预测结果；构建提示词模板，利用预训练大型语言模型基于提示词模板进行领域知识校准，得到最终的客流预测结果。本发明通过对外部多源信息的深度融合，从而显著提升城市轨道交通客流预测任务性能、鲁棒性与可解释性。

本发明授权基于大模型和多源信息融合的时空感知地铁客流预测方法在权利要求书中公布了：1.一种基于大模型和多源信息融合的时空感知地铁客流预测方法，其特征在于，包括以下步骤： 基于大型语言模型和模型上下文协议构建数据智能体，并利用数据智能体基于各地铁站点的周边兴趣点数据生成各地铁站点的文本描述及其对应的空间上下文嵌入向量； 根据各地铁站点对应的空间上下文嵌入向量构建增强图神经网络，并利用增强图神经网络基于历史客流数据和空间上下文嵌入向量进行时空联合预测，得到初步客流预测结果； 构建融合文本描述、历史客流数据、天气数据以及初步客流预测结果的提示词模板，利用预训练大型语言模型基于提示词模板进行领域知识校准，得到最终的客流预测结果； 其中根据各地铁站点对应的空间上下文嵌入向量构建增强图神经网络包括： 利用空间上下文嵌入向量学习各地铁站点之间的语义空间相关性，并基于各地铁站点之间的语义空间相关性生成增强邻接矩阵，以构建增强图神经网络； 根据各地铁站点对应的空间上下文嵌入向量构建增强图神经网络进一步包括： 将空间上下文嵌入向量输入前馈神经网络进行降维处理； 将降维后的空间上下文嵌入向量通过图注意力层，计算任意两个站点间的关联强度分数，计算方式为： ； ； 其中，为站点i与其它站点的组合矩阵，为拼接操作，为重复操作，为站点i的空间上下文嵌入向量，为站点总数，为空间上下文嵌入向量，为站点i与其它站点的关联强度分数，为第二个前馈神经网络； 使用稀疏化激活函数对关联强度分数进行处理，得到稀疏化的注意力权重； 根据稀疏化的注意力权重生成增强邻接矩阵，生成方式为： ； 其中，为增强邻接矩阵，为第三个前馈神经网络，为稀疏化的激活函数，为关联强度分数矩阵； 利用增强图神经网络基于历史客流数据和空间上下文嵌入向量进行时空联合预测，得到初步客流预测结果，包括： 以利用空间上下文嵌入向量生成的增强邻接矩阵作为空间结构先验，将历史客流数据和空间上下文嵌入向量进行拼接作为节点输入特征，利用增强图神经网络进行时空联合预测，得到初步客流预测结果； 增强图神经网络采用图扩散卷积捕捉空间依赖性，具体为： ； 其中，为图扩散卷积操作的输出特征，为第s阶扩散的可学习权重矩阵，为度矩阵，为单位矩阵，为增强邻接矩阵，为图扩散卷积操作的输入特征，为图扩散过程的最大阶数，为以增强邻接矩阵A为基的图卷积运算符。

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长沙理工大学，其通讯地址为：410015 湖南省长沙市天心区赤岭路45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。