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！

龙图腾网恭喜重庆邮电大学申请的专利一种面向5G需求的人群流量大数据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：CN118551893B 。

龙图腾网通过国家知识产权局官网在2025-04-22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：202410698978.3，技术领域涉及：G06Q10/04；该发明授权一种面向5G需求的人群流量大数据预测方法是由范浩然;陈裕萍;王进设计研发完成，并于2024-05-31向国家知识产权局提交的专利申请。

本一种面向5G需求的人群流量大数据预测方法在说明书摘要公布了：本发明属于数据分析技术领域，特别涉及一种面向5G需求的人群流量大数据预测方法，包括将待预测区域划分为多个小区域，将每个小区域视为一个节点，获取节点特征以及节点之间的边权特征；将节点特征和边权特征转换为向量表示，将向量表示与节点和边的位置编码一同作为输入数据输入图神经网络；通过节点以及边权关系构建图数据，利用图神经网络对构建的图数据中每个节点进行迭代更新，得到每个节点的第一特征向量；将每个节点的第一特征向量输入图注意力网络，得到每个节点的第二特征向量；将待预测区域内某个时刻数据分为实时数据、周期数据以及异常数据三层数据，将当前层数据通过增强记忆调整网络模型处理后与下一层数据拼接后作为下一层的增强记忆调整网络模型的输入，最后一层的增强记忆调整网络模型输出第三特征向量；将第二特征向量和第三特征向量拼接在一起后输入全连接层，得到当前区域的流量预测；本发明通过综合利用自动化学习和高级网络模型，有效提升了人群流量预测的准确性和效率，特别适用于5G时代的大数据环境。

本发明授权一种面向5G需求的人群流量大数据预测方法在权利要求书中公布了：1.一种面向5G需求的人群流量大数据预测方法，其特征在于，具体包括以下步骤：将待预测区域划分为多个小区域，将每个小区域视为一个节点，获取节点特征以及节点之间的边权特征；节点特征包括节点对应区域的环境特征，环境特征至少包括当前区域的天气状况、空气质量、经济指标、通勤模式，边权特征至少包括两个节点之间的车流量、人群流量；将节点特征和边权特征转换为向量表示，将向量表示与节点和边的位置编码一同作为输入数据输入图神经网络；通过节点以及边权关系构建图数据，利用图神经网络对构建的图数据中每个节点进行迭代更新，得到每个节点的第一特征向量，迭代过程包括： 其中，为第t+1次迭代时第i个节点对应的迭代特征向量；σ·表示Relu函数；Wt为第t次迭代时的权重矩阵，bt为第t次迭代时的偏置项；cij为归一化常数；Ni为第i个节点的邻居节点集合；表示第t次迭代时第j个节点对应的迭代特征向量，当t＝0时，即为通过节点特征通过嵌入层和位置编码拼接后得到的特征；将每个节点的第一特征向量输入图注意力网络，得到每个节点的第二特征向量，包括：hi'＝σΣj∈Ni∪{i}αijWhj其中，hi'为第i个节点的第二特征向量，σ·表示Relu函数；Ni为第i个节点的邻居节点集合；αij为通过注意力机制计算的第i个节点对第j个节点的注意力系数；W为特征转换矩阵；hj为第j个节点的第一特征向量；将待预测区域内某个时刻数据分为实时数据、周期数据以及异常数据三层数据，将当前层数据通过增强记忆调整网络模型处理后与下一层数据拼接后作为下一层的增强记忆调整网络模型的输入，最后一层的增强记忆调整网络模型输出第三特征向量，利用增强记忆调整网络模型对三层数据的处理过程包括：将实时数据Drealtime作为第一层数据，并将实时数据输入EMRN模型，表示为： 将EMRN模型根据第一层数据得到的输出与周期数据Dcyclical拼接后得到第二层的输入数据Dcyclical'，将Dcyclical'作为EMRN模型的输入，表示为： 将EMRN模型根据第二层数据得到的输出与异常数据Danomaly拼接后得到第三层的输入数据Danomaly'，将Danomaly'作为EMRN模型的输入，表示为： 将作为第三特征向量；其中，EMRN·表示EMRN模型；增强记忆调整网络模型对数据的处理过程包括：it＝σWxixt+Whiht-1+Wcict-1+bift＝σWxfxt+Whfht-1+Wcfct-1+bfot＝σWxoxt+Whoht-1+Wcoct-1+bogt＝tanhWxgxt+Whght-1+bgct＝ft×ct-1+it×gt×tanhWxcxt+Whcht-1+bcht＝ot×tanhct其中，it表示控制t时刻输入对状态更新的贡献的变量，σ·表示Relu函数，Wxi、Whi、Wci分别为it更新过程中对当前时刻的输入向量、前一时刻的隐藏状态、前一时刻的单元状态的权重矩阵，xt表示t时刻的输入向量，ht-1表示t-1时刻的隐藏状态，ct-1表示t-1时刻的单元状态向量，bi为it更新过程中对应的偏置项；ft表示控制t时刻保留ct-1数量的变量，Wxf、Whf、Wcf分别为ft更新过程中对当前时刻的输入向量、前一时刻的隐藏状态、前一时刻的单元状态的权重矩阵，bf为ft更新过程中对应的偏置项；ot表示控制t时刻从单元状态到隐藏状态的输出的变量，Wxo、Who、Wco分别为ot更新过程中对当前时刻的输入向量、前一时刻的隐藏状态、前一时刻的单元状态的权重矩阵，bo为ot更新过程中对应的偏置项；gt为t时刻额外的控制层变量，Wxg、Whg为gt更新过程中对当前时刻的输入向量、前一时刻的隐藏状态的权重矩阵，bg为gt更新过程中对应的偏置项；tanh·为双曲正切函数，Wxc、Whc为ct更新过程中对当前时刻的输入向量、前一时刻的隐藏状态的权重矩阵，bc为ct更新过程中对应的偏置项；ht为t时刻EMRN模型的输出；将第二特征向量和第三特征向量拼接在一起后输入全连接层，得到当前区域的流量预测。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路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”。