Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 积分商城 国际服务 IP管家助手 科技果 科技人才 商标交易 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 电子科技大学胡普庆获国家专利权

电子科技大学胡普庆获国家专利权

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!

龙图腾网获悉电子科技大学申请的专利一种基于深度学习的交通流量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:CN121281279B

龙图腾网通过国家知识产权局官网在2026-03-17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:202511852270.X,技术领域涉及:G08G1/01;该发明授权一种基于深度学习的交通流量预测方法是由胡普庆;杨鑫;周世杰;高崇浩;张恒瑜设计研发完成,并于2025-12-10向国家知识产权局提交的专利申请。

一种基于深度学习的交通流量预测方法在说明书摘要公布了:本发明提出一种基于深度学习的交通流量预测方法,智能交通系统与交通管理领域。所述方法包括:采集道路的交通流量数据,获取地区路网图数据;构建记忆张量增强的Transformer融合模型,记忆张量增强的Transformer融合模型包括数据嵌入层,特征提取层,跳跃连接层,输出层;将交通流量数据及地区路网图数据输入数据嵌入层进行预处理,得到预处理数据;将预处理数据输入特征提取层进行时空记忆三重注意力和多层感知机处理,得到多个时空记忆特征提取层输出;将每个时空记忆特征提取层输出输入跳跃连接层累加得到跳跃连接结果;将跳跃连接结果输入输出层进行两次卷积操作,得到交通流量预测结果。本发明能为决策提供更精确的流量预测依据,具备显著的工程应用前景。

本发明授权一种基于深度学习的交通流量预测方法在权利要求书中公布了:1.一种基于深度学习的交通流量预测方法,其特征在于,所述方法包括如下步骤: 步骤S1:通过交通传感器节点实时采集道路的交通流量数据,获取地区路网图数据; 步骤S2:构建记忆张量增强的Transformer融合模型,记忆张量增强的Transformer融 合模型包括数据嵌入层,特征提取层,跳跃连接层,输出层;特征提取层包括个时空记忆特 征提取层; 步骤S3:将交通流量数据及地区路网图数据输入数据嵌入层进行预处理,得到预处理数据; 步骤S4:将预处理数据输入特征提取层进行时空记忆三重注意力和多层感知机处理,得到多个时空记忆特征提取层输出; 步骤S5:将每个时空记忆特征提取层输出输入跳跃连接层累加得到跳跃连接结果; 步骤S6:将跳跃连接结果输入输出层进行两次卷积操作,在节点通道维度上映射为交通流量预测结果; 每个时空记忆特征提取层包括时间自注意力模块、第一残差连接及层归一化模块、空间自注意力模块、第二残差连接及层归一化模块、记忆自注意力模块、第三残差连接及层归一化模块、前馈神经网络模块、第四残差连接及层归一化模块;每个时空记忆特征提取层执行如下操作: 步骤S41:时间自注意力模块对预处理数据进行时间维度的自注意力处理,得到时间注意力分数;时间注意力分数与预处理数据经第一残差连接及层归一化处理,得到时间注意力输出; 步骤S42:空间自注意力模块对时间注意力输出学习不同节点间的交互关系,得到空间注意力分数;空间注意力分数与时间注意力输出经第二残差连接及层归一化处理,得到空间注意力输出; 步骤S43:记忆自注意力模块对空间注意力输出进行记忆增强的多头注意力计算处理,得到记忆注意力分数;记忆注意力分数与空间注意力输出经第三残差连接及层归一化处理,得到记忆注意力输出; 记忆自注意力模块引入全局记忆张量,将空间注意力输出经二维卷积映射生成记忆查询向量、记忆键向量和记忆值向量,表示如下: 其中,表示全局记忆张量,,表示节点数量,表示记忆张量维度; 表示线性映射函数;表示记忆查询向量;表示记忆键向量;表示记忆值向量; 表示记忆查询线性投影矩阵;表示记忆键线性投影矩阵;表示记忆值线性投影矩 阵;表示空间注意力输出; 记忆查询向量、记忆键向量和记忆值向量经多头注意力机制得到记忆注意力分数,表示如下: 其中,表示记忆注意力分数;表示第个记忆注意力头;表示记忆注意 力头数量;表示记忆输出投影矩阵;表示第个记忆注意力头的查询投影矩阵;表示第个记忆注意力头的键投影矩阵;表示第个记忆注意力头的值投影矩阵;表示记忆注意力头维度; 记忆注意力分数与空间注意力输出经第三残差连接及层归一化处理,得到记 忆注意力输出,表示如下: 其中,表示记忆注意力输出; 步骤S44:前馈神经网络模块对记忆注意力输出进行全连接变换与非线性激活处理,得到前馈网络输出特征;前馈网络输出特征与记忆注意力输出经第四残差连接及层归一化处理,得到时空记忆特征提取层输出。

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电子科技大学,其通讯地址为:611731 四川省成都市高新区(西区)西源大道2006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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。