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！

龙图腾网恭喜长春理工大学申请的专利一种特征差异学习网络交通流量数据预测处理方法及系统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：CN119723894B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202510228087.6，技术领域涉及：G08G1/01；该发明授权一种特征差异学习网络交通流量数据预测处理方法及系统是由刘鹏;朱耀东;杨阳;王彩霞;赵海丽设计研发完成，并于2025-02-28向国家知识产权局提交的专利申请。

本一种特征差异学习网络交通流量数据预测处理方法及系统在说明书摘要公布了：本发明提供一种特征差异学习网络交通流量数据预测处理方法及系统，涉及数据处理领域，可解决对交通时序预测的准确性不高的问题。该方法，包括：对输入的原始交通时序数据进行数据预处理，获得特征差异学习样本，原始交通时序数据包括在一时长范围内多个目标道路节点的交通数据；接着，通过集成样本定位编码器、特征差异生成器和判别器，构建深度学习模型DXGAN；然后，将特征差异学习样本输入深度学习模型DXGAN，获得预测结果。通过趋势化特征差异学习进行时空特征差异区分，利用DXGAN模型的高准确性来提高了交通时序预测的准确性。

本发明授权一种特征差异学习网络交通流量数据预测处理方法及系统在权利要求书中公布了：1.一种特征差异学习网络交通流量数据预测处理方法，其特征在于，包括：对输入的原始交通时序数据进行数据预处理，获得特征差异学习样本，所述原始交通时序数据包括在一时长范围内多个目标道路节点的交通数据；通过样本定位编码器、特征差异生成器和判别器，构建深度学习模型动态交换生成对抗网络DXGAN；将所述特征差异学习样本输入所述深度学习模型DXGAN，获得预测结果；所述对输入的原始交通时序数据进行数据预处理，获得特征差异学习样本，包括：通过空间样本位置差异观测矩阵和时间样本信息差异矩阵，记录所述原始交通时序数据在时间和空间维度上的变化特征；所述空间样本位置差异观测矩阵为：当样本的位置信息xi,j被检测到，确定xi,j＝1时，该矩阵的数值保持为SPAi,j＝1，反之，当样本的位置信息xi,j＝0时，SPAi,j＝0，其中SPAi,j表示空间检索状态矩阵，u,j表示传感器节点在空间维度上的坐标位置；时间样本信息差异矩阵的表示更偏向于在时间t上空间样本位置差异观测矩阵变化的情况，矩阵表示为： 式中，xt表示传感器中数据在时间t时刻的数据，ε表示时间样本信息差异矩阵,当SPAt-1＝0时表示模型在上一时刻没有记录到原始交通时序数据在空间和时间上的变化；将所述原始交通时序数据分别经过F1＝FCX、F2＝FCX，获得两种不同通道维度的数据嵌入F1,F2，F1表示原始交通时序数据通过全连接层的映射后获得空间维度上的嵌入特征，F2表示原始交通时序数据通过全连接层的映射后获得时间维度上的嵌入特征；根据时间样本信息差异矩阵ε，构建特征Fε＝FCε，获得时间样本信息差异特征Fε；将空间维度和时间维度上的嵌入特征F1,F2以及原始交通时序数据X和可训练参数WK通过卷积操作H1＝ConvF1,F2,X,WK，获得卷积上的特征H1，其中，Conv表示卷积操作函数；根据F1和利用编码技术得到的位置信息特征PFS进行加和操作得到综合的信息特征FS，其中，利用编码技术得到的位置信息特征包括：第一位置信息特征PFT[t,n,2i]＝sint100004iD′第二位置信息特征PFS[t,2n,2i+1]＝cost100004iD′第三位置信息特征PFS[t,2n,2j+D2]＝sint100004jD′第四位置信息特征PFS[t,2n,2j+D2]＝cost100004jD′；其中，n表示元素索引的位置，D表示空间距离参数矩阵，D′表示空间距离参数矩阵的转置；根据F2和利用编码技术得到的位置信息特征PFT之和，确定综合特征FT；根据记录目标道路节点趋势性差异变化的位置信息特征PEτ和时滞特征Eτ之和，确定综合特征Fτ，通过归一化操作HNorm＝normFTW1+FSW2+FτW3+H1W4确定节点的综合信息特征HNorm，norm表示归一化操作，W1,W2,W3,W4表示可训练权重。

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长春理工大学，其通讯地址为：130022 吉林省长春市朝阳区卫星路7089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”。