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！

龙图腾网获悉中国科学技术大学申请的专利基于经验模态分解和注意力机制的共享单车起点-终点数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：CN117152952B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202311098558.3，技术领域涉及：G08G1/01；该发明授权基于经验模态分解和注意力机制的共享单车起点-终点数量预测方法是由冯家辉;刘和福;李文龙;应文池设计研发完成，并于2023-08-29向国家知识产权局提交的专利申请。

本基于经验模态分解和注意力机制的共享单车起点-终点数量预测方法在说明书摘要公布了：本发明公开了一种基于经验模态分解和注意力机制的共享单车起点‑终点数量预测方法，包括：1获取共享单车的用户骑行记录信息，包括：起始站点、终止站点、骑行开始时间、骑行结束时间；2建立经验模态分解和注意力机制模型；3构建样本数据，首先对所有的样本数据通过经验模态分解函数扩展时间序列维度，将分解后的数据输入到深度学习模型中进行训练；4利用训练好的模型实现预测，以达到预测所有共享单车站点连接边的骑行数量的目的。本发明使用经验模态分解函数分解时间序列，扩展了时间序列的特征，并采用一阶差分方法识别z个主要连接边，使用简单模型大幅降低模型的时间和空间复杂度，并提升共享单车系统站点边数量的预测精度。

本发明授权基于经验模态分解和注意力机制的共享单车起点-终点数量预测方法在权利要求书中公布了：1.一种基于经验模态分解和注意力机制的共享单车起点-终点数量预测方法，其特征在于，包括以下步骤： 步骤1，获取共享单车在一段时间的用户骑行记录并进行预处理： 步骤1.1，获取共享单车的用户骑行记录，且每条用户骑行记录包含：初始站点、终止站点、开始时间、终止时间； 定义由站点a到站点b构成的边为站点边，若有个站点，则有个站点边； 步骤1.2，根据用户骑行记录，构建在一段时间内的各个时间间隔下所有站点之间的站点边的骑行数量序列，其中，表示在一段时间内的各个时间间隔下第i条站点边的骑行数量序列，且，表示第i条站点边在第t个时间间隔下的骑行数量；P表示一段时间内的时间间隔的总数；N表示站点数量，表示站点边的数量，；R表示实数集； 步骤1.3，使用经验模态分解函数对进行序列分解，得到第i个站点边时间序列分解后的特征； 步骤1.4按照步骤1.3的过程对所有站点边进行序列分解，从而得到所有站点边的时间序列，其中，表示第i个站点边时间序列分解后的特征，且，表示L个基本模态函数，一个残差项和一个原始时间序列； 步骤1.5，设置滑动窗口的宽度为T，且，表示输入训练序列的长度，表示预测的时间序列长度； 根据滑动窗口对进行样本划分，得到样本集，其中，表示滑动窗口内构建的第e个样本数据，且，其中，表示第e个训练样本数据，且，=，其中，表示第e个训练样本中第i个站点边分解后的时间序列数据，且，表示第e个训练样本中第i个站点边分解后的时间特征矩阵中第c列向量，表示第e个预测样本的真实结果，且； 步骤2，构建分流神经网络； 步骤2.1，所述构建分流神经网络，包括：边选择层、密集时序信息提取层、稀疏时序信息提取层、输出层； 步骤2.2，所述边选择层对进行处理，得到第e个训练样本数据中前个密集站点边的时序特征矩阵以及第e个训练样本数据中剩余个稀疏站点边的时序特征矩阵； 步骤2.3，所述密集时序信息提取层对的处理，得到输出变量； 步骤2.4，所述稀疏时序信息提取层对进行处理，得到输出变量； 步骤2.5，所述输出层的处理： 步骤2.5.1所述输出层利用式20得到第e个训练样本所有站点边的更新特征： 20 式中，表示拼接操作； 步骤2.5.2所述输出层利用式21得到第e个训练样本所有边预测结果： 21 式21中，表示激活函数，表示线性变换操作； 步骤3：基于第e个训练样本所有站点边预测结果和第e个预测样本的真实结果，构建均方误差MSE作为深度神经网络的损失函数，以损失函数最小化为目标，通过时间反向传播算法对分流神经网络中的参数进行优化更新，直到损失函数收敛为止，并保存模型参数，从而得到训练好的分流神经网络模型，用于预测未来一段时间的所有连接边上的共享单车数目。

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国科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96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。