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！

龙图腾网获悉中铁第一勘察设计院集团有限公司申请的专利基于多知识图神经网络模型的地铁短时OD客流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：CN120386983B 。

龙图腾网通过国家知识产权局官网在2026-01-16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：202510512053.X，技术领域涉及：G06F18/10；该发明授权基于多知识图神经网络模型的地铁短时OD客流预测方法是由樊婧;邹国建;尚宸宇;李团社;胡必松;吴琼;刘兴华;宁骥龙;王镇波;王飞;贾佩佩;戴随喜设计研发完成，并于2025-04-23向国家知识产权局提交的专利申请。

本基于多知识图神经网络模型的地铁短时OD客流预测方法在说明书摘要公布了：本发明公开了一种基于多知识图神经网络模型的地铁短时OD客流预测方法。首先，基于地铁站点位置数据、AFC数据、POI数据、手机信令数据等多源数据，量化地铁网络结构，客流特征及地铁站周边用地、人口特征，并提取关键OD对，防止低值和随机数据对模型造成影响；其次，构建多个知识图捕捉节点之间的空间连接性、出行模式相似性、功能相似性；同时，构建空间特征建模模块，利用图神经网络捕捉节点之间潜在的空间关系；最后，构建时间特征建模模块，利用时间序列建模方法捕捉客流动态变化过程。该预测方法有效量化捕捉了地铁客流存在的复杂时空相关性，预测能力和模型的可解释性显著增强。

本发明授权基于多知识图神经网络模型的地铁短时OD客流预测方法在权利要求书中公布了：1.一种基于多知识图神经网络模型的地铁短时OD客流预测方法，其特征在于，所述方法包括： 收集地铁网络、地铁客流及客流影响因素相关的多源基础数据，并进行数据预处理，提取地铁客流关键OD对；其中，提取地铁客流关键OD对，具体包括：关键OD对提取需满足：任一OD对零值的占比低于预设阈值，并且OD对时间序列总和大于预设百分位数或OD对标准差大于预设百分位数； 构建多知识图神经网络模型，所述神经网络模型用于首先利用多知识图提取多种空间相关性特征，然后基于多知识图结果以及构建的OD对特征矩阵，利用空间特征建模模块提取空间特征，再将带有空间特征的时间序列输入至时间特征建模模块提取时间特征，最后通过全连接层获得未来时间的OD客流预测结果； 其中，利用多知识图提取多种空间相关性特征，具体包括： 所述多知识图包括： 空间连接性知识图：包括计算并构建关键OD对起点间的空间距离矩阵、关键OD对终点间的空间距离矩阵；站点i与站点j之间的空间距离采用Haversine公式计算；空间连接性相关性矩阵中每个元素为站点间空间距离的倒数； 进站量或出站量模式相似性知识图：包括计算并构建关键OD对起点进站量时间模式相似性矩阵、关键OD对终点进站量时间模式相似性矩阵、关键OD对起点出站量时间模式相似性矩阵、关键OD对终点出站量时间模式相似性矩阵；进站量或出站量时间模式相似性基于DTW函数进行计算并量化； OD量时间模式相似性知识图：包括计算并构建关键OD对之间的模式相关性矩阵，矩阵中每个元素是OD对之间OD客流量时间序列的皮尔逊相关系数； 功能相似性知识图：包括计算并构建关键OD对起点间功能相似性矩阵、关键OD对终点间功能相似性矩阵；站点i和j之间的功能相似性根据两个站点的POI量、工作人口以及居住人口组成的向量Pi和Pj的余弦相似度来计算； 利用空间特征建模模块提取空间特征，具体包括： 构建OD对特征矩阵X：车站间OD对特征矩阵X∈RN×P，N是OD对的数量，P是OD对时间序列的长度，i时刻的特征值为Xt∈RN×i，R表示实数集合，为矩阵或向量； 图卷积网络GCN处理：将知识图Gi以及OD对特征矩阵X输入到GCN中并得到对应的状态矩阵，多个知识图均经过GCN处理并得到多个状态矩阵； 拼接：将多个知识图的状态矩阵结果进行拼接得到Hconcat； 将带有空间特征的时间序列输入至时间特征建模模块提取时间特征，最后通过全连接层获得未来时间的OD客流预测结果，具体包括： 将多个知识图经GCN处理后的状态矩阵进行拼接后得到的Hconcat，输入至门控循环单元GRU中进行时序建模并输出高维的隐藏状态结果，再通过全连接层将隐藏状态映射为一个或者多个未来时间步的预测结果； 构建训练集和测试集，对所述多知识图神经网络模型进行训练和测试并评估，得到最终的多知识图神经网络模型。

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中铁第一勘察设计院集团有限公司，其通讯地址为：710043 陕西省西安市雁塔区西影路2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”。

以上内容由龙图腾AI智能生成。