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！

龙图腾网获悉福建师范大学申请的专利一种基于图同构时空网络的交通流预测方法、设备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：CN119169817B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202411281707.4，技术领域涉及：G06F30/27；该发明授权一种基于图同构时空网络的交通流预测方法、设备及介质是由林兵;张伟阳;黄吓珠;林子茗设计研发完成，并于2024-09-13向国家知识产权局提交的专利申请。

本一种基于图同构时空网络的交通流预测方法、设备及介质在说明书摘要公布了：本发明公开了一种基于图同构时空网络的交通流预测方法、设备及介质，包括：构建图同构时空网络模型，所述图同构时空网络模型包括空间依赖建模模块、时间依赖建模模块和时空特征融合模块；对所述图同构时空网络模型进行训练；将预处理后的历史交通流数据和道路网络数据输入到训练好的图同构时空网络模型中；通过所述空间依赖建模模块提取空间特征；通过所述时间依赖建模模块提取时间特征；通过所述时空特征融合模块将空间特征和时间特征进行融合；将融合后的空间特征和时间特征映射到预测结果，得到未来某一段时间内的交通流预测值。本发明可以提高交通流预测的准确性。

本发明授权一种基于图同构时空网络的交通流预测方法、设备及介质在权利要求书中公布了：1.一种基于图同构时空网络的交通流预测方法，其特征在于，包括如下步骤： 步骤1、构建图同构时空网络模型，所述图同构时空网络模型包括空间依赖建模模块、时间依赖建模模块和时空特征融合模块； 步骤2、对所述图同构时空网络模型进行训练； 步骤3、将预处理后的历史交通流数据和道路网络数据输入到训练好的图同构时空网络模型中； 步骤4、通过所述空间依赖建模模块提取空间特征；具体包括： 步骤41、预处理后的历史交通流数据是以时间序列数据表示，预处理后的道路网络数据是以邻接矩阵表示；将以时间序列数据表示的历史交通流数据和以邻接矩阵表示的道路网络数据输入到空间依赖建模模块中； 步骤42、所述空间依赖建模模块从历史交通流数据和道路网络数据中提取节点特征和拓扑结构图之间的关系，并捕捉出该节点特征和拓扑结构图之间的关系中的非线性空间依赖关系，得到空间特征作为空间依赖建模模块的输出； 步骤5、通过所述时间依赖建模模块提取时间特征；具体包括： 步骤51、所述时间依赖建模模块包括双分支时间卷积网络结构和门控机制，所述双分支时间卷积网络结构包括短期依赖分支结构和长期依赖分支结构，所述门控机制包括依次连接的拼接层、门控单元和融合层； 步骤52、将所述空间依赖建模模块的输出分别作为短期依赖分支结构和长期依赖分支结构的输入，其中： 所述短期依赖分支结构包括至少一个时间卷积层，所述时间卷积层采用第一卷积核和第一膨胀率进行因果卷积操作，用如下公式表示为： 其中，表示短期依赖分支结构的输出特征，表示第个元素，k1是第一卷积核的大小，表示第一卷积核的权重，表示第一膨胀率，表示在计算卷积操作时，需要回溯的时间步长，表示时间步，表示在时间轴上的某一时间点，表示空间特征中在时间步t时的特征； 所述长期依赖分支结构包括至少一个时间卷积层，所述时间卷积层采用第二卷积核和第二膨胀率进行因果卷积操作，用如下公式表示为： 其中，表示长期依赖分支结构的输出特征，表示第个元素，k2是第二卷积核的大小，表示第二卷积核的权重，表示第二膨胀率，表示在计算卷积操作时，需要回溯的时间步长，表示时间步，表示在时间轴上的某一时间点，表示空间特征中在时间步t时的特征； 步骤53、将短期依赖分支结构的输出特征和长期依赖分支结构的输出特征输入到门控机制中进行拼接、门控和融合计算，得到时间特征作为时间依赖建模模块的输出； 门控机制的计算过程用公式表示为： 其中，表示Sigmoid激活函数，和表示可学习的参数，表示特征拼接操作，表示门控权重，表示元素乘操作，表示和经过门控机制自适应生成的综合输出； 步骤6、通过所述时空特征融合模块将空间特征和时间特征进行融合； 步骤7、将融合后的空间特征和时间特征映射到预测结果，得到未来某一段时间内的交通流预测值。

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福建师范大学，其通讯地址为：350007 福建省福州市仓山区上三路8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”。