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！

龙图腾网获悉天津大学申请的专利一种基于自适应图融合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：CN116071923B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202310063056.0，技术领域涉及：G08G1/01；该发明授权一种基于自适应图融合卷积网络的交通流量预测方法是由徐岩;卢宇;张启源;苏倩;吉常涛设计研发完成，并于2023-01-16向国家知识产权局提交的专利申请。

本一种基于自适应图融合卷积网络的交通流量预测方法在说明书摘要公布了：本发明涉及一种基于自适应图融合卷积网络的交通流量预测方法，包括下列步骤：将所需要进行预测的路网构建为图模型，称其为路网图模型；将节点的历史流量输入到自适应图融合卷积模块处理，自适应图融合卷积模块用于根据所生成的路网图模型建立自适应静态邻接矩阵和自适应动态邻接矩阵，并由静态‑动态图融合层进行融合操作，提取对应的空间特征；利用所述残差增强门控循环单元对自适应图融合卷积模块提取到的路网空间特征进行组织；用节点嵌入的自注意力层处理隐状态向量序列；构建全连接层进行维度转换，将得到的隐状态序列输入全连接层,得到各路段上的预测结果。

本发明授权一种基于自适应图融合卷积网络的交通流量预测方法在权利要求书中公布了：1.一种基于自适应图融合卷积网络的交通流量预测方法，包括下列步骤：步骤一，将所需要进行预测的路网构建为图模型，称其为路网图模型,路网路段建模为图的节点,每个路段节点都设有路网传感器，路段之间的连接关系建模为图的边,将每条路段的流量描述为节点的属性特征；步骤二，将节点的历史流量输入到自适应图融合卷积模块处理，自适应图融合卷积模块用于根据所生成的路网图模型建立自适应静态邻接矩阵和自适应动态邻接矩阵，并由静态-动态图融合层进行融合操作，提取对应的空间特征，方法如下：1对于一个由N个节点的交通流量序列输入X＝X1,X2,…,XI∈RI×N，包含I个时间步，其中，第i时间步流量表示为Xi；2构建路网图模型的静态邻接矩阵，称其为自适应静态邻接矩阵，自适应图融合卷积层中的自适应静态邻接矩阵AS＝ReLUtanha1EET，其中E∈RN×D表示随机初始化的可学习节点嵌入，根据节点数量N和自定义维度D在网络中定义，ET为E的转置，a1为网络参数；3在自适应图融合卷积模块之后设计有残差增强门控循环单元，残差增强门控循环单元以自适应图融合卷积模块提取到的路网空间特征作为输入，以隐状态向量作为输出；4构建路网图模型的动态邻接矩阵，称其为自适应动态邻接矩阵，将第i时间步流量Xi结合残差增强门控循环单元第i-1时间步输出的隐状态向量生成自适应动态邻接矩阵AD，公式如下：AD＝ReLUtanha2DE·DET,a2为网络参数，⊙其中表示哈达玛积，[·,·]表示拼接操作，W∈R为可学习的权重参数，a3为网络参数；5通过静态-动态图融合层进行特征融合，将第i时间步流量Xi以及自适应静态邻接矩阵AS和自适应动态邻接矩阵AD输入到静态-动态图融合层进行特征提取，提取到第i个时间步的路网的空间特征Z，Z被表示为其中α和β是可学习的参数，Z表示静态-动态图融合层的输出，即自适应图融合卷积模块的输出；W1∈RD×F和b∈RD×F均为可学习参数，F为特征维度在网络中预先定义，W2为维度为F的可学习的权重；步骤三，利用所述残差增强门控循环单元对自适应图融合卷积模块提取到的路网空间特征进行组织，残差增强门控循环单元以自适应图融合卷积模块的输出作为输入，同时在每个残差增强门控循环单元的输入输出间建立起线性连接，最终生成的隐状态向量被合并在一起作为输出，并生成对应的路网的时空特征；步骤四，用节点嵌入的自注意力层处理步骤三得到的隐状态向量序列：将隐状态序列H和节点嵌入E连接作为输入在自注意力层进行自注意力运算生成注意力分数γ，将注意力分数γ与原隐状态序列点积得到新的隐状态序列H'；步骤五：构建全连接层进行维度转换，将步骤四得到的隐状态序列H'输入全连接层,得到各路段上的预测结果。

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天津大学，其通讯地址为：300072 天津市南开区卫津路92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”。