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！

龙图腾网获悉湖北武荆高速公路发展有限公司;长沙理工大学申请的专利基于时间注意力循环图卷积神经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：CN116434537B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202211713940.6，技术领域涉及：G08G1/01；该发明授权基于时间注意力循环图卷积神经网络的交通流量预测方法是由范文东;舒敏;宋云;姜聪;杨选正;罗雨;孙军;祝昕云设计研发完成，并于2022-12-29向国家知识产权局提交的专利申请。

本基于时间注意力循环图卷积神经网络的交通流量预测方法在说明书摘要公布了：本发明提供一种基于时间注意力循环图卷积神经网络的交通流量预测方法，涉及数据处理技术领域。该方法包括：获取待预测的交通流量数据。对待预测的交通流量数据进行预处理，并获取交通流量信号矩阵。对交通流量信号矩阵进行空间特征提取，获取待预测的交通流量数据的第一特征数据。对第一空间特征数据进行时间特征提取，获取待预测的交通流量数据的第二特征数据。对第二特征数据进行时间特征提取，获取待预测的交通流量数据的第三特征数据。以及，将待预测的交通流量数据的第三特征数据作为输入，获取交通流量预测模型的输出结果，根据交通流量预测模型的输出结果获取交通流量预测结果。该方法能够提高交通流量预测精度。

本发明授权基于时间注意力循环图卷积神经网络的交通流量预测方法在权利要求书中公布了：1.一种基于时间注意力循环图卷积神经网络的交通流量预测方法，其特征在于，包括： 获取待预测的交通流量数据； 对所述待预测的交通流量数据进行预处理，并获取交通流量信号矩阵X； 根据 GCNsApre,X＝sigmoidIN+ApreXWs☉IN+ApreXWs和对所述交通流量信号矩阵X进行空间特征提取，获取所述待预测的交通流量数据的第一特征数据具体为： 对节点嵌入矩阵初始化，获取初始化后的节点嵌入矩阵Eadj； 将初始化之后的所述节点嵌入矩阵Eadj与初始化之后的所述节点嵌入矩阵的转置矩阵相乘，获取第一方阵以及 根据对第一方阵进行处理，并获取所述交通网络邻接矩阵以及 根据所述交通网络邻接矩阵对所述交通流量信号矩阵进行空间特征提取，获取所述待预测的交通流量数据的第一特征数据；其中，为交通网络邻接矩阵，IN为N维对角矩阵，WE为可学习的权重矩阵，BE为可学习的偏重向量，Apre为基于地理距离的预定义邻接矩阵，且 交通节点i和j之间的距离；τ∈0,0.1，⊙为哈达玛积；GCN表示嵌入门控循环单元中的图卷积神经网络； 根据 和 Ht＝zt☉Ht-1+1-zt☉ht对所述待预测的交通流量数据的第一空间特征数据进行时间特征提取，获取所述待预测的交通流量数据的第二特征数据Ht；t为第一时刻，zt为待预测的交通流量数据的第一空间特征数据在第一时刻t的更新门，σ为sigmoid激活函数，||为矩阵拼接运算，rt为待预测的交通流量数据的第一空间特征数据在第一时刻t的重置门，ht为待预测的交通流量数据的第一空间特征数据在第一时刻t的隐藏状态，tanh为非线性激活函数； 根据H′t[i，：]＝Ht[i，：]+etp和在所述待预测的交通流量数据的第二特征数据Ht中添加时间位置嵌入； 根据 YTA＝ReluAttentionConvH′t,ConvH′t,LinearH′t+Ht对所述待预测的交通流量数据的第二特征数据Ht进行时间特征提取，获取所述待预测的交通流量数据的第三特征数据YTA；其中Attention为注意力矩阵系数，Conv和Linear卷积操作和线性变换；softmax和Relu均为非线性激活函数；以及 将所述待预测的交通流量数据的第三特征数据YTA作为输入，获取交通流量预测模型的输出结果，根据所述交通流量预测模型的输出结果获取交通流量预测结果，所述交通流量预测结果为未来Th个时间步的预测结果；Th是人为设定的预测时间步数量。

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湖北武荆高速公路发展有限公司;长沙理工大学，其通讯地址为：441000 湖北省襄阳市自贸区(襄阳片区)米芾路陆港保税物流中心综合楼三楼(9-12轴交D-F轴)；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”。