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！

申请/专利权人：四川海太克科技有限责任公司

摘要：本发明公开了一种基于多元特征聚合的时空预测方法，属于时空数据预测领域。该方法包括以下步骤：对原始时空数据进行无损空间压缩；通过由时空单元组成的层次化网络提取空间关联性和时间依赖性特征；通过特征聚合模块融合多元特征，同时捕获多尺度和多频次信息；通过损失函数网络计算未来真值数据与预测推理数据之间的差异；经过不断迭代优化，最终训练生成最优预测模型。本发明构建了一个包含多元特征信息的层次化网络模型，学习了丰富的时空表示特征同时也减少了对计算资源的依赖，从而提高了高分辨率场景下的时空建模能力。

主权项：1.一种基于多元特征聚合的时空预测方法，其特征在于，包括以下步骤：步骤S1，对原始交通流量时空数据进行无损空间压缩；步骤S2，通过由时空单元组成的层次化网络提取空间关联性和时间依赖性特征；步骤S3，通过特征聚合模块融合多元特征，同时捕获多尺度和多频次信息；步骤S4，通过特征提取网络计算预测推理数据与未来真值数据的差异；步骤S5，经过不断迭代优化，最终训练生成最优预测模型；所述步骤S2中层次化网络，采用编码器译码器预测架构，堆叠四层时空单元，第一层和第二层构成编码器，对输入时空数据进行提取空间关联性和时间依赖性特征，第三层和第四层构成译码器，将时空特征恢复至输出特征图，其中，译码器中各层使用分组合并方法下采样两倍特征图，从而使输出特征图的感受野扩大两倍；所述步骤S3，具体包括：步骤S31，通过时序门控单元，使当前输入特征与时序上下文对齐；步骤S32，使用双分支特征提取器解耦低频和高频信息；步骤S33，利用中间层作为主干汇集所有层的特征并输出连接到下一层；步骤S34，采用融合后的特征进行间隔拼接，从而合成未来帧；所述步骤S4，通过特征提取网络即损失函数网络，从多层特征图中提取像素值，得到不同层的几何信息和语义信息，然后计算从预测值到真实标签的总的损失，损失函数公式为：其中，Lp为预测的序列长度，N为特征提取网络层数，H和W为损失函数网络提取的特征图的尺寸，y和分别表示成本函数网络的真值输入和预测输入，f为指定的预测序列的第f帧，φ是损失函数网络的特征提取层，j是指定的第j个网络层，竖线的部分表示L2范数损失函数。

全文数据：

权利要求：

百度查询： 四川海太克科技有限责任公司 一种基于多元特征聚合的时空预测方法