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！

龙图腾网获悉苏州大学应用技术学院;苏州大学申请的专利基于置信图卷积网络的交通资源分配方法、系统及介质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：CN114781894B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202210479576.5，技术领域涉及：G06Q10/0631；该发明授权基于置信图卷积网络的交通资源分配方法、系统及介质是由任勇;杜冠廷;任艳;徐云龙;陈志峰;胥薇;杨艳红;朱斐设计研发完成，并于2022-05-05向国家知识产权局提交的专利申请。

本基于置信图卷积网络的交通资源分配方法、系统及介质在说明书摘要公布了：本发明公开了一种基于置信图卷积网络的交通资源分配方法、系统及介质，交通资源分配方法包括对当前实际交通网络和交通站点进行建模；通过图嵌入方法来对建模生成的交通网络图数据进行特征提取，从而确定特征提取向量；基于深度置信网络对特征提取向量进行处理，并将通过图卷积神经网络进行传播和更新，从而更新节点的特征表示并改变每个节点的标签类型，以生成目标拓扑结构，进而根据目标拓扑结构自动分配交通资源至相应的交通站点处，以实现一次交通资源的自动化分配。本发明可以及时响应交通站点的资源分配问题，从而实现更优地动态分配交通资源。

本发明授权基于置信图卷积网络的交通资源分配方法、系统及介质在权利要求书中公布了：1.一种基于置信图卷积神经网络的交通资源分配方法，其特征在于，所述交通资源分配方法用于对交通资源的自动化分配，所述交通资源分配方法包括： 对当前实际交通网络和交通站点进行建模，其过程包括将所述实际交通网络转换生成交通网络图数据的边集合，并将部分交通站点转换生成交通网络图数据的节点集合； 通过图嵌入方法来对建模生成的交通网络图数据进行特征提取，从而确定特征提取向量；所述特征提取的过程包括获取所述节点的原始特征表示，所述节点的原始特征是通过重复地进行从图数据中的任意一个节点出发并在节点之间等概率地转移，从而采集多组节点序列，并将所述原始特征表示输入Skipgram模型处理得到最终的特征提取向量；在反向传播时更新隐藏层的部分权重，且根据与所述权重相关的节点出现概率判断是否更新所述权重，节点出现概率越大，与之相关的权值被更新的概率也越大，并继续对部分节点进行采样，且控制所述节点被采样的概率，在部分采样中，节点出现的频率越高，将它做为起点进行采样的概率就越小； 基于深度置信网络对所述特征提取向量进行处理，并将通过图卷积神经网络进行传播和更新，从而更新所述节点的特征表示并改变每个节点的标签类型，以生成目标拓扑结构，进而根据所述目标拓扑结构自动分配交通资源至相应的交通站点处，以实现一次交通资源的自动化分配；所述节点的标签类型表示与该节点对应的交通站点的当前交通资源的紧张程度，当所述紧张程度越高时，分配给相应的交通站点的交通资源越多； 基于深度置信网络的处理过程包括基于RBM进行无监督预训练并通过CD-k方法进行权值初始化，从而计算所述深度置信网络中隐藏层置信神经元被开启的概率分布，进而基于所述概率分布更新权重；根据下式计算所述深度置信网络中隐藏层置信神经元被开启的概率分布： 式中，为概率分布，v0来自于交通网络图数据的节点集合，θ为学习率，Wj为待处理的向量矩阵，bj为偏置量； 基于图卷积神经网络进行传播和更新的过程包括通过池化传播对所述交通网络图数据的节点集合进行聚合； 在完成一次交通资源的自动化分配后更新当前实际交通网络的的资源分配情况，并基于更新后的实际交通网络数据再次进行交通资源的自动化分配。

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苏州大学应用技术学院;苏州大学，其通讯地址为：215325 江苏省苏州市昆山周庄大学路；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”。