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！

龙图腾网恭喜同济大学申请的专利基于几何代数和超图的交通速度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：CN115762183B 。

龙图腾网通过国家知识产权局官网在2025-05-23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：202211370158.9，技术领域涉及：G08G1/052；该发明授权基于几何代数和超图的交通速度预测方法是由臧笛;雷俊涛;崔哲;程久军;张军旗设计研发完成，并于2022-11-03向国家知识产权局提交的专利申请。

本基于几何代数和超图的交通速度预测方法在说明书摘要公布了：基于几何代数和超图的交通速度预测方法。步骤1.输入交通速度数据进入模型；结合整个训练集的预训练K‑means聚类结果以及交通路网图构建空间特征提取模块中的超图。步骤2.构建K层时空特征提取模块。步骤3.将交通数据属于每周的哪一天，以及属于每天的哪一个时刻的周期性信息通过两层线性层进行嵌入，结合每层模块的提取到的时空特征，再通过线性层从当前输入数据的时空特征中预测未来交通速度；步骤4.使用结合了两种常用损失函数的优化损失函数，通过反向传播与梯度下降不断优化网络参数，使得损失函数最小化，最终得到最优模型。本发明在实际场景中应用能够帮助交通管理部门更好地强化交通需求管理，加强城市交通拥堵综合治理，让城市交通更加顺畅。

本发明授权基于几何代数和超图的交通速度预测方法在权利要求书中公布了：1.基于几何代数和超图的交通速度预测方法，其特征在于，具体方法包括如下步骤：步骤1.输入交通速度数据进入模型，通过一个线性层对速度数据进行维度提升，使速度值由标量转化为向量，并通过K-means无监督聚类方法获得聚类，结合整个训练集的预训练K-means聚类结果以及交通路网图构建空间特征提取模块中的超图；步骤2.构建K层时空特征提取模块；在每个模块中，构建基于几何代数框架的门控几何代数时间卷积网络对交通数据中的时间特征进行提取，使用将扩散图卷积和多层级超图卷积结合的多维图卷积网络对空间特征进行提取；步骤3.将交通数据属于每周的哪一天，以及属于每天的哪一个时刻的周期性信息通过两层线性层进行嵌入，结合每层模块提取到的时空特征，再通过线性层从当前输入数据的时空特征中预测未来交通速度；步骤4.使用结合了两种常用损失函数的优化损失函数，通过反向传播与梯度下降不断优化网络参数，使得损失函数最小化，最终得到最优模型；所述步骤2中，在时间信息提取模块中，将维度提升后的交通数据用滑动窗口的方式划分为不同时间片段，在本模型中使用到了大小为4的时间窗口，将四个时间片段编码为一个几何代数中三维空间内的多向量，使得模型能够对时间片段之间的内部依赖以及卷积进行建模；并基于几何代数中对多向量旋转的描述来构建时间卷积网络的卷积核，使得模型能够对时间数据和卷积核之间的外部依赖关系进行建模；时间特征提取具体过程描述如下：h＝gW1*X+b☉σW2*X+c其中，X为输入到模型时空特征提取模块的经过维度提升后的交通数据，W1，W2是两个不同的卷积核，*是时间卷积操作，⊙是矩阵对应元素相乘；g·是输出数据的激活函数，在本模型中设置为tanh激活函数，以及σ·是用于决定有多少比例的信息可以通过进入下一层的sigmoid函数，最终得到的h将会作为空间特征提取模块的输入；在空间信息提取模块中，使用两类不同层次的图卷积，一类为基于自适应邻接矩阵和传统路网结构的扩散图卷积，建模成对结点之间的空间关系；另一类为基于步骤1中构建的多层级超图的超图卷积，建模多个结点之间的空间关系；通过在步骤1超图中初始化的E1，E2结点嵌入计算自适应邻接矩阵，并结合静态邻接矩阵进行双向扩散图卷积操作，具体过程如下： 其中，Aadp是自适应邻接矩阵，可以在模型进行反向传播的过程中不断进行自我优化；K是随机扩散的步数，Wk1，Wk2，Wk3均为模型中可学习的权重矩阵；由于交通图是有向图，因此扩散图卷积也具有双向性，Pf，Pb分别为前向转移概率矩阵以及后向转移概率矩阵，两个转移概率矩阵都是通过静态邻接矩阵A计算得到的，计算的具体公式为： 其中，rowsum·为计算矩阵每一行的和值的函数；通过步骤1中构建的多级超图对数据进行高阶空间依赖信息进行提取，分为两个步骤，第一步为通过聚合超边内的结点信息来构成超边的信息，第二步通过聚合结点所连接的超边信息来更新结点自身的信息，具体过程如下： 其中，he为聚合超边内结点特征值获得的超边隐藏特征，We为可学习的权重矩阵，di为结点i的度数，即结点i连接的超边数量，de为超边的平均度数，即超边中每个结点度数的平均值；将经过扩散图卷积和超图卷积后的结果进行相加，再加上输入到该层时的数据作为残差连接，最终得到该时空层的输出。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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”。