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基于贝叶斯方法和图卷积的交通流预测方法及系统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：CN115660135B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202211072087.4，技术领域涉及：G06Q10/04；该发明授权基于贝叶斯方法和图卷积的交通流预测方法及系统是由王磊;穆晓雷;钱猛;刘志超;隆宇峰;李全乐;李达国;张一璇设计研发完成，并于2022-09-02向国家知识产权局提交的专利申请。

本基于贝叶斯方法和图卷积的交通流预测方法及系统在说明书摘要公布了：本发明提出一种基于贝叶斯方法和图卷积的交通流预测方法及系统，基于道路之间的空间关系构建交通网络，对构建的交通网络进行交通流量数据的采样并进行预处理，获取路口的交通流信息，构建道路交通流量矩阵的数据集；构建贝叶斯和图卷积模型，将所述的道路交通流量矩阵作为贝叶斯和图卷积模型的输入，提取交通流量数据的时间不确定特征和空间不确定关系特征；经变分推断，定义模型损失函数，根据损失函数利用反向传播算法不断优化模型参数；最后获取实时的交通流数据作为模型的输入，实现实时道路交通流的预测。本发明利用变分推断优化时间不确定性和空间不确定性的变分后验，对认知不确定性进行建模，降低误差，提高对交通流的预测精度。

本发明授权基于贝叶斯方法和图卷积的交通流预测方法及系统在权利要求书中公布了：1.一种基于贝叶斯方法和图卷积的交通流预测方法，其特征在于，包括： S1、基于道路之间的空间关系构建交通网络，其中道路交叉口或路段代表节点，节点之间的空间关系代表边； S2、对构建的交通网络进行交通流量数据的采样并进行预处理，获取路口的交通流信息，构建道路交通流量矩阵的数据集； S3、构建贝叶斯和图卷积模型，将所述的道路交通流量矩阵作为贝叶斯和图卷积模型的输入，提取交通流量数据的时间不确定特征和空间不确定关系特征； S4、经变分推断，定义模型损失函数，根据损失函数利用反向传播算法不断优化模型参数；最后获取实时的交通流数据作为模型的输入，实现实时道路交通流的预测; 步骤S3具体包括： S301、构建图卷积层，定义；表示输出；表示道路交通流量矩阵，作为输入信号；是邻接矩阵，表示具有自环的归一化邻接矩阵；表示模型参数矩阵；使用扩散图卷积对图信号的扩散过程进行建模，即 ； 其中表示转移矩阵的幂级数，k是图卷积的第k层，在无向图的情况下；在有向图的情况下，扩散过程有两个方向，前向和后向，其中前向转移矩阵和后向转移矩阵；表示A的转置矩阵；有了前向和后向转移矩阵，扩散图卷积模型为 ； S302、为了获取空间关系的不确定性，设时空交通数据表示为随机嵌入，其中N是空间交通检测节点的个数，D是空间交通检测节点的嵌入维度；R表示实数空间，表示实数域N*D的矩阵，潜在属性随机变量为，则不确定空间关系表示为，其中服从先验混合高斯分布；A即为邻接矩阵； 图卷积部分整体的运算公式为 ； S303、在时间卷积模块上的构建，给定一维序列输和滤波器，膨胀的因果卷积操作与在步骤的因果卷积运算表示为 ； 其中是控制跳跃距离的膨胀因子；s是滑动步长，表示对历史某一信息的定位； 门控TCN模块，给定输入，其中S表示3D张量的时间维度；形式为： ； 其中、、和是模型参数，是逐元素乘积，是输出的激活函数，是sigmoid函数；同时，为了获取时间部分的不确定性，在时间维度上采用贝叶斯卷积神经网络，；其中，表示模型参数矩阵，采用变分分布参数。

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：300000 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”。