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！

龙图腾网获悉华东交通大学申请的专利一种基于路网多重时空特性的城市交通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：CN120913415B 。

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：202511443686.6，技术领域涉及：G08G1/01；该发明授权一种基于路网多重时空特性的城市交通流预测方法是由李轩;史晓龙;周天清设计研发完成，并于2025-10-10向国家知识产权局提交的专利申请。

本一种基于路网多重时空特性的城市交通流预测方法在说明书摘要公布了：本发明公开了一种基于路网多重时空特性的城市交通流预测方法，包括如下步骤：获取相关区域的历史交通流量信息和道路拓扑连接结构信息，根据预测需求，构建相对应的数据集；对历史交通流量信息预处理，构建时空特征张量和构造道路邻接矩阵；将时空特征张量输入可训练提升的小波分解单元进行层级分解，得到低频分量和高频分量；本发明通过小波分解单元对原始交通流时序数据进行层级分解，将不同频率成分的特征分别提取与建模，使低频分量充分学习交通流的全局趋势与周期性变化，高频分量则重点刻画交通网络中突发性、局部性的动态变化。

本发明授权一种基于路网多重时空特性的城市交通流预测方法在权利要求书中公布了：1.一种基于路网多重时空特性的城市交通流预测方法，其特征在于：包括如下步骤： 获取相关区域的历史交通流量信息和道路拓扑连接结构信息，根据预测需求，构建相对应的数据集； 对历史交通流量信息预处理，根据预处理后的历史交通流量信息构建时空特征张量，提取观测道路的道路拓扑连接结构信息构造道路邻接矩阵； 将时空特征张量输入可训练提升的小波分解单元进行层级分解，得到低频分量和高频分量； 将小波分解单元获得的低频分量和高频分量分别输入两条并行处理路径，对于低频分量，利用动态图卷积网络结合道路邻接矩阵建模动态空间特征向量，将动态空间特征向量输入Mamba时序建模模块捕获长程依赖关系，得到蕴含时空特性的低频特征；通过多分支卷积特征提取模块对高频分量提取，得到高频动态权重特征； 通过逆小波变换模块对蕴含时空特性的低频特征和高频动态权重特征进行联合重构，得到多尺度融合特征； 将重构后的多尺度融合特征输入全连接层进行预测，得到交通流预测结果； 所述小波分解单元进行层级分解的具体过程如下： 输入的时空特征张量X在时间维度上利用可学习的一维卷积核进行下采样，并分割为原来长度的一半，得到初步的低频分量和高频分量； 利用正交矩阵和对初步的低频分量和高频分量进行投影变换，并通过反向传播优化和，使分解核动态适应信号特征； 设置通道注意力，将经过投影变换后的低频分量和高频分量沿特征通道进行拼接，拼接后的特征再分别进行平均池化与最大池化，然后动态加权融合平均池化与最大池化的结果，加权融合后的特征通过卷积路径生成通道注意力掩码，然后通过分割操作得到最终的低频分量和高频分量； 在低频分量s的处理路径中，动态图卷积网络针对每个节点，通过引入可学习的节点嵌入向量，挖掘节点自身潜在空间下的特征表达能力，拼接节点对的特征，i和j为不同的节点，通过多层感知机进一步生成空间关系动态权重： ； 为多层感知机；根据概率归一化函数生成空间关系动态权重； 对局部特征和全局连接关系的道路邻接矩阵进行动态加权得到动态邻接矩阵Adyn： ； 其中，是第k个道路邻接矩阵，k=0,1,2，代表固定的空间预设关系； 然后再捕捉动态邻接矩阵的空间关联性： SH； 其中,SH是将动态邻接矩阵与低频分量s相乘后得到的动态空间特征向量； 将动态空间特征向量SH输入到Mamba时序建模模块，通过状态空间方程建模长时序依赖；同时使用残差连接将Mamba时序建模模块的输出与低频分量s相加得到低频特征sout； 高频分量的处理路径中，设置多分支卷积特征提取模块，多分支卷积特征提取模块包括至少两种不同尺寸的卷积核，分别对高频分量进行多尺度的时序特征提取；各卷积分支对输入的高频分量数据进行并行卷积操作，以获取不同时间尺度下的局部特征信息，并通过特征融合层对多卷积分支输出结果进行融合，得到融合后的高频特征；结合通道注意力，对融合后的高频特征进行动态加权，得到高频动态权重特征。

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华东交通大学，其通讯地址为：330013 江西省南昌市经济技术开发区双港东大街808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。